APUNTES

cubierta
indice
salir
Universidad de Jan
AmpliAcin de mAtemticAs
MxiMo JiMnez Lpez
coleccin apuntes
Ampliacin de matemticas/ MxiMo JiMnez Lpez
Indice
(Apuntes de la asignatura)
Introduccin.........................................................................................................................11
Estudio.de.la.asignatura.. .....................................................................................................12 .
Tema.1..Ecuaciones.en.diferencias........................................................................................14 1. Ecuacin en diferencias lineal con coeficientes constantes ...................................................16 1.1. Propiedades de la ecuacin en diferencias lineal de coeficientes constantes .............17 1.1.1.Unicidad de la solucin ........................................................................................ 17 1.1.2.El espacio vectorial de las soluciones de la ecuacin en diferencias lineal Homognea ..........................................................................................................18 2. Solucin de la ecuacin en diferencias lineal homognea de coeficientes constantes..........19 3. Solucin de la ecuacin en diferencias lineal completa de coeficientes constantes ..............21 4. Sistema lineal de ecuaciones en diferencias homogneo de orden 1 con coeficientes Constantes ........................................................................................................................... 21 5. Sistema lineal de ecuaciones en diferencias no homogneo de orden 1 con coeficientes Constantes ........................................................................................................................... 23 6. Bibliografa citada en el tema ................................................................................................. 24
Tema.2..Funciones.en.varias.variables..................................................................................25 1. Algunos tipos de funciones de varias variables segn el espacio inicial y final .....................26 1.1. Curvas parametrizadas ................................................................................................. 26 1.2. Funciones escalares ..................................................................................................... 27 1.3. Campos vectoriales ...................................................................................................... 28 2. Componentes de una funcin de varias variables ..................................................................29 3. Lmite de una funcin de varias variables ..............................................................................29 3.1. Clculo efectivo del lmite ............................................................................................ 31 3.2. Probar que no existe lmite ..........................................................................................32 4. Continuidad de una funcin de varias variables.....................................................................34 5. Ejercicios propuestos.............................................................................................................. 35 6. Bibliografa citada en el tema ................................................................................................. 35
Tema.3..Diferenciacin.en.varias.variables............................................................................36 1. Derivadas parciales. ............................................................................................................... 37 1.1. Derivadas parciales de rdenes superiores..................................................................38 1.2. Matriz jacobiana........................................................................................................... 40 2. Funcin diferenciable ............................................................................................................. 40 2.1. Funcin diferenciable en una variable. Diferencial de una funcin .............................40 2.2. Funcin diferenciable en varias variables ....................................................................42 2.3. Diferencial de una funcin de varias variables .............................................................44 2.4. Diferencial de una funcin escalar ...............................................................................45 2.5. Algunas propiedades de la diferencial .........................................................................46 3. Regla de la cadena en funciones de varias variables ..............................................................46 3.1. Matriz jacobiana de la composicin de funciones en varias variables .........................47 3.2. Casos particulares de la regla de la cadena para funciones escalares .........................48 4. Diferenciales de orden superior de una funcin escalar ........................................................50 5. Diferencial de una funcin de varias variables con variables intermedias .............................52 5.1. Invariancia de la diferencial primera. ..........................................................................52 5.2. Diferencial segunda con cambio de variables ..............................................................53 6. Integrales dependientes de un parmetro .............................................................................54 7. Ejercicios propuestos.............................................................................................................. 57 8. Bibliografa citada en el tema ................................................................................................. 58
Tema.4..Extremos.en.funciones.de.varias.variables...............................................................59 1. Signo de una forma cuadrtica ............................................................................................... 60 1.1. Clculo prctico del signo de una forma cuadrtica.....................................................63 2. Trminos usados en el estudio de extremos ..........................................................................66 3. Polinomio de Taylor de una funcin de dos variables ............................................................68 4. Condicin necesaria de extremo local ...................................................................................71 5. Condicin suficiente de extremo local ...................................................................................72 6. Extremos locales condicionados ............................................................................................ 73 6.1. Mtodo de sustitucin ................................................................................................. 73 6.2. Mtodo de los multiplicadores de Lagrange ................................................................75 7. Mximos y mnimos absolutos ............................................................................................... 77 8. Ejercicios propuestos.............................................................................................................. 77 9. Bibliografa citada en el tema ................................................................................................. 78
Tema.5..Integracin.en.varias.variables. ...............................................................................79 . 1. Concepto de integral doble .................................................................................................... 81 2. Condiciones suficientes de integrabilidad ..............................................................................83 3. Propiedades de la integral doble ............................................................................................ 84 4. Clculo efectivo de la integral doble ......................................................................................86 4.1. Teorema de Fubini........................................................................................................ 86 4.2. Integracin vertical....................................................................................................... 87 4.3. Integracin horizontal .................................................................................................. 88 5. Cambio de variable en la integral doble .................................................................................89 6. Cambio de variable a coordenadas polares ...........................................................................90 7. Integral triple .......................................................................................................................... 93 8. Propiedades de la integral triple ............................................................................................ 94 9. Clculo efectivo de la integral triple .......................................................................................96 10. Cambio de variable en la integral triple ............................................................................... 97 10.1. Cambio de variable a coordenadas cilndricas ............................................................ 98 10.2. Cambio de variable a coordenadas esfricas .............................................................. 98 11. Ejercicios propuestos ........................................................................................................... 99 12. Bibliografa citada en el tema ............................................................................................ 100 . Tema.6..Integral.de.lnea. ...................................................................................................101 1. Algunas nociones sobre curvas parametrizadas...................................................................102 2. Integral de lnea de una funcin real....................................................................................103 2.1. Propiedades de la integral de lnea de funciones escalares .......................................105 3. Integral de lnea de un campo vectorial ...............................................................................106 3.1. Otra forma de escribir la integral de lnea de un campo vectorial .............................109 3.2. Propiedades de la integral de lnea de campos vectoriales .......................................109 4. Teorema de Green ................................................................................................................ 110 5. Teorema Fundamental de la integral de lnea en 5.1. Campos vectoriales conservativos en 5.2. Regla de Barrow para la integral de lnea en 6. Teorema Fundamental de la integral de lnea en 6.2. Regla de Barrow para la integral de lnea en 2 ...........................................................111 2 .......................................................114 3 ...........................................................115 3 .......................................................117 2 ..................................................................112
6.1. Rotacional de un campo vectorial. .............................................................................116
7. Ejercicios propuestos............................................................................................................ 118 8. Bibliografa citada en el tema ............................................................................................... 119
Tema.7..Integral.de.superficie.............................................................................................120 1. Algunas nociones sobre superficies parametrizadas............................................................120 2. Integral de superficie de una funcin escalar.......................................................................125 3. Propiedades de la integral de superficie de funciones escalares. ........................................127 4. Integral de superficie de un campo vectorial .......................................................................127 5. Propiedades de la integral de superficie de campos vectoriales..........................................130 6. Teorema de la divergencia.................................................................................................... 130 6.1. Divergencia de un campo vectorial ............................................................................131 7. Teorema de Stokes ............................................................................................................... 132 8. Ejercicios propuestos............................................................................................................ 134 9. Bibliografa ........................................................................................................................... 135 Tema.8..Introduccin.a.la.variable.compleja.......................................................................136 1. Nmeros complejos ............................................................................................................. 136 1.1. Representacin geomtrica de los nmeros complejos ............................................138 1.2. Conjugado de un nmero complejo ...........................................................................138 1.3. Mdulo de un nmero complejo ...............................................................................139 1.4. Argumento de un nmero complejo ..........................................................................140 2. La exponencial compleja ...................................................................................................... 142 3. Continuidad de una funcin compleja .................................................................................143 4. Diferenciabilidad de una funcin compleja ..........................................................................145 5. Ecuaciones de Cauchy-Riemann ...........................................................................................147 5.1. Ecuaciones de Cauchy-Riemann en forma exponencial .............................................150 6. Derivada e integral de una funcin compleja de variable real .............................................151 7. Integral a lo largo de una curva de una funcin compleja ...................................................154 7.1. Propiedades de la integral de lnea compleja ............................................................155 8. Extensin del teorema fundamental del clculo ..................................................................156 9. Algunos teoremas importantes ............................................................................................158 10. Ejercicios propuestos ......................................................................................................... 160 11. Bibliografa citada .............................................................................................................. 161 Tema.9..Aproximacin.a.las.ecuaciones.en.derivadas.parciales...........................................163 1. Ecuaciones en derivadas parciales. Conceptos bsicos ........................................................163 2. Solucin general de una ecuacin en derivadas parciales ...................................................164 3. Condiciones de contorno y condiciones iniciales .................................................................166
4. Ecuacin de Euler ................................................................................................................. 168 5. Ecuacin de ondas unidimensional ......................................................................................170 5.1. Solucin de DAlembert para la ecuacin de ondas unidimensional..........................171 6. Bibliografa citada. ................................................................................................................ 175
Indice
(Manual de prcticas)
Prctica.1..Ecuaciones.en.diferencias................................................................................. 177 1. Conocimientos previos. ....................................................................................................... 177 1.1. Borrado de variables previamente definidas. ........................................................... 177 1.2. Cmo hacer referencia a un resultado anterior. ....................................................... 178 1.3. Resolucin de ecuaciones y sistemas. ....................................................................... 178 1.4. Cmo definir una funcin. ........................................................................................ 179 1.5. Sucesiones con el Mathematica. ............................................................................... 179 1.6. Desarrollo de los factores de un producto. ............................................................... 180 2. Ecuaciones en diferencias. .................................................................................................. 180 3. Solucin particular de una ecuacin en diferencias. ........................................................... 181 4. Ecuacin en diferencias lineal homognea con coeficientes constantes. ........................... 182 5. Ecuacin en diferencias lineal completa con coeficientes constantes. ............................... 184 6. Apndice. Solucin particular de la ecuacin en diferencias lineal completa de coeficientes constantes. Mtodo de variacin de constantes. ........................................... 184 7. Bibliografa. ......................................................................................................................... 187
Prctica.2..Sistema.de.ecuaciones.en.diferencias............................................................... 188 1. Conocimientos previos. ....................................................................................................... 188 1.1. Cmo generar una matriz. ........................................................................................ 188 1.2. Elevar una matriz a una potencia. ............................................................................. 189 1.3. Potencia ensima de una matriz. .............................................................................. 189 2. Sistema lineal de ecuaciones en diferencias homogneo de orden 1 con coeficientes constantes. .......................................................................................................................... 190 3. Sistema lineal de ecuaciones en diferencias no homogneo de orden 1 con coeficientes constantes....................................................................................................... 190 4. Resolucin de un sistema de ecuaciones en diferencias con el Mathematica. ................... 191 5. Apndice. Solucin particular del sistema lineal en diferencias con coeficientes constantes no homogneo de orden 1. .............................................................................. 192 6. Bibliografa. ......................................................................................................................... 193
Prctica.3..Representacin.de.funciones.de.varias.variables.............................................. 194 1. Conocimientos previos. ....................................................................................................... 194 1.1. Dibujo de una funcin real de variable real. ............................................................. 194 1.2. Presentacin de varios grficos en un mismo dibujo. ............................................... 195 1.3. Dibujo de un punto con el Mathematica. ................................................................. 195 1.4. Colocar un texto en un lugar del plano o del espacio. .............................................. 196 2. Funciones escalares de . 2 --> 3. Campos vectoriales en 4. Campos vectoriales en ....................................................................................... 197
2. ................................................................................................. 198 3. ................................................................................................. 199
5. Representacin de un campo de vectores discreto............................................................. 200 6. Curvas parametrizadas en 7. Curvas parametrizadas en 2. ............................................................................................ 202 3. ............................................................................................ 203
8. Bibliografa. ......................................................................................................................... 204
Prctica.4..Estudio.general.de.las.curvas.parametrizadas................................................... 205 1. Conocimientos previos. ....................................................................................................... 205 1.1. Mdulo de un vector. ................................................................................................ 205 1.2. La orden FinRoot. ...................................................................................................... 205 2. Longitud de una curva parametrizada................................................................................. 206 3. Distintas parametrizaciones de una trayectoria. ................................................................. 207 4. Sentido de recorrido de una curva parametrizada. ............................................................. 208 5. Obtencin de una curva con sentido contrario a otra dada. ............................................... 209 6. Puntos dobles de una curva parametrizada. ....................................................................... 211 7. Bibliografa. ......................................................................................................................... 213
Prctica.5..Curvas.parametrizadas.por.el.parmetro.arco..Frmulas.de.Frenet................... 214 1. Conocimientos previos. ....................................................................................................... 214 1.1. Producto escalar. ....................................................................................................... 214 1.2. Producto vectorial. .................................................................................................... 215 1.3. Producto mixto.......................................................................................................... 215 2. Curva parametrizada por el parmetro arco. ...................................................................... 215 3. Vector tangente. .................................................................................................................. 217 4. Curvatura............................................................................................................................. 218
5. Vector normal principal. ...................................................................................................... 219 6. Vector binormal................................................................................................................... 220 7. Plano osculador. .................................................................................................................. 221 8. Torsin. ................................................................................................................................ 221 9. Formulas de Frenet. ............................................................................................................ 222 10. Bibliografa. ....................................................................................................................... 223 Prctica.6..Triedro.de.Frenet.de.una.curva.no.parametrizada.por.el.arco........................... 224 1. Vector tangente, normal y binormal de una curva no parametrizada por el arco. ............. 224 1.1. Representacin grfica del triedro de Frenet............................................................ 226 2. Curvatura y torsin de una curva no parametrizada por el parmetro arco. ...................... 227 3. Bibliografa. ......................................................................................................................... 228 Prctica.7..Introduccin.al.estudio.de.superficies.parametrizadas...................................... 229 1. Conocimientos previos. ....................................................................................................... 229 1.1. ngulo de dos vectores. ............................................................................................ 229 1.2. Derivadas parciales con el Mathematica................................................................... 229 2. Superficies parametrizadas. ................................................................................................ 230 3. Vector normal en un punto de la superficie. ....................................................................... 231 4. Parametrizacin de una cara de la superficie. ..................................................................... 233 5. Dada una superficie parametrizada obtener la parametrizacin de la otra cara. ............... 235 6. rea de una superficie parametrizada. ............................................................................... 238 7. Bibliografa. ......................................................................................................................... 239 Prctica.8..Extremos.locales.de.funciones.de.varias.variables............................................ 240 1. Conocimientos previos. ....................................................................................................... 240 1.1. Regla de sustitucin. ................................................................................................... 240 1.2. Generar nmeros aleatorios. ...................................................................................... 241 1.3. Vector gradiente. ......................................................................................................... 241 1.4. Matriz hessiana. .......................................................................................................... 242 1.5. Extremos locales con el Mathematica. ........................................................................ 242 2. Signo de una forma cuadrtica. ........................................................................................... 243 3. Puntos crticos. .................................................................................................................... 245 4. Condicin suficiente de extremo local. ............................................................................... 245 5. Bibliografa. ......................................................................................................................... 246
10
Prctica.9..Extremos.condicionados.y.absolutos.en.funciones.de.varias.variables.............. 247 1. Conocimientos previos. ....................................................................................................... 247 1.1. Polinomio de interpolacin. ........................................................................................ 247 2. Extremos locales condicionados. Mtodo de sustitucin. .................................................. 248 3. Extremos locales condicionados. Multiplicadores de Lagrange. ......................................... 250 4. Mximos y mnimos absolutos. ........................................................................................... 252 5. Bibliografa. ......................................................................................................................... 255
Prctica.10..Polinomio.de.Taylor.en.varias.variables.......................................................... 256 1. Conocimientos previos. ....................................................................................................... 256 1.1. Extraer un elemento de un vector. .............................................................................. 256 1.2. Rutinas con el Mathematica. La orden For. ................................................................. 257 1.3. Programar con el Mathematica. La orden Input. ........................................................ 258 2. Diferencial total de una funcin de varias variables............................................................ 259 3. Polinomio de Taylor de una funcin de dos variables. ........................................................ 259 4. Programa para obtener el polinomio de Taylor. .................................................................. 260 5. Bibliografa. ......................................................................................................................... 262
11
Introduccin
En el presente curso acadmico se ha estimado conveniente preparar esta gua didctica como un elemento de ayuda para la preparacin de la asignatura Ampliacin de Matemticas, situada en el segundo curso de las titulaciones de Ingeniera Tcnica Industrial de la Escuela Politcnica Superior de Linares de la Universidad de Jan. La asignatura presenta un contenido muy variado lo que dificulta enormemente el trabajo del alumno a la hora de preparar los temas correspondientes a la misma. No conozco ningn texto que abarque ntegramente todos los descriptores que se contemplan en esta asignatura. De esta forma, el alumno se ve obligado a consultar textos de muy variada naturaleza. Sin duda, el hecho de consultar distintos manuales supone para el alumno una dificultad aadida a la de la propia de la materia pero, por otra parte, entre los objetivos que se contemplan en la formacin del alumno est el estimular el trabajo autnomo y la capacitacin para leer cualquier texto matemtico que le permita resolver los problemas que puedan encontrarse en el desarrollo de las asignaturas especficas de la titulacin de Ingeniera Industrial. La presente gua trata de buscar un equilibrio entre estos dos aspectos. Estos apuntes no pretenden ser un libro ms de matemticas que trata unos determinados temas. Aspiran a ser una especie de tutor que facilite la compresin de la asignatura y, al mismo tiempo, anime al alumno sobre el uso diferentes textos que consideramos apropiados para los objetivos y niveles de conocimiento de los estudiantes de Ingeniera Tcnica Industrial. Y todo ello desde la experiencia que ofrece haber impartido la asignatura durante varios aos. En coherencia con el propsito de esta gua, se sacrificar el rigor matemtico en aras de una lectura ms amena y fcil de la asignatura. Evitaremos muchas demostraciones y slo nos detendremos en aquellas que puedan ayudar a la comprensin del concepto que se est tratando en ese momento. Por otra parte, sealaremos los textos ms apropiados donde se puedan encontrar las justificaciones y demostraciones que aqu no se hagan. Asimismo, al final de cada tema daremos una relacin de problemas totalmente desarrollados en textos de fcil acceso por parte del alumno. Los problemas de estas relaciones estn seleccionados por su contenido didctico en relacin con los conceptos que aqu se tratan.
12
Estudio de la asignatura
Para superar esta asignatura, el alumno no debe limitarse slo al estudio de estos apuntes sino que, al menos, deber acudir a los textos que oportunamente remitimos. En dichos manuales se encontrarn el desarrollo de los temas con la necesaria precisin que requiere una asignatura de matemticas. La asignatura de Ampliacin de Matemticas consta de 6 crditos de los que 4.5 corresponde a la parte de teora y problemas y 1.5 a las prcticas con el ordenador. Para la realizacin de las prcticas utilizaremos el programa de clculo simblico Mathematica en su versin 6 o posterior. A fin de superar con xito la presente materia, estimamos conveniente que se sigan las consideraciones que exponemos a continuacin. Las prcticas realizadas con el ordenador estn ntimamente ligadas con los conceptos tericos de la asignatura. Por lo tanto, se aconseja su lectura en el momento que se indica en la presente gua. Bsicamente, el temario de Ampliacin de Matemticas consiste en extender a funciones de varias variables las nociones que previamente, en otras asignaturas, se habrn estudiado para funciones de una variable. Por ello, se aconseja que, antes de tratar directamente un determinado concepto en varias variables, se lea con especial atencin lo que ocurra en una variable tal y como aqu se hace. Para manejar con agilidad los contenidos que se recogen en la presente asignatura resulta necesario que, como mnimo, se realicen los ejercicios que se proponen al final de cada tema. Esto no excluye que el alumno pueda y deba acudir al uso de otros manuales dentro de la abundante bibliografa que existe en relacin con el temario de la asignatura. En la ficha de la asignatura que publica la Universidad de Jan, el alumno puede solucionar cualquier duda sobre el temario de la misma, criterios de evaluacin, etc. Tambin se puede consultar la pgina web de profesor de la asignatura: http://www4.ujaen.es/~mjimenez En especial resulta muy recomendable acudir a las tutoras, cuyo horario est recogido en la pgina web, para cualquier aclaracin sobre la materia de la asignatura o de cualquier otro tipo. El profesor: Mximo.Jimnez.Lpez
AMPLIACIN.DE.MATEMTICAS (Apuntes.de.la.asignatura)
14
TEMA 1 ECUACIONES EN DIFERENCIAS

Las ecuaciones en diferencias surgen de forma espontnea cuando tratamos de modelizar matemticamente determinados sucesos que se hacen efectivos en intervalos regulares de tiempo.
El problema tpico que conduce a una ecuacin en diferencias se produce cuando estamos interesados en conocer la evolucin de un capital C, depositado en un banco que produce un inters i cada mes. Si llamamos entregado el capital C se tiene: 0 1 2 3 a la cuanta del depsito al n mes de haber 1 1 1
En definitiva, tenemos una sucesin : o, escrito de otra forma1:
1 1
cuyo trmino general es:
Observamos que, en esta sucesin, existe una relacin entre dos trminos consecutivos de la misma, en concreto: 1
esta ecuacin es un caso particular de lo que se denomina ecuaciones en diferencias. Una ecuacin en diferencias es una ecuacin que relaciona distintos trminos de una sucesin. Por lo tanto, la solucin de esta ecuacin ser una sucesin cuyos trminos verifica lo establecido en la misma.
Si el alumno no est familiarizado con el concepto de sucesin puede consultar la obra de QUESADA TERUEL et al, Anlisis y Mtodos Numricos, pg. 77 en adelante.
15
El problema a resolver en las ecuaciones en diferencias es precisamente el contrario del que acabamos de describir. Es decir, dada una ecuacin en diferencias, por ejemplo: 1.1
lo que tenemos que calcular es la expresin del trmino general anterior para todo n.
que hace cierta la igualdad
En este caso concreto, despus de la introduccin realizada al principio, resulta claro que la solucin de la ecuacin en diferencias 1.1 1.1 es:
donde c es una constante genrica. Efectivamente, si damos valores a esta solucin observamos que se cumple la relacin dada por la ecuacin en diferencias para todo n: 1.1 1.1 1.1 1.1 1.1 1.1 0 1 2 3
1.1
En resumen, la solucin general de la ecuacin en diferencias: 1.1
ser:
que depende de una constante genrica c.
1.1
Adems, si a
le pedimos que tenga un valor determinado, por ejemplo 1000 ya es nica:
entonces la solucin del problema que consiste en resolver la ecuacin adems, verifique que 1.1 1000
1.1
y que,
1000,
El objetivo de este tema va a consistir en, para unos determinados tipos de ecuaciones y sistemas en diferencias, exponer distintos mtodos matemticos que nos permitan encontrar sus soluciones.
16
Las aplicaciones ms importantes de las ecuaciones en diferencias se suelen asociar con el mundo de la economa, sin embargo, son muchos los campos de otras ciencias en donde aparecen importantes contribuciones de este tipo de ecuaciones2.
1. ECUACIN EN DIFERENCIAS LINEAL CON COEFICIENTES CONSTANTES.
Vamos a tratar un tipo particular de ecuaciones en diferencias, en concreto, las ecuaciones en diferencias lineales con coeficientes constantes de gran aplicacin en la prctica. Las soluciones y propiedades de este tipo de ecuaciones nos van a resultar muy familiares por su parecido con las ecuaciones diferenciales lineales de coeficientes constantes.
Una ecuacin en diferencias se llama lineal de coeficientes constantes si es de la forma: , 0
siendo
constante
; y por lo menos
Hay que hacer una serie de consideraciones sobre esta ecuacin: 0 la ecuacin en diferencias se llama homognea, en caso contrario, se dice 2 4 2 2 es una ecuacin de diferencias lineal 0 es homognea.
Si completa.
Por ejemplo, la ecuacin completa, mientras que
La constante k se denomina orden de la ecuacin en diferencias. As,
hay que prestar atencin a la forma en que pueda venir dada la ecuacin en diferencias. Por ejemplo, 1 2 1 no es una ecuacin de orden 3 2 1
2 es una ecuacin en diferencias lineal de orden 3. Sin embargo,
puesto que dicha ecuacin es totalmente equivalente a
1, por lo tanto, es una ecuacin en diferencias de orden 2.
A este respecto, en el libro de FERNNDEZ PREZ et al, Ecuaciones diferenciales y en diferencias. Sistemas dinmicos, se puede consultar un nmero importante de ejemplos.
17
1.1. Propiedades de la ecuacin en diferencias lineal de coeficientes constantes.
Veamos algunas propiedades de la ecuacin en diferencias lineal que nos permitir obtener fcilmente las soluciones de este tipo de ecuaciones.
1.1.1. Unicidad de la solucin.
Sea la ecuacin en diferencias lineal de coeficientes constantes:
el problema de encontrar una sucesin los k valores prefijados , ,,
tal que cumpla dicha ecuacin y que adems para
se verifique:
existe y es nica.
Explicacin.
Sirvindonos de un ejemplo vamos a indicar cmo se podra demostrar la existencia y unicidad de la solucin. Consideremos la ecuacin en diferencias de orden 2: 2 3 que verifica 1 3
primero calculamos 0):
que, al tener que cumplirse la ecuacin, deber verificar (tomando 2 2 3 9 1 4 0 0
de la misma manera se deduce que
trminos de la sucesin. Evidentemente no hay posibilidad de que la solucin sea otra sucesin distinta.
8 y sucesivamente iramos obteniendo los dems
18
1.1.2. El espacio vectorial de las soluciones de la ecuacin en diferencias lineal homognea.
La clave para resolver las ecuaciones en diferencias lineales se basa en la estructura algebraica que presentan sus soluciones. Resulta fcil demostrar las siguientes propiedades3:
El conjunto de las soluciones de la ecuacin homognea de orden k 0
es un espacio vectorial de dimensin k.
Esta importante propiedad nos permitir obtener la solucin general de la ecuacin homognea si somos capaces de obtener k soluciones independientes de dicha ecuacin. La siguiente propiedad reconoce cuando un conjunto de k soluciones de la ecuacin en diferencias (hay que recordar que cada solucin es una sucesin) van a ser independientes. Sean k soluciones de la ecuacin en diferencias lineal homognea: , ,,
son independientes si se verifica: 0 1
Adems, se puede demostrar que si con los primeros k trminos de cada sucesin este determinante es distinto de cero, va a seguir siendo distinto de cero con cualesquiera k trminos consecutivos.
0 1
0 1
Para ver las demostraciones de estas propiedades se puede acudir, entre otros, al libro de ALCONCHEL PREZ y VIGNERON TENORIO, Ecuaciones Lineales en Diferencias, pgina 8 y siguientes.
19
2. SOLUCIN DE LA ECUACIN EN DIFERENCIAS LINEAL HOMOGNEA DE COEFICIENTES CONSTANTES.
Como consecuencia de las propiedades mencionadas en el apartado anterior, se deduce que para encontrar la solucin general de la ecuacin en diferencias: 0
bastar con encontrar una base del conjunto de soluciones de dicha ecuacin.
deducir que el valor de , que da lugar a las soluciones independientes, ha de verificar la siguiente ecuacin llamada ecuacin caracterstica4: 0 Resolviendo esta ecuacin se obtienen las distintitas soluciones que forman la base del conjunto de soluciones de la ecuacin en diferencias. Ahora bien, en caso de obtener soluciones repetidas o complejas se deben adoptar los siguientes criterios:
Si forzamos a que este conjunto de soluciones adopten la forma
se puede
A cada raz real
se le asocia la solucin:
A cada raz real mltiple
de multiplicidad m le asociamos las m soluciones:
A cada raz compleja simple aparecer su conjugada (como los son nmeros reales tambin deber
) le asociamos dos soluciones. Para calcular estas : | Arg |
soluciones calculamos el mdulo y argumento del nmero
La demostracin puede verse en ALCONCHEL PREZ y VIGNERON TENORIO, Ecuaciones Lineales en Diferencias, pgina 15.
20
al que le asociamos las soluciones:
A cada raz compleja
de multiplicidad m (la conjugada aparecer tambin con la cos
sen
cos
misma multiplicidad), le asociaremos las siguientes soluciones: sen
sen
cos
sen
cos
sen Por ejemplo, para obtener la solucin general de la ecuacin en diferencias: 13 69 193 306 270 108 0 0
cos
en primer lugar calculamos las soluciones de la ecuacin: 2 simple; 13 3 mltiple de multiplicidad 3; 69 193 2 3 306 69 193 306
que son:
13
270 1
270 1
108
108 1
. Es decir:
Un conjunto de soluciones que forman base para esta ecuacin ser: 3 2 2
cos sin
21
y la solucin general de esta ecuacin en diferencias es: 2 3 3 3 2
donde los
son constantes cualesquiera.
cos
sin
3. SOLUCIN DE LA ECUACIN EN DIFERENCIAS LINEAL COMPLETA DE COEFICIENTES CONSTANTES.
La solucin general de la ecuacin en diferencias lineal completa de coeficientes constantes:
es la suma de la solucin general de la homognea asociada ( 0) y una particular de la completa5.
La solucin general de la homognea asociada se ha comentado en el epgrafe anterior, slo quedara calcular una particular de la completa.
Existen diferentes mtodos para calcular la particular de la completa, por ejemplo, el mtodo de los coeficientes indeterminados que consiste en ensayar con una determinada sucesin cuya expresin viene dada por la de .
En la Prctica 1 de la asignatura indicamos el mtodo de variacin de constantes para obtener una solucin particular de la completa y a ella nos remetimos6.
4. SISTEMA LINEAL DE ECUACIONES EN DIFERENCIAS HOMOGNEO DE ORDEN 1 CON COEFICIENTES CONSTANTES.
Supongamos ahora que hay ms de una sucesin desconocida, por ejemplo pero dichas sucesiones han de verificar conjuntamente el siguiente sistema:
Una demostracin de esta afirmacin puede verse en FERNNDEZ PREZ et al Ecuaciones diferenciales y en diferencias, pg. 471. 6 Tambin en RODRGUEZ RUZ et al Matemticas 2. Economa y Empresa. Teora, pg. 321 puede verse una explicacin detallada de este mtodo.
22
o puesto de otra manera:
4 4
En esta situacin, se dice que estamos ante un sistema de ecuaciones en diferencias lineal de coeficientes constantes y de orden 1 (slo hay un desplazamiento en la variable n).
Para calcular la solucin de este sistema es conveniente expresarlo en forma matricial:
si seguimos el siguiente razonamiento encontraremos fcilmente la solucin general de este sistema en diferencias: 1 4 1 4 1 4 1 4 3 0 3 0 3 0 3 0 4 3
1 3 4 0
por lo tanto, si se quiere resolver el sistema de ecuaciones en diferencias con las condiciones iniciales 1 4 la solucin ser necesariamente: 1 4 3 0 1 4
teniendo en cuenta que7 1 7
solucin del problema planteado es: 4 7 1
1 4
3 0
1 7
4 5 7
3 3
4 1
1 4 7
3 7
4 3 4
34
la
34
1 4
El clculo de la potencia ensima de una matriz se explica en la Prctica 2 de la asignatura.
23
o lo que es lo mismo:
1 7
4 5 7
A la vista de este razonamiento, podemos enunciar el siguiente resultado:
TEOREMA. Sea el sistema lineal homogneo de ecuaciones en diferencias: la solucin de dicho sistema es: siendo constantes genricas.
5. SISTEMA LINEAL DE ECUACIONES EN DIFERENCIAS NO HOMOGNEO DE ORDEN 1 CON COEFICIENTES CONSTANTES.
Un sistema lineal de coeficientes constantes de orden 1 no homogneo tiene la siguiente forma: donde sucesiones son constantes, , ,, .
son funciones de n; y las incgnitas son, naturalmente, las
De manera anloga a lo que ocurra en ecuaciones lineales de orden k, se puede enunciar el siguiente teorema:
24
TEOREMA. La solucin general del sistema de ecuaciones en diferencias no homogneo se obtiene sumando una solucin particular del sistema y la solucin general del sistema homogneo asociado.
La solucin general del sistema homogneo asociado se ha tratado en el epgrafe anterior. Para calcular una solucin particular del sistema completo me remito a la Prctica 2 de esta asignatura.
6. BIBLIOGRAFA CITADA EN EL TEMA.
ALCONCHEL PREZ, A. y VIGNERON TENORIO, A.: Ecuaciones Lineales en Diferencias: aplicaciones a la empresa y la economa, Servicio de Publicaciones de la Universidad de Cdiz, 2004. FERNNDEZ PREZ, C. VZQUEZ HERNNDEZ, F.J. VEGAS MONTANER, J.M.: Ecuaciones diferenciales y en diferencias. Sistemas dinmicos, Editorial THOMSON, 2003. QUESADA TERUEL, J.M. SNCHEZ GMEZ, C. JDAR REYES, J. MARTNEZ MORENO, J.: Anlisis y Mtodos Numricos, Servicio de Publicaciones de la Universidad de Jan, 2004. RODRGUEZ RUIZ, J. PRIETO SEZ, E. HERNNDEZ MORALES, V. GMEZ TOLEDANO, M.P.: Matemticas 2. Economa y Empresa. Teora, Editorial Centro de Estudios Ramn Areces, 1996.
25
TEMA 2 FUNCIONES EN VARIAS VARIABLES

Una funcin en varas variables es una aplicacin : le hace corresponder el punto tal que a cada punto
3 :
Nosotros, como en la mayora de los textos, cuando hablamos de funciones consideramos la estructura afn tanto de , , cos , como de . Es decir,
, cos
es una funcin de varias variables, concretamente, :
. Por ejemplo, la funcin
siguiendo con el ejemplo anterior, al punto 3 ,
le asociamos el punto
. Sin embargo, tambin se puede considerar la estructura vectorial le asociaramos el vector
de 3
, cos
, en cuyo caso, al vector .
Otras veces, incluso en la misma funcin, consideraremos distintas estructuras para el espacio inicial y final. De todos modos, esta cuestin no se prestar a equivocaciones como iremos viendo ms detalladamente a lo largo de la asignatura.
En los problemas de ingeniera son innumerables los ejemplos que aparecen funciones en varias variables. Veamos algunos:
La Ley de Coulomb dice que la fuerza de atraccin o repulsin entre dos cargas
puntuales es directamente proporcional al producto de sus cargas e inversamente proporcional al cuadrado de la distancia que las separa. Por lo tanto, se trata de una funcin de tres variables: , ,
La Ley de los gases ideales dice que la presin P de un gas depende del volumen V y la temperatura T segn la siguiente ecuacin: con constante ,
con
constante
26
La desviacin H del punto medio de una viga rectangular que soporta una carga uniforme y tiene como dimensiones , , (longitud, anchura y altura respectivamente) es: con constante , ,
Estos ejemplos vienen a mostrar la importancia del estudio de las funciones de varias variables.
1. ALGUNOS TIPOS DE FUNCIONES DE VARIAS VARIABLES SEGN EL ESPACIO INICIAL Y FINAL. El dominio de una funcin :
es el conjunto D del espacio inicial donde
la funcin toma valores. Salvo que se especifique lo contrario, el dominio de una funcin f es el conjunto de valores para los que la expresin que define a f tiene sentido. La Imagen de una funcin : ,,
para los que existe al menos un
,,
es el conjunto elementos tal que ,,
,,
Veamos los principales tipos de funciones en varias variables que pueden presentarse en funcin de su espacio inicial y final. De todos modos, en la parte prctica de la asignatura con ordenador estudiaremos con mayor profundidad estos tipos de funciones.
1.1. Curvas parametrizadas.
Una curva parametrizada es una funcin cuyo conjunto inicial es un intervalo de propio ) y el espacio final es o , es decir, : , con 2 3.
(o el
27
El esquema grfico de una curva parametrizada sera el siguiente:
y su expresin analtica puede venir dada en forma vectorial o bien en forma paramtrica con , . 2, 3 sen
con
Por ejemplo, la curva parametrizada 2 con 3 sen
4,4 , tendra la siguiente representacin grfica:
con
4,4 , o bien
1.2. Funciones escalares. Una funcin se dice escalar cuando el conjunto final es , es decir, : El esquema grfico de una funcin de este tipo sera:
Sin embargo, la representacin grfica de una funcin de este tipo se realiza en Para cada punto , del dominio se toma una altura igual a , .
Por ejemplo, sea una placa rectangular D tal que en cada punto tiene una temperatura igual a , 3
. Su representacin grfica sera:
28
de la misma
sera posible una representacin grfica :
Evidentemente, slo se puede representar grficamente las funciones : .
y no
1.3. Campos vectoriales. Un campo vectorial es una funcin : . , ,
que a cada punto de
le asocia un 2 y los
vector de
. En la prctica, los ms utilizados son los campos en
campos en
Por ejemplo, sea el campo vectorial es que a cada punto ,
cuya interpretacin
le asocia el vector que tiene las mismas coordenadas pero
normalizado (modulo 1)1, su esquema grfico sera:
En muchos textos, para incidir que se trata de un campo vectorial, se suele expresar .
29
sin embargo, la representacin grfica consiste en dibujar, sobre unos mismos ejes, el punto y el vector que le corresponde aplicado sobre el mismo de la siguiente manera:
2. COMPONENTES DE UNA FUNCIN DE VARIAS VARIABLES.
Una funcin
y se escribe
componentes:
Por ejemplo, la funcin :
,,
tiene m componentes , ,, ,, , ,,
. Hay que sealar que cada
,,
,,
es una funcin escalar
,,
siendo:
definida por
, , , cos 0
, cos , 0 tiene tres
Las componentes de una funcin desempean un importante papel en el estudio de las funciones de varias variables pues, en muchas ocasiones, el estudio de una determinada funcin , ,, se simplificar estudiando de forma separada cada una de sus
componentes .
3. LMITE DE UNA FUNCIN DE VARIAS VARIABLES.
Se supone conocida la funcin distancia en

1, ,
:
1 1
,,
30
DEFINICIN. Sea :
a ,,
, diremos que el lmite de

,,
es igual a L y se escribe:
si
,,
0 existe un
entonces :
0 tal que si |
lim
,,
Por ejemplo, sea la funcin

,
pues si
DEFINCIN. Sea : si 1, ,
se acerca al punto 2,0 su imagen diremos que lim

1 ,, 1 ,,
lim
,,
1, ,
,, |
,, ,
1, ,
cuando
,, ,,
tiende
con
sen
entonces: 3
tiende a 3.
1, ,
con
1 ,,
lim
1, ,
1 ,,
1, ,
NOTA.
funciones componentes : ,,
1, ,
Es decir, el lmite de una funcin : . Hay , que

1, ,
se reduce a calcular los m lmites de sus
sealar
que,
en
estas
definiciones, ,, ,,
cuando
se
escribe
, lo que se dice es que
se acerca al punto
, pero, se da por supuesto que el punto
ha de estar dentro del dominio
de la funcin f. ,
tipo:
2,0 con puntos de la forma
, 0 , luego para el clculo del lim
Por ejemplo, la funcin
est definida
, ,
, 0 . Es decir, podramos acercarnos con puntos del siguiente
no tiene sentido acercarme al punto
salvo en los puntos
31
pero no con estos otros:
3.1. Clculo efectivo del lmite. El lmite de una funcin : lim
, si existe, es nico2 y su clculo efectivo, en la
prctica, se determina usando las propiedades aritmticas de los mismos, que viene a decir que el lmite de una operacin es la operacin de los lmites respectivos. As:
, ,
lim
lim
El problema, igual que ocurra con las funciones de una variable, se presenta cuando al utilizar el criterio anterior aparecen las indeterminaciones que, con la notacin habitual en el contexto de lmites, son fundamentalmente: 0 ; ; 0 ; 0 ; 0 ; ; 1
En estos casos, a diferencia de lo que ocurra en el caso de una variable, la deduccin del lmite lim
,,
se
,,
complica. Hay ,,
que tener en cuenta al punto ,,
que para el clculo del
me puedo acercar de muy diferentes
formas y, para afirmar la existencia del lmite, tengo que asegurar que por cualquier camino que me acerque al punto ,, existe dicho lmite y siempre es el mismo3.
As pues, en el caso de las indeterminaciones siempre podemos acudir a la definicin para probar la existencia o no del lmite lo que, sin duda, resulta bastante complicado en la mayora de los casos. No obstante, en el caso de funciones definidas en uso de coordenadas polares.
Para estudiar la existencia y propiedades de los lmites de funciones en varias variables se puede consultar DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 26 en adelante. 3 Por su puesto, he de acercarme al punto 1 , , con puntos ,, dentro del dominio de definicin de f.
2
podemos acudir al
variable:
TEOREMA. Sea :
tratamos de calcular lim cos , sen .
entonces lim
si probamos que lim

, ,
cambio a coordenadas polares, trasladamos el problema al clculo de: que al tratarse de una expresin que tiende a 0 () por otra que est acotada (cos globalmente a 0, luego:
,
Por ejemplo, el lim
,
,
cos sen
32
y realizamos el cambio de
, cualquiera que sea el valor de
0,2
es una indeterminacin del tipo . Si realizamos un lim cos 0
) tiende
lim
el cambio a coordenadas polares, el problema es equivalente a: que, evidentemente, depende de . lim cos sin cos sin
En cambio, se puede asegurar la no existencia del lim
0
, ,
pues, realizando
3.2. Probar que no existe lmite. Nos centramos en la determinacin del lmite en el origen4 de funciones : .
aunque todo lo que se diga en este apartado es fcilmente generalizable a funciones :
El paso a coordenadas polares puede solucionar muchas indeterminaciones, pero tambin puede ocurrir que la expresin resultante despus del cambio a polares sea incluso ms complicada de resolver que la frmula original.
En todos los ejemplos hemos supuesto que el punto donde se quiere calcular el lmite es el 0,0 . Pero, en realidad, esto no representa ninguna restriccin pues, por ejemplo, si se pretende calcular 1 , en primer lugar, se hace el cambio de variable lo que equivale a lim , , 2
4
trasladar nuestro problema al clculo del lim
, es decir, a evaluar un lmite en el origen.
33
En estos casos, se recomienda intentar probar que no existe lmite acercndonos al origen de distintas formas. Si llegamos a probar que, en funcin de cmo nos acerquemos, obtenemos lmites distintos se contradice la unicidad del lmite y, por tanto, no existira el lmite propuesto. Los mtodos ms usuales para acercarse al origen son:
con lo que trasladamos el problema del clculo del lim determinacin, en una variable, del lim ,
Lmites direccionales. Se trata de acercarse al origen por rectas de la forma

, ,
. Si salieran lmites distintos en
a la
funcin del valor de m se habra demostrado la no existencia de lmite en la expresin original. Lmites por curvas. La idea es la misma que acabamos de mencionar pero, ahora, nos acercamos al origen por curvas. Suele ser muy normal aproximarse por curvas de la forma , o bien , u otro tipo de curva en funcin de la expresin de
. Si salieran lmites distintos en funcin del valor de k se habra demostrado la no
existencia del lmite.
Hay que sealar que si todos los lmites direccionales y por curvas nos conducen a un mismo lmite L tendremos un candidato a lmite (el nmero L), pero no podemos asegurar que efectivamente ese valor sea el verdadero lmite.
Otro mtodo muy usado para demostrar la no existencia del lmite consiste en tomar lmites reiterados. Los lmites reiterados (o sucesivos) se definen de la siguiente manera: lim lim Si lim lim , ,
podemos asegurar que no existe lmite. En cambio si fueran iguales
tenemos un candidato a lmite pero no podemos asegurar nada. Por ejemplo, para calcular lim
, ,
podemos utilizar los lmites reiterados: lim 1 lim 0 1 0
por otra parte:
lim lim
lim lim
34
,
NOTA. Aunque los clculos analticos de los lmites reiterados suelen ser simples, sin embargo, conceptualmente estamos usando un artificio bastante rebuscado para acercarnos al valor que debera tener el lmite de embargo existir lim
, ,
por lo tanto se puede asegurar que no existe lim ,
lo que nos obliga a tener una cierta precaucin. En concreto, ,

5.
puede ocurrir que no exista alguno de los lmites reiterados (o ninguno de los dos) y sin
4. CONTINUIDAD DE UNA FUNCIN DE VARIAS VARIABLES.
La nocin de funcin continua en funciones de varias variables es la misma que para funciones de una variable, viene a decir que a pequeos incrementos de corresponde pequeos incrementos de ,, . ,, le
No vamos a considerar los puntos aislados del dominio de f por su poco inters. En los DEFINICION. Una funcin :
1 ,, 1 ,,
puntos aislados, por definicin, la funcin ser continua6.

1, ,
existe lim
es continua en el punto
1, , 1, ,
1, ,
,,
si existe
1, ,
Resulta fcil probar el siguiente teorema que nos facilitar la comprobacin de la continuidad de una funcin en un punto. componentes : TEOREMA. Una funcin : es continua en el punto
,, ,,
si todas sus funciones
son continuas en
Sobre los importantes teoremas que involucran a las funciones continuas me remito a la bibliografa que aparece al final del tema.
A este respecto se puede consultar el libro de DE BURGOS ROMN, Clculo infinitesimal de varias variables, pgs. 36 a 39. 6 Un punto aislado es aqul tal que no existen puntos del dominio de f, distintos del propio punto aislado, que se acerquen a dicho punto. Por ejemplo, la funcin: si 1 1; 1 1 , 2,2 3 si , est definida en el rectngulo 1,1 1,1 junto con el punto 2,2 . El punto 2,2 es un punto aislado en la que la funcin , va a ser continua.
35
5. EJERCICIOS PROPUESTOS.
A continuacin, recomendamos una serie de ejercicios que nos parece adecuados para reforzar los conocimientos que se han adquirido en el presente tema.
Dentro de la abundante bibliografa que existe al respecto, hemos elegido unos textos que pueden estar fcilmente disponibles en cualquier biblioteca a la que el alumno pueda tener acceso.
Los problemas estn completamente desarrollados en los textos que se indican y han sido elegidos en funcin de su capacidad para aclarar los conceptos aqu planteados.
LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen 2, quinta edicin, McGraw-Hill, 1995.
Ejemplo 1 pgina 988 Ejemplo 3 pgina 1003 Ejemplo 1 pgina 1002 Ejemplo 5 pgina 1006 Ejemplo 2 pgina 1002
GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, CLAGSA-MADRID, 1996.
Problema 1 pgina 11 Problema 9 pgina 17 Problema 6 pgina 57 Problema 3 pgina 14 Problema 2 pgina 54 Problema 7 pgina 16 Problema 5 pgina 57
DE BURGOS ROMN, J: Clculo infinitesimal de varias variables, segunda edicin, McGraw-Hill, 2008. GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, CLAGSAMADRID, 1996. LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen 2, quinta edicin, McGraw-Hill, 1995.
36
TEMA 3 DIFERENCIACIN EN VARIAS VARIABLES

En el presente tema tratamos de estudiar el comportamiento del cociente entre lo que se incrementa una funcin ,, cuando se incrementa el punto ,, en un valor
muy pequeo, mejor dicho, cuando los incrementos que se otorgan a cada
tienden a 0.
En funciones de una variable, lo que acabamos de decir es el concepto de derivada al que nos vamos a referir seguidamente a modo de introduccin de lo que sucede en el ambiente de varias variables. Sea una funcin :
definida en un intervalo que contiene al punto x
se define la derivada de f como la proporcin entre e cuando
lim
lim
se hace muy pequeo:
valores cada vez ms pequeos obtenemos el siguiente cuadro: 0.1 0.05 0.01 0.001 6.1 6.05 6.01 6.001 3
Por ejemplo, supongamos la funcin
y fijemos el punto
3, si damos a
lo que nos confirma el resultado esperado de que 3:
si evaluamos en el punto
lim
2 |
6, puesto que:
37
1. DERIVADAS PARCIALES. :
tiene sentido dividir por l. Pero s podemos fijar una variable y medir la proporcin entre el y lo que se incrementa la otra variable. Surge as, el concepto de derivada parcial. DEFINICIN. Sea : escribe al siguiente lmite: ,
incrementos, como pasaba en una variable, puesto que el denominador sera ,
Supongamos
, ahora no podemos calcular el cociente entre los dos y no
se define la derivada parcial de f respecto de la variable x y se ,
si evaluamos en un punto concreto ,

,
lim
,
lim
, , , ,
Anlogamente, se define la derivada parcial de f respecto de la variable y:
lim
Ejemplo, sea la funcin en todo punto. ,
si
si
calculemos las derivadas parciales
Sea el punto
con
0, para puntos cercanos a , , sen ,
la expresin de f es:
luego:
lim
lim
lim
lim
sen
sen cos
Utilizamos que sen cos y .
cos
cos
sen
sen
cos
lim
sen
sen
cos
sen
es equivalente a
cuando
0. Asimismo, cuando
0 son equivalentes
38
En realidad, las operaciones que acabamos de hacer no son necesarias puesto que la nocin de descansa en dejar la y fija e incrementar la variable x, lo que equivale a usar las
reglas usuales de derivacin respecto de x considerando la y como una constante. , 0 . En estos puntos la funcin f toma ,0
Supuesto distinto son los puntos de la forma
una expresin distinta a la que tiene en los puntos de su alrededor. Aqu tenemos que acudir necesariamente a la definicin para calcular la derivada parcial:
, ,
luego:
anlogamente se comprueba que:
NOTA 2. Tampoco presenta dificultad extender la definicin de derivadas parciales a funciones : , cos realizando la derivacin parcial de cada componente. Por ejemplo, si , entonces , y sen ,0 . ,
extiende sin ninguna dificultad a funciones :
NOTA 1. El concepto de derivada parcial que hemos definido para funciones : .
y no existe si
cos
cos 0 si
lim
lim
0 si 0 0
,0
0 si 0
sen
se
NOTA 3. El hecho de que las derivadas parciales de f existan en un punto, respecto de todos sus argumentos, no garantiza que f tenga que ser continua en dicho punto2.
1.1. Derivadas parciales de rdenes superiores. Sea :
tal que existen las derivadas parciales ,
. Estas derivadas parciales
sern funciones de parciales de y
que a su vez podrn derivarse parcialmente. A las derivadas
se le llaman derivadas parciales segundas o de segundo orden y se notan
de la siguiente forma:
Por ejemplo, ver la nota de KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1, pg. 623.
2
39
o bien
o bien Por ejemplo, si . ,
o bien
o bien
, entonces
Observamos que, en este caso, las derivadas parciales cruzadas
son
iguales lo que suceder en la inmensa mayora de las ocasiones aunque no se puede asegurar siempre3. Nosotros, salvo que se especifique lo contrario, damos por supuesta la igualdad de las derivadas parciales cruzadas. De todas formas, enunciamos dos teoremas que nos proporcionan condiciones suficientes para asegurar la igualdad de las derivadas parciales cruzadas4. TEOREMA DE SCHWARTZ. Sea derivadas parciales y se verifica que TEOREMA DE BONET. Sea : . Si
, ,
,
,
y si
,
tal que en un entorno de es continua en el punto

, ,
, entonces existe
existen las
. , existen
,
tal que en un entorno de son continuas en ,
,
,
y .
entonces
En definitiva, la igualdad de las derivadas parciales cruzadas se puede asegurar con la existencia y continuidad de las distintas derivadas parciales de menor o igual orden. Adems, este resultado se extiende con facilidad a funciones : .
En KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1, pg. 645, puede verse un ejemplo en que no se da la igualdad de las derivadas parciales cruzadas. 4 La demostracin de estos teoremas puede verse en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg.102.
40
1.2. Matriz jacobiana. Sea : matriz jacobiana
de la que suponemos que existen todas las derivadas parciales

,, ,,
. La
se define como la siguiente matriz: ,, ,,
Cuando la matriz anterior se evale en un punto concreto notar por

,, ,, ,, ,,
o simplemente
NOTA: Cuando la matriz sea cuadrada, a su determinante se le denomina jacobiano.
,, ,,
se
2. FUNCIN DIFERENCIABLE. Muchas veces estamos interesados en calcular de forma fcil para pequeos
aunque sea de forma aproximada. Esto se consigue con la ayuda del concepto de diferenciabilidad. Veamos lo que ocurra en funciones de una variable para extenderlo despus a funciones de varias variables.
2.1. Funcin diferenciable en una variable. Diferencial de una funcin. La funcin :
general, depender de a pero no de ) tal que el siguiente lmite es nulo:
se dice diferenciable en el punto a si existe un nmero k (que, en lim 0
Ejemplo, que:
es diferenciable en cualquier punto a, pues existe lim
lim
lim
41
tal
Se puede demostrar de forma sencilla5 que f diferenciable en a equivale a decir que f es derivable en a, y que el nmero k de la definicin de diferenciablidad es precisamente .
Por lo tanto, las funciones diferenciables en a verifican:
diferencia es un infinitsimo de mayor orden (ms pequeo) que . Esta aproximacin de , DEFINICIN. Sea
Es decir, |
lim
se aproxima por
de tal forma que su
una funcin real diferenciable en el punto a, se define la | | como:
, se llama diferencial de f en el punto a.
diferencial de f en el punto a y se escribe
y, en general, para un punto genrico x:
dibujo es la recta tangente a la grfica de
Grficamente se puede ver la diferencia entre y en el punto
. La recta que aparece en el .
Ver pg. 352 de KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1.
Por ejemplo, dado

.
para el punto
.
sera: | |
.
la diferencia es escasa, sin embargo,
2 |
es mucho ms fcil de calcular que |
3 y
.
0.61 0.6
0.1 la diferencia entre
42
2.2. Funcin diferenciable en varias variables.
En el punto anterior, se repas la definicin de funcin diferenciable en una variable. Extendamos este concepto a funciones de varias variables. DEFINICIN. Una funcin : columnas): se dice diferenciable en ,
si existen
todas las derivadas parciales en un entorno de a y adems se verifica (trabajando por

,,
,,
lim
,, ,,
Es decir, f es diferenciable en a si existe una aplicacin lineal caracterizada por la matriz jacobiana tal que, en dicho punto a, la diferencia entre el incremento de la funcin y la aplicacin lineal aplicada al incremento de la variable es un infinitsimo mayor (ms pequeo) que el incremento de la variable. , , 1,
el punto 1,2 .
Por ejemplo, sea
, comprobemos que es diferenciable en
En primer lugar, calculamos la matriz jacobiana en dicho punto: , , 2 1 2 0 1 1
43
tomando lmites:
lim
1 2
1 1
, ,
lim
lim
,
2 2 1
2 1 2 0 1 1
Comprobar que una determinada funcin es diferenciable es una condicin necesaria para poder aplicar muchos de los teoremas y resultados que veremos a lo largo de esta asignatura. Afortunadamente, para demostrar la diferenciabilidad de una funcin la mayora de las veces no tendremos que realizar un razonamiento como el que acabamos de hacer. Existen teoremas que, bajo unos sencillos supuestos, nos aseguran la diferenciabilidad de una funcin7. TEOREMA 1. Una funcin : funciones componentes TEOREMA 2. Sea : ,, . ,, las derivadas parciales ,,
8.
es diferenciable si y solo si lo son cada una de sus
tal que en un entorno de
son continuas en dicho entorno
. Entonces f es diferenciable en
As pues, para demostrar la diferenciabilidad de la funcin
, ;
1, son
en el punto 1,2 tambin podramos razonar de la siguiente manera: continuas en un entorno del punto 1,2 , luego razonamiento se hace para 1,2 . , y , ,
es diferenciable en 1,2 . El mismo , es diferenciable en
lo que nos lleva a que
De la definicin de funcin diferenciable se deduce sin mucho esfuerzo las siguientes propiedades:
Este lmite se puede calcular haciendo un cambio a polares. La demostracin de estos teoremas se pueden ver en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 89. 8 El recproco de este teorema no es cierto. Una funcin puede ser diferenciable en un punto y no tener derivadas parciales continuas en ese punto. Ver el ejemplo 3 de GARCA CASTRO y GUTIRREZ GMEZ, Clculo infinitesimal II, Vol. 1, pg. 109.
7 6
1. Si una funcin f es diferenciable en el punto punto9.
,,
44
, entonces es continua en dicho
2. Si f y g son funciones diferenciables, tambin son diferenciables: 3. Si f y g son funciones escalares diferenciables, tambin son diferenciables: con
en los puntos donde no se anula la funcin g.
2.3. Diferencial de una funcin de varias variables. : , , ,, ,,
Sea
diferenciable en
, de la definicin de
diferenciablidad se tiene:
,,
lim
,,
DEFINICIN. Se llama diferencial de f en el punto a, y se denota por

,, ,,
0 | , al trmino
y es una aproximacin de | de mayor orden (ms pequeo) que : | ,, ,,
Por ejemplo, sea |

, , , . , .
, ln
, calculemos | 4 1 ln 2 1.324 0.1 0.19
: |
, , , . , .
, ,
, . , .
1.1 2.2 1.1 2.2 ln 1.1 2.2
El recproco no es cierto, una funcin puede ser continua en un punto y no ser diferenciable en dicho punto. Ver el ejemplo 4 de GARCA CASTRO y GUTIRREZ GMEZ, Clculo infinitesimal II, Vol. 1, pg. 111.
| e .
, ,
, . , .
observamos que
y esta aproximacin ser tanto mejor cuanto ms pequeos sean ,,
45
. , .
1.2 0.1 0.2
Para un punto genrico
la diferencial de la funcin f tiene la expresin: ,, ,,
Si
,,
es la variable independiente, por definicin, se suele notar: ,, ,,
en consecuencia, la expresin de la diferencial queda de la siguiente forma10:
2.4. Diferencial de una funcin escalar.
Por ejemplo, sea :
Si la funcin f es una funcin escalar, la diferencial de f adopta una forma ms cmoda. entonces:
Y evaluada en un punto concreto |

,
1, 2
:
1, 2
En general, si :
1, 2
GALINDO SOTO et al, Gua prctica de Clculo Infinitesimal en varias variables, pg. 50, da una explicacin ms coherente para esta notacin. De todas formas, hay que sealar que si z no es una variable independiente entonces , en general, ser distinto de , en concreto, .
10
46
2.5. Algunas propiedades de la diferencial.
De la definicin de df se deducen fcilmente las siguientes propiedades: 0.
1. Si f es una funcin constante, entonces 2. Si f y g son funciones diferenciables: con
3. Si f y g son funciones escalares diferenciables:
en los puntos donde g no se anula.
3. REGLA DE LA CADENA EN FUNCIONES DE VARIAS VARIABLES.
Antes de estudiar la regla de la cadena en funciones de varias variables, vamos a comentar dicho resultado para funciones de una variable donde lo suponemos conocido.
Supongamos una funcin una funcin en la variable x. cos
con
, en definitiva, podemos decir que f es
Por ejemplo, cos
1 .
siendo
1. Entonces f es funcin de x definida por
La regla de la cadena para funciones de una variable dice:
hay que sealar que las expresiones de f que aparecen en ambos lados de la igualdad son distintas. As, en el lado izquierdo se entiende que: cos 1 sen sen 1 2
mientras que en el lado derecho:
cos
47
La igualdad de la regla de la cadena nos confirma que: sen sen 2 1 2
Si evaluamos en un punto concreto siguiente manera:
, la regla de la cadena ha de aplicarse de la
Por ejemplo, siguiendo con la misma funcin evaluamos la derivada en el punto sen 1 se tiene: 1 2 | 2 |
y utilizando la regla de la cadena:
2 sen 2
cos , con
1. Si
Extendamos la regla de la cadena a funciones de varias variables.
sen |
2 sen 2
3.1. Matriz jacobiana de la composicin de funciones en varias variables. : : :
Sean esquema:
entonces
segn el siguiente
Si suponemos que f es diferenciable en entonces es diferenciable en ,,
y la matriz jacobiana de la composicin es11:
,,
y g es diferenciable en
,,
11
La demostracin de este resultado puede consultarse en GARCA CASTRO y GUTIRREZ GMEZ, Clculo infinitesimal II, Vol.1, pg. 116.
,, ,,
48
,, ,,
,,
,, ,, ,,
,, ,,
,,
,,
Con otro enfoque, lo anterior tambin se puede expresar del siguiente modo:
Supongamos la funcin:
tal que cada
es a su vez funcin de
,,
,,
es decir: por lo tanto, : ,, ,,
y, aplicando la regla del jacobiano para la composicin de funciones,
,,
,,
,,
podemos afirmar:
,, ,,
o de forma genrica:
,, ,,
,, ,,
,,
,, ,,
,,
,, ,,
,, ,,
,,
,,
3.2. Casos particulares de la regla de la cadena para funciones escalares.
En el apartado anterior hemos visto la regla de la cadena para el caso general. Sin embargo, lo usual es aplicar dicha regla slo para casos muy concretos con lo que la escritura de la misma se simplifica considerablemente. Veamos algunos de estos supuestos particulares. CASO 1. Sea Podemos decir que : , , pero las variables x e y dependen a su vez de t .
. Utilizando la regla de la cadena para este supuesto:
49
si evaluamos en un punto concreto

,
se tiene:
, , ,
sen donde sen
si evaluamos en el punto
sen |
cos |
,
2
,
entonces:
cos
2 |
Para recordar las expresiones resultantes de utilizar la regla de la cadena se suelen utilizar los diagramas de rbol. A la derecha se ponen las variables de las que dependen las funciones situadas ms a la izquierda. Se trata de llegar, de izquierda a derecha, por todos los caminos posibles apareciendo tantos sumandos como caminos se puedan encontrar: f x y t t
CASO 2. Sea
con
, ,
El diagrama de rbol para este caso sera: u f v la regla de la cadena dice: x y x y
50
Evaluando en un punto concreto

, , , , , ,
:
, , , , , , , , , , , ,
CASO 3. Sea
, ,
, con
, ,
El diagrama de rbol sera: u f v w aplicando la regla de la cadena: x y x y x y
4. DIFERENCIALES DE ORDEN SUPERIOR DE UNA FUNCIN ESCALAR. , ,
Sea (tambin de
una funcin diferenciable, la df, en general, depender de y
), y puede volver a ser diferenciable. A esta nueva diferencial la
llamaremos diferencial segunda.
DEFINICION. Se denomina diferencial total segunda de la funcin a: ,
51
y se denota por
TEOREMA. Sea
una funcin escalar de clase 212. Entonces df es diferenciable y: 2
Demostracin. ,
Al ser
de clase 2 podemos asegurar las operaciones que realizaremos a
continuacin as como la igualdad de las derivadas parciales cruzadas.
13
Este resultado se suele expresar de forma simblica:
donde el significado simblico de la potencia se puede adivinar fcilmente. NOTA 1. Para funciones de clase r se puede deducir:
NOTA 2. Si :
es de clase r:
NOTA 3. Todo lo visto en este apartado se puede extender sin dificultad a funciones : mediante sus funciones componentes14.
Una funcin es de clase 2 si todas las derivadas parciales de segundo orden son continuas, lo que a su vez implica que tambin es de clase 1. El concepto de funcin de clase r puede verse en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 99. 13 0 puesto que ni ni dependen de , . Aplicamos que 14 Ver DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 108.
12
52
5. DIFERENCIAL DE UNA FUNCIN DE VARIAS VARIABLES CON VARIABLES INTERMEDIAS.
Estudiemos la expresin de la diferencial de una funcin cuando previamente hemos realizado un cambio de variable. Veamos con un ejemplo lo que pretendemos.
Sea la funcin:
por lo tanto derivadas parciales.
, y para calcular df habra que realizar las correspondientes
sen
Supongamos ahora que realizamos el cambio de variable expresin de la funcin f se simplifica: , sen
, la nueva
Si se pudiera asegurar que
, obtendramos una expresin fcil de
df, aunque fuera en funcin de las variables intermedias u y v.
Vamos a demostrar que la presuncin anterior es cierta para la diferencial primera pero no para las diferenciales de rdenes superiores.
5.1. Invariancia de la diferencial primera. , , ,
Sea , ,
, con
, en definitiva, f ser una funcin en las variables
independientes x e y. Adems, suponemos suficiente regularidad tanto de las funciones y como de la funcin f15, entonces:
15
Sera suficiente con exigir la continuidad a las derivadas parciales de u y v y la continuidad de
ver KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1, pg. 634.
53
Luego, la diferencial total adopta una expresin del mismo tipo, tanto si los argumentos son variables independientes como si stos son a su vez funciones de ciertas variables:
Por ejemplo, sea
sen
ahora sustituimos u y v por su valor as como , sen
cos
con
sen
obtendremos el mismo resultado que hubiramos obtenido directamente calculando la con la funcin .
5.2. Diferencial segunda con cambio de variables.
Con el mismo planteamiento que en el punto anterior, veamos que expresiones distintas segn que las variables sean dependientes o independientes.
tiene
En el apartado 4 de este tema demostramos que si x e y son variables independientes: 2
Sea ahora
, con
, ,
54
16
17
En resumen, con variables intermedias: 2 , sen
Sera un buen ejercicio comprobar para
con
la
igualdad de este ltimo resultado con el que se habra obtenido calculando directamente la diferencial segunda de , sen , donde hay que puntualizar lo siguiente: 2 2 2
6. INTEGRALES DEPENDIENTES DE UN PARMETRO.
Como aplicacin de la diferenciacin en varias variables vamos a comentar ligeramente el caso de las integrales dependientes de un parmetro18. , 2
Consideremos la funcin ejemplo:
donde a y b son constantes. Por 3
Utilizamos la invariancia de la diferencial primera. 0 puesto que depender, en general, de , y lo mismo ocurre con . Ahora, 18 Para un estudio mas detenido de este tema se puede consultar KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 2, pg. 471 en adelante. O tambin, LOSADA RODRGUEZ, Anlisis Matemtico, pg. 624 en adelante.
16 17
55
En principio, este tipo de funciones
definidas bajo el signo integral no deben
presentar problemas siempre que sea fcil resolver la integral. Sin embargo, todos sabemos que el clculo de integrales a menudo resultan complicados.
El objetivo de este apartado es dar tcnicas para calcular la derivada de una funcin definida bajo el signo integral, sin llegar a calcular dicha integral (o resolviendo otra ms sencilla). TEOREMA 1. Sea Entonces la funcin lim , , ,
una funcin continua en el rectngulo cerrado lim , es continua en , , . Es decir, si lim ,
Por ejemplo, si pretendemos calcular: lim
podramos calcular la integral, con lo que quedara una expresin en x, posteriormente tomaramos lmites cuando lim 2
podramos aplicar el teorema anterior con lo que tendramos: 1

lim
0. Pero resolver esta integral no es nada sencillo, sin embargo, 2 1 3 2
TEOREMA 2. Sea
mismo rectngulo. Entonces para
continua en
: ,
tal que
es tambin continua en el
Por ejemplo, sea:
cos sera un intento baldo intentar primero realizar la integral para sin el signo de integracin, pudiramos derivarla. Pero aplicando cos sen cos 2 cos
si queremos calcular que, una vez expresada el teorema 2:
56
Veamos ahora un teorema que engloba al anterior. Es el caso en que , , es decir, los lmites de integracin tambin depende de x. , , donde , y son continuas en la regin D:
TEOREMA 3. Sea
entonces para
se tiene: , ,
Demostracin. , , ,
Consideremos la funcin de tres variables suponemos que siguiente rbol: b x x y
, si ahora
podramos aplicar la regla de la cadena segn el
a x
luego:
19 20
, , ,
19
Aplicamos el primer teorema fundamental del clculo (o segundo teorema fundamental del clculo para otros autores) que, bajo la condicin de continuidad de la funcin g, dice que si:
entonces
20
Aplicamos el teorema 2.
57
Por ejemplo, sea:
cos .
y queremos calcular
Identificamos cada trmino: , cos cos 3 cos 2 cos
aplicando el teorema 3: cos
cos
Ejemplo 1 pgina 1010 Ejemplo 5 pgina 1014 Ejemplo 1 pgina 1020 Ejemplo 5 pgina 1026 Ejemplo 3 pgina 1030 Ejemplo 2 pgina 1011 Ejemplo 6 pgina 1016 Ejemplo 3 pgina 1023 Ejemplo 1 pgina 1028 Ejemplo 4 pgina 1031 Ejemplo 4 pgina 1013 Ejemplo 7 pgina 1017 Ejemplo 4 pgina 1024 Ejemplo 2 pgina 1029 Ejemplo 5 pgina 1032
58
Problema 1 pgina 71 Problema 4 pgina 72 Problema 10 pgina 76 Problema 17 pgina 80 Problema 4 pgina 96 Problema 10 pgina 100 Problema 30 pgina 112 Problema 8 pgina 352 Problema 2 pgina 72 Problema 5 pgina 73 Problema 13 pgina 77 Problema 18 pgina 80 Problema 7 pgina 98 Problema 15 pgina 102 Problema 1 pgina 348 Problema 3 pgina 72 Problema 7 pgina 74 Problema 15 pgina 79 Problema 3 pgina 96 Problema 8 pgina 99 Problema 16 pgina 103 Problema 2 pgina 348
DE BURGOS ROMN, J: Clculo infinitesimal de varias variables, segunda edicin, McGraw-Hill, 2008. GALINDO SOTO, F. SANZ GIL, J. TRISTN VEGA, L.A.: Gua prctica de Clculo Infinitesimal en varias variables, Editorial THOMSON, 2005. GARCA CASTRO, F. y GUTIRREZ GMEZ, A. Clculo infinitesimal II, volumen 1, Editorial Pirmide, 1985. GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, CLAGSAMADRID, 1996. KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, Vol. 1 y 2, Ed. MIR. 1990. LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen 2, quinta edicin, McGraw-Hill, 1995. LOSADA RODRGUEZ, R.: Anlisis Matemtico, Ed. Pirmide, 1978.
59
TEMA 4 EXTREMOS EN FUNCIONES DE VARIAS VARIABLES

El objetivo de este tema se centra en el clculo de extremos de funciones : , , , considerada como una funcin en todo .
Por ejemplo, la
mnimo en el punto 0,0,0 y no tiene mximo.
, tiene un
Suponemos conocidos los mtodos de obtencin de extremos en funciones reales de variable real, lo que va servir de gua para nuestro estudio en varias variables. As, dada una funcin : ,
como la de la siguiente figura:
para calcular los mximos y mnimos de esta funcin, en primer lugar, se plantea la ecuacin 0 de su solucin obtenemos los llamados puntos crticos y .
Si tuviramos acceso a la representacin grfica de podemos asegurar que es un mximo local y 0y
entre a y b no hara falta ms,
es un mnimo local. Si no tenemos la 0 confirmndonos que, efectivamente, se
posibilidad de representar grficamente seguramente, debera salir
se calcula la segunda derivada de la funcin que,
trata de un mximo local y mnimo local respectivamente.
Respecto del ejemplo que acabamos de exponer hay que hacer varias consideraciones.
Si no disponemos de la representacin grfica de 0
derivada distinta de cero es de orden impar existe un punto de inflexin, por el contrario, si es
0, se sigue derivando y llegamos a la conclusin de que si la primera
y adems ocurriera que
de orden par tenemos un mximo (en caso de que fuera menor que cero) o un mnimo (si era mayor que cero). A estos resultados se llega con facilidad razonando sobre el polinomio de Taylor de centrado en el punto crtico que se est estudiando.
60
Por otra parte, si observamos el dibujo de
advertimos que los mximos y mnimos
absolutos no tienen por qu coincidir con los mximos y mnimos locales. En este caso, el mximo absoluto se encuentra en el punto b y el mnimo absoluto en mnimo local. que tambin es un
En resumen, para una primera aproximacin sobre el estudio de extremos de funciones de varias variables tenemos que:
Definir lo que se entiende por extremo local, extremo absoluto, extremo local en sentido estricto y extremo local en sentido amplio. Estudiar el polinomio de Taylor en varias variables lo que permite dar sentido al proceso ordinario de clculo de extremos. Calcular los puntos crticos de una funcin de varias variables. En una variable los puntos crticos se obtenan resolviendo la ecuacin puntos en los que la funcin no fuera derivable. 0 o identificando aquellos
Calcular el signo de una determinada forma cuadrtica en los puntos crticos. Esto equivale, en funciones de una variable, al estudio del signo de la segunda derivada en el punto crtico. Distinguir entre extremos locales y absolutos cuando el conjunto de definicin de la funcin sea un conjunto con frontera (en el ejemplo que hemos seguido en la
introduccin de este tema la frontera estaba formada por los puntos a y b). Estudio de extremos con restricciones, cuestin que s representa una novedad respecto a lo que aconteca en funciones de una variable.
espacios de mayor dimensin.
Adems, por cuestin de comodidad en la notacin, nos vamos a centrar en funciones pero se adivina sin dificultad la extensin de los resultados que obtengamos a
1. SIGNO DE UNA FORMA CUADRTICA.
En primer lugar vamos a estudiar el signo de una forma cuadrtica que, como acabamos de comentar en la introduccin, va a desempear el papel que tena el signo de la segunda derivada en el anlisis de los extremos locales en funciones de una variable.
matriz simtrica de la siguiente manera:
Una forma cuadrtica es una aplicacin :
61
que puede venir definida por una 4
Por ejemplo, una forma cuadrtica en dimensin 3 podra ser: 3 2 4
1 2 3/2
2 3/2 1 1 1 4
Las formas cuadrticas se pueden clasificar atendiendo al signo de 0. As diremos:
, para
cualquier vector
es definida positiva si
0,
0.
En este supuesto, la matriz simtrica que caracteriza a Q, en una base apropiada, ser una matriz diagonal del siguiente tipo:
con es definida negativa si
0,
0.
En este caso, la matriz simtrica que caracteriza a Q, en una base apropiada, es una matriz diagonal del siguiente tipo:
con
62
es semidefinida positiva si 0.
0 y existen vectores
0 tal que
con es semidefinida negativa si 0.
0 y existen vectores
0 tal que
con es indefinida en cualquier otro caso.
En este supuesto habr vectores
tales que
0y
0, y la
matriz simtrica que caracteriza a Q, en una base apropiada, ser del siguiente tipo:
63
con
0y
1.1. Clculo prctico del signo de una forma cuadrtica.
En la prctica, existen principalmente dos procedimientos para calcular el signo de una forma cuadrtica. Uno de ellos est basado en el clculo de las races del polinomio caracterstico. El otro se fundamenta en el criterio de Sylvester sobre la secuencia de submatrices principales.
Veamos en primer lugar el criterio que tiene como base el signo de las races caractersticas. Sea la forma cuadrtica :
caracterizada por la matriz A. si se hace un cambio
de base en
cambiarn las coordenadas de los vectores y la expresin de la matriz A, en siendo P la matriz del cambio de base y que toma la forma
concreto, la nueva matriz tiene de expresin
su transpuesta, pero evidentemente ello no afectar a los valores en cuadrtica.
Por ejemplo, sea la forma cuadrtica 1 tomemos un determinado vector 2 , entonces: 3 1 141 2 3
5 3 0 4 3
3 0 7 0 0 12
64
si realizamos el cambio de base definido por la matriz 1 el vector 2 tiene de coordenadas 3
que vienen dadas por la ecuacin: 1 2 3 1 2 3
0 1
, en esta nueva base
luego:
la forma cuadrtica aplicada al mismo vector pero en la nueva base sera: 1 2 1 3 2 1 3 1 2 2 3 3 1 2 1 3 2 141 4 3
1 2
3 2
lo que aclara que el signo de una forma cuadrtica no va a depender del cambio de base que se pueda realizar.
Adems, se puede demostrar que existe un cambio de base adecuado tal que la nueva matriz de la forma cuadrtica respecto de esta base ( ) es diagonal, y los elementos de la
diagonal estn formados por las races del polinomio caracterstico1. Es decir, las races del siguiente determinante:
que tiene exactamente n races reales, aunque algunas de ellas puedan estar repetidas.
Por lo tanto, existe un cambio de base adecuado tal que la matriz que caracteriza a la forma cuadrtica es del tipo: 0 0
1
0 0
Ver, entre otros, GRANERO RODRGUEZ, lgebra y Geometra Analtica, pg.252.
65
Por otra parte, el signo de una forma cuadrtica dada por una matriz es diagonal es inmediato. En concreto:
Si todos los
son estrictamente mayores que cero, entonces la forma cuadrtica es
definida positiva. Si todos los son estrictamente menores que cero, entonces la forma cuadrtica es
definida negativa. Si los son estrictamente mayores que cero, salvo algunos que valen cero, entonces la
forma cuadrtica es semidefinida positiva. Si los son menores que cero, salvo algunos que valen cero, la forma cuadrtica es
semidefinida negativa. Si existen valores de mayores y menores que cero la forma cuadrtica es indefinida.
Este criterio es el que seguiremos en la parte Prctica de la asignatura debido a la facilidad que tiene el Mathematica, con la orden Eigenvalues, para calcular los autovalores (o valores caractersticos) de una matriz (races de su polinomio caracterstico).
Retomando el ejemplo que acabamos de mencionar, si ponemos con el Mathematica: 5 3 3 7 0 0 0 0 12 12, 8, 4
los tres autovalores son positivos lo que prueba que la forma cuadrtica definida positiva.
Adems, el cambio de base definido por la matriz
de la forma cuadrtica sea:
0 8 12
0 1
hace que la nueva matriz
Tambin existen otros mtodos para adivinar si una forma cuadrtica es definida positiva o negativa, quizs el ms conocido es el criterio de Sylvester2 el cual afirma que dada
La demostracin puede verse en MERINO GONZLEZ y SANTOS ALEZ, lgebra Lineal con mtodos elementales, pg. 282.
la forma cuadrtica Q definida por la matriz simtrica
denotamos por
las submatrices principales de A (aquellas de orden k formadas a partir de
66
, si
la esquina superior izquierda de A):
entonces:
que cero, |
Q es definida positiva si y solo si los determinantes de | 0 1, , . 1 | | 0
son estrictamente mayores 1, , .
Q es definida negativa si y solo si
2. TRMINOS USADOS EN EL ESTUDIO DE EXTREMOS. Sea : ,
, un punto
se dice que es interior a D si existe un crculo
pequeo centrado en el punto totalmente incluido en D. ,
En el punto interior
para todo
El punto
, notamos por: ,
es un mximo local de .
si existe
0 tal que |
La representacin grfica de un mximo local sera:
67
de mximo local en sentido amplio. ,
0,0 , entonces
Si se cumple la desigualdad estricta | ,
es un mximo local estricto para
0, lgicamente cuando , ,
. En caso contrario se habla
Por ejemplo, el punto ,
que se muestra en el siguiente dibujo es un mximo
local en sentido amplio de la funcin
del punto
siempre habr otros puntos (los sealados con la curva ms gruesa) tales , .
3, puesto que alrededor
que el valor de f en esos puntos coincide con
que |
,
Anlogamente, el punto
,
se habla de mnimo local en sentido amplio.
0 entonces
0 para todo ,
sera un mnimo local estricto para
es un mnimo local de
. Si se cumpliera la desigualdad estricta ,
si existe un
0 tal
, en caso contrario,
Un punto
o mnimo local en sentido estricto. Se dir simplemente extremo local si es un mximo o mnimo local en sentido amplio. ,
68
se dice que es un extremo local en sentido estricto si es un mximo
El punto
es punto de silla si no es extremo local.
Tambin hay que distinguir entre extremo local y extremo absoluto. Mientras que en los extremos locales nos centramos en lo que pasa en un entorno muy reducido del punto , , en los extremos absolutos se tiene en cuenta todo el conjunto D en donde est , . , ,
definida la funcin :
absoluto estricto.
Sea
para todo
, ,
, un punto
es un mximo absoluto si ,
. Si se da la desigualdad estricta se dir que
es un mximo
Anlogamente,
es un mnimo absoluto si ,
. Si se da la desigualdad estricta se dice que
es un mnimo absoluto estricto.
para todo
3. POLINOMIO DE TAYLOR DE UNA FUNCIN DE DOS VARIABLES. De la definicin de extremo local se deduce que el signo de |
,
vimos, en el apartado 2.3 del Tema 3, que una aproximacin de | centrado en dicho punto.
, en el entorno de |
,
, es determinante para concluir si dicho punto es o no un extremo local. Tambin

,
es
. Pero
esta primera aproximacin se puede an mejorar con el denominado polinomio de Taylor
Consideremos el siguiente esquema:
aproximacin: ,
Si tenemos ahora en cuenta que | ,

, , ,
, ,
|
,
69
|
,
, llegamos a la siguiente
,
en definitiva, con la diferencial primera, hemos aproximado la funcin polinomio de grado uno en las variables x e y. ,
, ,
, ,
por un
Por ejemplo, sea la funcin entonces: ln ln 2
ln
consideremos el punto 1 2
1,2
ln 2
1 2
funcin ln
Si representamos con el Mathematica ambas funciones vemos efectivamente que la y el polinomio primer grado en dos variables ln 2 1 2
coinciden en el punto 1,2 y en un entorno de dicho punto son bastante parecidas:
DESARROLLO DE TAYLOR. Sea , , |
parciales continuas hasta de orden n+1, dado un punto

, ,
definida en un conjunto abierto 1 2! | , 1 ! |
con derivadas
se verifica que:
, ,
70
donde
se denomina resto de orden n del desarrollo de Taylor y que puede tener, entre
!
otras, la siguiente expresin3:
Si en la expresin de ,
de Taylor de orden n centrado en el punto sobrentendido el punto , . ln
con
0,1 ,
obviamos el resto se obtiene el denominado polinomio , que lo denotamos por dando por
en el punto 1,2 son4: , ,
Ejemplo, sea
los polinomios de Taylor de distinto orden centrados 1 1 2 1 2 1 2 2
ln 2
polinomios de Taylor de diversos rdenes en dicho punto se tiene: 1.1,2.1 1.1,2.1 ln 2 0.1 ln 2 1 0.1 2 0.1 0.1 1 0.1 2 1 0.1 4
Tomemos un punto cercano al 1,2 , por ejemplo 1.1,2.1 , evaluando los distintos 1 0.1 2 1 0.1 4 1 2 0.1 6
ln 2
ln 2
1 2 1 2 1 2 6 .
1 4 1 4 1 4
puesto que ln 1.1 2.1
1.1,2.1
ln 2
0.1
0.837248 observamos dos cuestiones interesantes: ,
1 0.1 2
1 2
1 0.1 4
0.836897
0.843147
0.837272
La aproximacin del polinomio de Taylor en un entorno del punto ,
ser tanto
mejor cuanto mayor sea el orden del polinomio centrado en dicho punto. polinomio de Taylor decrece debido a las potencias, cada vez mayores, de e . En un entorno muy reducido del punto , el valor absoluto de cada sumando del
La demostracin del desarrollo de Taylor puede verse en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 109. Adems, el desarrollo de Taylor puede extenderse a funciones : . 4 Aunque el clculo del polinomio de Taylor es tericamente fcil, en la prctica suele ser una tarea bastante engorrosa por la cantidad cuentas que hay que realizar. En la parte Prctica de la asignatura realizamos un programa con el Mathematica a fin de simplificar esta tarea.
3
71
4. CONDICIN NECESARIA DE EXTREMO LOCAL. Sea la funcin : , ,
diferenciable y ,
,
un punto interior de D. El punto

,
se dice crtico para la funcin
si
. 0
Para las funciones que no son diferenciables en todo punto, tambin se llaman puntos crticos a aquellos en los que no existen alguna o las dos derivadas parciales. TEOREMA (condicin necesaria de extremo local). Sea : un punto interior de D, si la funcin entonces dicho punto es crtico. Demostracin. , , ,
diferenciable y
tiene un extremo local en el punto
Si en
dejamos constante la segunda variable igual a ,
, entonces la funcin:
es una funcin de una variable que tiene un extremo local en es cero:
, luego la derivada de 0
en
lim
lim
,
,
,
, ,
0 0 0
De forma anloga se demuestra que
0.
En resumen, los extremos locales hay que buscarlos entre los puntos crticos, es decir, aquellos que verifican el sistema 0 0 .
72
5. CONDICIN SUFICIENTE DE EXTREMO LOCAL. ,
Sea
, ,
funcin diferenciable cuantas veces sea necesario y supongamos que 0 y el polinomio de Taylor centrado en
, ,
es un punto crtico, es decir, un candidato a extremo local. En este punto | 1 2!

,
mnimo) va a depender del signo de |

, , ,
menores, el signo de |
como en un entorno reducido de

,
los valores absolutos de cada sumando son cada vez

, ,
1 3!
adopta la siguiente forma:

, ,
(decisivo, en este caso, para asegurar si es mximo o | , pero:

,
Es decir, el signo de | definida por la matriz |

,
coincidir con el signo de la forma cuadrtica ,
denotaremos por
llamada matriz hessiana de
y que la
TEOREMA (condicin suficiente de extremo local) 5. Sea continuas hasta de segundo orden y |
, , ,
un punto crtico de ,
con derivadas parciales entonces se verifica:
i.
Si
ii.
Si
iii. iv.
Si Si
es definida negativa entonces
es un mximo local estricto de
es definida positiva entonces ,
.
,
es un mnimo local estricto de ,
de silla de
es indefinida entonces ,
es un punto de silla de ,
es semidefinida negativa entonces .
es un mximo local o un punto
En BARBOLLA et al, Optimizacin Matemtica: teora ejemplos y contraejemplos, pg. 233 y siguientes, pueden verse ejemplos y comentarios sobre la condicin suficiente de extremo.
v.
Si
de silla de
es semidefinida positiva entonces , .
73
es un mnimo local o un punto
6. EXTREMOS LOCALES CONDICIONADOS.
Hasta ahora hemos hablado de extremos locales de funciones definidas en un cierto conjunto Veamos ahora el caso en el que queremos calcular un extremo local de : en el que los puntos ecuaciones de ligadura. ,.., cuyos resultados se extienden inmediatamente a subconjuntos de . pero
deben cumplir unas ciertas restricciones, denominadas
El problema que se plantea es: extremos locales de sujetos a las ecuaciones de ligadura: ,.., ,.., ,.., 0 0
,.., con
Por ejemplo, en el siguiente dibujo se visualiza el problema de calcular el mnimo local de la funcin , sujeto a la ecuacin de ligadura 4. En realidad, se
trata de calcular el mnimo de la curva que aparece en la figura:
6.1. Mtodo de sustitucin.
Un procedimiento sencillo para resolver el problema de obtener extremos locales con ecuaciones de ligadura es el denominado mtodo de sustitucin.
74
Este mtodo consiste en despejar, entre las ecuaciones de ligadura y siempre que sea posible, m variables en funcin de las m-n restantes. La sustitucin de estas m variables en la funcin ,.., transforma el problema inicial en otro de menos variables sin
restricciones que se resuelve de la forma conocida6.
En el ejemplo que acabamos de exponer el problema que se plantea es: calcular el mnimo local de , 4
sujeto a la ecuacin de ligadura 4
si utilizamos el mtodo de sustitucin podamos proceder del siguiente modo:
por lo que se trata de calcular el mnimo de la funcin 4
(en una variable):
que se resuelve de la forma habitual: 4 Si 8
problema se encuentra en el punto 2,2 con un valor igual a
2, de la ecuacin de ligadura se desprende que
0 0 2
2,2
2 y el mnimo local de este 8.
El mtodo de sustitucin aunque parece sencillo a veces no es muy recomendable por dos razones.
En primer lugar, no siempre ser fcil despejar las m variables en funcin de las n-m restantes con lo que, en caso de no poder despejarlas, el mtodo no se podra aplicar.
En segundo lugar, este mtodo nos puede deparar sorpresas tales como obtener distintos resultados en funcin de las variables que se despejen en el sistema de ligadura7. La razn se encuentra en el propio procedimiento. En realidad, el mtodo que hemos seguido para calcular el mnimo local consiste en proyectar la curva a la que queremos calcular su extremo local sobre el plano OXZ en la forma que aparece en el dibujo:
Una discusin ms pormenorizada de este mtodo puede verse en BARBOLLA et al, Optimizacin Matemtica: teora ejemplos y contraejemplos, pg. 292 y siguientes. 7 Por ejemplo, si en el problema que hemos planteado hubiramos despejado la variable x en funcin de la y la funcin a la que habra que calcularle el mnimo local hubiera sido 2 que, en este caso, produce el mismo resultado pero no siempre es as.
75
Pero si la curva a la que se quiere calcular sus extremos locales fuera de la siguiente forma:
por este procedimiento no podramos localizar los extremos P y Q salvo que proyectemos sobre el eje OZY (despejemos la x en funcin de la y)8.
6.2. Mtodo de los multiplicadores de Lagrange.
Para evitar los inconvenientes del mtodo de sustitucin descritos en el apartado anterior, los problemas de extremos condicionados suelen resolverse por el denominado mtodo de los multiplicadores de Lagrange9. ,..,
Se trata de calcular los extremos locales de sujetos a las ecuaciones de ligadura:
En DAZ HERNANDO, Clculo Diferencial. Funciones de varias variables. Representacin de curvas, pgs. 260 a 262 pueden verse varios ejemplos muy ilustrativos sobre esta cuestin. 9 Nosotros nos limitaremos a exponer el mtodo de los multiplicadores de Lagrange, las demostraciones de las afirmaciones que aqu se hacen pueden consultarse, entre otros, en MARSDEN y TROMBA, Clculo vectorial, pg. 217 y siguientes o BARBOLLA et al, Optimizacin Matemtica: teora ejemplos y contraejemplos, pg. 298 y siguientes.
suponemos que tanto
continuas. Adems, vamos a suponer que en los puntos que por este mtodo sean candidatos ,,
,..,
como
,.., ,.., ,..,
0 0
76
,..,
con tienen derivadas parciales y son
a extremo la matriz
tiene de rango m10.
Construimos la funcin lagrangiana: ,,
donde
son nmeros auxiliares llamados multiplicadores de Lagrange.
,,
,,
Los puntos crticos se obtienen resolviendo el sistema: 0
,.., ,..,
Una vez obtenidos los candidatos a extremos, las condiciones suficientes para discernir cuales son mximos mnimos o puntos de silla de nuestro problema con ligaduras suelen ser engorrosas de aplicar11. De todas formas, en estos casos, lo usual es hacer consideraciones lgicas, geomtricas o incluso analticas que nos permite adivinar qu tipo de punto se trata sin necesidad de acudir a teoremas que involucran a unas especiales matrices hessianas.
Esta ltima condicin es necesaria para poder aplicar el mtodo de los multiplicadores de Lagrange, ver el ejercicio de la pgina 266 de DAZ HERNANDO, Clculo Diferencial. Funciones de varias variables. Representacin de curvas. Por lo tanto, aparte de aplicar este mtodo tambin se deberan estudiar aquellos puntos en los que esta matriz tenga rango menor que m. 11 En MARSDEN y TROMBA, Clculo vectorial, pg. 231 o LOSADA RODRGUEZ, Anlisis Matemtico, pg. 662 pueden verse dos versiones distintas de condiciones suficientes para decidir si el punto crtico obtenido es mximo, mnimo o punto de silla.
10
77
7. MXIMOS Y MNIMOS ABSOLUTOS.
En los problemas de ingeniera tiene ms importancia calcular los extremos absolutos de una cierta regin acotada que hallar un determinado extremo local. Sin embargo, ello no quiere decir que todo lo que hemos estudiado hasta ahora no tenga importancia, todo lo contrario, el clculo de extremos absolutos va a implicar generalmente la obtencin de los extremos locales y, posteriormente, una comparacin entre el valor de dichos extremos con el valor de la funcin sobre el borde de la regin. , 1,1 1,1 que tiene
Por ejemplo, la funcin la siguiente representacin grfica:
definida sobre el rectngulo
tiene un mnimo absoluto en el mismo punto donde tiene un mnimo local por lo que, en primer lugar, tendramos que resolver un problema de extremos locales libres (sin restricciones). Posteriormente, para calcular el mximo absoluto habra que estudiar el mximo valor que toma sobre los lados del rectngulo , 1,1 1,1 .
A pesar de que a continuacin proponemos una relacin de problemas sobre extremos de funciones de varias variables, normalmente este tipo de problemas requieren una gran cantidad de cuentas por lo que sera conveniente, una vez que se lea el fundamento terico que aqu se expone, realizar los ejercicios de las Prcticas 8 y 9.
78
Ejemplo 1 pgina 1059 Ejemplo 4 pgina 1062 Ejemplo 1 pgina 1075 Ejemplo 4 pgina 1078 Ejemplo 2 pgina 1060 Ejemplo 1 pgina 1065 Ejemplo 2 pgina 1076 Ejemplo 3 pgina 1061 Ejemplo 2 pgina 1067 Ejemplo 3 pgina 1077
Problema 7 pgina 196 Problema 12 pgina 200 Problema 17 pgina 207 Problema 21 pgina 212 Problema 28 pgina 218 Problema 9 pgina 199 Problema 13 pgina 201 Problema 18 pgina 208 Problema 23 pgina 214 Problema 29 pgina 220 Problema 11 pgina 200 Problema 15 pgina 205 Problema 20 pgina 211 Problema 24 pgina 215
BARBOLLA, R. CERD, E. SANZ, P.: Optimizacin Matemtica: teora ejemplos y contraejemplos, Espasa Calpe, 1991. DE BURGOS ROMN, J: Clculo infinitesimal de varias variables, segunda edicin, McGraw-Hill, 2008. DAZ HERNANDO, J.A.: Clculo Diferencial. Funciones de varias variables. Representacin de curvas, segunda edicin, Editorial Tebar Flores, Madrid, 1991. GRANERO RODRGUEZ, F.: lgebra y Geometra Analtica, MacGraw-Hill, 1989. LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen 2, quinta edicin, McGraw-Hill, 1995. LOSADA RODRGUEZ, R.: Anlisis Matemtico, Ed. Pirmide, 1978. MARSDEN, J.E. y TROMBA, A.J.: Clculo vectorial, quinta edicin, PEARSON EDUCACIN, 2004. MERINO GONZLEZ, L.M. y SANTOS ALEZ E.: lgebra Lineal con mtodos elementales, Edita Grficas Lino, Granada, 1997.
79
TEMA 5 INTEGRACIN EN VARIAS VARIABLES

Todos hemos aprendido el concepto de integral definida a travs del problema geomtrico consistente en calcular el rea A que encierra la grfica de una determinada funcin con
1
la siguiente figura :
0 y el eje de abscisas entre los puntos a y b, tal y como se muestra en
para calcular este rea se toma una particin ,
del segmento
: ,
en cada uno de los segmentos realizamos la siguiente suma:
tomamos un punto cualquiera
,y
que representa el rea de la regin escalonada:
Haciendo este proceso para diferentes particiones cada particin divida a la anterior, se observa que calcular.
cada vez ms finas, es decir que , donde A es el rea que se quiere
As pues, supongamos que existe el siguiente lmite: lim lim con
Un razonamiento de este tipo puede verse en KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 1 pg. 523.
80
para cualquier particin del segmento segmento ,
. El lmite medir el valor del rea A y se llama integral de la funcin : lim .
y sin que dependa de la eleccin de los
en cada
entre a y b que se denota por
con
Sobre este razonamiento quiero hacer dos precisiones.
En primer lugar, a pesar de que el ejemplo motivador para llegar al concepto de integral sea hallar una determinada rea, en la prctica, la integral definida se aplica a multitud de problemas que nada tienen que ver con el clculo de reas.
Por ejemplo, sea una bomba que extrae lquido de un depsito semiesfrico de radio 10. Se quiere calcular el trabajo realizado por la bomba que ha extrado lquido desde el nivel a hasta el b, tal y como se muestra en el siguiente dibujo2:
depsito. Si hacemos una particin sobre el segmento 3 , y . 100
la densidad del lquido homogneo es y la bomba se encuentra 3 unidades por encima del , se prueba sin excesiva dificultad
que una aproximacin del trabajo W realizado por la bomba es: ,
con
Por lo tanto, podemos afirmar que: 3 100
Este ejemplo est sacado de SALAS HILLE ETGEN, Calculus. Una y varias variables, Vol. I, pg. 354. En el mismo texto pueden verse otras interesantes aplicaciones de la integral definida, pgs. 321 a 364.
81
La otra precisin que quiero realizar es que una integral como la anterior, en la prctica, no se calcula intentando resolver el lmite de una particin cada vez ms fina sino que directamente se aplica la regla de Barrow, habida cuenta de la continuidad de la funcin que aparece en el integrando.
Este va a ser nuestro mtodo para estudiar la integracin en varias variables. En primer lugar se estudiar un problema que sirva de elemento motivador para la definicin de integral doble y triple y, a continuacin, daremos las propiedades y mtodos prcticos para el clculo efectivo de dichas integrales.
1. CONCEPTO DE INTEGRAL DOBLE.
Al concepto de integral doble de Riemann se puede llegar mediante el problema de calcular el volumen V del cuerpo cilndrico de la siguiente figura3:
El cuerpo cilndrico est delimitado por el plano XOY, una superficie y las generatrices que se apoyan en D son paralelas al eje OZ.
con
Dividimos D en un nmero de zonas disjuntas, que las llamaremos regiones elementales, , ,, con reas respectivas , ,, . Para cada zona elemental
construimos un cuerpo cilndrico con generatrices paralelas al eje OZ:
Existen diferencias entre los distintos textos a la hora de introducir el concepto de integral doble. Nosotros vamos a seguir el mtodo que emplea KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 2, pg. 294 y siguientes.
82
Como resultado de este proceso el cuerpo original queda dividido en n cuerpos cilndricos elementales. Si sustituimos el k-simo cilindro elemental por el cilindro la misma base y altura igual a es: , siendo , , cualquier punto de que tiene
, el volumen de
Por lo tanto, una aproximacin del volumen total sera: , Si hacemos la particin cada vez ms fina, es decir, subdividimos todas y cada una de estas regiones elementales, tendremos aproximaciones ms exactas del volumen del cuerpo cilndrico. La integral doble de , sobre la regin D ser el lmite de estas sumas cuando
las particiones se hacen ms finas y medir el volumen V del cuerpo cilndrico considerado. ,
DEFINICION. Sea
una funcin acotada sobre D conjunto compacto de de rea .
(acotado
y conteniendo a su frontera) que se divide en regiones elementales
Se define el dimetro de
como:
Sup
,
Sea: d el mayor dimetro de las regiones si existe: lim , ,
con
83
que no depende del procedimiento empleado para dividir la regin D en zonas elementales ni de la eleccin de los puntos funcin , , en , . A dicho lmite se le llama integral doble de la ; ,
sobre la regin D y se denota por cualquiera de los siguientes smbolos:
Por lo tanto, el volumen V del cuerpo cilndrico que hemos tomado como ejemplo para introducir el concepto de integral doble ser funcin , , . Si en la regin D la ,
tomase valores positivos y negativos, entonces
representara la suma algebraica de los volmenes elementales, de tal forma que aquellas partes del cuerpo que se encuentran dispuestas por encima del plano XOY tienen signo positivo mientras que las partes que se sitan por debajo del plano OXY tienen signo negativo. NOTA. En principio pudiera parece que cualquier funcin acotada 0,1 0,1 y . , , sobre el compacto D
va a ser integrable en el sentido que acabamos de ver, pero esto no as. Por ejemplo, sea que lim , 1 si , , esta funcin no es integrable puesto 0 en los dems casos
punto
va a depender de la eleccin que se haga en cada momento del
2. CONDICIONES SUFICIENTES DE INTEGRABILIDAD.
De la forma que se ha introducido el concepto de integral doble se desprende intuitivamente que si , , es una funcin continua entonces existe , .
TEOREMA. Si este dominio4.
es continua en un dominio cerrado y acotado entonces es integrable en
Sin embargo, no es obligatorio exigir la continuidad sobre D de la funcin asegurar la existencia de , . Por ejemplo, si ,
es discontinua sobre una
para
curva C contenida en D, como se muestra en el siguiente dibujo:
Una demostracin de este teorema puede verse en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 210.
84
parece clara la existencia del volumen definido por la superficie discontinua plano OXY. Es decir, si el conjunto de discontinuidades de la funcin , ,
se reduce a un
con el
conjunto finito de curvas en el compacto D, podemos afirmar la existencia de . , ,
Asimismo, podemos afirmar que dada dos funciones integrables que , , , , ,
tales
, salvo quizs para un nmero finito de curvas en D, .
entonces
3. PROPIEDADES DE LA INTEGRAL DOBLE.
Las integrales dobles tienen bsicamente las mismas propiedades que las integrales simples, si bien adaptadas a un dominio en dos dimensiones. Las principales propiedades, suponiendo la existencia de todas las integrales que aparecen son5:
1. Propiedad lineal. , , , ,
, ,
con 2. Conservacin de la monotona. Si , se verifica que ,
entonces:
Estas propiedades se desprenden casi todas ellas inmediatamente de la propia definicin. De todas formas, en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 214 y siguientes, pueden verse las demostraciones que aqu enunciamos.
85
, 3. Caso particular de conservacin de la monotona. , 4. rea de una regin plana. |
, , |
El rea de una regin plana D es la integral doble sobre dicho dominio de la funcin unidad. 5. Aditividad de las regiones. Sean y dos dominios tales que , 6. Estimacin de la integral. Sean M y m una cota superior e inferior de , siendo A el rea de D. 7. Teorema del valor medio para integrales dobles. Si , es continua en un dominio cerrado y acotado D existe un punto , siendo A el rea de D. Al valor , se llama valor medio de , , en el dominio D. , , y , no tiene puntos
interiores comunes, entonces:
en D respectivamente, entonces:
tal que:
86
4. CLCULO EFECTIVO DE LA INTEGRAL DOBLE.
En la prctica, el clculo efectivo de una integral doble se realiza haciendo dos integrales simples6. La tcnica a seguir es distinta dependiendo de la expresin de ,
pero, sobre todo, de la forma de la regin D sobre la que se integra. En este apartado, vamos a describir tres tcnicas de integracin en funcin de la forma que adopta la regin D.
En todo el apartado vamos a considerar la situacin ms usual que consiste en suponer la continuidad de la funcin , y de las funciones que delimitan las fronteras de la regin
de integracin D, si bien sera suficiente con exigir que estas funciones fueran integrables7.
4.1. Teorema de Fubini.
El caso ms sencillo es aqul en el que el recinto de integracin D es un rectngulo. En este caso aplicamos el conocido teorema de Fubini.
Antes de exponer este teorema hay que aclarar la notacin que vamos a seguir en este curso. ,
Cuando se escribe
no se est dando ningn orden de integracin, es , . El motivo de que nunca se ponga
decir, lo mismo se hubiera podido escribir
esta ltima expresin es por guardar el orden alfabtico.
En cambio, si ponemos de integrar. Primero se hace
s estamos estableciendo un orden a la hora , donde la x se considera como una constante: 2 49 2 25 2 12 28
posteriormente, se hace la integral respecto de x. As: 12

6
32
En SALAS HILLE ETGEN, Calculus. Una y varias variables, Vol. II, pgs. 962 a 964 pueden verse algunos ejemplos de clculo de la integral doble usando directamente la definicin pero, salvo que las funciones a integrar sean muy sencillas, es una tarea bastante complicada. 7 Ver DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 264.
87
Resulta frecuente ver cualquiera de estas tres notaciones: ; y el resultado se integra respecto de x. ;
las tres dicen lo mismo, primero se integra respecto de y, considerando x como una constante,
Anlogamente: , coordenadas , , : , ,
TEOREMA DE FUBINI8. Sea D un rectngulo cerrado con los lados paralelos a los ejes de
una funcin continua en D, entonces: , , ,
NOTA. Observamos que
integrando primero respecto de y, despus respecto de x, y al revs. Aunque el resultado es el mismo, puede ocurrir que un orden de integracin sea mucho ms difcil que el otro. Tambin es posible que, con un determinado orden de integracin, sea imposible calcular la integral doble por mtodos elementales mientras que si cambiamos el orden sea factible obtener cada una de las primitivas.
se puede hallar de dos formas diferentes; una
4.2. Integracin vertical.
Supongamos que la regin D est limitada inferior y superiormente por las curvas continuas e con respectivamente, de forma que la regin D
no tiene huecos, tal y como se muestran en las siguientes figuras:
La demostracin de este teorema puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 325.
88
Si
es continua en D se tiene que9: , ,
4.3. Integracin horizontal.
Supongamos ahora que existen dos curvas continuas
con
delimitando a la regin D, de forma que sta no tiene huecos, tal y como se muestran en las siguientes figuras:
Si
es continua en D se tiene: , ,
NOTA 1. Es frecuente que una misma regin D se adapte tanto a una a una integracin vertical como horizontal, en estos casos, no sera extrao cambiar el tipo de integracin (de horizontal a vertical o al revs) a fin de facilitar, o incluso posibilitar, el clculo de las respectivas integrales simples. NOTA 2. Si el dominio D tiene la forma de la siguiente figura:
La demostracin de este resultado puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 332.
89
la regin no se adapta para poder aplicar una integracin vertical ni horizontal. En estos casos se suele dividir la regin D en subregiones adecuadas y sumaramos las integrales obtenidas sobre las distintas subregiones. En este caso concreto, tambin se podra hacer: , , ,
5. CAMBIO DE VARIABLE EN LA INTEGRAL DOBLE.
Se supone conocida la forma de proceder en los cambios de variable para una integral definida simple. Pero veamos con detenimiento dicho proceso.
Por ejemplo, sea la integral: 1
si hacemos el cambio de variable
4, la nueva integral a resolver sera: 4 1 2
Es decir, lo que hemos hecho es sustituir la x por su expresin respecto de t al tiempo que se cambian los lmites de integracin segn la relacin: 6 2 1 1
Adems aparece en el integrando el factor 2 que representa la compensacin por la diferencia de longitud que ha sufrido el intervalo de integracin al pasar de la variable x a la variable t.
En la integracin en varias variables se produce un proceso anlogo.
90
TEOREMA. Sea el cambio de variable , ,
con derivadas parciales continuas y tal que a cada punto y al revs. Entonces si , , , ,
, ,
, es decir, y son funciones continuas, , le corresponde otro punto , |
es integrable en D se tiene:
donde D* es la regin que se transforma en D por el cambio de variable y | absoluto del jacobiano, es decir, el valor absoluto de .
| es el valor
La demostracin de este teorema no es fcil10, sin embargo, tiene importantes aplicaciones en el clculo prctico de integrales dobles puesto que nos puede permitir cambiar un recinto de integracin complicado D por otro D* ms fcil de integrar11.
6. CAMBIO DE VARIABLE A COORDENADAS POLARES.
Al tratar de resolver una integral doble el cambio de variables que se realiza con ms frecuencia es, sin duda, el paso de coordenadas cartesianas a polares: cos sen
cuyo jacobiano es
Este cambio est indicado para regiones tales como: crculos, cardioides, curvas de ptalos o expresiones del tipo etc. Debido a la frecuencia de este cambio de variable
vamos a realizar un estudio detallado del mismo.
El prototipo de dominio D que se adapta perfectamente a un cambio de coordenadas polares es el siguiente:
Ver pg. 271 de DE BURGOS ROMN, Clculo infinitesimal de varias variables. Adems, hay que sealar que en un cambio de variable como el sealado en este teorema las curvas que delimitan la frontera del compacto D* se transforman en curvas que delimitan la frontera de D, ver GALINDO SOTO et al, Gua prctica de Clculo Infinitesimal en varias variables, pg. 253.
11
10
91
La regin D del dibujo es el resultado de transformar, por este cambio de variable, la regin D*:
haciendo una integracin vertical sobre D* se obtiene:
cos , sen
El cambio a coordenadas polares sigue siendo vlido para regiones que puedan considerarse como casos extremos al que hemos planteado como prototipo. As pues, si el dominio de integracin D es del tipo:
y razonamos de la misma manera que en la situacin anterior, ahora no tenemos un cambio de variable, en el sentido que hemos definido en el apartado 5 de este tema, puesto que la transformacin no es uno a uno. Todos los puntos de la curva inferior 0 con
92
se transforma en el origen de coordenadas pero, como hemos comentado en el apartado 2, lo que suceda a lo largo de una curva no afecta al valor de la integral. Por lo tanto, en este caso podemos afirmar que:
,
Por la misma razn, para una regin del tipo:
cos , sen
el cambio a polares implicara que:
,
Si la regin D fuera:
cos , sen
el cambio a polares llevara a la siguiente igualdad:
cos , sen
en funcin
NOTA. Pocas veces ocurre que la regin D se preste a que sea ms fcil expresar
de . De todos modos, si fuera ste el caso, habra que precisar unos valores adecuados de y tales que pudiera escribirse una expresin del siguiente tipo:
cos , sen
93
7. INTEGRAL TRIPLE.
Al concepto de integral triple se llega de forma natural al tratar de hallar la masa de un cuerpo slido de densidad variable12. Sea un cuerpo de , , ,
dada por la funcin
volmenes respectivos
, ,
,,
. Dividamos en regiones elementales , , , :
tal que en cada punto
su distribucin de masas viene con
suponemos que en la regin la densidad es constante e igual a Una aproximacin a la masa total M de sera: , ,
En cada regin elemental elegimos un punto arbitrario
, adems,
integral triple sobre la regin ser el lmite de estas sumas cuando la particin se hace cada vez ms fina, es decir, ser la masa M.
de estas regiones elementales, obtenemos aproximaciones ms exactas de la masa de . La
Si hacemos las particiones cada vez ms finas, es decir, subdividimos todas y cada una
Seguimos la introduccin que utiliza KRASNOV, M. et al, Curso de matemticas superiores para Ingenieros, Vol. 2, pg. 325 y siguientes.
12
94
DEFINICION. Sea
volumen
(acotado y conteniendo a su frontera). Dividamos en regiones elementales de . Se define el dimetro de como:

,
, ,
una funcin acotada sobre la regin conjunto compacto de Sup ,
sea:
d el mayor dimetro de las regiones Si existe: lim , , , ,
de la eleccin de los puntos , ,
que no depende del procedimiento empleado para cubicar la regin en zonas elementales ni sobre y se designa por cualquiera de los siguientes smbolos:
con
en , a este lmite se llama integral triple de ;
, ,
, ,
Como se puede observar, en esencia, la definicin de integral triple es la misma que la integral doble cambiando el compacto por . As, con los mismos argumentos
que se vieron para la integral doble podemos asegurar lo siguiente: , , est acotada sobre y las discontinuidades de
TEOREMA. Si la funcin
se encuentra situadas en una superficie, entonces existe
, ,
, ,
8. PROPIEDADES DE LA INTEGRAL TRIPLE.
Las propiedades de la integral triple vienen a repetir las que ya se enunciaron para la integral doble. As pues, si suponemos la existencia de las integrales de sobre , entre otras, podemos enunciar las siguientes: 1. Propiedad lineal. , ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
con
95
2. Conservacin de la monotona. Si , , , ,
se verifica que
, ,
, ,
entonces: , , , , |
3. Caso particular de conservacin de la monotona.
, ,
4. Volumen de un cuerpo.
unidad.
El volumen V de un cuerpo es la integral triple sobre dicho dominio de la funcin
5. Aditividad de las regiones.
Sean y dos dominios tales que puntos interiores comunes, entonces:
, ,
y la interseccin de ambas no tiene
, ,
6. Estimacin de la integral.
, ,
Sean M y m una cota superior e inferior de entonces:
, ,
sobre respectivamente,
7. Teorema del valor medio para integrales triples. Si , , , , tal que:
siendo V el volumen de .
, ,
es continua en el dominio cerrado y acotado , existe un punto
Al valor
siendo V el volumen de . , ,
, , , ,
se llama valor medio de
en el dominio .
96
9. CLCULO EFECTIVO DE LA INTEGRAL TRIPLE.
En la prctica, el clculo efectivo de la integral triple se reduce a resolver tres integrales simples.
El teorema de Fubini sigue siendo cierto para las variables triples. TEOREMA DE FUBINI13. Sea un cubo cerrado con los lados paralelos a los ejes de , , , y , ,
entonces se verifica la igualdad respecto de los seis posibles rdenes de integracin:
coordenadas
una funcin continua en , , ,
, ,
, ,
Otro tipo de regin cuya integral triple se calcula fcilmente es la que aparece en el siguiente dibujo:
coordenada z est delimitada entre dos superficies
la regin est definida por el conjunto de puntos
, ,
tales que ,
. En este caso, el
y la
13
La demostracin del teorema de Fubini para el caso general, no slo para el caso de integrales dobles, puede verse en DE BURGOS ROMN, Clculo infinitesimal de varias variables, pg. 230.
97
clculo de la integral triple se reduce a una integral doble mediante la proyeccin de sobre el plano XOY, previa integracin sobre la variable z14. Es decir:
, ,
, , donde es la esfera de radio
Por ejemplo, para calcular
unidad centrada en el origen, tal y como se muestra en el siguiente dibujo:
, ,
podra hacerse del siguiente modo: , , donde D el crculo unidad centrado en el origen.
10. CAMBIO DE VARIABLE EN LA INTEGRAL TRIPLE.
El cambio de variable en la integral triple presenta las mismas peculiaridades que comentbamos en las integrales dobles, por lo que son vlidas todas las consideraciones que hicimos cuando se estudi el problema de cambio de variable en las integrales dobles.
En las integrales triples son dos los cambios de variables que se realizan con ms frecuencia, el cambio a coordenadas cilndricas y a coordenadas esfricas.
En MARTNEZ SAGARZAZU, Clculo Integral. Aplicaciones y ejercicios, pg. 134 y siguientes, pueden verse ejemplos de regiones que se proyectan sobre los restantes planos coordenados.
14
98
10.1.Cambio de variable a coordenadas cilndricas. Este cambio de variable puede resultar til en un dominio formado o delimitado por etc.
una superficie de revolucin de eje OZ o cuando en la funcin a integrar aparece la expresin
El cambio de variable viene definido por las expresiones: cos sen
con
dibujo:
Grficamente, la interpretacin de las coordenadas y pueden verse en el siguiente
0y0
2 .
El jacobiano del cambio de variable es . Luego:
, ,
cos , sen ,
10.2.Cambio de variable a coordenadas esfricas.
integracin limitados por superficies esfricas o cnicas. sen cos sen sen cos
El cambio de variable a coordenadas esfricas puede resultar til para dominios de
La formulacin ms frecuente del cambio a coordenadas esfricas es:
con
0, 0
y0
2 .
99
siguiente dibujo:
Grficamente, la interpretacin de las coordenadas , y puede verse en el
El jacobiano del cambio de variable es
sen . Luego: sen , cos sen
, ,
sen
cos , sen
Ejemplo 2 pgina 1097 Ejemplo 1 pgina 1105 Ejemplo 2 pgina 1128 Ejemplo 2 pgina 1146 Ejemplo 2 pgina 1153 Ejemplo 3 pgina 1098 Ejemplo 2 pgina 1106 Ejemplo 4 pgina 1130 Ejemplo 4 pgina 1148 Ejemplo 3 pgina 1155 Ejemplo 4 pgina 1099 Ejemplo 3 pgina 1107 Ejemplo 1 pgina 1145 Ejemplo 1 pgina 1152 Ejemplo 4 pgina 1156
100
Problema 14 pgina 248 Problema 18 pgina 250 Problema 10 pgina 294 Problema 13 pgina 295 Problema 16 pgina 298 Problema 19 pgina 300 Problema 22 pgina 302 Problema 6 pgina 326 Problema 12 pgina 332 Problema 15 pgina 248 Problema 7 pgina 292 Problema 11 pgina 295 Problema 14 pgina 297 Problema 17 pgina 299 Problema 20 pgina 301 Problema 23 pgina 303 Problema 9 pgina 329 Problema 13 pgina 332 Problema 17 pgina 249 Problema 8 pgina 292 Problema 12 pgina 295 Problema 15 pgina 297 Problema 18 pgina 299 Problema 21 pgina 302 Problema 4 pgina 325 Problema 11 pgina 331
DE BURGOS ROMN, J: Clculo infinitesimal de varias variables, segunda edicin, McGraw-Hill, 2008. GALINDO SOTO, F. SANZ GIL, J. TRISTN VEGA, L.A.: Gua prctica de Clculo Infinitesimal en varias variables, Editorial THOMSON, 2005. GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, CLAGSAMADRID, 1996. KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, Vol. 1 y 2, Ed. MIR. 1990. LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen 2, quinta edicin, McGraw-Hill, 1995. MARSDEN, J.E. y TROMBA, A.J.: Clculo vectorial, quinta edicin, PEARSON EDUCACIN, 2004. MARTNEZ SAGARZAZU, E.: Clculo Integral. Aplicaciones y ejercicios, Edita la Universidad del Pas Vasco, 1993. SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol. I, cuarta edicin, Revert, 2002.
101
TEMA 6 INTEGRAL DE LNEA

Antes de comenzar con el estudio de las integrales de lnea sera conveniente repasar la Prctica 4 correspondiente a la parte de la asignatura diseada con el ordenador.
En la integracin en varias variables, las regiones en donde se integraba eran compactos de o . En el presente tema, el recinto de integracin va a ser un trozo de
curva en el plano o el espacio.
En primer lugar, hay que destacar que van a existir dos tipos de integrales de lnea en anticipar un poco el desarrollo del tema, si es una curva en el plano, las siguientes integrales funcin de que la funcin a integrar sea escalar o vectorial. Por ejemplo, y aunque sea
de lnea:
lo que tienen en comn es el recinto en donde se integra, la curva , pero se resuelven de distinta forma y miden cosas distintas. , es una funcin escalar : la funcin a integrar ,
En
, la funcin a integrar ,
. ,
es un campo vectorial :
Por el contrario, en .
Por lo tanto, antes de resolver una integral curvilnea o aplicar cualquiera de sus propiedades hay que distinguir si la funcin a integrar es escalar o si se trata de un campo vectorial.
Por otra parte, el mtodo que vamos a seguir para estudiar las integrales de lnea va a ser el mismo que el mantenido en las integrales dobles y triples. Primero estudiaremos un problema fsico que sirva de motivacin para definir un determinado tipo de integral de lnea y, a continuacin, daremos las propiedades de dicha integral de lnea.
102
Aqu no tiene sentido detallar ningn tipo de tcnica de integracin. La propia definicin de integral de lnea nos dice cul va a ser la integral simple que tengamos que resolver.
1. ALGUNAS NOCIONES SOBRE CURVAS PARAMETRIZADAS.
En la Prctica 4 de la asignatura usamos el Mathematica para asimilar intuitivamente conceptos bsicos de las curvas parametrizadas como son: sentido de recorrido de una curva, reparametrizaciones de una curva, parametrizacin de un segmento rectilneo, etc., por lo que sera conveniente una lectura, aunque sea ligera, de dicha prctica.
El tipo de curva
que va a aparecer a lo largo del tema va a ser la imagen de una , de la recta real. Adems, va ser
funcin continua definida sobre el intervalo compacto regular a trozos. DEFINICIN. Sea la curva parametrizada : para todo , ,
(con
curva regular a trozos (o tambin suave a trozos) si existe y es continua salvo quizs en algn conjunto finito de puntos.
2 3). Se dice que es una con 0
As pues, en una curva regular a trozos tenemos asegurado la existencia de un vector tangente en cada punto de la curva salvo, a lo ms, en un conjunto finito de puntos.
Por ejemplo, la siguiente curva definida en el intervalo 0,2 : sen , cos 2 2 ,2 si si 2 0, ,2 2
es una curva continua suave a trozos ya que slo en el siguiente dibujo:
no existe
, como se muestra en
103
Para una curva suave a trozos es fcil demostrar que la longitud L de dicha curva viene dada por la expresin1: | 2 cos , 2 sen | 0,
Por ejemplo, una parametrizacin de la semicircunferencia de radio 2 puede ser: con 4
luego su longitud es:
2 sen , 2 cos |
2 2,1, 1 y
Hay que observar que la frmula para hallar la longitud de una curva es vlida tanto en el plano como en el espacio. Por ejemplo, el trozo de recta que une los puntos 0, 2,1 puede tener la siguiente parametrizacin: 2 2 ,1 3 , 1 | 2, 3,2 | 2 0,1
con 17
y su longitud ser:
17
2. INTEGRAL DE LNEA DE UNA FUNCIN REAL.
Al concepto de integral de lnea de una funcin real se llega de forma natural cuando tratamos de hallar la masa de un alambre de densidad variable.
Sea un alambre dispuesto en el plano (tambin podramos situar el alambre en el espacio) segn una curva definida por la parametrizacin: , con ,
Sea
la distribucin de densidad lineal para cada punto
del alambre.
Si realizamos una particin del alambre del siguiente modo:
La demostracin de este resultado puede verse en SALAS HILLE ETGEN, Calculus. Una y varias variables, Vol. II, pg. 796.
104
y suponemos que la masa es constante en cada trozo de la particin, la masa del trozo i-simo ser: , ,
siendo
cualquier punto del trozo i-simo de curva y , |
su longitud. Por lo tanto:
por el teorema del valor medio para integrales, existe | | |
como
por lo tanto:
| |
con
tal que:
era un punto cualquiera del trozo i-simo de la curva, tomamos |
y una aproximacin a la masa total ser: , ,
con
Cada vez que hagamos una participacin ms fina de la curva, o lo que es lo mismo del intervalo M ser: , tenemos una mejor aproximacin de la masa total del alambre; luego su masa lim | |
pero lo anterior es la expresin de una integral simple2, es decir, la masa M del alambre es: | |
De todo lo anterior se comprende que no resulta para nada artificial ni caprichosa la siguiente definicin de integral de lnea para funciones escalares.
Ver en la introduccin del Tema anterior cmo se pasaba del lmite de una sumatoria a la expresin integral.
DEFINICION. Sea el intervalo compacto Sea una funcin : siguiente integral: ,
continua definida en un abierto que contenga a la curva . Se llama

3,
y :
105
una curva suave a trozos.
integral de lnea de la funcin escalar f a lo largo de
y se nota por
a la
| , |
La misma definicin es vlida para curvas : , ,
definidas en el espacio y
funciones escalares definidas en conjuntos que contenga a la curva : |
2.1. Propiedades de la integral de lnea de funciones escalares.
Las propiedades de la integral de lnea de una funcin escalar se deducen de forma inmediata de las propiedades de la integral simple. Entre las principales podemos citar:
1. La integral de lnea de una funcin escalar es invariante ante distintas parametrizaciones de la misma curva, siempre que se pase el mismo nmero de veces por cada punto. Incluso resulta invariante para parametrizaciones que inviertan el sentido de recorrido de la curva4. 2. Propiedad lineal. , , , con , . , , , , ,
3. Monotona de la integral. Si entonces
En algunos textos tambin se denomina integral de lnea de primera especie de la funcin f sobre la curva . 4 A este respecto ver los comentarios en GALINDO SOTO et al, Gua prctica de Clculo Infinitesimal en varias variables, pgs. 352 y 353.
106
, 4. Caso particular de conservacin de la monotona: , 5. Longitud de una curva parametrizada. |
, , |
La longitud L de una curva es la integral de lnea de la funcin unidad: 1 6. Aditividad de los trozos de curva. Si una curva se divide en dos trozos , Enfatizamos que , tal que , y , entonces: , ,
7. Teorema del valor medio para integrales de lnea de funciones escalares. debe ser continua. Entonces, existe un punto de la curva , ,
siendo L la longitud de . Todas estas propiedades son validas para curvas en el espacio y funciones : , por , , .
cambiado, en donde corresponda,
3. INTEGRAL DE LNEA DE UN CAMPO VECTORIAL.
Ahora pretendemos calcular el trabajo que se realiza al mover un objeto a lo largo de una curva . Para ello, vamos a razonar sobre el plano (aunque no existira diferencia alguna si situamos la curva en el espacio) y pasaremos de situaciones muy simples a otras ms complejas.
De fsica elemental se sabe que si una fuerza constante F mueve un objeto una distancia d, en lnea recta, el trabajo W efectuado es:
107
Si consideramos las anteriores magnitudes en su dimensin vectorial, el trabajo realizado por la fuerza constante recta representado por : que desplaza un objeto a travs de un trayecto en lnea
viene dado por el siguiente producto escalar:
| | cos
Para calcular el trabajo que realiza una fuerza punto, al mover un objeto a lo largo de la curva razonamiento. ,
, con
, continua pero variable en cada , , realizamos el siguiente
Sea una particin de la curva (o del intervalo la curva la fuerza es constante e igual a ,
) y suponemos que en cada trozo de , cualquier punto del trozo i-
siendo
simo de la curva. Asimismo, suponemos que el recorrido se realiza en la direccin del vector tangente unitario a la curva en este punto , segn el siguiente dibujo:
Una aproximacin al trabajo realizado en el trozo i-simo sera: , ,
siendo
la longitud del trozo de curva.
Razonando de la misma forma que en el apartado anterior sobre la longitud del trozo isimo de la curva: | |
y por el teorema del valor medio para integrales, existe
tal que:
108
tomando como
| se tiene: | | |
| |
| , al mover un objeto a
Por lo tanto, el trabajo realizado por el campo de fuerzas lo largo de la curva lim
ser el lmite, cuando la particin se hace cada vez ms fina, de de la lim
suma de los trabajos correspondientes a cada trozo de curva:

1
Esta ltima integral va a ser precisamente la definicin de integral de lnea de un campo vectorial. , y : ,
DEFINICION. Sea el intervalo compacto Sea el campo vectorial : siguiente integral:
una curva suave a trozos.

5,
continuo y definido en un abierto que contenga a la curva y se nota por , a la
, se llama integral de lnea del campo vectorial F a lo largo de
campos vectoriales definidos en conjuntos que contenga a la curva .
La misma definicin es vlida para curvas definidas en el espacio :
NOTA. En coherencia con la notacin mantenida por nosotros, la integral de lnea del campo vectorial F se debera haber notado por . Sin embargo, en la mayora de los libros,
cuando tratan este tipo de integrales, al vector de posicin de la curva, que hasta ahora lo hemos venido llamando , lo denota como .
En algunos textos tambin se denomina integral de lnea de segunda especie de la funcin F sobre la curva .
109
3.1. Otra forma de escribir la integral de lnea de un campo vectorial. , ,
Supongamos el campo vectorial
, en muchos textos
observaremos que para indicar la integral de lnea de F sobre la curva , en lugar de escribir , se nota , y , . Veamos que, en realidad, es la misma expresin. : ,
Si
que se suele poner de forma simplificada: En se notara:
3.2. Propiedades de la integral de lnea de campos vectoriales.
Destacamos las siguientes propiedades de la integral de lnea de un campo vectorial:
1. Igualdad ante las parametrizaciones de El valor de
que conservan el sentido de recorrido6. siempre que
no vara para cualquier parametrizacin de
conserve el sentido de recorrido de la curva. Por el contrario, si entonces se tiene que es la misma curva que . pero recorrida en sentido contrario,
Esta propiedad se corresponde perfectamente con la interpretacin fsica que dimos para motivar la definicin de este tipo de integral, puesto que al cambiar el sentido de
6
La demostracin de esta propiedad puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 426.
110
recorrido por la curva, el trabajo del campo de fuerzas a lo largo de la misma cambia de signo. 2. Propiedad lineal. .
3. Aditividad de los trozos de curva. Si la curva se divide en dos trozos y , entonces:
con ,
4. TEOREMA DE GREEN.
Aunque parezca extrao, existe relacin entre la integral de lnea una curva cerrada y la integral doble sobre la regin que encierra dicha curva. Adems, esta relacin tiene aplicaciones importantes en el mundo de la ingeniera.
Para usar el teorema de Green es necesario que la curva que sirve de frontera a la regin sea cerrada y simple como aparece en el siguiente dibujo:
DEFINICIN. Una curva
con
cerrada a la integral de lnea sobre dicha curva se le suele denotar por el smbolo
se dice cerrada si
. Cuando la curva es .
DEFINICIN. La curva los puntos inicial y final.
se dice cerrada y simple si es cerrada y no tiene puntos dobles salvo
TEOREMA DE GREEN. Sea
una curva continua en el plano cerrada, simple y suave a trozos, . Adems, suponemos que curva se recorre de tal , con
sea D la regin delimitada por
manera que la regin D queda siempre a su izquierda. Sea la funcin vectorial
111
continuas y con derivadas parciales continuas en una regin abierta que contiene a D, El teorema de Green tambin es cierto para regiones con huecos parametrizando de
entonces7:
forma adecuada las regiones que delimitan dichos huecos8. , ,
COROLARIO. Si consideramos el campo vectorial
de forma inmediata se cerrada, simple y
deduce que el rea de la regin D delimitada por la curva continua suave a trozos se obtiene de la siguiente integral de lnea: 1 2
5. TEOREMA FUNDAMENTAL DE LA INTEGRAL DE LNEA EN
Una de las principales dificultades para calcular la integral parametrizar la curva
consiste en
. En este apartado vamos a ver que para determinados campos
vectoriales es posible obtener el valor de esta integral sin necesidad de parametrizar la curva sobre la que se integra. Slo tendremos que tener en cuenta el punto inicial y final de la curva lo que supone una generalizacin de la conocida regla de Barrow en las integrales simples.
Por ejemplo, y aunque sea adelantar los resultados que vamos a desarrollar a continuacin, si tenemos que hallar la integral espiral del dibujo: donde , 2 ,4 y la
7 8
La demostracin de este teorema puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 501. Ver MARSDEN y TROMBA, Clculo vectorial, pg. 503.
112
tendramos que parametrizar la curva y despus resolver una integral que se adivina bastante complicada. Sin embargo, este problema tambin se puede resolver calculando previamente una funcin potencial de veremos, puede ser , , 2 (primitiva en el lenguaje de las integrales simples) que, segn , posteriormente evaluaremos esta funcin potencial en 2
, , , ,
los puntos inicial y final de la curva: 0
pero para poder aplicar este procedimiento se necesita que el campo vectorial F sea conservativo. Todos estos conceptos los vamos a desarrollar a lo largo de este apartado.
5.1. Campos vectoriales conservativos en : ,
Sea la funcin diferenciable al vector9: :
, se define gradiente de f y se denota por ,
DEFINICIN. El campo vectorial diferenciable : tal que
, se dice conservativo si existe una funcin , se llama
. En este caso, a la funcin escalar
funcin potencial de F.
As pues, cuando intentemos calcular
, sin necesidad de parametrizar la curva , es conservativo, dicha cuestin se
, lo primero que hay que comprobar es si el campo
contesta en el teorema que daremos a continuacin, pero antes hay que hacer una precisin sobre el tipo de regin al que se refiere el teorema.
Una regin
se dice simplemente conexa si para cada curva cerrada simple est contenida en D. En el siguiente dibujo hacemos una
contenida en D, la regin interior de
distincin entre distintas nomenclaturas que pueden prestarse a confusin.
El gradiente de una funcin diferenciable tiene importantes aplicaciones prcticas. Para ver algunas de ellas se puede consultar LARSON ROLAND et al, Clculo. Vol. 2, pg. 1040 y siguientes.
113
TEOREMA10. Sea la funcin vectorial , , , ,
parciales continuas en el dominio abierto y simplemente conexo D. Entonces el campo es conservativo si y solo si:
tal que
tienen derivadas
tal que:
la funcin potencial :
Una vez que sepamos que el campo vectorial tal que ,
. Es decir, encontrar una funcin
es conservativo hay que calcular ,
Si partimos de la igualdad igualdad , con lo que se quiere decir que , ,
(el proceso es simtrico si se empieza desde la otra ,
) entonces estaramos tentados a poner: ,
realmente una constante o bien una funcin que depende de y. En ambos casos se cumple que . Luego sera ms correcto poner: , , ,
. Pero la constante C puede ser
donde
momento, desconocida.
es conocida puesto que se ha obtenido integrando
es, por el
La demostracin de este teorema puede verse en SALAS HILLE ETGEN, Calculus. Una y varias variables, Vol. II, pg. 944.
10
114
Para obtener
utilizamos la segunda igualdad de la que partimos
En definitiva, si
En la prctica, resulta ms fcil seguir los pasos que hemos seguido para hallar esta expresin que memorizarla. Adems, si hubiramos comenzado por la igualdad hubiramos llegado a otra expresin simtrica a la anterior.
es un campo conservativo su funcin potencial es: ,
5.2. Regla de Barrow para la integral de lnea en
El siguiente teorema se denomina teorema fundamental de las integrales de lnea para campos conservativos y supone una extensin de la conocida regla de Barrow en las integrales simples. ,
TEOREMA11. Sea
un campo vectorial continuo en la regin abierta D. Sea , , y final
curva continua suave a trozos contenida en D con punto inicial Entonces si F es conservativo, con funcin potencial ,
, , , ,
, se tiene: , ,
una .
parciales continuas en la regin abierta D simplemente conexa y incluida en D, son equivalentes las siguientes afirmaciones: i) en D.
condiciones suficientemente regulares, es decir, :
Como resumen de todo lo que hemos dicho hasta ahora se puede deducir que, en con y con derivadas
continua y suave a trozos
11
La demostracin se puede ver en LARSON et al, Clculo, vol. 2, pg. 1189.
115
ii) iii) iv)
F es conservativo en D. es independiente del camino. 0 si es una curva cerrada.
6. TEOREMA FUNDAMENTAL DE LA INTEGRAL DE LNEA EN
vlido en el espacio. As, para la funcin diferenciable : se denota por , , , al vector: , , , ,
Todo lo que se ha comentado en el epgrafe anterior para el plano es bsicamente se define el gradiente de f, y
Tambin, dado un campo vectorial funcin diferenciable funcin escalar , , : tal que
, se dice conservativo si existe una , llamndose funcin potencial de F a la
Sin embargo, tanto desde el punto de vista conceptual como operativo algunos conceptos presentan algo ms de dificultad. Por ejemplo, la extensin al espacio del concepto deformar de manera continua a un punto sin salirse de 12. de regin simplemente conexa sera aquella en la que toda curva cerrada y simple se puede
Asimismo, la caracterizacin de los campos conservativos sobre dominios simplemente conexos ya no es tan fcil como en el plano13. Ahora F tiene tres componentes , ,
y para comprobar si es o no conservativo hay que, en general, acudir al concepto de rotacional de un campo vectorial como veremos a continuacin.
Tambin debemos advertir que, en aras a la claridad, no vamos a ser muy precisos a la hora de delimitar las hiptesis realmente necesarias para aplicar los teoremas que restan hasta el final del tema. En particular, vamos a suponer que el conjunto de definicin del campo vectorial F es lo suficientemente regular.
12
Ver SMITH y MINTON, Clculo, Vol. 2, pg. 420. Recordar que en el plano consista en que .
13
116
6.1. Rotacional de un campo vectorial.
Dado el campo vectorial diferenciable F en como (o tambin ,
, se define el rotacional de F y se denota ,
) al campo vectorial siguiente:
que, utilizando una notacin simblica fcil de entender, tambin se expresa de la siguiente manera:
Por ejemplo, sea el campo vectorial
, , 1
,1
14:
0,1,
El rotacional de un campo vectorial tiene importantes interpretaciones fsicas15 pero, en este momento, nosotros lo vamos a utilizar para identificar qu campos de conservativos. , , son
TEOREMA. Sea tal que , y
un campo vectorial definido en una esfera abierta del espacio 0
tiene derivadas parciales continuas16, entonces: F es conservativo si y solo si
aunque los clculos resultan ms laboriosos. Si :
la funcin potencial :
Por otra parte, una vez que se ha comprobado que F es conservativo, hay que calcular tal que . El mtodo es idntico que el seguido para
Para calcular el rotacional de este campo vectorial con el Mathematica, en primer lugar, hay que cargar el paquete: Needs["VectorAnalysis`"] despus se ejecutara la orden: Curl[{z, x*y, 1}, Cartesian[x, y, z]] 15 Ver, por ejemplo, MARSDEN y TROMBA, Clculo vectorial, pgs. 292 y 519. 16 En SMITH y MINTON, Clculo, Vol. 2, pg. 391 puede verse un ejemplo de la necesidad de la continuidad de las derivadas parciales de , y para asegurar el resultado del teorema.
14
117
entonces:
donde
que se determinar utilizando las igualdades segunda y tercera. Asimismo, hay que sealar que se puede empezar desde cualquiera de las tres igualdades del principio.
, ,
, ,
es el resultado de resolver la integral y
, ,
, ,
es una funcin desconocida
6.2. Regla de Barrow para la integral de lnea en
En el espacio sigue siendo cierto el teorema fundamental de las integrales de lnea. , , un campo vectorial continuo en la regin abierta
, , , , , ,
TEOREMA. Sea , ,
una curva continua suave a trozos contenida en con punto inicial . Entonces, si F es conservativo con funcin potencial , , , , , , ,
se tiene: ,
. Sea y final
De modo semejante a lo que ocurra en el plano, podemos asegurar que si F es un campo vectorial definido en curva i) ii) iii) iv) 0. tal que , y tienen derivadas parciales continuas y sea la
continua y suave a trozos, entonces son equivalentes las siguientes afirmaciones17:
F es conservativo. es independiente del camino. 0 si es una curva cerrada.
17
La demostracin puede verse en MARSDEN y TROMBA, Clculo vectorial, pg. 531.
118
Ejemplo 5 pgina 1168 Ejemplo 1 pgina 1175 Ejemplo 4 pgina 1179 Ejemplo 7 pgina 1182 Ejemplo 1 pgina 1188 Ejemplo 4 pgina 1193 Ejemplo 3 pgina 1201 Ejemplo 6 pgina 1169 Ejemplo 2 pgina 1178 Ejemplo 5 pgina 1180 Ejemplo 8 pgina 1184 Ejemplo 2 pgina 1190 Ejemplo 1 pgina 1200 Ejemplo 4 pgina 1201 Ejemplo 7 pgina 1170 Ejemplo 3 pgina 1178 Ejemplo 6 pgina 1182 Ejemplo 9 pgina 1185 Ejemplo 3 pgina 1192 Ejemplo 2 pgina 1201
Problema 2 pgina 242 Problema 5 pgina 244 Problema 28 pgina 256 Problema 3 pgina 378 Problema 8 pgina 381 Problema 15 pgina 385 Problema 3 pgina 242 Problema 6 pgina 244 Problema 1 pgina 377 Problema 6 pgina 379 Problema 9 pgina 381 Problema 16 pgina 386 Problema 4 pgina 243 Problema 26 pgina 255 Problema 2 pgina 377 Problema 7 pgina 380 Problema 14 pgina 385 Problema 18 pgina 387
119
GALINDO SOTO, F. SANZ GIL, J. TRISTN VEGA, L.A.: Gua prctica de Clculo Infinitesimal en varias variables, Editorial THOMSON, 2005. GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, CLAGSAMADRID, 1996. LARSON ROLAND E. HOSTETLER ROBERT P. EDWARDS BRUCE H.: Clculo. Volumen 2, quinta edicin, McGraw-Hill, 1995. MARSDEN, J.E. y TROMBA, A.J.: Clculo vectorial, quinta edicin, PEARSON EDUCACIN, 2004. SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol. II, cuarta edicin, Revert, 2002. SMITH, R.T. y MINTON, R.B.: Clculo, Vol. 2, segunda edicin, McGraw-Hill, 2003.
120
TEMA 7 INTEGRAL DE SUPERFICIE

Antes de comenzar con el estudio de las integrales de superficie sera conveniente repasar la Prctica 7 correspondiente a la parte de la asignatura diseada con el ordenador.
El estudio de la integral de superficie es muy parecido al que se hizo con motivo de la integral de lnea, slo que ahora el recinto en donde se integra va a ser una superficie y no una curva como en el tema anterior.
Al igual que ocurra con las integrales de lnea, van a existir dos tipos de integrales de superficie segn que la funcin a integrar sea escalar o un campo vectorial.
El mtodo a seguir para estudiar las integrales de superficie va a ser el mismo que el seguido para las integrales de lnea, de esta forma se aprecia con ms claridad la similitud entre ambos tipos de integracin.
1. ALGUNAS NOCIONES SOBRE SUPERFICIES PARAMETRIZADAS.
Antes de comenzar con el estudio de la integral de superficie sera recomendable una lectura, aunque sea ligera, de la Prctica 7 de la asignatura. En dicha prctica aprovechamos la facilidad grfica del Mathematica para visualizar conceptos bsicos de la teora de superficies paramentizadas. En especial, se recomienda la lectura sobre cada una de las caras de una superficie parametrizada.
El tipo de superficie que aparece en este tema es el de una superficie parametrizada regular a trozos. As pues, lo primero que vamos a hacer es delimitar la terminologa que vamos a usar al referirnos a la regin que sirve de soporte para la integral de superficie.
DEFINICIN. Sea D una regin del plano delimitada por una curva cerrada y simple como la que aparece en el siguiente dibujo:
121
Una superficie parametrizada S es una aplicacin continua definida en una regin delimitada por una curva cerrada y simple en .
Tambin es muy normal designar a la superficie S como la imagen de la anterior aplicacin. Con este criterio se suele hablar de distintas parametrizaciones para una misma superficie, en el sentido de que el conjunto imagen de las parametrizaciones es el mismo.
Por ejemplo, una parametrizacin de la semiesfera de radio uno podra ser: , cos sen , sen sen , cos con , 0,2 0, 0,
pero esta otra:
cos sen , sen sen , cos
con
0,2
tambin parametriza la misma semiesfera:
122
Si S es una superficie diferenciable o, con mayor precisin, si la funcin , , , , es diferenciable en cada punto , , ,
, entonces en cada punto
de la misma existen los siguientes vectores:
, y el producto vectorial de ambos:
, ,
El vector superficie S en el punto superficie en dicho punto1.
, o simplemente , es decir,
, es un vector perpendicular a la
es el vector director del plano tangente a la
Por ejemplo, sea la semiesfera unidad con parametrizacin: , cos sen , sen sen , cos sen sen , cos sen , 0 sen , sin sen sen , sin cos
entonces:
cos cos , sen cos , , 1 cos 1
Si evaluamos en un punto concreto, podemos afirmar que el vector: 1 22 22 2 , , , 4 4 , .
es perpendicular a la superficie S en el punto
, ,
En las integrales de superficie se suele exigir que S sea diferenciable y adems que ,
que, de forma intuitiva, viene a decir que
0, con ello se asegura la existencia del plano tangente en cada punto de la misma lo no tenga esquinas.
Una explicacin de que el vector Clculo, Vol. 2, pg. 1211.
es perpendicular a la superficie puede verse en LARSON et al,
123
DEFINICIN. La superficie parametrizada S se dice regular (o suave) si S es una aplicacin : con 0 y tal que y son continuas en un abierto que contiene a
D.
En una superficie regular, al ser el producto vectorial
una aplicacin continua,
estamos asegurando que la superficie sea orientable, es decir, que tenga dos caras. , , , , 2,2 2,2
Por ejemplo, la superficie ejemplo 1,1,2
con
parametriza la cara interior de S. Para comprobarlo tomamos un punto cualquiera de S, por 1,1 mira hacia dentro tal y como se muestra en el dibujo: 1,1 , el vector normal a la superficie en ese punto 2, 2,1
resulta inmediato comprobar que la parametrizacin 2,2
2,2 parametriza la cara exterior de la misma superficie. :
, ,
con
DEFINICIN. Si la aplicacin parametrizada simple.
es inyectiva se dice que S es una superficie
Si exigimos que S sea una superficie simple evitamos que la parametrizacin se aplique varias veces en los mismos puntos.
Para las superficies regulares y simples se define el rea de dicha superficie como2: | |
| La justificacin de Clculo vectorial, pg. 449.

2
como el rea de S puede verse en MARSDEN y TROMBA,
124
Por ejemplo, una parametrizacin del tringulo formado por el plano con los ejes coordenados:
puede ser: ,
con
siendo D la siguiente regin:
, ,1
en este caso:
, , | |
luego el rea del tringulo es:
1,0, 1 0,1, 1 1,1,1 3 3 2
DEFINICIN. La superficie S se dice regular a trozos (o suave a trozos) si siendo cada una de las superficies suaves.
Por ejemplo, un cubo ser una superficie suave a trozos ya que est delimitada por seis trozos de plano que son superficies suaves.
125
2. INTEGRAL DE SUPERFICIE DE UNA FUNCIN ESCALAR.
Para motivar la definicin de integral de superficie de una funcin escalar intentemos calcular la masa de una lmina S de densidad variable.
medida en masa por unidad de rea).
Supongamos que la lmina est dispuesta en el espacio segn la parametrizacin con , . Sea , , la densidad de cada punto de la lmina (densidad
Realizamos una particin correspondiente particin en el dibujo: ,,
de S con reas respectivas
de la regin D, lo que dar lugar a la ,, tal y como aparece
ser:
Si suponemos que el trozo de lmina , para cualquier punto , ,
tiene densidad constante e igual a tenemos que la masa de este trozo
, , tal que: | , |
usando el teorema del valor medio para integrales dobles, sabemos que existe un punto | , | , , | |
luego, una aproximacin de la masa total M de la lmina ser:
Esta aproximacin ser tanto mejor cuanto ms fina sea la particin del dominio D o, lo que es lo mismo, de la lmina S. Si notamos por d el dimetro de la particin:
126
lim
siempre que exista dicho lmite y no dependa de la particin realizada en D.
Pero esta ltima expresin es precisamente la definicin de una integral doble, luego: , | , |
As pues, no nos extraar la definicin de integral de superficie de una funcin escalar que daremos a continuacin. Adems, lo mismo que en las integrales de lnea se peda la continuidad del integrando y la suavidad a trozos de la curva sobre la que se integraba para asegurar la existencia de la integral, en las integrales de superficie tambin se imponen determinadas restricciones para asegurar su existencia. , ,
DEFINICIN. Sea S una superficie suave y S. Se define la integral de siguiente integral: , , , ,
una funcin escalar continua definida sobre , , , a la
sobre la superficie S, y se nota por | | .
NOTA 1. La integral de superficie sobre una superficie suave a trozos puede calcular sumando las integrales obtenidas sobre cada superficie suave
se
NOTA 2. En muchas ocasiones la superficie viene expresada explcitamente de la forma , , , , con , , . En este caso, una parametrizacin inmediata de la superficie sera con , . Entonces: 1,0, 0,1, ,
y la integral de
, ,
sobre la superficie S puede expresarse de la siguiente manera: , , , 1
,1
, ,
127
3. PROPIEDADES DE LA INTEGRAL DE SUPERFICIE DE FUNCIONES ESCALARES.
Las propiedades de la integral de superficie de una funcin escalar se deducen inmediatamente de las propiedades de la integral doble. Algunas de las propiedades ms importantes son:
1. Independencia de la parametrizacin. La integral de superficie , , no depende de la parametrizacin elegida
para S ni de la cara que se haya parametrizado. 2. Linealidad. , , , , , , , ,
3. rea de una superficie. El rea de S se puede calcular como la integral de superficie de la funcin unidad. rea de S = 4. Aditividad. 1 y que no se intersecan, , ,
con ,
Si S es la unin de dos superficies parametrizadas , , Enfatizamos que , , , , , ,
excepto a lo largo de una curva que define sus fronteras, entonces:
5. Teorema del valor medio para integrales de superficie de funciones escalares. ha de ser continua en S. Entonces, existe al menos un punto , , , ,
tal que:
siendo A el rea de S.
4. INTEGRAL DE SUPERFICIE DE UN CAMPO VECTORIAL.
La nocin fsica de flujo, en sus diferentes manifestaciones, es la que subyace en el concepto de integral de superficie de un campo vectorial, tambin llamada integral de flujo.
128
Por ejemplo, en un campo de fuerzas elctrico se define el flujo a travs de una superficie como el nmero de lneas de fuerza que atraviesan dicha rea. Pues bien, su clculo efectivo se realizar mediante la integral sobre la superficie del campo de fuerzas.
El ejemplo que vamos a desarrollar, para motivar la definicin de integral de superficie de un campo vectorial, consiste en hallar el flujo de un lquido en movimiento a travs de una superficie S inmersa en dicho lquido.
Sea una superficie S inmersa en un fluido que tiene un campo de velocidades continuo F. Si F es constante y perpendicular a la superficie S, tal y como se muestra en el dibujo:
de S) es igual a
la cantidad de fluido que atraviesa esta superficie por unidad de tiempo (flujo de F a travs | | , siendo A el rea de S. En definitiva, el flujo sera el volumen de
un cilindro cuya base est formada por la superficie S y la altura por | |.
Si suponemos que las lneas de fuerza no son perpendiculares a la superficie plana S, el flujo ser el volumen de la siguiente figura:
si h es la altura del cilindro y A el rea de la superficie S: | | cos | | |
|| |
129
Si el campo de fuerzas no es constante ni la superficie es plana hagamos el siguiente razonamiento. Sea particin ,, ,,
:
una parametrizacin de la superficie, tomemos una ,,
de la regin D lo que implica la correspondiente divisin en la superficie , . Si suponemos que en el trozo k-simo el campo , siendo , , | , , cualquier punto de , , : y
de reas respectivas
vectorial es constante e igual a consideramos que el trozo ,
es plano con vector director igual a , : , , | , , , | , ,
como
, , ,
| |
utilizando el teorema del valor medio para integrales dobles, existe un punto que: , , | | , , | |
tal
por lo tanto, una aproximacin del flujo total sobre la superficie S ser: , ,
Esta aproximacin ser tanto mejor cuanto ms fina sea la particin realizada, luego si d es el dimetro de la particin: por consiguiente: , ,
lim
que va a ser la definicin de la integral de superficie del campo vectorial F. DEFINICION. Sea la superficie suave S y el campo vectorial continuo : integral F sobre la superficie S, y se denota por , , a la siguiente integral:
, se define la
NOTA 1. Esta integral tambin se suele notar como unitario: | |
, donde n es el vector normal
130
NOTA 2. La integral de superficie sobre una superficie suave a trozos puede calcular sumando las integrales obtenidas sobre cada superficie suave .
se
5. PROPIEDADES DE LA INTEGRAL DE SUPERFICIE DE CAMPOS VECTORIALES.
Las propiedades de la integral de superficie de campos vectoriales se desprenden fcilmente de su definicin.
1. La integral de superficie no depende de la parametrizacin elegida para la superficie siempre que parametricen la misma cara. Si y parametrizan distintas caras de la misma superficie, entonces la integral 2. Linealidad. . y por medio de una curva suave, entonces:
cambia de signo:
3. Si S se divide en dos partes
con ,
6. TEOREMA DE LA DIVERGENCIA.
Segn vimos en el tema anterior, el teorema de Green estableca una igualdad entre la integral de un campo vectorial sobre una lnea cerrada y simple con la integral doble sobre la regin que encierra la curva. El teorema de la divergencia va a hacer algo muy parecido, va a relacionar la integral de un campo vectorial sobre una superficie cerrada con la integral triple del cuerpo slido que encierra dicha superficie.
Esta relacin se consigue a travs de la divergencia del campo vectorial a integrar.
131
6.1. Divergencia de un campo vectorial.
Sea F un campo vectorial diferenciable en denota como (o tambin como
, se define la divergencia de F, y se
), a la funcin escalar siguiente:
Por ejemplo, para el campo vectorial
, ,
, 1 su divergencia ser3:
La divergencia de un campo vectorial tiene importantes interpretaciones fsicas que se basan principalmente en el siguiente teorema4. TEOREMA DE LA DIVERGENCIA. Sea una regin slida limitada por la superficie S suave a
trozos y parametrizada por la normal correspondiente a la cara exterior, segn el siguiente dibujo:
continuas en , entonces5:
Si F es un campo vectorial cuyas funciones componentes tienen derivadas parciales
Para calcular con el Mathematica la divergencia de este campo vectorial, en primer lugar, hay que cargar el paquete: Needs["VectorAnalysis`"] despus se ejecutara la orden: Div[{z, x*y, 1}, Cartesian[x, y, z]] 4 En SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol II, pg. 1091 puede verse un ejemplo, muy ilustrativo, sobre una primera interpretacin de la divergencia como medida de acumulacin o alejamiento de un fluido en la proximidad de un punto. 5 La demostracin puede verse en SALAS HILLE ETGEN: Calculus. Una y varias variables, Vol II, pg. 1096.
132
7. TEOREMA DE STOKES.
El teorema de Stokes constituye una generalizacin del teorema de Green para superficies con borde en . Este teorema relaciona la integral de un campo vectorial sobre
una curva cerrada con la integral del rotacional de dicho campo sobre cualquier superficie cuyo borde sea precisamente esa curva.
La situacin es la que se visualiza en el siguiente dibujo:
La superficie parametrizada S est delimitada por una curva
cerrada, simple y suave
a trozos. Adems, la superficie est parametrizada de tal manera que si ponemos los dedos de la mano derecha sealando el sentido de recorrido de la curva el pulgar seala la direccin del vector .
En esta situacin, el Teorema de Stokes dice que si F es un campo vectorial cuyas funciones componentes tienen derivadas parciales continuas en una regin abierta que contiene a S y a , entonces se verifica:
Veamos a modo de resumen un ejemplo de integral de flujo. , , , cos ,
Sea el campo vectorial ecuacin 1 con
y la superficie S definida por la .
0. Se pide hallar , , 1
En primer lugar calculamos el rotacional de F:
sen , 1,0
133
La superficie S tiene la siguiente representacin grfica:
Una parametrizacin de la superficie S podra ser: , , , ,1
con
, siendo D el crculo centrado en el origen de radio uno.
Este problema se puede resolver de tres maneras diferentes. En primer lugar, haciendo la integral directamente: ,
sin 1
2 sin 1 0
, 1,0 2 , 2 , 1
Otra forma de resolver el problema sera utilizando el teorema de Stokes. El borde de la superficie S es la circunferencia de radio 1: 0,2 . Entonces: cos , sin , 0 sen , cos , 0
con
cos
, 1, cos
cos
sen 0
sen
cos
sen , cos , 0
134
Una tercera forma sera utilizando el teorema de Stokes de la siguiente manera: siendo T la siguiente superficie:
cuya parametrizacin es: ,
con
siendo D el crculo centrado en el origen de radio uno. ,
, ,0
1, 1,0 0,0,1 0 0
Sin duda, la integral ms sencilla se obtiene utilizando el ltimo mtodo.
135
Ejemplo 1 pgina 1220 Ejemplo 4 pgina 1225 Ejemplo 2 pgina 1235 Ejemplo 1 pgina 1238 Ejemplo 2 pgina 1221 Ejemplo 5 pgina 1226 Ejemplo 3 pgina 1234 Ejemplo 2 pgina 1239 Ejemplo 3 pgina 1222 Ejemplo 1 pgina 1232 Ejemplo 4 pgina 1235
Problema 8 pgina 245 Problema 11 pgina 246 Problema 1 pgina 401 Problema 6 pgina 406 Problema 9 pgina 408 Problema 9 pgina 245 Problema 10 pgina 246 Problema 2 pgina 403 Problema 7 pgina 407 Problema 10 pgina 409 Problema 10 pgina 246 Problema 11 pgina 246 Problema 3 pgina 403 Problema 8 pgina 407
9. BIBLIOGRAFA.
Se recomienda la misma bibliografa que la del tema anterior correspondiente a las integrales de lnea.
136
TEMA 8 INTRODUCCIN A LA VARIABLE COMPLEJA

Las matemticas que se estudian en primer y segundo curso de ingeniera versan principalmente sobre funciones en una y varias variables. En concreto, el temario de la presente asignatura fundamentalmente se refiere al conocimiento y manejo de las funciones en varias variables.
Sin embargo, y as est previsto en los descriptores de esta asignatura, existen otros captulos de las matemticas con importantes aplicaciones prcticas que el alumno debe conocer, aunque sea de forma muy ligera pues las limitaciones de tiempo impiden el estudio con la profundidad que la materia merece. Uno de estos captulos es precisamente el tema que ahora nos ocupa sobre la Variable Compleja.
En los problemas de ingeniera, aunque se trabaje en el campo real, a menudo se recurre a las tcnicas de variable compleja para resolver los problemas que se presentan pues, como deca JACQUES HADAMAR, el camino ms corto entre dos verdades del anlisis real pasa por el anlisis complejo1. El uso de tcnicas de variable compleja supone para el alumno un rechazo que puede ser perfectamente paliado con unos conocimientos bsicos sobre el comportamiento de las funciones de variable compleja.
Somos conscientes que, por lo general, en el momento en que se imparte esta asignatura el alumno no tiene una base slida sobre el cuerpo complejo y las funciones usuales que en l se definen. As pues, en el presente tema comenzamos dando unas ligeras nociones sobre , continuamos con el estudio de la derivada para terminar con unas nociones muy bsicas de la integracin compleja.
1. NMEROS COMPLEJOS. CARDANO (1501-1576) ya mencionaba a las races de nmeros negativos como 1
llamndolas sofisticadas2, pero fue EULER en 17793 quien formaliz la notacin que se conoce
1 2
Cita tomada de IVORRA CASTILLO, Funciones de variable compleja. RBNICOV, Historia de las matemticas, pg. 131.
137
en la actualidad utilizando el smbolo 1. As, la ecuacin 1
0 tiene dos soluciones y
(unidad imaginaria) que tiene la propiedad de que .
Sin embargo fueron los trabajos de GAUSS (1777-1855) y CAUCHY (1789-1857) los que DEFINICIN. Se define el conjunto de los nmeros complejos como aquellos nmeros z basados en dos nmeros reales x e y. El nmero z se denota indistintamente por: o tambin4: introdujeron y fundamentaron las operaciones con los nmeros complejos de la forma .
A x se le denomina parte real del nmero complejo z, e y la parte imaginaria del mismo nmero5:
En se define la suma y la multiplicacin de la siguiente manera:
En definitiva, las dos operaciones anteriores supone realizar las operaciones algebraicas usuales de la suma y la multiplicacin con la precaucin de que cuando aparezca se ha de sustituir por 1. Por ejemplo:
11 0 podemos decir que los
Si asociamos el nmero real
con el nmero complejo
nmeros complejos constituyen una extensin de los nmeros reales. Adems, las operaciones de suma y producto definidas en extienden de forma natural a la suma y producto de los nmeros reales, lo que induce a concluir que .
LEVINSON y REDHEFFER, Curso de variable compleja, pg. 1. Para introducir la unidad imaginaria en el Mathematica basta con poner una I mayscula o bien el smbolo de la ayuda . 5 En el Mathematica la parte real e imaginaria de un nmero complejo z se obtienen con las rdenes Re[z] e Im[z] respectivamente.
4
138
de distincin sobre si me refiero al nmero real o imaginario. Asimismo, notaremos por 3 al nmero complejo 0 3 que llamaremos imaginario puro.
Por lo tanto, vamos a notar al nmero imaginario 2
0 como 2 sin hacer ningn tipo
1.1. Representacin geomtrica de los nmeros complejos.
El nmero complejo
viene determinado unvocamente por dos nmeros , :
reales x e y. Esta relacin nos permite identificar el cuerpo de los nmeros complejos con
identificacin geomtrica entre
As se habla del plano complejo . Pero hay que advertir aunque exista esta y no son el mismo conjunto. En no existe la
multiplicacin en el sentido que hemos indicado ms arriba.
1.2. Conjugado de un nmero complejo.
Existe una funcin especial dentro del conjunto de los nmeros complejos que deja fijos a los nmeros reales, se trata de la conjugacin. , se define el conjugado de z, y se denota por , al nmero 3 su conjugado sera 2 3.
DEFINICIN. Sea complejo: 2
As, si
y son simtricos respecto de la recta real:
139
Son inmediatas las siguientes propiedades: 1. 2. 3. 4. Si
, entonces
0 ) la forma ms cmoda de efectuar el cociente
0 (es decir,
El conjugado de un nmero resulta muy til para dividir dos nmeros complejos. Si 0 consiste
en multiplicar el numerador y denominador por .
Por ejemplo, para realizar el cociente 1 2 3
1 2 3 3 3 1 7 10 1 7 10 10
1.3. Mdulo de un nmero complejo. , se define el mdulo (o valor absoluto) del nmero complejo | | no es ms que la distancia en del punto
DEFINICIN. Sea
z, y se nota por | |, al nmero6:
El mdulo del nmero complejo al origen.
Entre las propiedades del mdulo de un nmero complejo podemos citar7:

6
La orden del Mathematica para calcular el mdulo del nmero complejo z es Abs[z].
140
1. | | 2. Si
| | 0:
4. Si
3. | |
0:
| || |
| | | | | |
5. Desigualdad triangular:
| |
| |
una sucesin de nmeros complejos.
lejos en funcin del valor de |
misma que la distancia usual en
El mdulo de un nmero complejo nos permite definir en una distancia que ser la . As, dos nmeros complejos |. Esto nos lleva a poder definir el concepto de lmite de y estarn ms o menos
DEFINICIN. Dada una sucesin de nmeros complejos se escribe , si para cada 0 existe
tal que |
se dice que converge al nmero , y | para .
De la definicin anterior se desprende:
1.4. Argumento de un nmero complejo.
Cuando se escribe el nmero complejo
se dice que z viene dado en forma
binmica, pero z tambin puede escribirse en forma trigonomtrica (o polar) mediante el siguiente razonamiento:
Las demostraciones de estas propiedades pueden verse en GONZLEZ LPEZ, Variable Compleja, pg. 4.
141
| | cos DEFINICIN. Sea nmero tal que | | cos sin
sen , a cualquier
, se define el argumento de z, y se escribe arg . 2
El nmero
no est unvocamente determinado, tanto
como
con
verifican la condicin para ser considerados como argumentos de z. As pues, el argumento de z es un conjunto de nmeros: arg 2
con
. 1
Por ejemplo, si como | |
2, la forma trigonomtrica o polar de z es: 2 cos 4
arg
con
sen
Entre todos los posibles argumentos del nmero complejo z se suele elegir aqul que se encuentra en el intervalo principal y se escribe como ,
9: 8.
En este caso, se dice que estamos ante el argumento arg y
si 1
Por ejemplo,
En muchas operaciones resulta ms adecuado operar con la forma trigonomtrica del nmero complejo que con su expresin binmica. Por ejemplo, las races n-simas de un nmero complejo z tienen la siguiente expresin: con 0 1. | | cos 2 sen 2
8 9
Otros libros suelen elegir el intervalo 0,2 . La orden del Mathematica para calcular el argumento principal del nmero complejo z es Arg[z].
142
As:
con
0,1,2. Es decir, la raz cbica compleja de 8 tiene las tres soluciones: 8 3 2 2 1 0 1 3 2 2 2 2 1 2 1 3 2
8 cos 2 8 cos 3
sen
sen
2 3
cuidado con las expresiones en las que aparece arg 1. arg 2. arg arg arg 2 arg arg | | cos
Al ser el argumento de un nmero complejo z un conjunto de nmeros hay que tener . Veamos algunas de ellas10:
3. Frmula de De Moivre. Como consecuencia de la propiedad anterior, si
sen
arg
, para
se tiene:
4.
2. LA EXPONENCIAL COMPLEJA. Las funciones elementales que se estudian en , exponencial, logaritmo, seno,
coseno, tienen su correspondiente extensin al plano complejo. Entre todas ellas tiene un especial inters la exponencial compleja.
DEFINICIN. Sea
, se define la exponencial compleja cos sen
como:
donde
es la exponencial compleja mientras que
es la exponencial real.
Esta funcin es una extensin de la exponencial real puesto que si z es un nmero real, 0 , entonces:
Una explicacin ms detallada de estas propiedades puede verse en LPEZ GMEZ, Ecuaciones diferenciales y variable compleja, pg. 4.
10
143
cos 0
sin 0
La exponencial compleja conserva casi todas las propiedades de la exponencial real como son11:
1. 2. 3. 4. 5. | 6.
0.
Y otras especficas respecto de la exponencial real como: |= 1. .
7. La exponencial compleja no es inyectiva: si y solo si
con
De la definicin de la exponencial compleja se deduce una tercera forma de expresar los nmeros complejos, siempre que sea distinto de 0, llamada forma exponencial: arg | |
con
3. CONTINUIDAD DE UNA FUNCIN COMPLEJA. La funcin : viene determinada por dos funciones u y v de , ,
DEFINICIN. Sea la funcin compleja funcin cuando z tiende a 0 existe un
definida alrededor de lim , y se escribe: |
se dice que el lmite de la
es igual a 0 tal que |
si para todo
siempre que 0 y
| :
De esta definicin se desprende que si
Las demostraciones de estas propiedades pueden verse en LPEZ GMEZ, Ecuaciones diferenciales y variable compleja, pg. 8.
11
lim
lim
lim
144
, se dice continua en si existe
DEFINICIN. La funcin compleja lim , existe y:
definida alrededor de lim
De forma inmediata se deduce que continuas como funciones de .
es continua si y solo si
son
Por ejemplo, la funcin exponencial todo punto al serlo tanto ,
cos como
cos
sen .
sin
es continua en
Veamos otro ejemplo sobre continuidad de las funciones complejas. La rama principal del logaritmo complejo est definido en donde ln designa al logaritmo real y Log ln| | 0 por:
el argumento principal del z.
semieje negativo de la recta real. Para ello, basta con tomar un nmero en dicho semieje 0 con 0, entonces: Log 0 ln| |
Resulta fcil apreciar que la funcin Log
es continua en todo punto menos en el
pero si tomamos una sucesin de nmeros complejos que tiendan a dibujo:
0 como los del
lim Log
lim ln| |
ln| |
145
Por lo tanto, lim
Log
Log
cuando
0.
En definitiva, el estudio de la continuidad de una funcin de variable compleja se reduce a estudiar la continuidad de dos funciones de .
4. DIFERENCIABILIDAD DE UNA FUNCIN COMPLEJA. La definicin de lmite en el plano complejo hace que la expresin lim
tenga perfecto sentido. De esta forma podemos desarrollar una teora de derivacin en similar a la que se establece en
y que va a tener bsicamente las mismas propiedades (y con
las mismas demostraciones) que la derivada real. Cuestin distinta es la interpretacin geomtrica de la derivada real que, lgicamente, no tendr paralelismo en el plano complejo.
DEFINICIN. Sea la funcin compleja es derivable o diferenciable en verifica: lim O, en forma de incrementos:
definida en un disco alrededor de y su derivada es , o tambin
se dice que , si se
lim
lim
lim
lim
lim
en general, para cualquier punto z se puede afirmar que la derivada de
es 2 .
146
De inmediato se deduce que si
es derivable en 0.
entonces es continua en dicho
punto. Adems, es fcil demostrar las siguientes propiedades12: 1. Si 2. Si 3. 4. 5. 6. Si 7. 0, con . . . es constante, entonces se tiene que 1.
Regla de la cadena.
Sea la funcin compleja
con
, entonces:
Si evaluamos en un punto concreto:
Por ejemplo, la derivada de es 1
pues: lim lim
lim
Luego para calcular la derivada de 3 1
podramos hacer: 3 1 1
si llamamos
1:
Las demostraciones de estas propiedades pueden verse en LPEZ GMEZ, Ecuaciones diferenciales y variable compleja, pg. 29.
12
si evaluamos en el punto 1
147
2 |
5. ECUACIONES DE CAUCHY-RIEMANN.
En el apartado anterior, hemos visto que la derivada compleja funciona de modo semejante a la derivada real. Sin embargo, todava no estamos en condiciones para manipular de forma gil las derivadas de las funciones complejas de variable compleja.
Por ejemplo, podemos preguntarnos si la funcin
, o lo que es lo mismo
, es o no derivable y en caso de que lo sea cul sera su derivada.
Veamos que
lim
no es derivable en ningn punto:
lim

lim

lim
para que sea derivable en un punto de la forma 0
el lmite anterior debe existir con
independencia de la direccin por la que me acerque a dicho punto. Si me acerco con puntos , el lmite anterior tendra el siguiente resultado:
si me acerco con puntos de la forma
lim
lim
0 el resultado sera:
0
luego
no es derivable en ningn punto.
Vamos a caracterizar fcilmente qu funciones son derivables, as como calcular su derivada, a travs de la parte real e imaginaria de la funcin compleja f.
148
Sea la funcin se tiene:
, lim
, si suponemos que f es derivable en
si nos aproximamos con puntos de la forma
lim
lim
0 la ltima expresin se convierte en: , , ,
si nos acercamos con puntos de la forma 0

lim
lim
, ,
como estamos suponiendo que
es derivable, las dos expresiones tienen que coincidir
luego igualando parte real e imaginaria se puede concluir que:

, ,
Si
es derivable se ha de verificar las siguientes ecuaciones
(ecuaciones de Cauchy-Riemann):
en cuyo caso:
Pero adems, las ecuaciones de Cauchy-Riemann son tambin condiciones suficientes para que sea derivable.
, ,
TEOREMA . Sea
13
definida en algn entorno del punto , , y ,
Supongamos que existen las derivadas parciales primeras de en todos los puntos de ese entorno y son continuas en ecuaciones de Cauchy-Riemann en
13
respecto de x e y
. Entonces, si se cumple las .
existe
La demostracin puede verse en CHURCHILL y BROWN, Variable compleja y aplicaciones, pg. 58.
149
no cumple las ecuaciones de Cauchy-
Riemann en ningn punto y no es derivable como habamos demostrado anteriormente. | |
Para la funcin
que esta funcin es derivable y
las ecuaciones de Cauchy-Rieman slo se verifica en el punto 0 0 0.
0;
2 ;
0 que ser el nico punto en cos sen :
La funcin
o, lo que es lo mismo, cos ;
sen ; luego es diferenciable y . cos
cos cos
sen , es decir, si entonces
Con los ejemplos que hemos puesto debe quedar claro el concepto de funcin analtica que es el centro de la teora de variable compleja.
DEFINICIN. Una funcin no slo existe en
es analtica en
(tambin se suele decir holomorfa en .
) si
sino en todo punto de un cierto disco que contenga a
As, hemos demostrado que la funcin es analtica en dicho punto.
| | , a pesar de ser derivable en el 0, no
DEFINICIN. Si la funcin analtica en dicho dominio. Si entera.
es analtica en todos los puntos de un dominio se dice que es es analtica en todo el plano complejo se dice que es
Por ejemplo, se definen las funciones trigonomtricas complejas seno y coseno de la siguiente forma: cos 2
150
sen :
Ambas funciones son la prolongacin de sus respectivas funciones reales14 y son funciones enteras pues para cualquier cos
2 sen sen cos . pero es analtica en al menos un punto de .
Igualmente probaramos que
DEFINICIN. Si una funcin no es analtica en todo entorno de , se dice que
es un punto singular o una singularidad de
tiene dos puntos singulares y , ya que los
polinomios son funciones enteras y su cociente tambin lo es salvo en los puntos donde se anula el denominador.
5.1. Ecuaciones de Cauchy-Riemann en forma exponencial.
En el apartado 2 de este tema comentamos que una forma usual de expresar un nmero complejo z, distinto de 0, era su forma exponencial: | | y | |
con
En estos casos la funcin f vendra definida de la siguiente forma: , ,
14
Por ejemplo, si
y el coseno complejo lo notamos con negrita: cos sen 2
cos sen 2 cos luego el coseno complejo aplicado a un nmero real coincide con el coseno real. Lo mismo se puede decir del seno.
151
En este supuesto, las formulas de Cauchy-Riemann en funcin del mdulo y argumento vienen dadas por15:
1
Y la derivada tiene la expresin:
Por ejemplo, tomemos la rama del valor principal de : para :

/
, es decir, si sen
cos 2 2 1
| |y
cos
2
1
1/2
sen
2
1
cos
1
2
1 2
luego es derivable y su derivada ser:
cos ; 2 2 1 1 sen ; 1/2 2 2
1 2
sen
2 2
es decir: 2
1 2
cos
2 2 1 1
sen
6. DERIVADA E INTEGRAL DE UNA FUNCIN COMPLEJA DE VARIABLE REAL.
una curva vamos a definir, en primer lugar, la derivada e integral de una funcin :
15
Con objeto de simplificar el estudio de la integral de una funcin compleja a lo largo de .
Las demostraciones de las expresiones de la derivada en forma exponencial puede verse en CHURCHILL y BROWN, Variable compleja y aplicaciones, pg. 60.
152
DEFINICIN. Sea : respecto de t se define
definida por de la siguiente manera:
. Si
son derivables
Por ejemplo, sea la funcin : cos sen cos
cos sen
sen , comprobemos que
cos sen
Las propiedades de esta derivada son casi las mimas que la de la derivada real puesto que bsicamente se basa en la derivada de dos funciones reales16. Por supuesto se cumplen las propiedades algebraicas de la derivada incluso la regla de la cadena en el siguiente sentido17:
Si derivable de
es una funcin compleja, analtica en el punto z, y z a su vez es una funcin , entonces:

:
cos con sen 2 sen 2 2 senh
, en definitiva :
entonces:
DEFINCIN. Sea siguiente manera:
definida por
se define
de la
siempre que existan las integrales de la derecha.
En la pg. 98 de CHURCHILL y BROWN, Variable compleja y aplicaciones, se observa que no todas las propiedades de la derivada real se conservan para este tipo de derivada. Por ejemplo, el teorema del valor medio para la derivada no se cumple. 17 La demostracin de la regla de la cadena para esta derivada puede verse en LEVINSON y REDHEFFER, Curso de variable compleja, pg. 101.
16
153
Por ejemplo: 2 1 2 2 1 2
Las propiedades de esta integral son las usuales que caben esperar en las integrales, para su demostracin basta con separar la parte real e imaginaria que aparece en la definicin de la integral.
As, suponiendo la existencia de las integrales que aparen, podemos decir18:
1. Linealidad.
con
2. Aditividad del intervalo. Si :
3. Sea :
| , y tal que en , , entonces:
4. Extensin de la regla de Barrow. continua en
Por ejemplo, si queremos calcular la integral:

/
podemos intentar buscar una primitiva de sen cos

18
sen sen
2 . Segn hemos visto ms arriba: 2
La demostracin de la propiedad 3 puede verse en IVORRA CASTILLO, Funciones de variable compleja, pg. 33.
154
luego:
por lo tanto:
sen
/
2 2
cos
/ /
sen
cos
cos 1
cos
cos 4
cosh
cos 0 4
7. INTEGRAL A LO LARGO DE UNA CURVA DE UNA FUNCIN COMPLEJA.
La integral de una funcin compleja sobre una curva no va a tener, en general, las interpretaciones fsicas que veamos de la integral de lnea en el campo real. Sin embargo, dicha integral conduce a resultados de gran trascendencia tanto en la matemtica pura como aplicada. y nos permite extender sin
La identificacin geomtrica que existe entre
dificultad lo aprendido sobre curvas en el plano real al plano complejo.
DEFINICIN. Un arco diferenciable
en el plano complejo es una aplicacin: con ,
donde
son derivables con continuidad.
ecuaciones paramtricas seran: 0,2 .
Ejemplo de arco en sera la circunferencia centrada en el origen de radio 2 cuyas 2 cos 2 sen 2
con
155
La circunferencia de radio r centrada en el punto 0,2 . cos sen
sera19:
con
Si es un arco diferenciable y
final de uno de ellos se corresponde con el origen del siguiente. , y
DEFINICIN. Un contorno en es un conjunto finito de arcos suaves tal que el punto
0 con
, entonces el arco se le llama suave.
DEFINICIN. Sea el contorno
una funcin continua cuyo dominio contiene a
la trayectoria de . Se define la integral de lnea o integral de contorno de f a lo largo de , y se escribe , a la siguiente integral:
Por ejemplo, sea de la siguiente forma: cos
la circunferencia de radio 1, para calcular
se procedera
Como
sen
con
0,2 : 1
7.1. Propiedades de la integral de lnea compleja.
De la definicin de integral de lnea de una funcin compleja se desprenden las siguientes propiedades20.
1. Independencia de la parametrizacin de la curva.
Hay que sealar que sumar a un conjunto de puntos en el plano complejo el nmero fijo equivale a trasladar dicho conjunto segn el vector , . 20 La demostracin de estas propiedades puede verse en LPEZ GMEZ, Ecuaciones diferenciales y variable compleja, pgs. 64 a 66.
19
156
El valor de la integral de lnea es independiente de las distintas parametrizaciones de la curva siempre que se recorra en el mismo sentido. 2. Cambio en el sentido de recorrido de la curva. Si notamos por la curva que tiene la misma trayectoria que pero recorrida en
sentido contrario, entonces:
3. Linealidad.
con
4. Aditividad de los trozos de curva. Sea , entonces:
5. Acotacin de la integral. Sea M el mximo de |
| sobre la curva y
la longitud de . Entonces se verifica:
8. EXTENSIN DEL TEOREMA FUNDAMENTAL DEL CLCULO.
En principio, la integral de lnea de una variable compleja depende de la curva . Sin embargo, para ciertas funciones la integral va a depender del punto inicial y final de la curva con independencia del camino seguido. Para ello veamos el siguiente teorema.
TEOREMA21. Sea
una funcin analtica con derivada continua y tal que un arco contenido en D de origen y extremo
en
un dominio (abierto y conexo) D. Sea entonces:
21
La demostracin de este teorema puede verse en los cometarios de la pg. 117 de CHURCHILL y BROWN, Variable compleja y aplicaciones.
157
NOTA. Si estamos en la hiptesis de este teorema, el valor de la integral de lnea slo depende del punto inicial y final por lo que tambin se suele escribir:
Por ejemplo: 4
4 5 4
Hay que sealar que para emplear este mtodo de resolucin de integrales se necesita que exista y sea continua en todo un dominio que contenga a la curva. Esto es 1
importante puesto que si, por ejemplo, quisiramos calcular:
siendo
la circunferencia de radio 1 centrada en el origen y de sentido contrario a las agujas Pero Log
del reloj. En un principio estaramos tentados a decir inmediatamente que es cero puesto que una primitiva de la funcin es Log
22.
es analtica en todo punto del plano
complejo si exceptuamos el semieje negativo de los nmeros reales23.
Esta derivada se calcula muy fcil puesto que: Log ln con . Si descartamos el origen y el semieje negativo donde Log es derivable y:
22
no es ni continua, la funcin
luego:
Log
1 1 1
23
Ver ejemplo del apartado 3 de este tema.
158
Por lo tanto, en cualquier dominio D que contenga a la circunferencia de radio 1:
existe un trozo donde
esta integral se puede utilizar directamente la definicin: 1 con 1
Log
no derivable (ni siquiera es continua). As, para calcular 0,2
9. ALGUNOS TEOREMAS IMPORTANTES.
Para finalizar esta introduccin a la variable compleja enunciamos dos teoremas de gran importancia en esta parcela de las matemticas.
TEOREMA DE CAUCHY-GOURSAT. Sea analtica en el interior de
un contorno cerrado y simple y sea 0
una funcin
y sobre . Entonces:
Veamos una aplicacin sencilla de este teorema. Queremos calcular ahora la lnea rectangular del dibujo:
siendo
para aprovechar el resultado del ejemplo anterior introducimos la curva
que se corresponde
con la circunferencia de radio 1 recorrida en el sentido de las agujas del reloj:
159
mejor an, descompongamos la figura anterior en estas dos curvas
como
es analtica en todo el plano complejo menos en el cero, por el teorema de Cauchy1 1 0 0 1 1 0
Goursat:
luego:
puesto que
(es la misma integral que la del apartado anterior pero la curva 1 2
est recorrida en sentido contrario) por lo tanto:
Otro resultado de gran importancia en la teora de variable compleja es la frmula integral de Cauchy. Esta frmula vienen a afirmar que si una funcin es analtica el valor
160
de
viene determinado por los valores que toma f sobre cualquier curva cerrada y simple
que rodee al punto z.
FRMULA INTEGRAL DE CAUCHY. Sea cerrada y simple
analtica en el interior y en los puntos de una curva
orientada de forma que deje a su izquierda la regin encerrada por ella . Si 1 2
es un punto interior a , entonces:
Por ejemplo, vamos a utilizar la frmula integral de Cauchy para calcular siendo la circunferencia centrada en el origen de radio 2 con sentido anti horario.
La situacin es la siguiente:
como
es analtica y el punto 1 se encuentra en el interior de la curva se puede utilizar la 1 2 1
frmula integral de Cauchy, luego:
1 2
161
WUNSCH, A.DAVID: Variable compleja con aplicaciones, segunda edicin, Pearson Educacin, 1999.
Ejemplo 1 pgina 14 Ejemplo 4 pgina 23 Ejemplo 3 pgina 32 Ejemplo 2 pgina 57 Ejemplo 1 pgina 67 Ejemplo 4 pgina 74 Ejemplo 2 pgina 108 Ejemplo 1 pgina 194 Ejemplo 2 pgina 14 Ejemplo 5 pgina 24 Ejemplo 4 pgina 35 Ejemplo 3 pgina 57 Ejemplo 2 pgina 67 Ejemplo 5 pgina 75 Ejemplo 3 pgina 166 Ejemplo 2 pgina 195 Ejemplo 3 pgina 20 Ejemplo 1 pgina 31 Ejemplo 1 pgina 40 Ejemplo 4 pgina 59 Ejemplo 2 pgina 72 Ejemplo 1 pgina 107 Ejemplo 1 pgina 183
CHURCHILL, RUEL V. y BROWN, JAMES WARD: Variable compleja y aplicaciones, MacGraw-Hill, 1995.
Ejemplo 2 pgina 8 Ejemplo 2 pgina 16 Ejemplo 2 pgina 31 Ejemplo 2 pgina 47 Ejemplo pgina 53 Ejemplo 1 pgina 59 Ejemplo pgina 65 Ejemplo 1 pgina 99 Ejemplo 2 pgina 102 Ejemplo 2 pgina 109 Ejemplo 2 pgina 120 Ejemplo pgina 136 Ejemplo 3 pgina 10 Ejemplo 1 pgina 20 Ejemplo 2 pgina 34 Ejemplo 1 pgina 50 Ejemplo 1 pgina 57 Ejemplo 2 pgina 59 Ejemplo pgina 75 Ejemplo 2 pgina 99 Ejemplo 3 pgina 102 Ejemplo 3 pgina 111 Ejemplo 3 pgina 120 Ejemplo 1 pgina 14 Ejemplo 2 pgina 23 Ejemplo 1 pgina 47 Ejemplo 2 pgina 50 Ejemplo 2 pgina 57 Ejemplo pgina 61 Ejemplo pgina 78 Ejemplo 1 pgina 101 Ejemplo 4 pgina 102 Ejemplo 1 pgina 119 Ejemplo pgina 131
11. BIBLIOGRAFA CITADA.
LPEZ GMEZ, J.: Ecuaciones diferenciales y variable compleja con teora espectral y una introduccin al grado topolgico de Brouwer, Prentice Hall, 2001.
162
CHURCHILL, RUEL V. y BROWN, JAMES WARD: Variable compleja y aplicaciones, MacGraw-Hill, 1995. GONZLEZ LPEZ, A.: Variable Compleja, 2003,
http://mimosa.pntic.mec.es/jgomez53/matema/indice.htm IVORRA CASTILLO, C.: Funciones de variable compleja, www.uv.es/ivorra/Libros/Varcom.pdf LEVINSON, N. y REDHEFFER, R. M.: Curso de variable compleja, Editorial Revert, 1990. RBNICOV, K.: Historia de las matemticas, Editorial MIR, 1987. WUNSCH, A.DAVID: Variable compleja con aplicaciones, segunda edicin, Pearson Educacin, 1999.
163
TEMA 9 APROXIMACIN A LAS ECUACIONES EN DERIVADAS PARCIALES

El temario de la presente asignatura trata fundamentalmente sobre el estudio de las funciones en varias variables. Se ha estudiado la continuidad, diferenciabilidad, valores extremos, integracin en , en , sobre curvas y sobre superficies de dichas funciones.
Todos estos captulos tienen importantes aplicaciones prcticas en el mundo de la ingeniera. Sin embargo, no me equivoco al asegurar que el apartado con mayores aplicaciones, en las que intervienen las funciones de varias variables, se corresponde con las ecuaciones en derivadas parciales (EDP).
De los descriptores de la asignatura se desprende que el alumno debe tener algunos conocimientos, aunque sea de forma ligera, de las ecuaciones en derivadas parciales.
Evidentemente, el tema que nos ocupa es merecedor de una dedicacin mayor que la que podamos dedicarle aqu. Las restricciones de tiempo nos limita prcticamente a comentar en qu consiste una EDP y dar algn ejemplo.
A pesar de todo lo anterior, hemos optado por tratar con algo ms de profundidad el problema de la cuerda vibrante pues estimamos que puede suponer una manera de que el alumno se adentre en la resolucin de las EDP sin excesivas dificultades.
1. ECUACIONES EN DERIVADAS PARCIALES. CONCEPTOS BSICOS.
Se denominan ecuaciones en derivadas parciales (EDP) a las ecuaciones en las que interviene, al menos, alguna derivada parcial de una funcin desconocida de varias variables. ,
Por ejemplo, si
, la ecuacin
intervienen las derivadas parciales de la funcin a calcular
sera una EDP puesto que .
DEFINICIN. Se llama orden de una EDP a la derivada parcial de mayor orden que aparece en la ecuacin.
164
Por ejemplo, ecuacin
0 sera una EDP de orden 2.
sera una ecuacin en derivadas parciales de orden 1. La
Veamos cmo pueden ser las soluciones de las ecuaciones en derivadas parciales. , ,
y la ecuacin en derivadas parciales: 0
una posible solucin de esta ecuacin sera:
efectivamente:
0 Otro ejemplo, podra ser la ecuacin en derivadas parciales: , 0
una posible solucin
de esta EDP podra ser: ,
pero esta otra:
tambin sera solucin. O tambin:
sera otra solucin, y existen muchas ms que se puede poner de ejemplo.
cos sen
2. SOLUCIN GENERAL DE UNA ECUACIN EN DERIVADAS PARCIALES.
El conjunto de soluciones es tan diverso que parece imposible obtener una expresin general que nos determine el resultado de una ecuacin en derivadas parciales. De todas formas, existen casos de EDP sencillos en los que s es posible obtener una forma general de su solucin. Veamos tres ejemplos.
165
1. sea la EDP:
La igualdad implica que la funcin buscada u no depende de x pero s puede depender de y. Por lo tanto, la solucin sera: ,
siendo
2. Sea la EDP:
cos , etc.
una expresin cualquiera de y, por ejemplo,
, o tambin,
Si notamos por
, ,
0 a , la ecuacin dada adopta la forma: 0
cuya solucin es
. Luego: ,
En definitiva, la solucin de
siendo F y G expresiones cualesquiera de x e y respectivamente. 3. Sea la EDP: 0 arctan u x y x y 0
0 es:
Utilizando coordenadas polares:
y aplicando la regla de la cadena:
la ecuacin en derivadas parciales original se transforma en:
166
puesto que: 1 1 1
1 La solucin de la EDP es:
siendo
cualquier expresin que slo dependa de . ,
Por lo tanto, en coordenadas cartesianas, la solucin a la EDP
0 es:
siendo
cualquier expresin de
3. CONDICIONES DE CONTORNO Y CONDICIONES INICIALES.
Hasta ahora hemos visto que una EDP puede tener una variedad enorme de soluciones1. Sin embargo, si a la solucin de una determinada EDP se le exige que, adems, cumpla una serie de condiciones entonces es posible que la solucin sea nica.
Lo que acabamos de decir resulta del todo lgico pues si una EDP regula un determinado problema fsico sera racional pensar que la respuesta (funcin u), ante unas condiciones predeterminadas, sea nica y predecible.
Las condiciones que se imponen a las EDP para que la solucin sea nica pueden dividirse en tres categoras:
Condiciones de contorno. Condiciones iniciales. Condiciones mixtas (de contorno e iniciales a la vez).
Veamos algunos ejemplos.

1 no tiene ninguna
Tambin pueden no tener ninguna solucin, por ejemplo, la EDP
solucin.
167
Condiciones de contorno. Se exige que la solucin de la EDP verifique un determinado valor sobre la frontera de una regin. Por ejemplo2, se trata de hallar la solucin de: 0 0
sujeto a las condiciones de contorno siguientes: ,0

,
Es decir, la condicin de contorno impone que la solucin de la EDP 0, tal y como se muestra en el siguiente dibujo:
sen
su derivada parcial respecto de y, deben tomar un valor determinado sobre la recta
, as como
La solucin en este caso es:
Condiciones iniciales.
sin
Cuando una de las variables independientes de la EDP es el tiempo, se suele imponer que la solucin u tenga un determinado valor en un tiempo concreto (generalmente en 0). Entonces se dice que tenemos un problema de EDP con condiciones iniciales. con 0.
Por ejemplo, sea la EDP:
si se impone que en el momento inicial la solucin tome el valor sen ,0 sen , entonces la solucin es: , sen
, es decir,
Ejemplo extrado de STEPHENSON, Introduccin a las ecuaciones en derivadas parciales, pg. 24.
168
4. ECUACIN DE EULER.
Una EDP se dice que es del tipo de Euler si tiene la siguiente expresin: 0
con a,b y h constantes.
Por ejemplo, una EDP del tipo de Euler sera: 8 6
Este tipo de ecuaciones se pueden resolver con facilidad mediante un cambio de variable adecuado. Para saber cul es el cambio de variable que simplifica esta EDP vamos a realizar el siguiente artificio:
Resolvemos la ecuacin de segundo grado: 8 6
cuyas soluciones son:
entonces, el cambio de variable que debe realizarse es:
2 4
variables:
Comprobemos cmo queda la ecuacin 8 u
2 4
6 x y x y
0 con este cambio de
169
luego:
con el mismo procedimiento se llegara a: 2
2 6 4
que si sustituimos en la expresin de la EDP original queda: 0
16
16
cuya solucin, segn se mostr en el apartado 2 de este tema, es: siendo F y G expresiones cualesquiera de y respectivamente. Si deshacemos el cambio de variables se obtiene que la solucin de la EDP: 8 6 0 ,
es:
siendo F y G expresiones cualesquiera de
El procedimiento que hemos seguido para resolver la anterior EDP es general. Para encontrar la solucin de la EDP: 0
respectivamente.
se resuelve la ecuacin
sean
las soluciones de la ecuacin anterior3. Entonces la solucin de esta EDP es:
En STEPHENSON, Introduccin a las ecuaciones en derivadas parciales, pgs. 18 a 23 puede verse la
solucin de la EDP de tipo de Euler para el caso en que las races de

doble o complejas.
0 sean real
siendo F y G expresiones cualesquiera de
170
respectivamente.
5. ECUACIN DE ONDAS UNIDIMENSIONAL.
Se una cuerda de material homogneo con los extremos sujetos de forma que se mantiene tirante. Adems, la cuerda es completamente flexible, es decir, no ofrece ninguna resistencia a doblarse. Asimismo, vamos a suponer que slo tiene un movimiento vertical. Por ejemplo, la cuerda de una guitarra puede ser modelo bastante aproximado.
La funcin
va a representar la altura en vertical del punto x de la cuerda al cabo 5,0.3 2 quiere decir que al
del tiempo t. Por ejemplo, si llegamos a la conclusin de que cabo de los 0.3 segundos el punto aprecia en el siguiente dibujo:
5 de la cuerda toma una altura igual a 2, como se
No es excesivamente complicado demostrar que la funcin vibracin de la cuerda debe de verificar la EDP: 1
que describe la
donde c es una constante que depender del material de la cuerda y de la tensin a la que est sometida4.
Ecuacin que es del tipo de Euler estudiada en el apartado anterior y cuya solucin es: , siendo F y G expresiones cualesquiera de y respectivamente.
En HABERMAN, Ecuaciones en Derivadas Parciales, pgs. 141 a 144 se justifica cmo la vibracin de la cuerda debe verificar esta EDP.
171
5.1. Solucin de DAlembert para la ecuacin de ondas unidimensional.
Supongamos una cuerda de gran longitud en las condiciones que acabamos de exponer para la cuerda vibrante. Imponemos las siguientes condiciones iniciales: ,0
es decir,
va a ser la posicin de la cuerda en el momento 0.
cada punto tambin en
0y
la velocidad de
Para aclarar el significado de las funciones
veamos el siguiente ejemplo.
Sea una cuerda tensada tal que en el momento inicial se encuentra en la siguiente posicin:
para este caso particular, la funcin
ser: 0 0 1 1
si si si si 0
1 0
0 1
Si imponemos, adems, que en el momento inicial la cuerda est parada, entonces:
A partir del momento
y la solucin de la ecuacin de ondas
0, debido a la tensin, la cuerda empieza a vibrar libremente , que verifica estas condiciones iniciales ser la que
nos indique en cada momento t la posicin de cada punto x de la cuerda.
SOLUCIN DE DALEMBERT. Sea la EDP: ,
con c constante. La solucin
de dicha EDP que verifica las condiciones iniciales:
viene dada por la llamada frmula de DAlembert: , 2
,0
172
Demostracin.
1 2
Segn hemos comentado ms arriba, la solucin de la EDP ,
es:
siendo F y G las funciones que debemos de calcular. ,
Si
tiene que satisfacer las condiciones iniciales se debe de verificar:
, , ,
Vamos a desarrollar
. Para ello hacemos el cambio de variable:
con el cambio de variable, F ser una funcin de y por la regla de la cadena:

, , , ,
siendo
la derivada de F.
Con el mismo razonamiento:

, ,
luego las condiciones iniciales se pueden poner de la siguiente forma:
Integramos la segunda ecuacin de este sistema:
173
siendo a una constante cualquiera. As pues:
y las condiciones iniciales se pueden volver a escribir de la siguiente manera: 1 resolviendo este sistema (sumando y restando las ecuaciones): 2 , 1 2 1 2 2
Como
1 2 1 2
se tiene: 2
En definitiva:
1 2
como se quera demostrar.
Para completar el estudio de la vibracin de la cuerda vamos a utilizar el Mathematica a fin de visualizar el comportamiento de la solucin de DAlembert a travs del tiempo5. 0, est parada y
Retomemos el ejemplo de la cuerda tensada que, en el tiempo tiene la posicin que se describe en el dibujo:
Para un estudio terico del comportamiento de la solucin de DAlembert puede verse KRASNOV, Curso de matemticas superiores para Ingenieros, Vol. 2, pg. 665.
174
Las condiciones iniciales son:
0 0 0
1 1
si si si si
1 0
0 1
En primer lugar, introducimos en el Mathematica las condiciones iniciales (suponemos que la constante c es igual a 1):
c=1; f[x_]=Which[x<-1,0,-1<=x<0,-x-1,0<=x<=1,x-1,x>1,0]; g[x_]=0; escribimos la solucin del problema: u[x_,t_]=1/2(f[x+c*t]+f[x-c*t])+1/(2c) Integrate[g[z],{z,x-c*t,x+c*t}] slo nos queda realizar una secuencia de dibujos, en pequeos pasos de tiempo, lo nos dar la sensacin de movimiento. Esto se puede hacer con la orden Manipulate. ,
Por ejemplo, vamos a realizar una secuencia en la que se dibuje la funcin un rango que vaya desde 4
terminar a los 5 segundos con un paso de una dcima de segundo entre dos dibujos consecutivos.
4. La secuencia comenzar en el momento inicial y
en
Manipulate[Plot[u[x,t],{x,-4,4}],{t,0,5,0.1}]
175
Una vez que tengamos un cuadro como el anterior, se recomienda desplegar el icono y pulsar la flecha automtica. para que comiencen a ejecutarse todos los dibujos de forma
6. BIBLIOGRAFA CITADA.
HABERMAN, R.: Ecuaciones en Derivadas Parciales con series de Fourier y Problemas de Contorno, tercera edicin, Prentice Hall, 2003. KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, Vol. 2, Ed. MIR. 1990. STEPHENSON, G.: Introduccin a las ecuaciones en derivadas parciales, Editorial Revert, 1982.
AMPLIACIN.DE.MATEMTICAS (Manual.de.prcticas)
Curso 2010 - 2011 Ampliacin de Matemticas. (I. T. Industrial)

Prctica 1 Ecuaciones en diferencias
En esta prctica utilizaremos el Mathematica para resolver algunos tipos de ecuaciones en diferencias. Antes de comenzar a realizar los ejemplos y ejercicios de esta prctica, resulta aconsejable repasar el Tema 1 de la parte terica de la asignatura donde se fundamentan los procedimientos que vamos a seguir. Como tendremos ocasin de comprobar, la orden RSolve del Mathematica nos da directamente la solucin de este tipo de ecuaciones. An as, nosotros haremos un estudio paralelo al seguido en la parte terica con el fin de aclarar y consolidar los conceptos que all se exponen. Al principio de cada prctica presentaremos una serie de rdenes con el Mathematica que nos facilitar el desarrollo de la misma.
ndice.
1. Conocimientos previos. 1.1 Borrado de variables previamente definidas. 1.2 Cmo hacer referencia a un resultado anterior. 1.3 Resolucin de ecuaciones y sistemas. 1.4 Cmo definir una funcin. 1.5 Sucesiones con el Mathematica. 1.6 Desarrollo de los factores de un producto. 2. Ecuaciones en diferencias. 3. Solucin particular de una ecuacin en diferencias. 4. Ecuacin en diferencias lineal homognea con coeficientes constantes. 5. Ecuacin en diferencias lineal completa con coeficientes constantes. 6. Apndice. Solucin particular de la ecuacin en diferencias lineal completa de coeficientes constantes. Mtodo de variacin de constantes. 7. Bibliografa
Conocimientos previos.
1.1 Borrado de variables previamente definidas.
Si durante una sesin hemos otorgado a unas variables determinados valores, dichos valores pueden borrarse mediante la orden Clear["Global`*"]. Por ejemplo:
In[1]:=
a=7 b=6 7 6
Out[1]= Out[2]=
se observa que a y b tienen asignados, respectivamente, los valores 7 y 6:
177
Prctica 1.nb
In[3]:= Out[3]=
ab 42
Podemos borrar dichos valores con la la orden Clear["Global`*"]

In[4]:=
Clear@"Global`"D
comprobamos que, efectivamente, las variables a y b no tienen ahora asignadas ningn valor.
In[5]:=
a b a b
Out[5]= Out[6]=
1.2 Cmo hacer referencia a un resultado anterior.

Habitualmente necesitaremos hacer referencia a un resultado anterior. Sera una prdida de tiempo, con muchas posibilidades de equivocarnos, introducir nuevamente la expresin previamente obtenida. En este caso, el procedimiento ms lgico sera, resaltar con el ratn la parte desada, copiar y pegar. No obstante, muchas veces resulta til utilizar el smbolo % que hace referencia al ltimo resultado ejecutado por el programa; %% se refiere al penltimo y, en general, %n a la salida n. Ejemplo:
In[7]:= Out[7]= In[8]:= Out[8]=
N@, 10D 3.141592654 %+2 5.141592654
1.3 Resolucin de ecuaciones y sistemas.

Si pretendemos resolver la ecuacin x3 + 7 x2 + 1 = 0, procederamos del siguiente modo:
In[9]:=
Solve@x ^ 3 + 7 x ^ 2 + 1 ::x 1 3 7 3 1 6 J1 + J1 7 49
0, xD 2
13
Out[9]=
4197 1 2 J713 3 J713 3
1 2
713 3 + 3N 3N
Tambin podramos haber resuelto la ecuacin anterior con la orden NSolve, en especial esta ltima orden proporciona muy buenos resultados cuando las ecuaciones son polinmicas:
In[10]:= Out[10]=
:x
:x
4197 N 4197 N
J713 3
13
7 3
1 6
1 2
13
3 223 J713 3 3 223 J713 3 49 J1 +
4197 N
13
49 J1
>,
4197 N 4197 N 3N
3N
13
>, >>
13
NSolve@x ^ 3 + 7 x ^ 2 + 1
siguiente:
Si, lo que se pretende es resolver el sistema :
88x 7.02029<, 8x 0.0101452 0.377281 <, 8x 0.0101452 + 0.377281 <<
0, xD
x = 1+2a y y =9+2x
en las incgnitas 8x, y<, el modo de proceder sera el
178
Prctica 1.nb
In[11]:=
Out[11]=
Solve@8x == 1 + 2 a y, y == 9 + 2 x<, 8x, y<D ::x 1 + 18 a 1 + 4 a ,y 11 1 + 4 a >>
1.4 Cmo definir una funcin.
A pesar de la gran cantidad de funciones que tiene implementado el programa Mathematica nosotros podemos definir una funcin de la siguiente manera:
In[12]:= Out[12]=
f@x_D = x ^ 2 x2
a partir de ahora podemos utilizarla introduciendo el argunento entre corchetes

In[13]:= Out[13]= In[14]:= Out[14]=
f@3D 9 f@Sin@xDD Sin@xD2
1.5 Sucesiones con el Mathematica.

programa las funciones f HxL = En la definicin de una funcin con Mathematica resulta indiferente el nombre que se otorgue a la variable. Para el
1 x+1
y sHnL =
1 n+1
son idnticas. Sin embargo, en la literatura matemtica se suele interpretar
las dos expresiones anteriores como cosas diferentes. Mientras que la variable x, en principio, puede tomar cualquier valor real, generalmente se admite que la variable n slo puede tomar valores enteros mayores o iguales que cero. De esta manera se distingue entre los conceptos de funcin y sucesin. naturales vamos a incluir tambin al cero). Si representamos grficamente la funcin f HxL = Una sucesin es una aplicacin s : , (a pesar de que 0 , nosotros al hacer referencia al conjunto de los
1 x+1
y la sucesin sHnL =
1 n+1
se
observan fciilmente las diferencias entre funcin y sucesin:
En resumen, los conceptos de funcin y sucesin son distintos y esto se expresa de forma clara en la notacin que se abecedario) y como argumento la variable x: f HxL =
1 n+1
utiliza. As, si queremos referirnos a la funcin de expresin general

1 . x+1
1 x+1
se suele utilizar la letra f (u otra cercana en el
Por otra parte, cuando queremos referirnos a la sucesin de

1 n+1
expresin general
xn =
1 . n+1
se suele utilizar la letra x y como argumento la variable n: xHnL =
o, quizs de forma ms comn,
Para el Mathematica, la mera utilizacin de la letra n como argumento no implica que el programa ya sepa que se
179
Prctica 1.nb
de la sucesin) son 91, 1 , 1 , 1 , 1 , 1 , ...= se define con el Mathematica de la siguiente forma: 2 3 4 5 6

In[15]:=
1 trata de una sucesin sino que hay que indicrselo de alguna manera. As pues, la sucesin 9 n+1 = cuyas imgenes (o trminos
x@n_D = SimplifyB 1
n+1
, n Integers && n 0F
Out[15]=
1+n
NOTA 1. Si se utiliza la paleta BasicMathInput hay que tener cuidado en distinguir entre el smbolo y la letra griega e (psilon) cuyas grafas en la pantalla del ordenador son muy parecidas. NOTA 2. En la prctica, resulta frecuente definir una sucesin como si fuera una funcin de variable real, por ejemplo
x@n_D =
1 , n+1
y despus se tiene la precaucin de darle a n slo valores naturales. Esta forma de proceder resulta equivalente a
definir xHnL como si fuera una sucesin; pero no debe olvidarse que Mathematica la ha definido como una funcin de variable real y, en determinados momentos, pudiera dar un resultado no esperado para una sucesin.
1.6 Desarrollo de los factores de un producto.

Expand. Ejemplo:
In[16]:= Out[16]=
Para desarrollar un producto formado por una serie de factores Hx - a1 L Hx - a2 L ... Hx - an L se puede utilizar la orden
Expand@Hx 2L Hx H3 + 2 ILL Hx H3 2 ILLD 26 + 25 x 8 x2 + x3
2. Ecuaciones en diferencias.
Suponemos conocida la nocin de ecuacin en diferencias (Tema 1 del temario de la asignatura). Se trata de obtener una sucesin cuyos trminos verifican una determinada relacin. Mathematica dispone de la orden RSolve que nos proporciona la solucin de la ecuacin en diferencias. Su sintaxis es la siguiente: RSolve[ecuacin,x[n],n] Por ejemplo, resolvamos la ecuacin xn+2 - 4 xn+1 + 2 xn = 0:
In[17]:= In[18]:=
Clear@"Global`"D RSolve@x@n + 2D 4 x@n + 1D + 2 x@nD ::x@nD J2 J2 J2 2 N C@1D + J2 +

n n
0, x@nD, nD
n
Out[18]=
As pues, la solucin de la ecuacin xn+2 - 4 xn+1 + 2 xn = 0 es:

In[19]:=
x@n_D = SimplifyBJ2 2 N C@1D + J2 +

n
Out[19]=
comprobemos que, efectivamente, esta sucesin es solucin de la ecuacin en diferencias:

In[20]:=
2 N C@2D
n
2 N C@1D + J2 +
2 N C@2D>>
2 N C@2D, n Integers && n 0F

n
x@n + 2D 4 x@n + 1D + 2 x@nD 2 N

2+n
0
2+n
Out[20]=
2 JJ2
2 N C@1D + J2 +
n
C@1D + J2 +
2N
2 N C@2DN 4 KJ2
n
C@2D +
2N
1+n
C@1D + J2 +
2N
1+n
C@2DO
180
Prctica 1.nb
In[21]:= Out[21]=
Simplify@%D True
Ejercicio 1.
Calcular la solucin de la ecuacin en diferencias xn+1 - 3 xn = 2 y comprobar que, efectivamente, la sucesin obtenida es solucin de dicha ecuacin.
Ejercicio 2.
Calcular la solucin de la ecuacin xn+1 xn + xn+1 - xn = 0 y comprobar que la sucesin obtenida es solucin de la ecuacin en diferencias. NOTA. Observad que Mathematica puede resolver ecuaciones en diferencias aunque la ecuacin no sea lineal como ocurre en el presente caso.
3. Solucin particular de una ecuacin en diferencias.

solucin de la misma ecuacin sujeta a las condiciones inicales :
In[22]:= In[23]:=
xn = J2 -
En el epgrafe anterior se ha obtenido que la solucin de la ecuacin en diferencias xn+2 - 4 xn+1 + 2 xn = 0 es

2 N C@1D + J2 +
n n
2 N C@2D que depende de dos constantes genricas C@1D y C@2D. Si se quiere calcular la x0 = 0 x1 = 1
podramos proceder del siguiente modo:
x@n_D = SimplifyBJ2 Solve@8x@0D ::C@1D 1 2 2
0, x@1D
2 N C@1D + J2 +
n
Out[23]=
, C@2D
1<, 8C@1D, C@2D<D 1 2 2 >>
2 N C@2D, n Integers && n 0F;

n
luego la solucin del problema con condiciones iniciales es xn = J2 -
Tambin se puede calcular directamente la solucin de la ecuacin en diferencias con condiciones inciales utilizando la orden RSolve con el siguiente formato: RSolve[{ecuacin,condicin1,condicin2,...},x[n],n] en nuestro ejemplo sera:
In[24]:= In[25]:=
2 N Kn
1 2 2
O + J2 +
2N K
n
1 2 2
Clear@"Global`"D RSolve@8x@n + 2D 4 x@n + 1D + 2 x@nD ::x@nD J2 2 N J2 +

n
0, x@0D
0, x@1D
1<, x@nD, nD
Out[25]=
2 N
>>
181
Prctica 1.nb
4. Ecuacin en diferencias lineal homognea con coeficientes contantes.

En muchas ocasiones no dispondremos del Mathematica para resolver la ecuacin en diferencias. Si la ecuacin es lineal de coeficientes constantes y homognea, es decir, tiene la expresin:
ak xn+k + ak-1 xn+k-1 + ... + a0 xn = 0
con a j = constante " j se procede, en primer lugar, resolviendo la ecuacin caracterstica:

ak lk + ak-1 lk-1 + ... + a1 l + a0 = 0
y la solucin general xn depender de las races de dicha ecuacin, con el siguiente criterio: a) A cada raz real li se le asocia la solucin:
xn = lin
b) A cada raz real multiple l j , de multiplicidad m, le asociamos las m soluciones:

xn = ln ; xn = n ln ; xn = n2 ln ; ... xn = nm-1 ln j j j j
c) A cada raz compleja simple a + b (como a j son nmeros reales tambin deber aparecer su conjugada a - b) le asociamos dos soluciones. Lo ms fcil es escribir el nmero complejo a + b en forma de mdulo y argumento r = Abs@a + bD : y le asociamos las soluciones: q = Arg@a + bD
xn = rn cosHn qL ; xn = rn senHn qL
d) A cada raz compleja a + b de multiplicidad m (la conjugada aparecer tambin con la misma multiplicidad), volviendo expresar dicho nmero en forma de mdulo y argumento, le asociamos las siguientes 2m soluciones:
xn = rn cosHn qL; xn = rn senHn qL; xn = n rn cosHn qL; ... xn = nm-1 rn cosHn qL xn = n rn senHn qL; ... xn = nm-1 rn senHn qL
Ejemplo 1.
Calculemos la solucin de la ecuacin en diferencias xn+2 + 2 xn+1 - 3 xn = 0 la ecuacin caracterstica es l2 + 2 l - 3 = 0 que tiene por races:
In[26]:= Out[26]=
Solve@ ^ 2 + 2 3 == 0, D 88 3<, 8 1<<
Ejemplo 2.
la solucin de esta ecuacin en diferencias ser xn = c1 H-3Ln + c2 Sea la ecuacin en diferencias xn+2 - 4 xn+1 + 4 xn = 0 la ecuacin carcterstica l2 - 4 l + 4 = 0 tiene por races:
182
Prctica 1.nb
In[27]:= Out[27]=
Solve@ ^ 2 4 + 4 == 0, D 88 2<, 8 2<<
como 2 es raz doble, la solucin de la ecuacin en diferencias es xn = c1 2n + c2 n 2n
Ejemplo 3.
Sea la ecuacin en diferencias xn+3 - xn+2 + xn+1 - 2 xn = 0 que debe de verificar : x1 = 1 x2 = 1
NSolve@ ^ 3 ^ 2 + 2 == 0, D 88 0.176605 1.20282 <, 8 0.176605 + 1.20282 <, 8 1.35321<<
x0 = 0
las races de la ecuacin carcterstica l3 - l2 + l - 2 = 0 son:

In[28]:= Out[28]=
88 0.176605 1.20282 <, 8 0.176605 + 1.20282 <, 8 1.35321<< 88 0.176605 1.20282 <, 8 0.176605 + 1.20282 <, 8 1.35321<< Abs@0.17660498209966224` 1.2028208192854788` D 1.21572 Arg@0.17660498209966224` 1.2028208192854788` D 1.71658
tomemos una raz compleja y calculamos su mdulo y argumento:

In[29]:= Out[29]= In[30]:= Out[30]=
la solucin general ser: xn = c1 1.35321n + c2 1.21572n cosH-1.71658 nL + c3 1.21572n senH-1.71658 nL

In[31]:=
Si imponemos las condiciones a verificar obtenemos:

In[32]:= Out[32]=
x@n_D = c1 H1.3532099641993245L ^ n + c2 H1.2157167610134412L ^ n Cos@1.71658036649671 nD + c3 H1.2157167610134412L ^ n Sin@1.71658036649671 nD; Solve@8x@0D 88c1 0.35732, c2 0.35732, c3 0.37692<< 0, x@1D 1, x@2D 1<, 8c1, c2, c3<D
luego la solucin pedida es:
xn = 0.35732 1.35321n - 0.35732 1.21572n cosH-1.71658 nL - 0.37692 1.21572n senH-1.71658 nL
Ejercicio 3.
Resolver de dos formas diferentes, con la orden RSolve y con ayuda de la ecuacin caracterstica, las siguientes ecuaciones en diferencias: a) xn+3 - 5 xn+2 + 7 xn+1 - 3 xn = 0. b) 4 xn+3 + 3 xn+2 + xn+1 - 2 xn = 0 tal que x0 = x1 = 0 y x2 = 1. c) xn+4 + 2 xn+2 + xn = 0.
183
Prctica 1.nb
Ejercicio 4.
ecuacin en diferencias de la que esta sucesin es su solucin. NOTA. El nmero complejo a + b se puede expresar en funcin de su mdulo y argumento como a + b = r cos q + r sen q.
Sea la sucesin xn = c1 2n + c2 J 2 N cosIn 4 M + c3 J 2 N senIn 4 M con c1 , c2 y c3 constantes genricas. Calcular la

n p n p
Ejercicio 5.
Sea la sucesin xn = c1 2n cosHn 1.5L + c2 2n senHn 1.5L con c1 y c2 constantes genricas. Calcular la ecuacin en diferencias de la que esta sucesin es su solucin.
5. Ecuacin en diferencias lineal completa con coeficientes contantes.

La solucin general de la ecuacin en diferencias lineal completa:
ak xn+k + ak-1 xn+k-1 + ... + a0 xn = gHnL
es la suma de la general de la homognea asociada y una particular de la completa. Si no disponemos del Mathematica, para calcular la solucin general de la ecuacin completa tendremos que realizar los dos pasos siguientes: - Calcular la solucin general de la homognea asociada (ak xn+k + ak-1 xn+k-1 + ... + a0 xn = 0), problema que se ha estudiado en el epgrafe anterior, y - Calcular una solucin particular de la completa. Existen diferentes mtodos para calcular la particular de la completa, por ejemplo, el mtodo de los coeficientes indeterminados que consiste en ensayar con una determinada sucesin cuya expresin viene dada por la de gHnL. En el Apndice de esta prctica se expone el mtodo de variacin de constantes para obtener una solucin particular de la completa.
Ejercicio 6.
Sea la ecuacin en diferencias xn+2 - 3 x+1 + xn = 2n , identificar una solucin particular de la ecuacin completa.
6. Apndice. Solucin particular de la ecuacin en diferencias lineal completa de coeficientes constantes. Mtodo de variacin de constantes.
(Lectura opcional).
Consideremos al ecuacin en diferencias:
xn+k + ak-1 xn+k-1 + ... + a0 xn = gHnL
si x1 , x2 , ..., xk son k soluciones independientes de la homognea asociada, la solucin general de esta ltima es: n n n
184
Prctica 1.nb
Si ahora suponemos que los coeficentes ci en lugar de ser constantes fueran sucesiones y forzamos a que sea solucin particular de la completa obtendramos la sucesin:
xpc HnL = c1 HnL x1 + c2 HnL x2 + ... + ck HnL xk n n n
xgh HnL = c1 x1 + c2 x2 + ... + ck xk n n n
donde, por el momento, no sabemos el valor de los c j HnL.
siguiente sistema con incgnitas en Dc j (siendo Dc j = c j Hn + 1L - c j HnL) :
Se puede demostrar que el hecho de imponer que xpc HnL sea solucin de la completa fuerza a que se cumpla el
Dc1 x1 + Dc2 x2 + ... + Dck xk = 0 n+1 n+1 n+1 Dc1 x1 + Dc2 x2 + ... + Dck xk = 0 n+2 n+2 n+2
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .... Dc1 x1 + Dc2 x2 + ... + Dck xk = gHnL n+k n+k n+k
sistema que al resolverlo obtendramos Dc1 , Dc2 , ..., Dck (que dependen de n). anteriormente, Dc j HnL = c j Hn + 1L - c j HnL y por tanto:
Una vez obtenidos Dc j HnL para j = 1, ..., k resulta fcil calcular los valores c j HnL pues, como mencionamos
Dc j H0L = c j H1L - c j H0L Dc j H1L = c j H2L - c j H1L Dc j H2L = c j H3L - c j H2L
sumando los miembros de la derecha (observar que desaparacen todos menos dos) y los de la izquierda se mantiene la igualdad luego:
n-1 Dc j H pL = c j HnL - c j H0L p=0
... ... ... ... ... Dc j Hn - 1L = c j HnL - c j Hn - 1L
as obtenemos:
expresar como:
como nos basta con una sola solucin de la completa, lo m habitual es tomar como c j H0L = 0, en cuyo caso c j HnL se podra una vez calculados los c j HnL la solucin particular de la completa ser: y la solucin general de la completa:
xn = xgh + xpc xpc HnL = c1 HnL x1HnL + c2 HnL x2HnL + ... + ck HnL xkHnL c j HnL = n-1 Dc j H pL p=0
c j HnL = c j H0L + n-1 Dc j H pL p=0
o tambin:
xn = c1 x1 + c2 x2 + ... + ck xk + c1 HnL x1 + c2 HnL x2 + ... + ck HnL xk n n n n n n
185
10
Prctica 1.nb
Ejemplo.
Sea la ecuacin en diferencias: xn+2 - 5 xn+1 + 6 xn = 5n .
In[33]:=
Clear@"Global`"D
la solucin de la ecuacin caracterstica es:

In[34]:= Out[34]=
Solve@ ^ 2 5 + 6 88 2<, 8 3<<
0, D
la solucin general de la homognea asociada (xn+2 - 5 xn+1 + 6 xn = 0) es xgn = c1 2n + c2 3n

In[35]:=
x1@n_D = 2 ^ n; x2@n_D = 3 ^ n; xgh@n_D = Simplify@c1 x1@nD + c2 x2@nD, n Integers && n 0D
Out[37]=
In[38]:=
Buscamos una particular de la completa de la forma xpc HnL = c1 HnL 2n + c2 HnL 3n , para ello se resuelve el sistema:
Solve@8c1 x1@n + 1D + c2 x2@n + 1D c1 x1@n + 2D + c2 x2@n + 2D 99c1 21n 5n , c2 31n 5n == 21n 5n c2@n_D = 31n 5n 31n 5n 0, 5 ^ n<, 8c1, c2<D
2n c1 + 3n c2
Out[38]=
implementemos ambas soluciones en el Mathematica:

In[39]:= Out[39]= In[40]:= Out[40]=
c1@n_D = 21n 5n
calculamos c1 HnL y c2 HnL

In[41]:=
Out[41]=
c1@n_D = Sum@c1@pD, 8p, 0, n 1<D 1 3 1 5 2

n
In[42]:=
Out[42]=
c2@n_D = Sum@c2@pD, 8p, 0, n 1<D 1 2 1 + 5 3

n
la solucin particular de la completa ser:

In[43]:=
xpc@n_D = Simplify@c1@nD x1@nD + c2@nD x2@nD, n Integers && n 0D 1 I21+n 31+n + 5n M
Out[43]=
y la solucin general de la completa es:

In[44]:=
x@n_D = xgh@nD + xpc@nD 1 I21+n 31+n + 5n M + 2n c1 + 3n c2
Out[44]=
186
Prctica 1.nb
11
7. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: ALCONCHEL PREZ, A.y VIGNERON TENORIO, A. : Ecuaciones Lineales en Diferencias: aplicaciones a la empresa y la economa, Servicio de Publicaciones de la Universidad de Cdiz, 2004. FERNNDEZ PREZ, C.-VZQUEZ HERNNDEZ, F.J.-VEGAS MONTANER, J.M. : Ecuaciones diferenciales y en diferencias.Sistemas dinmicos, Editorial THOMSON, 2003. RODRGUEZ RUIZ, J.-PRIETO SEZ, E.-HERNNDEZ MORALES, V.-GMEZ TOLEDANO, M.P. : Matemticas 2. Economa y Empresa.Teora, Editorial Centro de Estudios Ramn Areces, 1996.
187

Prctica 2 Sistema de ecuaciones en diferencias
En la prctica anterior se estudi la resolucin de ecuaciones en diferencias del tipo xn+2 + 2 xn+1 - xn = 0. Supongamos ahora que hay ms de una sucesin desconocida, por ejemplo xn e yn , tales que han de verificar conjuntamente:
: 2 xn+1 - xn + yn = 0 yn+1 - 2 xn = 0
En este spuesto se dice que estamos ante un sistema de ecuaciones en diferencias. La orden RSolve que utilizbamos para resolver las ecuaciones en diferencias tambin nos sirve para resolver este tipo de sistemas. A pesar de ello, como ya hicimos en la prctica anterior, iremos obteniendo las soluciones de los distintos tipos de sistemas de forma semejante a como se hizo en la parte terica con el fin de consolidar los conceptos que all se expusieron En el Tema 1 de la parte terica de la asignatura se obtuvieron las soluciones de los sistemas de ecuaciones en diferencias utilizando su expresin matricial. As pues, en primer lugar, daremos unos conocimientos previos sobre el manejo de las matrices con el Mathematica.
ndice.
1. Conocimientos previos. 1.1 Cmo generar una matriz. 1.2 Elevar una matriz a una potencia. 1.3 Potencia ensima de una matriz. 2. Sistema lineal de ecuaciones en diferencias homogneo de orden 1 con coeficientes constantes. 3. Sistema lineal de ecuaciones en diferencias no homogneo de orden 1 con coeficientes constantes. 4. Resolucin de un sistema de ecuaciones en diferencias con el Mathematica. 5. Apndice. Solucin particular del sistema lineal en diferencias con coeficientes constantes no homogneo de orden 1. 6. Bibliografa.
1. Conocimientos previos.
1.1 Cmo generar una matriz.
vector H1, 3, 5L se escribira como 81, 3, 5< . Para el Mathematica, un vector es una lista de elementos separados por comas y encerrados entre llaves. As, el
a b c 1 2 3
Una matriz, en el Mathematica, es un vector cuyos elementos a su vez son vectores. As pues, la matriz
se escribira de la siguiente manera {{a,b,c},{1,2,3}}. A veces, resulta muy prctico utilizar la barra de herramientas para itroducir una matriz de la siguiente forma: Insert Table/Matrix New... y una vez seleccionados el nmero de filas y columnas se irn rellenando las celdas movindose con el tabulador.
188
Prctica 2.nb
Para generar una matriz cuyos elementos siguen una determinada frmula se utiliza la orden Table con dos variables segn el siguiente formato: Table[f(i,j),{i,m},{j,n}] que construye una matriz m n con i variando desde 1 hasta m y j desde 1 hasta n. Ejemplo:
i
In[1]:=
TableB j2 ::1, 1 2 1 , 4
1 9
Out[1]=
, 8i, 2<, 8j, 3<F >, :2, 1 2 2 9 , >>
In[2]:=
MatrixForm@%D
1 4 1 2 1 9 2 9
Out[2]//MatrixForm=
1.2 Elevar una matriz a una potencia.

3 -1 0 3 -1 0 1 2 4 0
4
Sea la matriz A = 2 2
1 2
4 , si se pretende calcular A4 sera incorrecto poner 2 0 2
puesto que esta orden
se limitara a elevar cada trmino de la matriz a la cuarta potencia. Mathematica tiene la orden MatrixPower para realizar esta tarea: MatrixPower[matriz,potencia] por ejemplo, para obtener A4 habra que escribir:
A= 3 1 0 2 1 4 ; 2 2 0
In[3]:=
In[4]:= Out[4]= In[5]:=
Out[5]//MatrixForm=
8855, 56, 76<, 8264, 15, 4<, 8150, 40, 24<< MatrixForm@%D 55 56 76 264 15 4 150 40 24
MatrixPower@A, 4D
1.3 Potencia ensima de una matriz.

Incluso si la potencia de una matriz no es dato numrico la orden MatrixPower puede calcular An :
In[6]:=
MatrixPowerB
Out[6]//MatrixForm=
1 1 2n
0 2n
1 0 , nF MatrixForm 1 2
189
Prctica 2.nb
2. Sistema lineal de ecuaciones en diferencias homogneo de orden 1 con coeficientes constantes.

Sean dos sucesiones xn e yn , tales que han de verificar conjuntamente el siguiente sistema:
: xn+1 + xn - yn = 0 yn+1 - 2 xn = 0
o mejor:
Dicho sistema se dice lineal de coeficientes constantes y de orden 1 (slo hay un desplazamiento en la variable n). Para calcular su solucin es conveniente expresarlo en forma matricial:
xn+1 yn+1 = -1 1 2 0 xn yn
xn+1
= -xn + yn 2 xn
yn+1 =
Como se explic en el apartado 5 del Tema 1 de la asignatura, la solucin general de este sistema es:
xn yn = -1 1 2 0
n
c1 c2
con c1 y c2 constantes genricas Por lo tanto, la solucin general del sistema :

Clear@"Global`"D 1 1 A= ; 2 0 x@n_D y@n_D :: 1 3 + 1 3
xn+1
= -xn + yn 2 xn
yn+1 =
se calcula del siguiente modo:
In[7]:=
In[9]:=
= MatrixPower@A, nD. H1Ln 21+n C@1D + 1 3 1 3
Out[9]=
In[10]:=
x@nD 1 + 1 3
Out[10]=
3
In[11]:=
y@nD 2 1 3
H1Ln 21+n C@1D + H1Ln 21+n C@1D +
H2Ln 3 H2Ln 3
H2Ln 3
C@1D C@2D
C@2D>, : C@2D
2 3
1 3
H1Ln 21+n C@1D +
2 3
H2Ln 3
C@2D>>
2 3
Out[11]=
C@2D
3. Sistema lineal de ecuaciones en diferencias no homogneo de orden 1 con coeficientes constantes.

Un sistema lineal de coeficientes constantes de orden 1 no homogneo tiene la siguiente forma:
190
Prctica 2.nb
x1 n+1 x2 n+1 .... xk n+1
= a11 x1 + ... + a1 k xk + b1 HnL n n = a21 x1 + ... + a2 k xk + b2 HnL n n ... ... ... ... ... ... = ak1 x1 + ... + akk xk n n + bk HnL ...
donde los coeficientes aij son costantes y bi HnL son funciones de n. Las incgnitas son, naturalmente, las sucesiones
x1 , x2 , ... , xk . n n n
De manera anloga a lo que ocurra en las ecuaciones lineales de orden k, se puede enunciar el siguiente teorema:
TEOREMA. La solucin general del sistema de ecuaciones en diferencias no homogneo se obtiene sumando una solucin particular del sistema y la solucin general del sistema homogneo asociado. Dado que la solucin general del sistema homogneo se ha estudiado en el apartado anterior, slo quedara encontrar una solucin particular del sistema completo. En el Apndice de esta prctica ofrecemos una expresin para su clculo.
4. Resolucin de un sistema de euaciones en diferencias con el Mathematica.

La orden RSolve tambin puede resolver sistemas de ecuaciones utilizando la siguiente sintaxis: RSolve[{ecuacin1,ecuacin2,...,ecuacink},{x1[n], x2[n],...,xk[n]},n] por ejemplo, para el sistema :
In[12]:= In[13]:=
xn+1 + xn - yn = 0 yn+1 - 2 xn = 0
se procedera:
Clear@"Global`"D
RSolve@8x@n + 1D + x@nD y@nD ::x@nD 1 3
0, y@n + 1D 2 x@nD 1 3 I1 H2Ln M C@2D,

n
Out[13]=
y@nD
2 3
I1 + H1Ln 21+n M C@1D + I1 + H2Ln M C@1D +
1 3
Ejercicio 1.
I2 + 2n
M C@2D>>
0<, 8x@nD, y@nD<, nD
Ejercicio 2.
Calcular la solucin del sistema : Calcular la solucin del sistema : Dado el sistema :
xn+1 + xn - yn = n yn+1 - 2 xn = 1
xn+1 + xn - yn = n yn+1 - 2 xn = 1
Ejercicio 3.
tal que :
x0 = 1 y0 = 0
xn+1 + 2 xn - yn = 2n yn+1 - 2 xn + 3 yn = n
identificar una solucin particular del sistema.
191
Prctica 2.nb
5. Apndice. Solucin particular del sistema lineal en diferencias con coeficientes constantes no homogneo de orden 1.
(Lectura opcional).
Sea el sistema lineal de coeficientes constantes de orden 1 no homogneo:
x1 n+1 x2 n+1 .... xk n+1 = a11 x1 + ... + a1 k xk + b1 HnL n n = a21 x1 + ... + a2 k xk + b2 HnL n n ... ... ... ... ... ... = ak1 x1 + ... + akk xk n n + bk HnL ...
donde los coeficientes aij son costantes y bi HnL son funciones de n, siendo las incgnitas las sucesiones x1 , x2 , ... , xk . n n n Este sistema adopta la expresin matricial siguiente:
x1 n+1 ... xk n+1 a11 a12 ... a1 k x1 n ... xk n+1 =A b1 HnL b2 HnL ... bk HnL + BHnL
siendo la matriz A =
a21 a22 ... a2 k ... ... ... ak1 ak2 ... ... akk
y BHnL =
Aplicando el mtodo de variacin de constantes se llega a la conclusin de que una solucin particular de este sistema es:
n-1 i=0 An-i-1 BHiL
In[14]:=
Ejemplo, calculemos la solucin del sistema :

Clear@"Global`"D 2 1 A= ; 0 2 n B@n_D = K O; 1
n1 i=0 1+n i=0
xn+1 = 2 xn + yn + n . yn+1 = 2 yn + 1
In[17]:=
Out[17]=
HMatrixPower@A, n i 1D.B@iDL
luego una solucin particular
9921i+n i 22i+n H1 + i nL=, 921i+n ==
xpcHnL
ypcHnL
del sistema completo ser:
192
Prctica 2.nb
In[18]:=
xpc@n_D ypc@n_D :: 1 2
Out[18]=
la solucin general del sitema homogneo asociado es:

In[19]:=
H2 + 2n L n>, 81 + 2n <>
= :: I21i+n i 22i+n H1 + i nLM>, : I21i+n M>>

1+n i=0 1+n i=0
Out[19]=
y la solucin general del sistema completo ser:

In[20]:=
992n C@1D + 21+n n C@2D=, 82n C@2D<= x@n_D y@n_D :: 1 2 = xgh@nD ygh@nD + xpc@nD ypc@nD
xgh@n_D ygh@n_D
= MatrixPower@A, nD.
C@1D C@2D
Out[20]=
Es decir,
In[21]:=
H2 + 2n L n + 2n C@1D + 21+n n C@2D>, 81 + 2n + 2n C@2D<> 1 2 H2 + 2n L n + 2n C@1D + 21+n n C@2D, n Integers && n 0F
x@n_D = SimplifyB 2n C@1D + 1 2
Out[21]=
In[22]:= Out[22]=
y@n_D = Simplify@1 + 2n + 2n C@2D, n Integers && n 0D 1 + 2n + 2n C@2D
n H2 + 2n + 2n C@2DL
6. Bibliografa.
Se recomienda la misma bibliografa que la del tema anterior.
193

Prctica 3 Representacin de funciones de varias variables
En esta prctica se mostrar la facilidad que tiene el Mathematica para realizar representaciones grficas, en el plano o en el espacio, de funciones escalares, campos vectoriales o curvas parametrizadas.
ndice.
1. Conocimientos previos. 1.1 Dibujo de una funcin real de variable real. 1.2 Presentacin de varios grficos en un mismo dibujo. 1.3 Dibujo de un punto con el Mathematica. 1.4 Colocar un texto en un lugar del plano o del espacio. 2. Funciones escalares de 2 en . 3. Campos vectoriales en 2 . 4. Campos vectoriales en 3 . 5. Representacin de un campo de vectores discreto. 6. Curvas parametrizadas en 2 . 7. Curvas parametrizadas en 3 . 8. Bibliografa.
1.1 Dibujo de una funcin real de variable real.
La orden Plot del Mathematica dibuja funciones reales de variable real. Su sintaxis es la siguiente: Plot[f[x],{x,a,b} dibuja la funcin f HxL en el dominio a < x < b
Por ejemplo, dibujemos la funcin senHxL en el dominio 0 x 2 p

In[1]:=
Plot@Sin@xD, 8x, 0, 2 Pi<D

1.0 0.5
Out[1]=
1 -0.5 -1.0
La orden Plot dispone de muchas opciones que permiten modificar el aspecto del dibujo, para ello se utiliza la orden PlotStyle{ }. Veamos un ejemplo con las principales opciones:
194
Prctica 3.nb
In[2]:=
8Plot@Sin@xD, Plot@Sin@xD, Plot@Sin@xD, Plot@Sin@xD,

1.0
Out[2]=
0.5
8x, 8x, 8x, 8x,
0, 0, 0, 0,
2 Pi<, 2 Pi<, 2 Pi<, 2 Pi<,
PlotStyle 8Red<D, PlotStyle 8Thick<D, PlotStyle 8Dashed<D, PlotStyle 8Green, Dashed<D<

1.0 0.5
,
1 -0.5 -1.0 2 3 4 5 6 -0.5 -1.0 1 2 3 4 5 6
1.0 0.5
1.0 0.5
,
1 -0.5 -1.0 2 3 4 5 6 -0.5 -1.0 1 2 3 4 5 6
>
1.2 Presentacin de varios grficos en un mismo dibujo.

Existen muchas formas de superponer en un mismo dibujo varios grficos, la ms fcil consiste en otorgar un nombre a cada grfico y, a continuacin, mostrarlas en un mismo dibujo con la orden Show. Por ejemplo:
In[3]:=
dibujo1 = Plot@Sin@xD, 8x, 0, 2 Pi<D; dibujo2 = Plot@Cos@xD, 8x, 0, 2 Pi<, PlotStyle 8Orange<D; Show@dibujo1, dibujo2D
1.0 0.5
Out[5]=
1 -0.5 -1.0
1.3 Dibujo de un punto con el Mathematica.

Para dibujar un punto con el Mathematica se utiliza la orden Point precedida de Graphics: Graphics[Point[{x,y}]] dibuja el punto de coordenadas Hx, yL
In[6]:=
Por ejemplo, para dibujar el punto H1, 1L:

Graphics@Point@81, 1<DD
Out[6]=
La orden Graphics dispone de muchas posibilidades para modificar el aspecto de los elementos que muestra, puntos,
195
Prctica 3.nb
lneas, rectngulos,... Veamos algunas de las ms interesantes:

In[7]:=
8Graphics@8PointSize@SmallD, Point@81, 1<D<D, Graphics@8PointSize@MediumD, Point@82, 1<D<D, Graphics@8PointSize@LargeD, Point@83, 1<D<D, Graphics@8PointSize@MediumD, Pink, Point@84, 1<D<D<
Out[7]=
>
Mathematica tambin puede dibujar puntos en tres dimensiones con la orden Graphics3D. Por ejemplo, dibujemos el punto {0,0,0}:
In[8]:=
Graphics3D@8PointSize@MediumD, Point@80, 0, 0<D<D
Out[8]=
1.4 Colocar un texto en un lugar del plano o del espacio.

Muchas veces estaremos interesados en colocar un texto en un lugar determinado. Esto se puede hacer con la orden Text precedida de Graphics Graphics[Text["texto",{coordenadas}]] coloca el texto en las coordenadas especificadas Por ejemplo:
196
Prctica 3.nb
In[9]:=
dibujo1 = Plot@Sin@xD, 8x, 0, 2 Pi<D; dibujo2 = Graphics@Text@"funcin senHxL", 81, 0.5<DD; Show@dibujo1, dibujo2D
1.0
0.5
funcin senHxL
Out[11]=
-0.5
-1.0
De forma anloga, con la orden Graphics3D[Text["texto",{coordenadas}]] colocaramos un texto en el espacio.
2. Funciones escalares de 2 en .
Hx, yL e 2 se le aada una tercera coordenada z = f Hx, yL. Por lo tanto, la representacin grfica de una funcin f : 2
Para representar graficamente una funcin f : 2 parece lgico que el proceso consista en que a cada punto
con la orden Plot3D que tiene la sigueinte sintaxis:
consiste en poner como altura de cada punto Hx, yL el valor de la funcin f en dicho punto. Esta tarea la realiza Mathematica Plot3D[f(x,y),{x,a,b},{y,c,d}] Por ejemplo, sea una placa rectangular de dimensin 2 1 situada en el primer cuadrante y cuya temperatura en cada punto Hx, yL viene dada por la funcin THx, yL = 10 - x - 3 y. Representemos esta funcin cuyo dominio es la regin
D = @0, 2D @0, 1D 2 :
In[12]:=
T@x_, y_D = 10 x 3 y; Plot3D@T@x, yD, 8x, 0, 2<, 8y, 0, 1<, AxesLabel 8"eje X", " eje Y", "eje Z"<D
Out[13]=
solamente con la visualizacin de la grfica observamos que la temperatura mnima se obtiene en el punto H2, 1L y la mxima en el punto H0, 0L.
197
Prctica 3.nb
Ejercicio 1.
b) gHx, yL = sen
NOTA: Una vez situado el cursor sobre una grfica tridimensional se recomienda moverlo para ver la figura desde distintos puntos de vista.
Representar las siguientes funciones en el dominio D = @-10, 10D@-10, 10D: a) f Hx, yL = x2 + y2 (paraboloide elptico).
x2 + y2 .
3. Campos vectoriales en 2.
Antes de dibujar con el Mathematica los campos vectoriales es aconsejable repasar lo comentado en el apartado 1.3 del tema 2 de la asignatura. En sntesis, un campo vectorial en 2 es una aplicacin F : 2 2 tal que a un punto le asocia un vector. La representacin del vector se hace dibujndolo a partir del punto del que es imagen. Antes de representar un campo vectorial con el Mathematica debemos cargar el paquete VectorFieldPlots`
In[14]:=
Needs@"VectorFieldPlots`"D
Dibujemos el campo vectorial FHx, yL =

x
In[15]:=
x x +y
2 2
y x +y2
2
y , x2 + y2
VectorFieldPlotB: x2 + y2
Power::infy : Infinite expression
1 0
encountered.
>, 8x, 1, 1<, 8y, 1, 1<F
::indet : Indeterminate expression 0 ComplexInfinity encountered. Power::infy : Infinite expression 1 0 encountered.
::indet : Indeterminate expression 0 ComplexInfinity encountered.
Out[15]=
198
Prctica 3.nb
Ejercicio 2.
4. Campos vectoriales en 3.
paquete VectorFieldPlots`.
Representar el campo vectorial Hsen x, cos yL en el primer cuadrante de longitud 2p. La orden del Mathematica VectorFieldPlot3D dibuja un campo vectorial en 3 . Previamente hay que cargar el
Representemos, en el cubo de longitud la unidad situado en el primer octante, el campo en 3 que a cada punto le hace corresponder su vector de posicin .
In[16]:= In[17]:=
Needs@"VectorFieldPlots`"D
VectorFieldPlot3D@8x, y, z<, 8x, 0, 1<, 8y, 0, 1<, 8z, 0, 1<D
Out[17]=
Si no queremos que evale tantos puntos en cada direccin, podemos utilizar la opcin PlotPoints 3 (por defecto es 7). Si queremos que se dibujen las flechas de los vectores utilizamos la opcin VectorHeadsTrue (por defecto es False).
199
Prctica 3.nb
In[18]:=
VectorFieldPlot3D@8x, y, z<, 8x, 0, 1<, 8y, 0, 1<, 8z, 0, 1<, PlotPoints > 3, VectorHeads > TrueD
Out[18]=
Ejercicio 3.
5. Representacin de un campo de vectores discreto.

cargando previamente el paquete VectorFieldPlots`. La sintaxis de esta funcin en 2 es:
Representar el campo vectorial FHx, y, zL = Hx, 2 y + 3 zL en el cubo de lado 1 centrado en el origen.
Mathematica tambin puede representar un campo vectorial expresado por un conjunto discreto de puntos y vectores mediante la orden ListVectorFieldPlot o ListVectorFieldPlot3D, segn estemos en 2 o 3 respectivamente, y siempre
ListVectorFieldPlot[{ {punto1,vector1}, {punto2,vector2} ,...., {punton,vectorn} }] Por ejemplo, sea el campo vectorial FHx, yL =
x x +y
2 2
H-1, -1L; H-1, 1L; H1, 1L y H1, -1L:

In[19]:= In[20]:=
y x +y2
2
dibujemos los vectores asociados a los puntos
Needs@"VectorFieldPlots`"D x y , x2 + y2 y > x2 + y2 >
Out[20]=
F@8x_, y_<D = : P1 = 81, 1<; P2 = 81, 1<; P3 = 81, 1<; P4 = 81, 1<; : x , x2 + y2
x2 + y2
In[21]:=
200
Prctica 3.nb
In[25]:=
ListVectorFieldPlot@8 8P1, F@P1D<, 8P2, F@P2D<, 8P3, F@P3D<, 8P4, F@P4D< <D
Out[25]=
Si al dibujo anterior queremos aadirle las coordenadas de los puntos, de los que los vectores son sus imgenes, podramos hacerlo de la siguiente forma (las coordenadas se colocan aproximadamente en el lugar que le corresponden intentanto guardar cierta esttica):
In[26]:=
dibujo1 = ListVectorFieldPlot@8 8P1, F@P1D<, 8P2, F@P2D<, 8P3, F@P3D<, 8P4, F@P4D< <D; dibujo2 = Graphics@ 8Text@P1, 81, 0.9<D, Text@P2, 81, 0.9<D, Text@P3, 81, 0.9<D, Text@P4, 81, 0.9<D< D; Show@dibujo1, dibujo2D
8-1, 1< 81, 1<
Out[28]=
8-1, -1<
81, -1<
Ejercicio 4.
La curva seno hiperblico (Sinh@xD) tiene la grfica que se observa en el dibujo. Un vector tangente a dicha curva en el punto H2, SinhH2LL es H1, CoshH2LL. Se trata de poner las rdenes adcuadas con el Mathematica para obtener el siguiente dibujo:
201
Prctica 3.nb
10
vector tangente a SinhHxL en el punto H2,SinhH2LL 1 2 3
-3
-2
-1
-5
-10
6. Curvas parametrizadas en 2.
La mejor forma de trabajar con una curva en el plano consiste en dar una expresin vectorial o paramtrica de la misma. Es decir, definiendo una funcin gHtL con t @a, bD que toma valores en 2 . embargo, no es muy til trabajar con esta expresin. La mejor forma de expresar esta circunferencia consiste en dar su expresin paramtrica:
gHtL : x = cos t con t @0, 2 pD y = sen t g : @a, bD 2
Por ejemplo, es conocido que la expresin de la circunferencia centrada en el origen de radio 1 es x2 + y2 = 1. Sin
o bien en forma vectorial:
Efectivamente, se trata de la misma circunferencia puesto que:
gHtL = Hcos t, sen tL con t @0, 2 pD x2 + y2 = cos2 t + sen2 t = 1
el significado del parmetro t es el ngulo que forma el segmento que une el punto Hx, yL y el origen con el eje de abscisas:
Mathematica tiene la orden ParametricPlot para representar este tipo de funciones: ParametricPlot[{x[t],y[t]},{t,a,b}] Por ejemplo:
202
10
Prctica 3.nb
In[29]:= Out[29]= In[30]:=
@t_D = 8Cos@tD, Sin@tD< 8Cos@tD, Sin@tD<

1.0
ParametricPlot@@tD, 8t, 0, 2 Pi<D

0.5
Out[30]=
-1.0
-0.5
0.5
1.0
-0.5
-1.0
Veamos una pequea muestra de la flexibilidad que permite la expresin de una curva en paramtricas. Si ahora quiero dibujar
In[31]:=
3 4
ParametricPlotB@tD, :t, 0,
1.0 0.5
de circunferencia podemos hacer gHtL = Hcos t, sen tL con t A0,

3 2 >F
3p E: 2
Out[31]=
-1.0
-0.5
0.5
1.0
-0.5
-1.0
Ejercicio 5.
Dibujar la espiral g :
x = t4 senH2 tL y = t4 cosH2 tL t e @-3, 4D
7. Curvas parametrizadas en 3
Una curva parametrizada en 3 es una aplicacin g : @a, bD 3 que, en forma paramtrica, viene dada por las x = xHtL y = yHtL t @a, b D, y en forma vectorial por gHtL = HxHtL, yHtL, zHtLL con t @a, bD. ecuaciones: g :
z = zHtL
La orden del Mathematica que realiza el dibujo de la curva es:
ParametricPlot3D[{x[t],y[t],z[t]},{t,a,b}]
203
Prctica 3.nb
11
Ejercicio 6
x = cos t Dibujar la hlice de ecuaciones: : y = sen t t @0, 8 pD. z = 0.2 t
NOTA: La orden ParametricPlot posee distintas opciones. Se recomienda que se utilice la opcin AxesLabel para poner nombre a los ejes: AxesLabel{"eje x","eje y","eje z"}
8. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, Edita CLAGSA-MADRID, 1996. KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, volumen 1, Ed. MIR. 1990. JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas I (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas II (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997.
204
Curso 2010 - 2011 Ampliacin de Matemticas (I. T. Industrial)

Prctica 4
En la prctica anterior vimos que una curva parametrizada en el plano es una aplicacin g : @a, bD 2 .
Estudio general de las curvas parametrizadas
y ParametricPlot3D son las rdenes que tiene el Mathematica para representar estas curvas en 2 y 3 respectivamente. En esta prctica vamos a familiarizarnos con las curvas expresadas en forma paramtrica.
Anlogamente, una curva parametrizada en el espacio es una aplicacin g : @a, bD 3 . Tambin se vi que ParametricPlot
ndice.
1. Conocimientos previos. 1.1 Mdulo de un vector. 1.2 La orden FinRoot. 2. Longitud de una curva parametrizada. 3. Distintas parametrizaciones de una trayectoria. 4. Sentido de recorrido de una curva parametrizada. 5. Obtencin de una curva con sentido contrario a otra dada. 6. Puntos dobles de una curva parametrizada. 7. Bibliografa
1.1 Mdulo de un vector.
El mdulo de un vector v = Hx1 , ..., xn L es el nmjero real v =

x2 + ... + x2 y representa la longitud de dicho n 1
vector. Con independencia de la dimensin del vector, la orden Norm del Mathematica calcula su mdulo. Ejemplo:
In[1]:= Out[1]= In[2]:= Out[2]=
Norm@81, 1<D 2
Norm@81, 1, 1<D 3
1.2 La orden FindRoot.

En prcticas anteriores se han utilizado las rdenes Solve y NSolve para la resolucin de ecuaciones y sistemas. Sin embargo, muchas veces estas rdenes anteriores son incapaces de encontrar la solucin de la ecuacin o del sistema. En estos casos, se utiliza la orden FindRoot que busca la solucin mediante un mtodo iterativo; es decir, comenzando en un punto x0 que est relativamente prximo a la verdadera solucin y el mtodo va generando un conjunto de puntos que se aproximan a la solucin buscada. La sintaxis de esta orden es:
205
Prctica 4.nb
FindRoot[ecuacin,{x, x0 }] Mathematica no nos muestra los resultados intermedios sino slo la aproximacin numrica final. De todas formas, si no encontrara la solucin de la ecuacin o del sistema nos devolvera un mensaje en ese sentido. En este ltimo caso, la forma de proceder sera repetir la orden cambiando el valor inicial x0 por otro que est ms prximo a la verdadera solucin. El mismo procedimiento se habra de seguir si la solucin que propone el programa no se ajusta a lo esperado por nosotros.
f HxL = x senHxL - 2 , dicho de otro modo, el valor c que verifica: f HcL = 0. Para ello una buena idea es representar f HxL en un
1
In[3]:=
Por ejemplo, vamos a obtener la solucin de la ecuacin: x sen x = 1 , esto equivale a calcular la raz de la funcin 2
intervalo, a elegir por nosotros, y tomar un valor x0 cercano al punto donde la grfica de la funcin corte al eje de abscisas:
Plot@x Sin@xD 1 2, 8x, 0, 2<D
1.0
Out[3]=
0.5
0.5 -0.5
1.0
1.5
2.0
Por lo tanto, tomamos x0 = 1 como valor para comenzar el algortimo de bsqueda en la orden FindRoot.
In[4]:=
observamos que la raz de la funcin f HxL = x senHxL Out[4]=
1 2
(o la solucin de la ecuacin x senHxL = 2 ) est cercana al valor 1.
In[5]:= Out[5]=
De forma anloga se procedera para hallar la solucion de un sistema, por ejemplo :

FindRoot@8y Sin@xD == 1 2, x Sin@yD == 1<, 8x, 1<, 8y, 1<D 8x 1.95044, y 0.538331<
FindRoot@x Sin@xD == 1 2, 8x, 1<D 8x 0.740841<
y senHxL = x senHyL =
1 2
Sea una curva parametrizada gHtL (en 2 3 ) con t @a, bD, se puede demostrar facilmente que la longitud LHgL de de esta curva viene dada por: Por ejemplo, para calcular la longitud de la circunferencia de radio 3 procederamos del siguiente modo: Parametrizamos la circunferencia:
In[6]:= In[7]:= Out[7]=
2. Longitud de una curva parametrizada.

LHgL = a g ' HtL t
b
Clear@"Global`"D
con t @0, 2 pD
@t_D = 83 Cos@tD, 3 Sin@tD< 83 Cos@tD, 3 Sin@tD<
Calculamos la derivada de gHtL que la llmamamos dgHtL:
206
Prctica 4.nb
In[8]:= Out[8]=
d@t_D = D@@tD, tD
83 Sin@tD, 3 Cos@tD< Norm@d@tDD
Calculamos la norma de la derivada:
In[9]:=
Out[9]=
9 Abs@Cos@tDD2 + 9 Abs@Sin@tDD2
la longitud de la circunferencia de radio 3 ser:

In[10]:= Out[10]=
IntegrateB 6
9 Abs@Cos@tDD2 + 9 Abs@Sin@tDD2 , 8t, 0, 2 Pi<F
Ejercicio 1.
x = cos t Hallar la longitud de la hlice g : y = sen t t @0, 8 pD. z = 0.2 t
3. Distintas parametrizaciones de una trayectoria.

Situmonos en el plano, la idea intuitiva de curva parametrizada es la de reflejar el movimiento de un mvil que se x = xHtL . Por lo tanto, es lgico pensar que mueve en dicho plano, de tal forma que en el tiempo t se encuentra en el el punto : y = yHtL Por ejemplo, las curvas :
Clear@"Global`"D
una misma trayectoria puede ser recorrida a diferentes velocidades y, consecuentemente, una misma trayectoria puede venir representada por infinitas parametrizaciones.
x = 2 cos t y = 2 sen t
misma trayectoria o, como tambin se dice, son dos parametrizaciones de la misma curva. Veamos:
In[11]:= In[12]:=
con t @0, pD y :
1@t_D = 82 Cos@tD, 2 Sin@tD<; 2@t_D = 82 HCos@t + 1DL ^ 2 2 HSin@t + 1DL ^ 2, 4 Cos@t + 1D Sin@t + 1D<; dib1 = ParametricPlot@1@tD, 8t, 0, Pi<D; dib2 = ParametricPlot@2@tD, 8t, 1, Pi 1<D; Show@dib1, dib2D
2.0 1.5 1.0 0.5
x = 2 cos2 Ht + 1L - 2 sen2 Ht + 1L con t @-1, p - 1D tienen la y = 4 cos Ht + 1L sen Ht + 1L
Out[16]=
-2
-1
slo aparece una grfica porque se han superpuesto los dibujos de g1 y g2 . Por lo tanto, si el mvil A recorre el plano siguiendo el movimiento de la curva :
con t @0, pD, y el B lo
207
Prctica 4.nb
hace segn :
que lo hagan a distintas velocidades o en distinto sentido.
y = 4 cos Ht + 1L sen Ht + 1L
x = 2 cos2 Ht + 1L - 2 sen2 Ht + 1L
con t @-1, p - 1D, ambos describen la misma trayetoria; cuestin distinta es
4. Sentido del recorrido de una curva parametrizada.

Sea el mvil que en el momento t se encuentra en el punto :
ParametricPlot@@tD, 8t, 0, 5<, PlotRange FullD
15
hasta los 5 segundos sera:

In[17]:=
@t_D = 9Ht 2L3 t, 2 Ht 2L2 =;
x = Ht - 2L3 - t y = 2 Ht - 2L2
, su recorrido desde el momento inicial
10
Out[18]=
-5
10
15
20
pero nos queda la duda si el mvil se mueve de izquierda a derecha o al revs. Podemos hacer un pequeo artificio que consiste en dibujar el movimiento realizado desde 0 hasta t (ParametricPlot[g[z], {z, 0, t}]) y posteriormente hacemos una animacin superponiendo muchos de esos dibujos de tal forma que t tome valores 0 < t < 5 con un paso de una dcima de segundo. Esto se puede hacer con la orden Manipulate:
Manipulate@ParametricPlot@@zD, 8z, 0, t<D, 8t, 0, 5, 0.1<D
t
Manipulate[expresin(t),{t,inicio,final,paso}]
In[19]:=
0.8
1.0
1.2
1.4
1.6
1.8
2.0
-0.5
Out[19]=
-1.0
-1.5
conforme se va deslizando la barra del parmetro t hacia la derecha (t va tomando valores crecientes) se muestra el sentido de recorrido de la curva. Si se pulsa el boton + del deslizador, adems de otros controladores, se observarn los valores que
208
Prctica 4.nb
va tomando t en cada momento. De la manipulacin anterior se desprende que se mueve de izquierda a derecha. Pero tambin lo podramos haber adivinado de una forma ms fcil.
In[20]:=
Print@"Punto inicial =", @0DD Print@"Punto final =", @5DD
Punto inicial =88, 8<
NOTA 1. Hay que sealar que tan importante como conocer la forma de la curva es saber su sentido de recorrido. NOTA 2. El parmetro t siempre tomar valores crecientes lo que, por otra parte, es consecuente con el hecho de que, en la mayora de las aplicaciones prcticas, el parmetro t representar el tiempo.
es decir, la curva va desde el punto H-8, 8L al punto H22, 18L luego va de izquierda a derecha.
Punto final =822, 18<
Ejercicio 2.
Sea la curva g :
x = 2 cos3 t y = 2 sen3 t t e @1, 2D. Representar la curva indicando su punto inicial y final.
Ejercicio 3.
5. Obtencin de una curva con sentido contrario a otra dada.

Sea la curva gHtL = 8t + 1, cosHtL + senHtL< con t @0, 6D, cuya representacin grfica es:
Hallar una parametrizacin del segmento rectilneo que comienza en el punto H1, 3, 1L y termina en el H4, 5, 2L.
muchas veces interesa obtener otra curva que tenga el mismo dibujo pero que se recorra en sentido contrario. Este problema se puede resolver fcilmente mediante el cambio de variable s = f HtL = -t como se observa en el siguiente dibujo:
209
Prctica 4.nb
Apliquemos este procedimiento a la la curva gHtL = 8t + 1, cosHtL + senHtL< con t @0, 6D que la dibujaremos de color rojo mientras que b la pintaremos de color verde, asimismo representaremos las dos curvas sobre los mismos ejes coordenados.
In[22]:= Out[22]= In[23]:= Out[23]= In[24]:=
si definimos la curva bHtL = gH f HtLL = gH-tL, la curva bHtL tendr la mis trayectoria que g pero recorrida en sentido opuesto.
NOTA 1. El intervalo donde esta definida bHtL deber ser @-b, -aD a fin de que la imagen de f aplicada al intervalo @-b, -aD sea precismante @a, bD.
@t_D = 8t + 1, Cos@tD + Sin@tD< @t_D = @tD 81 + t, Cos@tD + Sin@tD< 81 t, Cos@tD Sin@tD<
dibujo1 = ParametricPlot@@tD, 8t, 0, 6<, PlotStyle 8Red<D; dibujo2 = ParametricPlot@@tD, 8t, 6, 0<, PlotStyle 8Green, Opacity@0.5D<D; Show@dibujo1, dibujo2D
Out[26]=
aunque las trayectorias de g y b son las mismas estn recorridas de forma diferente:
In[27]:=
NOTA 2. Si tuvieramos especial inters en que el intervalo de definicin de la nueva curva fuera el mismo que el de la curva g entonces se realizara una traslacin previa mediante el cambio de variable gHtL = t - Hb + aL. Siguiendo con el mismo ejemplo la nueva curva dHtL sera:
In[29]:= Out[29]=
Punto inicial de HtL: 81., 1.< Punto final de HtL: 87., 0.680755<
Print@"Punto inicial de HtL: ", N@@0DD, " Punto final de HtL: " , N@@6DDD Print@"Punto inicial de HtL: ", N@@6DD, " Punto final de HtL: ", N@@0DDD
Punto inicial de HtL: 87., 0.680755< Punto final de HtL: 81., 1.< @t_D = @Ht H6 + 0LLD
87 t, Cos@6 tD + Sin@6 tD<
210
Prctica 4.nb
In[30]:=
dibujo3 = ParametricPlot@@tD, 8t, 0, 6<D; Show@dibujo1, dibujo3D

1.0 0.5
Out[31]=
2 -0.5 -1.0
Ejercicio 4.
Punto inicial de HtL: 87., 0.680755< Punto final de HtL: 81., 1.<
In[32]:=
Print@"Punto inicial de HtL: ", N@@0DD, " Punto final de HtL: ", N@@6DDD
parametrizacin de dicha semicircunferencia pero que se recorra en sentido opuesto.
La semicircunferencia g :
x = cos t t e @0, pD se recorre en sentido contrario a las agujas del reloj. Obtener otra y = sen t
6. Puntos dobles de una curva parametrizada.

g: x = Ht - 2L3 - t y = 2 Ht - 2L2
En un ejemplo visto ms arriva se consideraba el desplazamiento de un mvil en el plano segn la curva con t @0, 5D. Vimos que su representacin grfica era:
15
10
-5
10
15
20
adems, comprobamos que se recorra de izquierda a derecha. Pues bien, observamos que existen dos momentos t1 y t2 en los que el mvil pasa por el mismo punto, punto doble. Calculemos dicho punto y los valores de los tiempos t1 y t2 en los que se alcanza el punto doble.
In[33]:= Out[33]=
existirn dos momentos t1 y t2 tales que gHt1 L = gHt2 L, por lo tanto, nuestro problema queda resuelto obteniendo la solucin del sistema gHt1 L = gHt2 L donde las incgnitas son t1 y t2 :
@t_D = 9Ht 2L3 t, 2 Ht 2L2 = 9H2 + tL3 t, 2 H2 + tL2 =
211
Prctica 4.nb
In[34]:=
Solve@@t1D
Solve::svars : Equations may not give solutions for all "solve" variables.
Out[34]=
:8t1 1, t2 3<, 8t1 2, t2 2<, 8t1 3, t2 1<, :t1 1 3 J6 3 N, t2 1 3 J6 3 N>, :t1 1 3 J6 +
@t2D, 8t1, t2<D
In[35]:= Out[35]=
N@%D
de todas las soluciones anteriores, las nicas que aplicadas a nuestro problema tienen sentido sentido son : dosble sera gH1L = gH3L = H-2, 2L:
In[36]:=
88t1 1., t2 3.<, 8t1 2., t2 2.<, 8t1 3., t2 1.<, 8t1 1.42265, t2 1.42265<, 8t1 2.57735, t2 2.57735<, 8t1 t2<<
3 N, t2
1 3
J6 +
3 N>, 8t1 t2<>
t1 = 1 t2 = 3
y el punto
@1D
Out[36]=
ningn resultado. Por ejemplo, sea la curva gHtL = I1 + cos 2 , sin t - 1M con t @-5, 5D. Efectivamente, esta curva posee un
t
punto doble como se desprende de su representacin grfica:

In[37]:=
Suele ocurrir que al resolver el sistema gHt1 L = gHt2 L con la orden Solve el Mathematica no sea capaz de darnos
t @t_D = :1 + CosB F, Sin@tD 1>; 2 ParametricPlot@@tD, 8t, 5, 5<D
0.5 1.0 1.5 2.0 -0.5
82, 2<
Out[38]= -1.0
-1.5
-2.0
si intentamos calcular, con la orden Solve, los momentos t1 y t2 que se aplican en el punto doble no obtenemos ningn resultado:
In[39]:=
Solve@@t1D
Solve::tdep : The equations appear to involve the variables to be solved for in an essentially non-algebraic way.
Out[39]=
@t2D, 8t1, t2<D t1 2
SolveB:1 + CosB
valores 8t, gHtL< teniendo en cuenta que el punto doble se encuentra en el punto H1, -1L (o muy cercano a dicho punto):
En casos como ste podemos utilizar la orden FindRoot, paro antes de aplicar dicha funcin necesitamos unos valores cercanos a las verdaderas soluciones de t1 y t2 para que comience el proceso iterativo. As pues, hacemos una tabla de
F, 1 + Sin@t1D>
:1 + CosB
t2 2
F, 1 + Sin@t2D>, 8t1, t2<F
212
Prctica 4.nb
In[40]:=
Out[40]//MatrixForm=
Table@8t, N@@tDD<, 8t, 5, 5, 0.5<D MatrixForm 5. 4.5 4. 3.5 3. 2.5 2. 1.5 1. 0.5 0. 0.5 1. 1.5 2. 2.5 3. 3.5 4. 4.5 5. 80.198856, 0.0410757< 80.371826, 0.0224699< 80.583853, 0.243198< 80.821754, 0.649217< 81.07074, 1.14112< 81.31532, 1.59847< 81.5403, 1.9093< 81.73169, 1.99749< 81.87758, 1.84147< 81.96891, 1.47943< 82., 1.< 81.96891, 0.520574< 81.87758, 0.158529< 81.73169, 0.00250501< 81.5403, 0.0907026< 81.31532, 0.401528< 81.07074, 0.85888< 80.821754, 1.35078< 80.583853, 1.7568< 80.371826, 1.97753< 80.198856, 1.95892<
observamos que t1 tiene que estar cerca de -3 y t2 cerca de 3:

In[41]:= Out[41]= In[42]:= Out[42]=
FindRoot@@t1D
@3.141592651528695D 81., 1.<
8t1 3.14159, t2 3.14159<
@t2D, 8t1, 3<, 8t2, 3<D
Ejercicio 5.
Luego gH-3.14159L = gH3.14159L = H1, -1L. Sea la curva g :

x = cos2 t y = sen 3 t t e @-5, 5D. Representarla y calcular, si existen, sus puntos dobles.
7. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, Edita CLAGSA-MADRID, 1996. KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, volumen 1, Ed. MIR. 1990. JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas I (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas II (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997.
213

Prctica 5 Curvas parametrizadas por el parmetro arco. Frmulas de Frenet
Si estamos interesados en conocer el comportamiento de una curva g : @a, bD 3 , alrededor de un punto determinado P, parece lgico que los clculos se deben simplificar si se toma un sistema de referencia apropiado a la forma de la curva en las cercanas de dicho punto. En esta prctica vamos a calcular dicho sistema de referencia afn que estrar formado por el punto P y tres vectores unitarios perpendiculares entre s orientados segn las caractersticas de la propia curva en el punto P. Tambien daremos las nociones de curvatura y torsin cuyos valores caracterizarn a la curva salvo isometras en el espacio.
NOTA. En toda la prctica vamos a suponer que g : @a, bD 3 es una funcin diferenciable cuantas veces sean necesarias y que est parametrizada por el parmetro arco. En la prctica siguiente extenderemos los resultados a otras curvas no necesariamente parametrizadas por dicho parmetro.
ndice.
1. Conocimientos previos. 1.1 Producto escalar. 1.2 Producto vectorial. 1.3 Producto mixto. 2. Curva parametrizada por el parmetro arco. 3. Vector tangente. 4. Curvatura. 5. Vector normal principal. 6. Vector binormal. 7. Plano osculador. 8. Torsin. 9. Formulas de Frenet. 10. Bibliografa.
1.1 Producto escalar.
Dados dos vectores v = Hx1 , ..., xn L y w = Hy1 , ..., yn L de n , el Mathematica realiza el producto escalar
83, 1, 0<.82, 2, 5< 4
v w = x1 y1 + ... + xn yn de estos vectores con el "punto del teclado". Ejemplo:

In[1]:= Out[1]=
214
Prctica 5.nb
1.2 Producto vectorial.

Jv wN. Por ejemplo, el producto vectorial de los vectores H-1, 0, 3L H2, 4, -2L se calculara:

In[2]:= Out[2]=
Dados dos vectores v y w de 3 , la orden Cross del Mathematica realiza el producto vectorial de ambos vectores
Cross@81, 0, 3<, 82, 4, 2<D 812, 4, 4<
1.3 Producto mixto.

vectores, y se escribe Bu, v, wF, como el nmero:
Dados tres vectores u = Hu1 , u2 , u3 L, v = Hv1 , v2 , v3 L, w = Hw1 , w2 , w3 L de 3 , se define el producto mixto de estos tres Bu, v, wF = u Jv wN = v1 w1

u1
u2 v2
u3 v3
In[3]:= Out[3]=
Por ejemplo, sean los vectores de 3 u = H-1, 0, 3L, v = H2, 1, 2L, w = H0, -1, 1L su producto mixto Bu, v, wF sera -9:
w2
w3
Det@881, 0, 3<, 82, 1, 2<, 80, 1, 1<<D 9
2. Curva parametrizada por el parmetro arco.

En la prctica anterior vimos que la semicircunferencia de radio 2 poda expresarse de dos maneras diferentes x = 2 cos t x = 2 cos2 Ht + 1L - 2 sen2 Ht + 1L g1 : con t @0, pD, y g2 : con t @-1, p - 1D. y = 2 sen t y = 4 cos Ht + 1L sen Ht + 1L
Puestos a elegir entre estas dos parametrizaciones parece claro que nos quedaramos con la primera pues resulta relativamente cmoda. Pero hay que sealar que no es la mejor la mejor de todas las parametrizaciones.
DEFINICIN. La curva g : @a, bD se dice que est parametrizada por el parmetro arco si g ' HsL = 1 para todo s @a, bD. Partimos de gHtL con t @a, bD.
t
La parametrizacin que ms ventajas proporciona es aquella en la que el mvil la recorre a velocidad constantemente igual a 1. Es decir, g ' HtL = 1 para todo t. Cuando una curva presenta estas caractersticas se dice que est parametrizada por el parmetro arco y en lugar de utilizar la letra t, se utiliza como parmetro de la curva la letra s. Dada una curva gHtL veamos los pasos que debemos realizar, cambio de variable, para conseguir una nueva parametrizacin de la misma curva (misma trayectoria) pero que, ahora, la curva quede parametrizada por el parmetro arco. Definimos la nueva variable s del siguiente modo s = a g ' HzL z. Una vez resuelta dicha integral se tiene una
funcin s = f HtL.
Despejamos la variable t en funcin de la variable s, t = gHsL La nueva expresin de la curva ser gHgHsLL
Por ejemplo, parametricemos por el parmetro arco la semicircunferencia de radio 2. Partimos de la expresin
El intervalo de definicin del parmetro s sera s @a, bD donde gHaL = a y f HbL = b.
215
Prctica 5.nb
gHtL = H2 cos t, 2 sen tL con t @0, pD que no est parametrizada por el parmetro arco.
In[4]:= In[5]:=
Clear@"Global`"D
Out[5]= In[6]:= Out[6]= In[7]:=
@t_D = 82 Cos@tD, 2 Sin@tD< 82 Cos@tD, 2 Sin@tD< d@t_D = D@@tD, tD 82 Sin@tD, 2 Cos@tD< Norm@d@tDD
Out[7]= In[8]:= Out[8]=
4 Abs@Cos@tDD2 + 4 Abs@Sin@tDD2 Simplify@%, 0 t D 2 2 z

t 0
In[9]:=
Out[9]= In[10]:=
2t
Solve@s == 2 t, tD ::t s 2 >>
Out[10]=
El nuevo intervalo de definicin del parmetro s ser:

s
In[11]:=
SolveB 2 s SolveB 88s 0<< 2
0, sF , sF
Out[11]= Out[12]=
con t @0, 2 pD
In[13]:=
Por lo tanto, la expresin de la semicircunferencia de radio 2 parametrizada por el arco sera gHsL = I2 cos 2 , 2 sen 2 M
s s
88s 2 <<
s 2
ParametricPlotB:2 CosB
2.0 1.5 1.0 0.5
F, 2 SinB
s 2
F>, 8s, 0, 2 Pi<F
Out[13]=
In[14]:=
Adems, veamos que, efectivamente, est parametrizada por el parmetro arco (g ' HsL = 1):
@s_D = :2 CosB s 2 s s :2 CosB F, 2 SinB F> 2 2 F, 2 SinB s 2 F>
-2
-1
Out[14]=
216
Prctica 5.nb
In[15]:=
Norm@ '@sDD s 2 s 2 AbsBCosB FF + AbsBSinB FF 2 2
Out[15]=
In[16]:= Out[16]=
Simplify@%, s RealsD 1
Ejercicio 1.
3. Vector tangente.
Expresar por el parmetro arco la curva (trozo de recta) gHtL = It3 , t3 M con t @-1, 1D.
DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco. Se define el vector tangente unitario en el punto P = gHsL como el vector:
tangenteHsL = g ' HsL
cos s 2 sen s 2 s 2
Ejemplo, el vector tangente a la curva g : y =

z=
@s_D = : : Cos@sD 2 Cos@sD , 2 Sin@sD , 2 2 2 s > Sin@sD , 2 s >
x=
en el punto P = J
1 2
, 0, 0N se calculara del siguiente modo:
En primer lugar veamos si la curva est parametrizada por el parmetro arco:

In[17]:=
Out[17]=
In[18]:=
d@s_D = D@@sD, sD : Sin@sD , 2 2 Cos@sD , 1
Out[18]=
In[19]:=
Norm@d@sDD 1 + 1 2 Abs@Cos@sDD2 + 1 2
> Abs@Sin@sDD2
Out[19]=
2
In[20]:= Out[20]=
efectivamente, g ' HsL = 1 por tanto est parametrizada por el parmetro arco.
In[21]:=
El vector tangente en cada punto de la curva es g ' HsL

Tangente@s_D = Simplify@d@sDD : Sin@sD 2 Cos@sD 2 1 , , 2 >
Out[21]=
ahora calculamos el valor s0 del parmetro de la curva que verifica gHs0 L = P = J
1 2
, 0, 0N.
217
Prctica 5.nb
In[22]:=
SolveB@sD
Solve::incnst :
Inconsistent or redundant transcendental equation. After reduction, the bad equation is -ArcCos@Cos@sDD == 0. Solve::ifun : Inverse functions are being used by Solve, so
88s 0<<
1 , 0, 0>F 2
some solutions may not be found; use Reduce for complete solution information.
Out[22]=
In[23]:=
El vector tangente en el punto P = gH0L = J

Tangente@0D :0, 1 , 2 2 1 >
1 2
, 0, 0N es:
Out[23]=
Ejercicio 2.
x = cos s Sea la curva g : y = sen s , comprobar que est parametrizada por el parmetro arco y calcular el vector tangente z= 3
en el punto H1, 0, 3L.
4. Curvatura.
La idea intuitiva de curvatura se entiende con la siguiente apreciacin. Sea la curva gHsL, conforme cambiamos de punto ir cambiando tambin su vector tangente, es ms, cuanto ms curvada sea sta el vector tangente tambin ir variando con mayor rapidez. Por lo tanto, la derivada del vector tangente medir lo curvada que est la curva. DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco. Se define la curvatura kHsL en el punto P = gHsL de la curva como el nmero:
kHsL = g '' HsL
2 s 2
Por ejemplo, la curvatura de la curva g : y =

z=
In[24]:=
x=
cos s 2 sen s
2 2 d@s_D = D@@sD, sD; dd@s_D = D@d@sD, sD;
@s_D = :
Cos@sD ,
Sin@sD ,
s 2
>;
en el punto P = J
1 2
, 0, 0N sera:
La curvatura en cada punto de gHsL es:

In[27]:=
k@s_D = Norm@dd@sDD 1 Abs@Cos@sDD2 + 1 2 Abs@Sin@sDD2
Out[27]=
218
Prctica 5.nb
In[28]:=
Out[28]=
en el punto P = J
In[29]:=
En este caso la curvatura ha salido constante en cada punto pero, en general, depender del parmetro s. La curvatura
1 2
, 0, 0N ser:
k@0D 1
Out[29]=
Ejercicio 3.
x = cos s Calcular la curvatura en cada punto de la curva g : y = sen s . z= 3
5. Vector normal principal.

DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco, si kHsL 0, se define el vector normal principal en el punto g(s) como el siguiente vector:
normal principalHsL =
g'' HsL g'' HsL g'' HsL kHsL
P=J
Por ejemplo, el vector normal principal (o simplemente vector normal) de la curva g : y =

z= , 0, 0N es:
@s_D = : Cos@sD , Sin@sD , 2 s >;
x=
cos s 2 sen s 2 s 2
en el punto
In[30]:=
2 2 d@s_D = D@@sD, sD; dd@s_D = D@d@sD, sD;
el vector normal principal en cada punto de gHsL sera:

In[33]:=
NormalPrincipal@s_D = SimplifyB : Cos@sD Abs@Cos@sDD + Abs@Sin@sDD

2 2
dd@sD Norm@dd@sDD
Out[33]=
Sin@sD , 0>
2 2
Abs@Cos@sDD + Abs@Sin@sDD
In[34]:= Out[34]=
Simplify@%, s RealsD
el vector normal en el punto P = gH0L = J
8Cos@sD, Sin@sD, 0<
1 2
, 0, 0N
219
Prctica 5.nb
In[35]:= Out[35]=
NormalPrincipal@0D 81, 0, 0<
Ejercicio 4.
x = cos s Calcular el vector normal principal en el punto H1, 0, 3L de la curva g : y = sen s . z= 3
6. Vector binormal.
DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco, suponemos que existen el vector tangente y el normal principal en gHsL. Se define el vector binormal de gHsL como el vector:
binormalHsL = tangenteHsL normal principalHsL
principal 8-Cos@sD, -Sin@sD, 0<, por lo tanto, el vector binormal en cada punto de gHsL ser:
2
In[36]:=
Ejemplo, sea la curva g : y =

z=
Tangente@s_D = : Sin@sD ,
x=
cos s 2 sen s 2 s
el vector tangente en cada punto gHsL es :1 ,
Sin@sD 2
Cos@sD 2
1 2
> y el normal
In[38]:= In[39]:=
Binormal@s_D = Cross@Tangente@sD, NormalPrincipal@sDD : : Sin@sD 2 , Cos@sD , 2 2 Cos@sD2 + Sin@sD2 2 >
>; 2 2 2 NormalPrincipal@s_D = 8Cos@sD, Sin@sD, 0<; Cos@sD
Out[39]=
In[40]:=
Simplify@%D Sin@sD 2 , Cos@sD , 2 2 1 >
Out[40]=
el vector binormal en el punto P = gH0L = J

In[41]:=
1 2
, 0, 0N es:
Binormal@0D :0, 1 , 2
Out[41]=
>
Ejercicio 5.
x = cos s Calcular el vector binormal de la curva g : y = sen s en el punto H1, 0, 3L. z= 3
220
Prctica 5.nb
7. Plano osculador.
Sea la curva gHsL (que suponemos no es una recta) y P un punto de la misma. Si la curva estuviera contenida en un plano dicho plano se denomina plano osculador. Si la curva no fuera plana, el plano osculador en el punto P se definira como aqul que ms se aproxima a la curva en el sentido que, en las proximidades del punto P, el error que se comete al suponer la curva situada en dicho plano es el mnimo. O, si se prefiere, el plano osculador sera el plano limite de aquellos que pasan por P y por otros dos puntos de la curvan que tienden al punto P. DEFINICIN. Sea P un punto de la curva gHsL. Se define el plano osculador a gHsL en el punto P como el plano formado por el punto P y los vectores tangente y normal principal.
Hn1 , n2 , n3 L, la ecuacin del plano osculador sera:
Por lo tanto, si P = gHs0 L = Hx0 , y0 , z0 L, el vector tangente en P Ht1 , t2 , t3 L y el vector normal en el mismo punto
x - x0 t1 n1 y - y 0 z - z0 t2 n2 t3 n3 , 0, 0N, el vector tangente en P es J0, =0
normal principal en ese punto H-1, 0, 0L. El plano osculador en P se calculara:

2
In[42]:=
Ejemplo, para la curva g : y =

z=
DetB::x y 2 1
x=
cos s 2 sen s 2 s
y el punto P = J
1 1 ,
1 2
1 2
1 2
N y el vector
Out[42]=
z 2
, y 0, z 0>, :0,
>, 81, 0, 0<>F
El plano osculador de la curva g : y =

z=
x=
cos s 2 sen s 2 s 2
en el punto P = J
1 2
, 0, 0N es z - y = 0.
Ejercicio 6.
x = cos s Calcular el plano osculador de la curva g : y = sen s en el punto H1, 0, 3L. z= 3
8. Torsin.
Una curva que no est contenida en un plano se ir levantando respecto al plano osculador. Una medida de la rapidez con que se levanta la curva del plano osculador lo da la torsin. DEFINICIN. Sea la curva gHsL parametrizada por el parmetro arco tal que kHsL 0, se define la torsin tHsL en cada punto de la curva gHsL como el nmero:
tHsL =
@g' HsL,g'' HsL,g''' HsLD g'' HsLg'' HsL
221
Prctica 5.nb
Por ejemplo, la torsin de la curva g : y =

z=
In[43]:=
x=
cos s 2 sen s 2 s 2
en cada punto de gHsL es:
2 2 d@s_D = D@@sD, sD; dd@s_D = D@d@sD, sD; ddd@s_D = D@dd@sD, sD;

In[47]:=
@s_D = :
Cos@sD ,
Sin@sD ,
s 2
>;
@s_D =
Cos@sD2 2 2
Det@8d@sD, dd@sD, ddd@sD<D dd@sD.dd@sD
+ +
Sin@sD2 2 2
Out[47]=
Cos@sD2 2
Sin@sD2 2
In[48]:=
Out[48]=
La torsin de la curva g en el punto P = gH0L = J

In[49]:=
1 2
, 0, 0N es:
@0D 1
Out[49]=
Ejercicio 7.
x = cos s Calcular la torsin de la curva g : y = sen s en el punto H1, 0, 3L. z= 3
9. Frmulas de Frenet.
las respectivas derivadas del vector tangente, normal y binormal proporcionan una idea de cmo va variando el sistema de referencia (llamado triedro de Frenet y que ya apuntbamos en la introduccin de esta prctica) a lo largo de la curva g(s). Las frmulas que relacionan las derivadas de los vectores tangente, normal y binormal en funcin de ellos mismos se denominan frmulas de Frenet y se suelen expresar en forma matricial de la siguiente manera:
N ' HsL = -kHsL 0 tHsL B ' HsL 0 -tHsL 0 0 kHsL 0 T ' HsL THsL NHsL BHsL
donde THsL, NHsL y BHsL son los vectores tangente, normal principal y binormal respectivamente.
222
10
Prctica 5.nb
Ejercicio 8.
x = cos s Comprobar las frmulas de Frenet para la curva g : y = sen s . z= 3
10. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: CASTELLANO ALCNTARA, J. - GMEZ DOMINGO, D. - PREZ GMEZ, R.: Clculo Matemtico Aplicado a la Tcnica, Edita Proyecto Sur, Granada, 1997. CORDERO, LUIS A. - FERNNDEZ, M. - GRAY, A.: Geometra diferencial de curvas y superficies con Mathematica, Alianza Universidad, 1995. GRANERO RODRGUEZ, F.: lgebra y Geometra Analtica, McGraw-Hill, 1989. JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas I (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas II (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). LARSON ROLAND E. - HOSTETLER ROBERT P. - EDWARDS BRUCE H.: Clculo, volumen 2, McGraw-Hill, 1995. LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997.
223

Prctica 6 Triedro de Frenet de una curva no parametrizada por el arco
En la prctica anterior se vi que, dada una curva gHsL parametrizada por el parmetro arco, era posible construir un sistema de referencia ortonormal afn, denominado Triedro de Frenet, formado por el punto de la curva y los vectores tangente, normal y binormal, suponiendo la existencia de todos ellos. Pero si la curva gHtL no est parametrizada por el parmetro arco Hg ' HtL T 1L, para obtener el triedro de Frenet habra que previamente parametrizarla por el parmetro arco lo que, en general, no ser una tarea fcil ya que en primer lugar hay que resolver la integral t g ' HzL z en donde aparece una raz cuadrada y, despus, hay que despejar la varaible t de la
t
0
ecuacin s = t g ' HzL z.

t
0
En esta prctica vamos a obtener el triedro de Frenet, as cmo la curvatura y torsin, para curvas no necesariamente parametrizadas por el arco. Como vamos a comprobar la expresin de estos elementos son ms complicados pero gracias a la facilidad de clculo del Mathematica no tendremos mayores problemas.
ndice.
1. Vector tangente, normal y binormal de una curva no parametrizada por el arco. 1.1 Representacin grfica del triedro de Frenet. 2. Curvatura y torsin de una curva no parametrizada por el parmetro arco. 3. Bibliografa.
1. Vector tangente, normal y binormal de una curva no parametrizada por el arco.

A continuacin, exponemos las frmulas de vector tangente, normal principal y binormal de una curva no parametrizada por el parmetro arco, supuesta la existencia de estos vectores. En particular, se exige que dada punto de la curva sea regular. Un punto de una curva P = gHt0 L se dice regular si g ' Ht0 L 0 . En caso contrario, el punto P se llama
singular. Muchas veces el hecho de que un punto sea sea regular o singular slo depende de la parametrizacin elegida para la curva. Por ejemplo, el dibujo de gHtL = Ht, tL y de bHtL = It3 , t3 M es el mismo ya que se corresponde con la recta y = x, sin embargo, el origen es un punto regular para g y singular para b.
Vector tangente:
tangenteHtL =
Vector normal principal:

normal principalHtL =
g' HtL g' HtL
Hg' HtLg'' HtLL g' HtL Hg' HtLg'' HtLL g' HtL
224
Prctica 6.nb
Vector binormal:
binormalHtL =
In[1]:= In[2]:=
Por ejemplo, sea la curva g : y = 2 t

Clear@"Global`"D @t_D = 92 Et , E2 t , Ht + 1L ^ 3=; d@t_D = D@@tD, tD; dd@t_D = D@d@tD, tD; Tangente@t_D = SimplifyB : : 2 4
2t t
x = 2 t
3
z = Ht + 1L
. Calculemos el triedro de Frenet en el punto P = H2, 1, 1L
g' HtLg'' HtL Hg' HtLg'' HtLL
d@tD
, t RealsF 2
2t
Norm@d@tDD
Out[5]=
+4
4t
In[6]:=
NormalPrincipal@t_D = SimplifyB 4 I4 I4
2t 4t
+ 9 H1 + tL
,
4
2t
+4
4t
Cross@Cross@d@tD, dd@tDD, d@tDD
Out[6]=
+4
4t
+ 9 H1 + tL4 M J4 2
t
2t
+4
4t
In[7]:=
Binormal@t_D = SimplifyB : 6 4
4t t
I4
+ 9 H1 + tL M J4
4
2t
+4
4t
+ 9 H1 + tL4 M J4 t H1 + tL + 36
H1 + tL I1 + t + 2
4t
I2
+ 9 H1 + tL H1 + tL3
4t 2t
Norm@Cross@d@tD, dd@tDDD Norm@d@tDD ,
+ 9 H1 + tL
, 4
2t
+4
3 H1 + tL2
4t
+ 9 H1 + tL
, t RealsF
>
+ 9 t H1 + tL3 M
4t
+ 9 I1 + + 9 I1 +
2 t2 M 2 t2 M 2t
+ 36
2t
It + It +
2 t2 M N 2 t2 M N
+ 36
2t
tM
2
Cross@d@tD, dd@tDD
+ 9 I1 + t2 M + 36
2t
, t RealsF
It + t2 M N
2
>
Norm@Cross@d@tD, dd@tDDD ,
Out[7]=
4t
In[8]:=
Calculamos el punto t0 tal que gHt0 L = P = H2, 1, 1L:

Solve@@t0D 88t0 0<< 82, 1, 1<, t0D
+ 9 I1 +
+ 9 I1 +
3 I1 + t2 M
2 t2 M
2 t2 M
2t
+ 36
2t
It +
It +
2 t2 M
2 t2 M
2 4
4t
2t
+ 9 I1 +
2 t2 M
+ 36
2t
It +
2 t2 M
>
Solve::ifun : Inverse functions are being used by Solve, so some solutions may not be found; use Reduce for complete solution information.
por lo tanto, el triedro de Frenet en el punto P = H2, 1, 1L sera:
Out[8]=
225
Prctica 6.nb
In[9]:=
Tangente@0D : 2 , 17 17 2 , 17 3 > 6 , 221 221 >
Out[9]=
In[10]:=
NormalPrincipal@0D : 13 , 17 4
Out[10]=
In[11]:=
Binormal@0D :0, 3 , 13 13 2 >
Out[11]=
1.1 Representacin grfica del triedro de Frenet.

Representemos la curva g : y = 2 t
x = 2 t
3
In[12]:=
In[16]:=
Show@dibujo1, dibujo2, dibujo3D

X
Needs@"VectorFieldPlots`"D dibujo1 = ParametricPlot3D@@tD, 8t, 0.6, 0.6<, AxesLabel 8"X", "Y", "Z"<D; dibujo2 = ListVectorFieldPlot3D@88@0D, Tangente@0D<, 8@0D, NormalPrincipal@0D<, 8@0D, Binormal@0D<<, VectorHeads > TrueD; dibujo3 = Graphics3D@8 Text@"Tangente", @0D + Tangente@0D + 0.1D, Text@"Normal", @0D + NormalPrincipal@0D + 0.1D, Text@"Binormal", @0D + Binormal@0D + 0.1D <D;
2 4 3
z = Ht + 1L
junto con su triedro de Frenet en el punto P = H2, 1, 1L.
Out[16]=
2 Normal Binormal
Tangente
3 2 1 0
226
Prctica 6.nb
Ejercicio 1.
2 Sea la curva g : y = Ht + 1L , representar el triedro de Frenet en el punto P = H1, 4, 0L.
x= t
2. Curvatura y torsin de una curva no parametrizada por el parmetro arco.

Las frmulas de la curvatura y la torsin de una curva no parametrizada por el arco son:
z = Ht - 1L3
Curvatura:
kHtL =
g' HtLg'' HtL g' HtL3
Torsin :
tHtL =
In[17]:=
Ejemplo, la curvatura y la torsin de la curva g : y = 2 t

@t_D = 92 Et , E2 t , Ht + 1L ^ 3=; d@t_D = D@@tD, tD; dd@t_D = D@d@tD, tD; ddd@t_D = D@dd@tD, tD;
@g' HtL,g'' HtL,g''' HtLD Hg' HtLg'' HtLLHg' HtLg'' HtLL
x = 2 t
z = Ht + 1L
en el punto P = H2, 1, 1L son:
In[21]:=
k@t_D = SimplifyB
Norm@Cross@d@tD, dd@tDDD Norm@d@tDD3

2 2t
, t RealsF
2
Out[21]=
4t
en el punto P = H2, 1, 1L la curvatura es:

In[22]:=
I4
2t
+ 9 I1 + t2 M + 36 +4
4t
+ 9 H1 + tL4 M
32
It + t2 M
k@0D
2
Out[22]=
13 17
17
In[23]:= Out[23]=
N@%D 0.102879
227
Prctica 6.nb
In[24]:=
@t_D = SimplifyB 6
t
Det@8d@tD, dd@tD, ddd@tD<D Cross@d@tD, dd@tDD.Cross@d@tD, dd@tDD
, t RealsF
Out[24]=
en el punto P = H2, 1, 1L la torsin es:

In[25]:=
4t
+ 36
2t
t2 H1 + tL2 + 9 I1 + t2 M
I1 t + t2 M
@0D 6
Out[25]=
13
In[26]:= Out[26]=
N@%D 0.461538
Ejercicio 2.
2 Calcular la curvatura y la torsin de la curva g : y = Ht + 1L en el punto P = H1, 4, 0L.
x= t
3. Bibliografa.
z = Ht - 1L3
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: CASTELLANO ALCNTARA, J. - GMEZ DOMINGO, D. - PREZ GMEZ, R.: Clculo Matemtico Aplicado a la Tcnica, Edita Proyecto Sur, Granada, 1997. CORDERO, LUIS A. - FERNNDEZ, M. - GRAY, A.: Geometra diferencial de curvas y superficies con Mathematica, Alianza Universidad, 1995. GRANERO RODRGUEZ, F.: lgebra y Geometra Analtica, McGraw-Hill, 1989. LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997. MONTESDEOCA DELGADO, A.: Representacin grfica de curvas dadas en implcitas, paramtricas y polares, http : // webpages.ull.es/users/amontes/apuntes/curvasgr.pdf
228

Prctica 7 Introduccin al estudio de superficies parametrizadas
o en forma implcita jHx, y, zL = 0. En esta prctica, vamos a familiarizarnos con la expresin paramtrica de la superficie
que tanto se utiliza en los problemas de ingeniera. Adems, la facilidad grfica del Mathematica va a facilitar la compresin de conceptos bsicos de la teora de superficies.
Normalmente, en un primer curso de Ingeniera Industrial se estudian las superficies en su forma expcita z = f Hx, yL
ndice.
1. Conocimientos previos. 1.1. ngulo de dos vectores. 1.2. Derivadas parciales con el Mathematica. 2. Superficies parametrizadas. 3. Vector normal en un punto de la superficie. 4. Parametrizacin de una cara de la superficie. 5. Dada una superficie parametrizada obtener la parametrizacin de la otra cara. 6. rea de una superficie parametrizada. 7. Bibliografa.
1.1 ngulo de dos vectores.
Es conocido que el producto escalar de dos vectores x y tiene la expresin x y = x y cos a, siendo a el ngulo
x y > 0 el ngulo de ambos vectores es menor que 2 . x y = 0 los vectores son perpendiculares. x y < 0 el ngulo de los vectores es mayor que 2 .
p p
que forman dichos vectores. De esta forma se concluye que:
1.2 Derivadas parciales con el Mathematica.
respecto de sus variables x1 , ..., xn se utiliza la rden Derivative con el siguiente formato: Derivative[n1 , n2 , ..., nk ][f][ x1 , x2 , ..., xk ]
Sea la funcin de varias variables f Hx1 , x2 , ..., xn L, para calcular con el Mathematica las derivadas parciales de f
cuyo resultado es derivar n1 veces la funcin f respecto de la primera variable, n2 veces resepecto de la segunda y nk veces respecto de la variable k-sima. Por ejemplo, para la funcin f Hx, yL sern equivalentes las siguientes expresiones:
229
Prctica 7.nb
Derivative[1,0][f][x,y] Derivative[1,1][f][x,y] Derivative[2,0][f][x,y] si f Hx, yL = x2 y3 , las derivadas parciales

In[1]:=
2 f Hx,yL x y x2
f Hx,yL x
f 2 f , x y2
2 f Hx,yL
seran:
f@x_, y_D = x ^ 2 y ^ 3 x2 y3
Out[1]= In[2]:= Out[2]= In[3]:= Out[3]=
Derivative@1, 0D@fD@x, yD 2 x y3 Derivative@0, 2D@fD@x, yD 6 x2 y

2 f y z
si la funcin fuera de tres variables, por ejemplo f Hx, y, zL = x2 y3 z, la

In[4]:=
se escibira del siguiente modo:
f@x_, y_, z_D = x ^ 2 y ^ 3 z x2 y3 z
Out[4]= In[5]:= Out[5]=
Derivative@0, 1, 1D@fD@x, y, zD 3 x2 y2
2. Superficies en parametrizadas.
Una superfice parametrizada es una aplicacin S de un subconjunto D 2 con valores en 3 (S : D 3 ). El esquema grfico de una funcin de este tipo sera:
normalmente se suele identificar la superficie con su imagen en 3 . Por ejemplo, representemos la esfera de radio unidad. Una de las parametrizaciones posibles de la esfera podra ser:
230
Prctica 7.nb
o tambin:
SHu, vL = HcosHuL senHvL, senHuL senHvL, cosHvLL con :
u @0, 2 pD v @0, pD
Mathematica tiene la orden ParametricPlot3D para dibujar las superfices parametrizadas.

In[6]:=
S@u_, v_D = 8Cos@uD Sin@vD, Sin@uD Sin@vD, Cos@vD<; ParametricPlot3D@S@u, vD, 8u, 0, 2 Pi<, 8v, 0, Pi<, AxesLabel 8"X", "Y", "Z"<D
xHu, vL = cosHuL senHvL u @0, 2 pD S : yHu, vL = senHuL senHvL con : v @0, pD zHu, vL = cosHvL
Out[7]=
Ejercicio 1
Dibujar el cono de parametrizacin SHu, vL = Hu cosHvL, u senHvL, uL con :
u @0, 2D
3. Vector normal en un punto de la superficie.
v @0, 2 pD
determinado P = SHu0 , v0 L. Este vector perpendicular viene dado por el producto vectorial:
En gran cantidad de problemas resulta de enorme inters calcular un vector perpendicular a la superficie en un punto
S u
normal. Cuando el vector normal tenga de mdulo la unidad se llamar vector normal unitario (en realidad ser uno de los dos vectores normales unitarios a la superficie en un punto determinado). Si notamos por nHu, vL al vector normal a la superficie S se tiene el siguiente esquema grfico:
S v Iu0 ,v0 M
y se llamar vector
231
Prctica 7.nb
hallamos las coordenadas Hu0 , v0 L tal que SHu0 , v0 L = J 1 , 1 , 2 2

In[8]:=
Por ejemplo, calculemos el vector normal a la esfera de radio 1 en el punto P = J 2 , 2 ,

1 1 2 2
SolveB:Cos@uD Sin@vD
Solve::ifun : Inverse functions are being used by Solve, so some solutions may not be found; use Reduce for complete solution information.
Out[8]=
1 2, Sin@uD Sin@vD 4 4 >>
1 2, Cos@vD ==
2 2
2 2>, 8u, v<F
N. En primer lugar,
en esta parametrizacin de la esfera :

In[9]:= Out[9]= In[10]:= Out[10]= In[11]:= Out[11]= In[12]:= Out[12]=
::v
,u
3 4
>, :v
,u
el vector nHu, vL perpendicular a la superficie en el punto SHu, vL ser:

Su@u_, v_D = Derivative@1, 0D@SD@u, vD 8Sin@uD Sin@vD, Cos@uD Sin@vD, 0<
u @0, 2 pD v @0, pD
nuestra solucin sera Hu, vL = I 4 , 4 M. Es decir, P = SI 4 , 4 M = J 1 , 1 , 2 2

p p p p
2 2
N.
Sv@u_, v_D = Derivative@0, 1D@SD@u, vD
n@u_, v_D = Cross@Su@u, vD, Sv@u, vDD
8Cos@uD Cos@vD, Cos@vD Sin@uD, Sin@vD<
Simplify@%D
9Cos@uD Sin@vD2 , Sin@uD Sin@vD2 , Cos@uD2 Cos@vD Sin@vD Cos@vD Sin@uD2 Sin@vD= 9Cos@uD Sin@vD2 , Sin@uD Sin@vD2 , Cos@vD Sin@vD=
1 1 2 2
el vector normal en el punto P = J 2 , 2 ,

In[13]:= Out[13]=
n@Pi 4, Pi 4D : 1 , 1 2 2 2
1 2
>
N = SI 4 , 4 M es:
p p
232
Prctica 7.nb
Ejercicio 2
4. Parametrizacin de una cara de la superficie.

Excepto casos excepcionales, toda superficie tiene dos caras. Por ejemplo, una esfera tiene claramente dos caras una interior y otra exterior. Cuando se parametriza una superfice se est parametrizando una cara de la misma. As, en el caso A del siguiente dibujo, al apuntar el vector normal hacia arriba, se dice que se est parametrizando la cara superior de la superficie SHu, vL. Por el contrario, en el caso B se parametriza la cara inferior de dicha superficie.
Calcular el vector normal al cono del ejercicio 1 en el punto I1, 1,
2M
est parametrizando. Elijamos un punto P de la superficie, por ejemplo P = J 1 , 1 , 2 2 de esta prctica, el vector normal en dicho punto es Jy el vector normal sobre el punto P:
1 2 2
Por ejemplo, dada la parametrizacin de la superficie de radio 1 del apartado 2, comprobemos cul de las dos caras se
, - 2 O. Representemos en un mismo dibujo la superficie
1 2 2
,-
N, segn calculamos en el apartado 3
233
Prctica 7.nb
In[14]:=
Clear@"Global`"D S@u_, v_D = 8Cos@uD Sin@vD, Sin@uD Sin@vD, Cos@vD<;
1 1 2 >; p=: , , 2 2 2 1 1 1 >; n@pD = : , , 2 2 2 2 2 dibujo1 = ParametricPlot3D@S@u, vD, 8u, 0, 2 Pi<, 8v, 0, Pi<, AxesLabel 8"X", "Y", "Z"<D; Needs@"VectorFieldPlots`"D dibujo2 = ListVectorFieldPlot3D@88p, n@pD<<, VectorHeads TrueD; Show@dibujo2, dibujo1D
Out[21]=
no se observa el dibujo del vector normal, quizs porque apunte hacia dentro y el dibujo de la esfera tape al vector. Para evitar este inconveniente hagamos que la opacidad del color de la esfera sea ligera, asimismo quitamos la malla de la esfera para que se aprecie claramente el dibujo del vector:
In[22]:=
dibujo1 = ParametricPlot3D@S@u, vD, 8u, 0, 2 Pi<, 8v, 0, Pi<, AxesLabel 8"X", "Y", "Z"<, PlotStyle Opacity@0.3D, Mesh 0D; Show@dibujo2, dibujo1D
Out[23]=
unidad.
luego SHu, vL = HcosHuL senHvL, senHuL senHvL, cosHvLL con :
u @0, 2 pD v @0, pD
parametriza la cara interior de la esfera de radio
234
Prctica 7.nb
Sin embargo, la forma ms fcil y habitual para calcular la cara que se ha parametrizado no coniste en realizar el dibujo de la superficie junto con su vector normal, basta con tener una leve idea de la superficie y la situacin del punto elegido y multiplicar escalarmente el vector normal en dicho punto con el vector que apunta en la direccin del eje Z (vector H0, 0, 1L).
In[24]:= Out[24]=
1 2
1 2
>.80, 0, 1<
ngulo mayor que
este producto, al ser negativo, ya nos dice que el vetor normal en el punto P = J 1 , 1 , 2 2
p 2
2 2
lo que debe corresponderse con la parametrizacin de la cara interior de la esfera.
N con el vector H0, 0, 1L forma un
Ejercicio 3
Dada la parametrizacin del cono del ejercicio 1, calcular la cara de la superficie parametrizada.
5. Dada una superficie parametrizada obtener la parametrizacin de la otra cara.
Si tenemos la parametrizacin de una cara de la superficie, SHu, vL con Hu, vL D 2 y queremos parametrizar la otra cara de la misma superficie, es decir, obtener la misma figura pero que el vector normal apunte en sentido contrario, basta con realizar este pequeo cambio:
THu, vL = SHv, uL con Hv, uL D
Por ejemplo, segn se ha estudiado en el apartado anterior, la parametrizacin de la cara interior de la esfera de radio unidad viene dada por:
SHu, vL = HcosHuL senHvL, senHuL senHvL, cosHvLL con : u @0, 2 pD v @0, pD
aprovechamos la parametrizacin SHu, vL de la esfera unidad para dar otra parametrizacin T Hu, vL de la misma esfera pero que parametriza la cara exterior:
THu, vL = SHv, uL = HcosHvL senHuL, senHvL senHuL, cosHuLL con : v @0, 2 pD u @0, pD
235
Prctica 7.nb
In[25]:=
Out[28]=
Clear@"Global`"D; S@u_, v_D = 8Cos@uD Sin@vD, Sin@uD Sin@vD, Cos@vD<; dibujo1 = ParametricPlot3D@S@u, vD, 8u, 0, 2 <, 8v, 0, <, AxesLabel 8"X", "Y", "Z"<D; T@u_, v_D = S@v, uD dibujo2 = ParametricPlot3D@T@u, vD, 8u, 0, <, 8v, 0, 2 <, AxesLabel 8"X", "Y", "Z"<D; Show@dibujo1, dibujo2D 8Cos@vD Sin@uD, Sin@uD Sin@vD, Cos@uD<
Out[30]=
TI 6 , 6 M = :
p p
In[31]:= Out[31]=
Veamos que el vector normal apunta hacia fuera. Elijamos un punto cualquiera, por ejemplo
3 4
, 4,
3 2
p = TB , F 6 6 : 3 1 4 , , 4
> y calculemos el vector normal en ese punto:

>
3 2
In[32]:= Out[32]= In[33]:= Out[33]= In[34]:= Out[34]= In[35]:= Out[35]=
Tu@u_, v_D = Derivative@1, 0D@TD@u, vD
Tv@u_, v_D = Derivative@0, 1D@TD@u, vD 8Sin@uD Sin@vD, Cos@vD Sin@uD, 0<
8Cos@uD Cos@vD, Cos@uD Sin@vD, Sin@uD<
n@u_, v_D = Cross@Tu@u, vD, Tv@u, vDD
Simplify@%D
9Cos@vD Sin@uD2 , Sin@uD2 Sin@vD, Cos@uD Cos@vD2 Sin@uD + Cos@uD Sin@uD Sin@vD2 = 9Cos@vD Sin@uD2 , Sin@uD2 Sin@vD, Cos@uD Sin@uD= : >
el vector normal en nuestro punto P ser:

In[36]:=
Out[36]=
n@Pi 6, Pi 6D 3 1 8 3 , , 8 4
236
Prctica 7.nb
In[37]:=
Needs@"VectorFieldPlots`"D dibujo2 = ParametricPlot3D@T@u, vD, 8u, 0, <, 8v, 0, 2 <, AxesLabel 8"X", "Y", "Z"<, PlotStyle Opacity@0.3D, Mesh 0D; dibujo3 = ListVectorFieldPlot3D@88p, n@Pi 6, Pi 6D<<, VectorHeads TrueD; Show@dibujo2, dibujo3D
Out[40]=
para verlo mejor ampliamos el rango del dibujo :

In[41]:=
Show@dibujo2, dibujo3, PlotRange 1.5D
Out[41]=
Ejercicio 4.
Parametrizar la cara exterior del cono dado en el ejercicio 1.
237
10
Prctica 7.nb
6. rea de una superficie parametrizada.

describe varias veces trozos de superficie con rea y si superficie parametrizada viene dada por:
S u
Dada una superficie parametrizada SHv, uL con Hv, uL D, si SHv, uL es inyectiva, o mejor, si la parametrizacin no
S v
0 en el mismo conjunto de puntos, entonces el rea de la u v
Por ejemplo, el rea del tringulo originado por el plano x + y + z = 1 con el primer octante de los ejes coordenados se calculara del siguiente modo.
D u
S
S v
En primer lugar hay que parametrizar la superficie. La parametrizacin se puede realizar facilmente considerando el siguiente dibujo:
x=u as pues, la parametrizacin ms fcil de este tringulo es S : y = v con Hu, vL D siendo D el subconjunto z =1-u-v D = :Hu, vL 2 ;
In[42]:= In[43]:= Out[43]= In[44]:= Out[44]=
0u1
S@u_, v_D = 8u, v, 1 u v<; 81, 0, 1< 80, 1, 1<

1 0
0v1-u
>. Por lo tanto, el rea de esta superficie es:
Su@u_, v_D = Derivative@1, 0D@SD@u, vD
Sv@u_, v_D = Derivative@0, 1D@SD@u, vD
In[45]:=
Out[45]=
3 2
1u
Norm@Cross@Su@u, vD, Sv@u, vDDD v
238
Prctica 7.nb
11
Ejercicio 5.
Calcular el rea del cono dado en el ejercicio 1.
7. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: GRANERO RODRGUEZ, F.: lgebra y Geometra Analtica, McGraw-Hill, 1989. JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas I (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas II (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). LARSON ROLAND E. - HOSTETLER ROBERT P. - EDWARDS BRUCE H.: Clculo, volumen 2, McGraw-Hill, 1995. LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997. SALAS - HILLE - ETGEN: Clculus. Una y varias variables, volumen II, Revert, 2003.
239

Prctica 8 Extremos locales de funciones de varias variables
Antes de realizar la presente prctica resulta imprescindible repasar el Tema 4 de la parte terica de la Asignatura. La resolucin de un problema de extremos en varias variables requiere generalmente de clculos muy tediosos, en la presente prctica vamos a utilizar el Mathematica para evitar en lo posible las engorrosas cuentas de este tipo de problemas.
ndice.
1. Conocimientos previos. 1.1 Regla de sustitucin. 1.2 Generar nmeros aleatorios. 1.3 Vector gradiente. 1.4 Matriz hessiana. 1.5 Extremos locales con el Mathematica. 2. Signo de una forma cuadrtica. 3. Puntos crticos. 4 Condicin suficiente de extremo local. 5. Bibliografa.
1. Conocimientos previos
1.1 Regla de sustitucin.
En ocasiones tendremos una expresin, por ejemplo 7 x z + 3 y z - 8 x y, en el que hay que darle un cierto valor a una variable, supongamos que x queremos que tome el valor 5, esta tarea se puede hacer facilmente declarando previamente x = 5 y despus se introduce la expresin:
In[1]:=
Clear@"Global`"D; x = 5; 7xz+3yz 8xy 40 y + 35 z + 3 y z
Out[3]=
Pero tambin hay otra forma de hacerlo directamente mediante el operador de sustitucin /. Su sintaxis es la siguiente: expresion/.{regla1,regla2,...,reglan} en la que se evala la "expresion" y despus realiza las sustituciones indicadas por las reglas de sustitucin "regla1" , "regla2",..., "reglan". Volvamos sobre el ejemplo anterior:
In[4]:=
Out[5]=
Clear@"Global`"D; 7 x z + 3 y z 8 x y . 8x 5< 40 y + 35 z + 3 y z
240
Prctica 8.nb
si se pretende sustitur x por 5 e y por 3 sera:

In[6]:= Out[6]=
7 x z + 3 y z 8 x y . 8x 5, y 3< 120 + 44 z
1.2 Generar nmeros aleatorios.

La orden RandomReal del Mathematica nos devuelve nmeros reales aleatorios. Es decir, cada vez que se ejecute dar numros al azar dentro de un rango prefijado. Su sintaxis es la siguiente: RandomReal[{ rango de los nmeros aleatorios }, longitud del vector aleatorio] Por ejemplo:
In[7]:= Out[7]= In[8]:= Out[8]=
RandomReal@84, 4<D 1.99332 RandomReal@84, 4<, 3D 80.666734, 1.91533, 0.922525<
Si se pretende realizar una matriz aleatoria de dimensin 2 3 sera:

In[9]:=
Out[9]//MatrixForm=
RandomReal@84, 4<, 82, 3<D MatrixForm 0.501675 1.89994 0.863012 2.33419 0.345342 3.47197
Si se queire obtener slo valores enteros, la orden a ejecutar sera RandomInteger con las mismas opciones:
In[10]:= Out[10]= In[11]:=
RandomInteger@84, 4<D 3 RandomInteger@84, 4<, 3D MatrixForm RandomInteger@84, 4<, 82, 3<D MatrixForm 1 1 4 2 3 2 3 1 4
In[12]:=
1.3 Vector gradiente.

Sea f : n se define el gradiente de esta funcin y se denota por f a:
f = : x ,
f
1
por ejemplo, el gradiente de la funcin f Hx, yL = x3 y4 sera:
Mathematica calcula el gradiente de f Hx1 , ..., xn L con la orden D:
f , x2
...,
D[ f Hx1 , ..., xn L,{{ x1 , ..., xn <, 1<D o tambin D[ f Hx1 , ..., xn L,{{ x1 , ..., xn <<D
f > xn
241
Prctica 8.nb
In[13]:= In[14]:=
Clear@"Global`"D f@x_, y_D = x3 y4 ; D@f@x, yD, 88x, y<<D 93 x2 y4 , 4 x3 y3 =
Out[15]=
1.4 Matriz hessiana.

f Hx1 , ..., xn L a la matriz simtrica Hf:
Sea f : n diferenciable ella y sus derivadas parciales en todo punto, se llama matriz hessiana de la funcin
2 f x2 1
2 f x1 x2 2 f x2 2
... ... ... ...
2 f x1 xn 2 f x2 xn
x1 Hf xn =
2 f x2 x1
...
2 f xn x1
...
2 f xn x2
...
2 f x2 n
la orden D del Mathematica nos devuelve la matriz hessiana de la funcin f Hx1 , ..., xn L con la siguiente sintaxis:
In[16]:=
As la matriz hessiana de la funcin f Hx, yL = x3 y4 sera:

f@x_, y_D = x3 y4 ; D@f@x, yD, 88x, y<, 2<D MatrixForm@%D 6 x y4 996 x y4 , 12 x2 y3 =, 912 x2 y3 , 12 x3 y2 == 12 x2 y3 12 x2 y3 12 x3 y2
D[ f Hx1 , ..., xn L,{{ x1 , ..., xn <, 2<D
Out[17]= In[18]:=
1.5 Extremos locales con el Mathematica.

Mathematica dispone de las rdenes FindMinimum y FindMaximum para calcular, respectivamente, un mnimo y un mximo local a partir de un determinado punto. Ambas rdenes tienen deficiencias como son el hecho de necesitar un punto para empezar la bsqueda de los extremos locales, o tambin, el que slo nos devuelve un entremo y se olvida de otros posibles etc. Sin embargo, en funciones de una variable s funcionan relativamente bien y de forma intuitiva. Su sintaxis es la siguiente: devuelve un mnimo local de la funcin f Hx1 , ..., xn L a partir del punto Hc1 , ..., cn L FindMinimum[ f Hx1 , ..., xn L, 88x1 , c1 <, ..., 8xn , cn <<D
In[19]:=
Por ejemplo, calculemos el mnimo y mximo local de la funcin f Hx, yL = x2 + y2 a partir del punto H1, 1L:
f@x_, y_D = x2 +y2 ; FindMinimum@f@x, yD, 88x, 1<, 8y, 1<<D 80., 8x 0., y 0.<<
Out[20]=
242
Prctica 8.nb
In[21]:=
FindMaximum@f@x, yD, 88x, 1<, 8y, 1<<D
FindMaximum::cvmit : Failed to converge to the requested accuracy or precision within 100 iterations.
Out[21]=
el resultado nos dice que no ha podido calcular el mximo local que, evidentemente, no existe. Las rdenes FindMinimum y FindMaximum tambin permiten calular mnimo y mximo local de una funcin con determinadas restricciones: Por ejemplo, calculemos el mximo y el mnimo local de la funcin f HxL = x senI 1 M sujeto a la condicin x
1 f@x_D = x SinB F; x
0.05
91.10685 10209 , 9x 2.3525 10104 , y 2.3525 10104 ==
0.05 x 0.1, (previamente representamos f HxL en su dominio):

In[22]:= In[23]:=
FindMinimum[8 f Hx1 , ..., xn L, condicin1 && condicin2 && ... condicink<, 88x1 , c1 <, ..., 8xn , cn <<D
Plot@f@xD, 8x, 0.05, 0.1<D
Out[23]=
0.06 -0.05
0.07
0.08
0.09
0.10
In[24]:= Out[24]= In[25]:= Out[25]=
FindMinimum@8f@xD, 0.05 x 0.1<, 8x, 0.06<D FindMaximum@8f@xD, 0.05 x 0.1<, 8x, 0.06<D 80.0709135, 8x 0.0710924<< 80.0579718, 8x 0.0580695<<
2. Signo de una forma cuadrtica.

En primer lugar vamos a utilizar el Mathematica para comprobar empricamente que la forma cuadrtica QHx, yL = 3 x2 - 2 x y + 4 y2 es definida positiva. Esta forma cuadrtica escrita matricialmente se expresa de la siguiente manera:
Q 3 -1 x = Hx yL y -1 4 x y
se trata de ejecutar repetidas veces la siguiente secuencia:

In[26]:=
Clear@"Global`"D
243
Prctica 8.nb
In[27]:=
Out[30]=
H 3.11736 0.827873 L 8837.0569<<
MatrixForm@v = RandomReal@85, 5<, 81, 2<DD MatrixForm@Transpose@vDD; v.A.Transpose@vD
A=
3 1 ; 1 4
Observamos que el vector aleatorio producto Hx yL

3 -1 -1 4
x puede tromar distintos valores (positivos y negativos) pero el resultado del y
x va a ser siempre positivo. y
El signo de una forma cuadrtica real puede obtenerse de forma inmediata calculando sus autovalores, es decir, las races del polinomio formado por el siguiente determinante:
a11-l PHlL = a21 ... an 1 a12 ... ... ... a1 n ... a22 - l. ...
... ... ... an n - l
La orden del Mathematica que obtiene los autovalores de una matriz cuadrada es Eigenvalues. En nuestro ejemplo anterior, los autovalores de la matriz A son:
In[31]:=
EigenvaluesB : 1 2 J7 + 5 N,
Out[31]=
3 1 F 1 4 1 2 J7
In[32]:= Out[32]=
N@%D
los dos autovalores son positivos lo que implica que el signo de la forma cuadrtica es definida positiva. En general, si l1 , ..., ln son los autovalores de la matriz simtrica A que carateriza a la forma cuadrtica; entonces, la forma cuadrticas es:
Identicamente nula i = 0 i Definida positiva i > 0 i Definida negativa i < 0 i Semidefinida positiva i 0 y existe al menos alguno de ellos que toma el valor cero Semidefinida negativa i 0 y existe al menos alguno de ellos que toma el valor cero Indefinida i, j tal que i > 0 y j < 0
84.61803, 2.38197<
5 N>
Ejercicio 1.
Calcular el signo de las siguientes formas cuadrticas: x a) Q1 = -9 x2 - 16 x y - 8 y2 . y b) Q2
-1 3 x = Hx yL y 3 3 x . y
244
Prctica 8.nb
3. Puntos crticos.
Sea la funcin diferenciable f : n , los puntos crticos (candidatos a extremos locales) de esta fucin se obtienen resolviendo el sistema:
: ...
f x1 f xn
... ... = 0
Podemos utilizar la orden Derivative del Mathematica para obtener los puntos crticos. Asimismo, es conveniente utilizar la funcin NSolve para resover el sistema a fin de que aparezcan puntos concretos y no expresiones complicadas. Por ejemplo, calculemos los puntos crticos de la funcin f Hx, yL = 3 x y - x3 - y3
f@x_, y_D = 3 x y x3 y3 x3 + 3 x y y3 NSolve@8Derivative@1, 0D@fD@x, yD x 0.5 0.866025 x 0.5 + 0.866025 x 1. x 0. 0, Derivative@0, 1D@fD@x, yD
In[33]:= Out[33]= In[34]:=
y 0.5 + 0.866025 y 0.5 0.866025 y 1. y 0.
0<, 8x, y<D MatrixForm
observamos que, aparte de las soluciones complejas que no entran dentro de nuestro problema, hay dos puntos crticos P0 = H0, 0L y P1 = H1, 1L. Tambin se poda haber resuelto este sistema de una foma ms compacta, ya que:
: x = 0,
f
1
por lo tanto, los puntos crticos de f Hx, yL = 3 x y - x3 - y3 se pueden obtener con el siguiente procedimiento:
1
f x2
= 0, ...,
f xn
In[35]:=
Out[35]=
NSolveADA3 x y x3 y3 , 88x, y<<E
= 0> : x ,
f
f , x2
...,
El que P0 y P1 sean mximos, mnimos o puntos de silla se determinar estudiando el hessiano como veremos en el siguiente epgrafe.
88x 0.5 0.866025 , y 0.5 + 0.866025 <, 8x 0.5 + 0.866025 , y 0.5 0.866025 <, 8x 1., y 1.<, 8x 0., y 0.<<
80, 0<, 8x, y<E
f > xn
= 80, 0, ..., 0< f = 80, 0, ..., 0<
4. Condicin suficiente de extremo local.

signo de la forma cuadrtica definida por la matriz hessiana en dicho punto Hf P . As, si Q = Hx1 ... xn L Hf P es: xn xn Una vez localizado un punto crtico P, la condicin de mximo local, mnimo local o punto de silla depender del x1 x1
definida negativa el punto P es un mximo local estricto definida positiva el punto P es un mnimo local estricto semidefinida negativa el punto P es un mximo local o un punto de silla semidefinida positiva el punto P es un mnimo local o un punto de silla Indefinida el punto P es un punto de silla
245
Prctica 8.nb
qu tipo de puntos son:

In[36]:= Out[36]=
Por ejemplo, los puntos P0 = H0, 0L y P1 = H1, 1L eran puntos crticos de la funcin f Hx, yL = 3 x y - x3 - y3 , veamos
Hf@x_, y_D = DA3 x y x3 y3 , 88x, y<, 2<E Eigenvalues@Hf@x, yD . 8x 0, y 0<D 83, 3< 886 x, 3<, 83, 6 y<<
In[37]:= Out[37]=
luego P0 = H0, 0L es un punto de silla.

In[38]:= Out[38]=
Para el punto P0 = H0, 0L En el punto P1 = H1, 1L

89, 3<
Ejercicio 2.
que es definida negativa luego el punto P1 = H1, 1L es un mximo local estricto.
Eigenvalues@Hf@x, yD . 8x 1, y 1<D
5. Bibliografa.
Sea la funcin f Hx, y, zL = 9 + y2 + x2 y2 - 6 z - 2 y z + 2 z2 calcular, si existen, sus extremos locales.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: BARBOLLA, R. - CERD, E. - SANZ, P.: Optimizacin Matemtica: teora ejemplos y contraejemplos, Espasa Calpe, 1991 JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas I (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas II (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). LARSON ROLAND E. - HOSTETLER ROBERT P. - EDWARDS BRUCE H.: Clculo, volumen 2, McGraw-Hill, 1995. LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997. MERINO GONZLEZ, L.M. y SANTOS ALEZ E.: lgebra Lineal con mtodos elementales, Edita Grficas Lino, Granada, 1997.
246

Prctica 9 Extremos condicionados y absolutos en funciones de varias variables
Antes de realizar la presente prctica resulta imprescindible repasar el Tema 4 de la parte terica de la asignatura.
ndice.
1. Conocimientos previos. 1.1 Polinomio de interpolacin. 2. Extremos locales condicionados. Mtodo de sustitucin. 3. Extremos locales condicionados. Multiplicadores de Lagrange. 4. Extremos absolutos. 5. Bibliografa.
1. Conocimientos previos
1.1 Polinomio de interpolacin.
Dados dos puntos de 2 (que no estn situados en lnea vertical) existe un nico polinomio de grado 1 (recta
y = a x + b) que pasa por ambos puntos. Analogamente, dados tres puntos existe un polinomio de grado 2 que pasa por ellos
(salvo que los tres puntos estn alineados en cuyo caso el polinomio ser de grado uno). En general, dado un conjunto de n puntos:
8x1 , y1 <, ..., 8xn , yn <
existe un nico polinomio y = pHxL de grado menor o igual que n-1, llamado polinomio de interpolacin del conjunto de puntos, que pasa por todos ellos.
La orden del Mathematica InterpolatingPolynomial obtiene el polinomio de interpolacin de un conjunto de puntos dado. Su sintaxis es la siguiente: InterpolatingPolynomial[datos,x] devuelve el polinomio de interpolacin pHxL del conjunto de puntos contenidos en datos = 88x1 , y1 <, ..., 8xn , yn < < Por ejemplo, el polinomio de interpolacin que pasa por los puntos H-1, 2L, H0, 4L y H1, 3L es:
InterpolatingPolynomial[{{-1,2},{0,4},{1,3}},x]
3x 2
In[2]:=
In[1]:=
Out[1]=
2+ 2
Expand@%D 4+ x 2 3 x2 2
H1 + xL
Out[2]=
247
Prctica 9.nb
es decir, el polinomio de interpolacin que pasa por H-1, 2L, H0, 4L y H1, 3L es pHxL = 4 +
In[3]:= Out[3]= In[4]:= Out[4]=
Veamos otro ejemplo. La recta que pasa por los puntos H-1, 2L, H0, 4L es:
InterpolatingPolynomial@881, 2<, 80, 4<<, xD 2 + 2 H1 + xL Expand@%D 4+2x
x 2
3 x2 . 2
luego la recta que pasa por H-1, 2L, H0, 4L es y = 4 + 2 x.
2. Extremos locales condicionados. Mtodo de sustitucin.

Consideremos el problema de calcular la mnima distancia del origen a la superficie z = 10 - 6 x + x2 - 2 y + y2 . Aunque no sea necesario, si podemos dibujar las regiones a las que hacemos referencia siempre estar ms clara la solucin del problema. Como la superficie z = 10 - 6 x + x2 - 2 y + y2 viene expresada de forma explcita su representacin grfica coincide con la grfica de la funcin hHx, yL = 10 - 6 x + x2 - 2 y + y2 .
In[5]:=
Plot3DA10 6 x + x2 2 y + y2 , 8x, 10, 10<,
8y, 10, 10<, Mesh None, PlotStyle 8Opacity@0.5D<E
dicho punto pertenezca a la superficie anterior, tal y como se muestra en la siguiente figura:
Se trata de minimizar la funcin distancia desde el origen O a un punto del espacio Hx, y, zL con la condicin de que
248
Prctica 9.nb
Analticamente el problema se podra plantear as: Calcular el mnimo local (en este caso sera tambin absoluto) de la funcin:
dHx, y, zL = x2 + y2 + z 2
sujeto a la condicin:
z = 10 - 6 x + x2 - 2 y + y2
la funcin dHx, y, zL involucra a una raz cuadrada que siempre dificultar los clculos de las operaciones a realizar. Sin embargo, se entiende facilmente que la funcin d y esta otra d2 = x2 + y2 + z2 , que es la distancia al cuadrado, van a tener el definitivo que se plantea es: mnimo en el mismo punto Hx, y, zL (aunqe el valor de d2 en dicho punto sea el cuadrado de d). Por lo tanto, el problema Calcular el mnimo local (global) de la funcin:
d2Hx, y, zL = x2 + y2 + z2
sujeto a la condicin:
z = 10 - 6 x + x2 - 2 y + y2
El mtodo de sustitucin para la obtencin de extremos locales con condiciones propone sustituir en d2 la variable z (u otra apropiada) por el valor que se desprende de la ecuacin de ligadura; obteniendo esta otra funcin:
f Hx, yL = x2 + y2 + I10 - 6 x + x2 - 2 y + y2 M
2 2
de menos variables y libre de restricciones:

In[6]:= Out[6]= In[7]:=
f@x_, y_D = x2 + y2 + I10 6 x + x2 2 y + y2 M x2 + y2 + I10 6 x + x2 2 y + y2 M x 3.48513 1.07519 x 3.48513 + 1.07519 x 2.02975 NSolve@8Derivative@1, 0D@fD@x, yD
0, Derivative@0, 1D@fD@x, yD
Out[7]//MatrixForm=
la nica solucin factible es H2.02975, 0.676582L que, por el planteamiento del problema, podemos asegurar que es un mnimo. De todas formas, si calculamos el signo de la matriz hessiana en ese punto vemos que es definida positiva:
In[8]:= Out[8]=
y 1.16171 0.358398 y 1.16171 + 0.358398 y 0.676582
0<, 8x, y<D MatrixForm
Hf@x_, y_D = D@f@x, yD, 88x, y<, 2<D
In[9]:= Out[9]= In[10]:= Out[10]=
992 + 2 H6 + 2 xL2 + 4 I10 6 x + x2 2 y + y2 M, 2 H6 + 2 xL H2 + 2 yL=, Hf@x, yD . 8x 2.02975, y 0.676582< Eigenvalues@%D 814.5518, 6.18394< 8813.715, 2.51037<, 82.51037, 7.02073<< 92 H6 + 2 xL H2 + 2 yL, 2 + 2 H2 + 2 yL2 + 4 I10 6 x + x2 2 y + y2 M==
El mnimo se obtiene en x 2.02975, y 0.676582 a los que le corresponde la siguiente coordenada z:

In[11]:= Out[11]=
10 6 x + x2 2 y + y2 . 8x 2.02975, y 0.676582< 1.04598
249
Prctica 9.nb
As pues, la distancia mnima se encuentra en el punto de la superficie P = H2.02975, 0.676582, 1.04598L y el valor de dicha distancia es 2.38154:
In[12]:= Out[12]=
2.38154
x2 + y2 + z2 . 8x 2.02975, y 0.676582, z 1.04598<
Ejercicio 1.
Calcular la mnima distancia del punto (3, 2) a la parbola y = x2 .
3. Extremos locales condicionados. Multiplicadores de Lagrange.

Consideremos ahora este otro problema. La temperatura en cada punto del paraboloide elptico z = x2 + y2 es
THx, y, zL = 10 + x2 + y2 + 3 z. Se pide la temperatura mxima y mnima sobre la curva formada por dicho paraboloide y el
plano x + y + z = 10. El paraboloide elptico al que hacemos referencia es una especie de cesta, la dibujamos, por ejemplo, para -5 < x < 5; -5 < y < 5 :
In[13]:=
d1 = Plot3D@x ^ 2 + y ^ 2, 8x, 5, 5<, 8y, 5, 5<D
Out[13]=
dibujamos el plano x + y + z = 10:

In[14]:=
d2 = Plot3D@10 x y, 8x, 20, 20<, 8y, 20, 20<D
Out[14]=
observamos la curva interseccin de ambas superficies
250
Prctica 9.nb
In[15]:=
Show@d1, d2D
Out[15]=
se trata de de hallar las temperaturas mxima y mnima sobre la curva que aparece en el dibujo. Analticamente el problema se puede plantear del siguiente modo: Mximo y mnimo de la funcin:
THx, y, zL = 10 + x2 + y2 + 3 z
sujeto a las ecuaciones de ligadura:

z = x2 + y2 x + y + z = 10
Si intentamos hacer el mismo mtodo que en el apartado anterior, tendramos que, en las ecuaciones de ligadura, despejar dos variables (por ejemplo la z y la y en funcin de la x) pero en este caso la tarea no es fcil. En estos supuestos debemos utilizar el mtodo de los multiplicadores de Lagrange: En primer lugar definimos la funcin Lagrangiana LHx, y, zL = THx, y, zL + l Ix2 + y2 - zM + b Hx + y + z - 10L:
Clear@"Global`"D L@x_, y_, z_D = 10 + x2 + y2 + 3 z + Ix2 + y2 zM + Hx + y + z 10L 10 + x2 + y2 + 3 z + H10 + x + y + zL + Ix2 + y2 zM 0, 0, 0, Derivative@0, 1, 0D@LD@x, y, zD Derivative@0, 0, 1D@LD@x, y, zD z == x2 + y2 , x + y + z == 10=, 8x, y, z, , <E
In[16]:= In[17]:= Out[17]=
obtenemos los puntos crticos:

In[18]:=
NSolveA9Derivative@1, 0, 0D@LD@x, y, zD
Out[18]=
Han salido dos puntos crticos P1 = H1.79129, 1.79129, 6.41742L y P2 = H-2.79129, -2.79129, 15.5826L luego ninguno de los dos ser punto de silla puesto que el problema ha de tener, al menos, un punto con temperatura mxima y otro con temperatura mnima. Cul de los puntos se corresponde con el mximo o con el mnimo?, es cuestin de ver directamente su temperatura:
88x 1.79129, y 1.79129, z 6.41742, 0.127128, 3.12713<, 8x 2.79129, y 2.79129, z 15.5826, 1.87287, 4.87287<<
251
Prctica 9.nb
In[19]:= Out[19]=
10 + x2 + y2 + 3 z . 8x 1.79129, y 1.79129, z 6.41742< 35.6697 72.3304
In[20]:= Out[20]=
Resumiendo, la temperatura mnima de curva se encuentra en el punto P1 = H1.79129, 1.79129, 6.41742L con un valor igual a 35.6697. La temperatura mxima de la curva se encuentra en el punto P2 = H-2.79129, -2.79129, 15.5826L con un valor de 72.3304.
10 + x2 + y2 + 3 z . 8x 2.79129, y 2.79129, z 15.5826<
Ejercicio 2.
La temperatura sobre cada punto del elipsoide x2 + 2 y2 + 3 z2 = 1 es THx, y, zL = x + y - z. Calcular la temperatura mxima y mnima sobre dicho elipsoide.
4. Mximos y mnimos absolutos.

En ingeniera, la mayora de las veces, ms que la obtencin de extremos locales lo que interesa es calcular los extremos absolutos sobre una determinada regin. Adems, la existencia de estos extremos absolutos suele estar garantizada ya que si una funcin f : D n es continua en una regin compacta (regin acotada que incluye a su borde) existen al menos dos puntos en D donde se alcanzan el mximo y mnimo absolutos. Mathematica tiene una forma cmoda para calcular el mnimo y mximo de una funcin f : n con las rdenes Minimize y Maximize, cuyas sintaxis son idnticas: Minimize[{f[x1,...xn],condicin1&&condicin2&&...condicink},{x1,...,xn}] calcula el mnimo absoluto de f Hx1 , ..., xn L donde Hx1 , ..., xn L pertenece al conjunto definido por las k condiciones
Ejemplo 1.
los valores mximo y mnimo absolutos de la funcin f Hx, yL sobre dicho disco. Se puede proceder con el Mathematica del siguiente modo :
MinimizeA9x4 + y4 , x ^ 2 + y ^ 2 25=, 8x, y<E MaximizeA9x4 + y4 , x ^ 2 + y ^ 2 25=, 8x, y<E 80, 8x 0, y 0<< 8625, 8x 5, y 0<<
In[21]:= Out[21]=
Sea la funcin f Hx, yL = x4 + y4 definida sobre el disco D centrado en el origen y de radio cinco, se quiere calcular
In[22]:= Out[22]=
Esta forma de proceder es cmoda pero, aprovechando que hemos elegido una funcin muy sencilla, vamos a razonar sobre las deficiencias que tiene este mtodo. 0. Respecto al valor mximo slo nos ha proporcionado uno de ellos el H-5, 0L en el que f H-5, 0L = 625 pero se ha olvidado de otros puntos sobre el borde que tambin alcanzan el mximo absoluto. Veamos esta ltima afirmacin:
In[23]:= In[24]:= Out[24]=
Observamos que en el mnimo s ha acertado plenamente f Hx, yL = x4 + y4 tiene un mnimo en el H0, 0L y su valor es
Clear@"Global`"D f@x_, y_D = x4 + y4 x4 + y4
252
Prctica 9.nb
la parametrizacin del crculo de radio 5 es : toma el valor (ya en una variable):

In[25]:= Out[25]=
f@x, yD . 8x 5 Cos@tD, y 5 Sin@tD< 625 Cos@tD4 + 625 Sin@tD4
con t @0, 2 pD, entonces sobre el borde del disco la funcin f Hx, yL
si dibujamos dicha funcin a lo largo del borde :

In[26]:=
PlotA625 HCos@tDL4 + 625 HSin@tDL4 , 8t, 0, 2 <E

600 550 500
Out[26]=
450 400
observamos que tiene cuatro mximos, en concreto para t = 0 y tambin:

In[27]:= Out[27]=
FindMaximumA9625 Cos@tD4 + 625 Sin@tD4 , 1 < t < 2=, tE 8625., 8t 1.5708<<
In[28]:= Out[28]=
FindMaximumA9625 Cos@tD4 + 625 Sin@tD4 , 3 < t < 4=, tE 8625., 8t 3.14159<< 8625., 8t 4.71239<< N@85 Cos@tD, N@85 Cos@tD, N@85 Cos@tD, N@85 Cos@tD,
In[29]:= Out[29]=
FindMaximumA9625 Cos@tD4 + 625 Sin@tD4 , 4 < t < 5=, tE
que se corresponden con los puntos:

In[30]:=
P1 = P2 = P3 = P1 =
Out[30]=
Out[31]= Out[32]= Out[33]=
85., 0.<
97.05306 109 , 5.=
5 Sin@tD< . 8t 0<D 5 Sin@tD< . 8t 1.5707963253842856`<D 5 Sin@tD< . 8t 3.1415926571475223`<D 5 Sin@tD< . 8t 4.712388967405944`<D
95., 1.77886 108 =
Debido a los mtodos de aproximacin que el Mathematica ha utilizado para el clculo de los correspondientes mximos, la coordenada 7.05306 109 ha de tomarse como cero y anlogamente para las otras coordenadas. En definitiva, los mximos de la funcin f Hx, yL = x4 + y4 sobre el disco centrado en el origen de radio 5 son los que se muestran en el siguiente dibujo.
96.48937 108 , 5.=
253
Prctica 9.nb
en todos ellos se toma el valor 625.
Ejemplo 2.
La temperatura de una placa triangular de vrtices A = H-1, 6L, B = H-1, -2L, C = H1, 0L como la que aparece en el dibujo es THx, yL = x y + x2 + y2 - 10
se pide calcular los puntos en donde se alcanzan la temperatura mxima y mnima. En primer lugar, vamos a obtener el conjunto de restricciones que delimitan el tringulo de la figura y que despus sern introducidas en las rdenes Maximize y Minimize. Los puntos A = H-1, 6L y B = H-1, -2L determinan la recta x = -1 que divide al plano en dos partes. Nuestro tringulo est en la parte correspondiente a x -1.
In[34]:= Out[34]= In[35]:= Out[35]=
Los puntos A = H-1, 6L y C = H1, 0L determinan la recta: y = 3 - x:

InterpolatingPolynomial@881, 6<, 81, 0<<, xD Expand@%D 33x 6 3 H1 + xL
esta recta divide al plano en dos partes; el tringulo se ecuentra en la parte y 3 - 3 x, para ello basta comprobar cmo el
H0, 0L (que pertence al tringulo) cumple dicha desigualdad.
In[36]:= Out[36]=
Los puntos B = H-1, -2L y C = H1, 0L determinan la recta: y = x - 1:

InterpolatingPolynomial@881, 2<, 81, 0<<, xD 1 + x
la recta divide al plano en dos partes; el tringulo se ecuentra en la parte y x - 1. Una vez obtenidas las restricciones que caracterizan al tringulo de la figura calculamos la temperatura mxima y
254
Prctica 9.nb
mnima:
In[37]:= Out[37]=
MaximizeA9x y + x2 + y2 10, x 1 && y 3 3 x && y x 1=, 8x, y<E MinimizeA9x y + x2 + y2 10, x 1 && y 3 3 x && y x 1=, 8x, y<E 821, 8x 1, y 6<< 810, 8x 0, y 0<<
In[38]:= Out[38]=
El resultado se muestra en la siguiente figura:
Adems, se deja para comprobacin, no existen otros puntos distintos del H-1, 6L y del H0, 0L que alcancen las temperaturas mxima y mnima respectivamente.
Ejercicio 3.
Calcular el mximo y mnimo absoluto de la funcin f Hx, yL = x-y + y2 en el rectngulo :
0x1 0 y1
5. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: BARBOLLA, R. - CERD, E. - SANZ, P.: Optimizacin Matemtica: teora ejemplos y contraejemplos, Espasa Calpe, 1991 JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas I (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas II (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). LARSON ROLAND E. - HOSTETLER ROBERT P. - EDWARDS BRUCE H.: Clculo, volumen 2, McGraw-Hill, 1995. LOSADA RODRGUEZ, R.: Anlisis Matemtico, Ed. Pirmide, 1978. LPEZ DE LA RICA, A. y DE LA VILLA CUENCA, A.: Geometra Diferencial, Edita CLAGSA, Madrid, 1997. MARSDEN, J.E. y TROMBA, A.J.: Clculo vectorial, quinta edicin, PEARSON EDUCACIN, 2004. MERINO GONZLEZ, L.M. y SANTOS ALEZ E.: lgebra Lineal con mtodos elementales, Edita Grficas Lino, Granada, 1997.
255

Prctica 10 Polinomio de Taylor en varias variables
En el Tema 4 de la parte trica de la asignatura se estudi el polinomio de Taylor en funciones de varias variables al que me remito para un repaso ms detallado sobre esta materia. En una variable es muy fcil obtener el polinomio de de Taylor con la ayuda del Mathematica, para ello se utiliza la orden Series. Sin embargo, en varias variables esta labor ya no es tan fcil. El principal objetivo de esta prctica consiste en cofeccionar un programa que obtenga el polinomio de Taylor de cualquier funcin suficientemente regular en varias variables. Aunque nos vamos a centrar en las funciones f : 2 todo lo que se haga va a ser fcilmente generalizable a funciones f : n . Otro propsito de la presente prctica es dotar de unos mnimos conocimientos de programacin, con Mathematica, que incentive al alumno para que l mismo elabore sencillos programas que le ayuden a resolver los problemas que aparecen en la Ingeniera y que frecuentemente requieren de clculos repetidos o tediosos.
ndice.
1. Conocimientos previos. 1.1 Extraer un elemento de un vector. 1.2 Rutinas con el Mathematica. La orden For. 1.3 Programar con el Mathematica. La orden Input. 2. Diferencial total de una funcin de varias variables. 3. Polinomio de Taylor de una funcin de dos variables. 4. Programa para obtener el polinomio de Taylor. 5. Bibliografa.
Conocimientos previos.
1.1 Extraer un elemento de un vector.
Sea el vector V = 8a1 , a2 , ..., an <, si queremos extraer del vector V la coordenada j bastar con poner, seguidamente del vector V, la coordenada j encerrada entre dos corchetes del siguiente modo: Por ejemplo, sea el vector V = 8m, n, h, p, q<, para obtener la segunda coordenada se hara:
8m, n, h, p, q< V@@2DD n V = 8m, n, h, p, q<
V[[j]]
In[1]:= Out[1]= In[2]:= Out[2]=
256
Prctica 10.nb
1.2 Rutinas con el Mathematica. La orden For.

En el lenguaje informatico una rutina en una secuencia de instrucciones que se ejecutan repetidas veces. Mathematica tiene distintas rdenes para relizar estas rutinas, la ms importante es For cuya sintaxis es la siguiente: For[contador=inicio, condicin, paso, proceso] Por ejemplo, si se quiere hallar la quinta potencia de los 4 primeros nmeros naturales se procedera del siguiente modo:
In[3]:=
For[i=1,i<=4,i=i+1,Print[i^5]]
1 32 243 1024
El proceso que ha realizado la orden For ha sido el siguiente: PASO 1: El contador i toma el valor 1 (valor dado en inicio) comprueba si la condicin es cierta (en este caso si i 4) puesto que efectivamente es cierta, realiza el proceso, es decir, imprime 15 (1 en nuestro caso) y aumenta en uno el valor del contador i. PASO 2: El contador i ahora tiene el valor 2 comprueba que la condicin sigue siendo cierta (i 4) realiza el proceso (imprime 25 ) y aumenta en uno el valor de i. PASO 3: El contador i ahora tiene el valor 3 comprueba que la condicin es cierta (i 4) realiza el proceso (imprime 35 ) y aumenta en uno el valor de i. PASO 4: El contador i tiene ahora el valor 4 comprueba que la condicin es cierta (i 4) realiza el proceso (imprime 45 ) y aumenta en uno el valor de i. PASO 5: El contador i ahora tiene el valor 5 comprueba si la condicin es cierta (i 4), como no se cumple no ejecuta el proceso y finaliza la rutina. NOTA. Es importante observar que si ahora preguntamos por el valor del contador i, Mathematica nos devuelve el valor 5 (que es el ltimo valor que haba tomado antes de que la rutina finalizase).
In[4]:= Out[4]=
i 5
por lo tanto, si en este momento utilizramos la letra i en cualquier operacin, sin previamente borrarla, nos podra dar un resultado totalmente inesperado. Dentro del apartado correspondiente a proceso se pueden realizar tantas tareas diferentes como queramos, basta con separar cada una de ellas con un ;. Por ejemplo, si adems de obtener la quinta potencia queremos calcular la raz cuadrada de los mismos nmeros podramos proceder del siguiente modo:
257
Prctica 10.nb
In[5]:=
ForBi = 1, i 4, i = i + 1, Print@i, "^5 = ", i ^ 5D; PrintBi, "^12 = ", NB
1^5 = 1 1^12 = 1. 2^5 = 32 2^12 = 1.41421 3^5 = 243 3^12 = 1.73205 4^5 = 1024 4^12 = 2.
i FFF
1.3 Programar con el Mathematica. La orden Input.

Un programa es un conjunto de rdenes contenidas en una sola celda que se ejecutan a la vez siguiendo el orden en que estn escritas. En un programa hay que distinguir tres partes. En la primera, se nos pide de forma interactiva los valores que queremos introducir. La segunda constituye la parte principal del programa y ha de contener las operaciones necesarias para resolver el problema que se plantea. Por ltimo, presentaremos los resultados de la forma ms agradable posible. Para la primera parte se utilizar la orden Input cuyo funcionamiento es fcil de dentender con el siguiente ejemplo:
In[6]:=
k = Input@"Introduzca el valor de la variable k"D;
al ejecutar esta orden nos habr salido un recuadro, una vez introducida una cantidad y pulsado OK, la variable k tomar el valor que se ha insertado. A ttulo de ejemplo, vamos a confeccionar un programa que nos pida un vector v y obtengamos la suma de los cuadrados de cada coordenada. Para realizar este programa vamos a seguir la siguiente estrategia: En primer lugar, se suele poner la orden Clear["Global`*"] para que no haya interferencias entre las variables que aqu se utilizan con otras que se hubieran utilizado previamente. Con la orden Input se pide el vector sobre el que vamos a realizar las manipulaciones pertinentes y lo vamos a llamar v. Al vector v le calculamos el nmero de coordendadas con la orden Length. Hacemos una rutina consistente en extraer todas y cada una de las coordenadas y las llamamos a[i]. Elevamos cada a[i] al cuadrado y sumamos todos los cuadrados. Escribimos el resultado de la forma ms inteligible posible.
In[7]:=
Clear@"Global`"D v = Input@"Introduzca un vector segn el siguiente modelo 8a,b,...,k<"D; n = Length@vD; For@i = 1, i n, i = i + 1, a@iD = v@@iDDD; sumadecuadrados = a@jD2 ;
n j=1
la suma de los cuadrados de las coordenadas del vector 81, 2, 3< es 14
Print@"la suma de los cuadrados de las coordenadas del vector ", v, " es ", sumadecuadradosD
258
Prctica 10.nb
2. Diferencial total de una funcin de varias variables.

Dada una funcin diferenciable f : n , se define la diferencial de f (df) a:
d f =
f x1
la orden del Mathematica que devuelve la diferencial total es Dt. Por ejemplo, sea f Hx, y, zL = x2 y3 z la df ser:
In[13]:=
d x1 +
f x2
d x2 + ... +
f xn
d xn
Clear@"Global`"D; f@x_, y_, z_D = x ^ 2 y ^ 3 z x2 y3 z Dt@f@x, y, zDD
Out[14]= In[15]:= Out[15]=
2 x y3 z Dt@xD + 3 x2 y2 z Dt@yD + x2 y3 Dt@zD
3. Polinomio de Taylor de una funcin de dos variables.

Taylorde orden n centrado en el punto (a,b) de la funcin f Hx, yL al polinomio pHx, yL de expresin:
pn Hx, yL = f Ha, bL +
1 2! 1 n! n f
Sea f : 2 con derivadas parciales diferenciables cuantas veces sean necesarias. Se define el polinomio de
J x Hx,yL=Ha,bL Hx - aL +
f
2
y representa una aproximacin de f Hx, yL en un entorno del punto Ha, bL.

In[16]:=
Mathematica tiene la orden Normal[Series] para calcular el polinomio de Taylor en una variable. Por ejemplo, si queremos calcular el polinomio de Taylor de orden 5 centrado en el origen de la funcin f HxL = x escribimos:
Out[16]=
J xn Hx,yL=Ha,bL Hx - aLn + n
f
2
Hx,yL=Ha,bL Hx - aL2 + 2
1 1!
n f
xn-1
f x y Hx,yL=Ha,bL
Hx,yL=Ha,bL Hx - aLn-1 Hy - bL + ... +
f y Hx,yL=Ha,bL
Hx - aL Hy - bL +
Hy - bLN +
2 f
y2
Hx,yL=Ha,bL Hy - bL2 N + ... +

n f yn
Hx,yL=Ha,bL Hy - bLn N
y para una funcin general f HxL sera:

In[17]:= Out[18]=
Normal@Series@Ex , 8x, 0, 5<DD 1+x+ x2 2 + x3 6 + x4 + x5 24 120
Clear@"Global`"D Normal@Series@f@xD, 8x, a, 5<DD f@aD + Ha + xL f @aD + 1 6 Ha + xL3 fH3L @aD + 1 2 1 24
Ha + xL2 f @aD +
Si embargo, si intentamos utilizar la misma orden para calcular el polinomio de Taylor en varias variables nos encontramos que no funciona de forma adecuada. Veamos esta cuestin al intentar obtener el polinomio de Taylor centrado en el punto Ha, bL y de orden 2 a una funcin genrica f Hx, yL con la orden Normal[Series]:
Ha + xL4 fH4L @aD +
1 120
Ha + xL5 fH5L @aD
259
Prctica 10.nb
In[19]:=
Out[20]=
Clear@"Global`"D Normal@Series@f@x, yD, 8x, a, 2<, 8y, b, 2<DD f@a, bD + Ha + xL fH1,0L @a, bD + Hb + yL2 1 2 fH0,2L @a, bD + 1 2 1 2 Hb + yL fH0,1L @a, bD + Ha + xL fH1,1L @a, bD +
f@a, bD + Ha + xL fH1,0L @a, bD + Hb + yL2 1 2 fH0,2L @a, bD + 1 2
1 2
Ha + xL fH1,2L @a, bD +
Ha + xL2 fH2,0L @a, bD + 1 2 1 4
Ha + xL2 fH2,1L @a, bD +
Hb + yL fH0,1L @a, bD + Ha + xL fH1,1L @a, bD +
observamos que la orden Normal[Series] devuelve ms sumandos que los que corresponden al polinomio de Taylor de orden 2, en concreto, sobran los sumandos resaltados en color.
Ha + xL fH1,2L @a, bD +
Ha + xL2 fH2,0L @a, bD + 1 2 1 4
Ha + xL2 fH2,2L @a, bD
Ha + xL2 fH2,1L @a, bD +
Ha + xL2 fH2,2L @a, bD
4. Programa para obtener el polinomio de Taylor.

Sea la funcin f : 2 el polinomnio de Taylor centrado en (a,b) de orden n de la funcin f tambin se puede expresar de la siguiente manera:
pn Hx, yL = f Ha, bL + df Hx,yL=Ha,bL + 2! d 2 f Hx,yL=Ha,bL + ... +
1
1 1!
1 n!
donde:
dx = x - a
d n f Hx,yL=Ha,bL
dy = y - b
Por razones de claridad en la exposicin, vamos a ir obteniendo cada uno de estos sumandos sobre una funcin concreta, por ejemplo f Hx, yL = x6 y5 . Al sumando i-simo lo denotaremos por s@iD Hx, yL:
In[21]:= In[22]:= Out[22]= In[23]:= Out[23]=
Clear@"Global`"D;
f@x_, y_D = x ^ 6 y ^ 5 x6 y5 s@1D@x_, y_D = Dt@f@x, yDD 6 x5 y5 Dt@xD + 5 x6 y4 Dt@yD
s@iD Hx, yL = d i f Hx, yL
como x e y son variables independientes Dt@xD = dx y Dt@yD = dy, por lo tanto, realizamos las respectivas sustituciones. De esta manera, dx ser considerada por el Mathematica como una constante:
In[24]:= Out[24]= In[25]:= Out[25]=
s@1D@x_, y_D = Dt@f@x, yDD . 8Dt@xD dx, Dt@yD dy< 5 dy x6 y4 + 6 dx x5 y5
como dx y dy no dependen de Hx, yL, Dt@dxD = 0 y Dt@yD = 0, que se aade a la regla de sustituciones:
s@2D@x_, y_D = Dt@s@1D@x, yDD . 8Dt@xD dx, Dt@yD dy<
20 dy2 x6 y3 + 60 dx dy x5 y4 + 30 dx2 x4 y5 + 6 x5 y5 Dt@dxD + 5 x6 y4 Dt@dyD
260
Prctica 10.nb
In[26]:= Out[26]= In[27]:= Out[27]=
s@2D@x_, y_D = Dt@s@1D@x, yDD . 8Dt@xD dx, Dt@yD dy, Dt@dxD 0, Dt@dyD 0< s@3D@x_, y_D = Dt@s@2D@x, yDD . 8Dt@xD dx, Dt@yD dy, Dt@dxD 0, Dt@dyD 0< 60 dy3 x6 y2 + 360 dx dy2 x5 y3 + 450 dx2 dy x4 y4 + 120 dx3 x3 y5 20 dy2 x6 y3 + 60 dx dy x5 y4 + 30 dx2 x4 y5
y as sucesivamente.
In[28]:=
Si nos quedramos en el polinomio de Taylor centrado en el punto H1, 2L de orden 3 podramos poner:
PrintB"El polinomio de Taylor de orden 3 de la funcin ", f@x, yD, " centrado en H1,2L es: ", f@1, 2D +
3
o si se prefiere :
In[29]:=
El polinomio de Taylor de orden 3 de la funcin x6 y5 centrado en H1,2L es: 1 32 + 192 H1 + xL + I960 H1 + xL2 + 960 H1 + xL H2 + yL + 160 H2 + yL2 M + 2 1 3 I3840 H1 + xL + 7200 H1 + xL2 H2 + yL + 2880 H1 + xL H2 + yL2 + 240 H2 + yL3 M + 80 H2 + yL 6
i=1
i!
s@iD@1, 2D
. 8dx Hx 1L, dy Hy 2L<F
Out[29]=
ExpandBf@1, 2D +
3
1 i! s@iD@1, 2D
i=1
3840 + 6912 x 3840 x2 + 640 x3 + 2880 y 3840 x y + 1200 x2 y 640 y2 + 480 x y2 + 40 y3
. 8dx Hx 1L, dy Hy 2L<F
El cuerpo del programa ya est hecho slo falta pedir los datos necesarios y presentarlos de forma agradable, aunque admite mejoras, el programa puede tener la siguiente forma:
Clear@"Global`"D; f@x_, y_D = Input@"Introduzca la expresin de la funcin fHx,yL a la que se va a calcular su polinomio de Taylor, por ejemplo Sin@xyD"D; s@0D@x_, y_D = f@x, yD; puntocentro = Input@"Introduzca el punto 8a,b< donde se centrar el polinomio"D; a = puntocentro@@1DD; b = puntocentro@@2DD; n = Input@"Introduzca el orden del polinomio de taylor"D; For@i = 1, i n, i = i + 1, s@iD@x_, y_D = Dt@s@i 1D@x, yDD . 8Dt@xD dx, Dt@yD dy, Dt@dxD 0, Dt@dyD 0<D Print@"El polinomio de Taylor de orden ", n, " de la funcin ", f@x, yD, " centrado en el punto ", puntocentro, " es: ", p@nD@x, yD, ". A partir de ahora se puede utilizar como p@", n, "D@x,yD"D p@nD@x_, y_D = f@a, bD +
n
i=1
i!
s@iD@a, bD
. 8dx Hx aL, dy Hy bL<;
Ejercicio 1.
a) Utilizar el programa anterior para calcular el polinomio de Taylor centrado en el punto H1, 1L de orden 3 de la x funcin f Hx, yL = Log y . b) Comparar f H1.2, 1, 1L y p3 H1.2, 1.1L.
261
Prctica 10.nb
Ejercicio 2.
f Hx, yL = senHx yL, entonces el polinomio de Taylor centrado en el H0, 0L es p3 Hx, yL = x y. Asimismo, p6 Hx, yL = x y -
Comprobar que el programa que hemos diseado es correcto, para ello se puede tener en cuenta que si
x3 y3 . 6
Ejercicio 3.
recomienda el dibujo en el siguiente conjunto de valores: Hx, yL @-2, 2D @-2, 2D. b) Repetir el apartado a) con el polinomio de Taylor de orden 6.
a) Dibujar la funcin f Hx, yL = senHx yL junto con su polinomio de Taylor centrado en el origen de orden 3. Se
Ejercicio 4.
Ejercicio 5.
Dado el polinomio x4 + x3 y2 - 7 x y + 9, expresarlo en potencias de Hx - 1L e Hy - 2L. a) Realizar un programa que obtenga el polinomio Taylor para una funcin de tres variables. b) Comprobar que el programa del apartado a) es correcto sabiendo que el polinomio de Taylor centrado en el origen
1 2
de orden 9 de la funcin cos Hx y zL es 1 -
x2 y2 z 2 .
5. Bibliografa.
Para profundizar en los conceptos que aparecen en esta prctica, entre la abundante bibliografa que existe al respecto, destacamos la siguiente: DE BURGOS ROMN, J: Clculo infinitesimal de varias variables, segunda edicin, McGraw-Hill, 2008. GARCA LPEZ, A. et al: Calculo II. Teora y problemas de funciones de varias variables, Edita CLAGSA-MADRID, 1996. JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas I (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). JIMNEZ LPEZ, M. - JDAR REYES, J.: Matemticas II (Manual de prcticas), Universidad de Jan, CD (Coleccin Apuntes, curso 2002-2003). KRASNOV, M. et al: Curso de matemticas superiores para Ingenieros, volumen 1, Ed. MIR. 1990. LARSON ROLAND E. - HOSTETLER ROBERT P. - EDWARDS BRUCE H.: Clculo, volumen 2, McGraw-Hill, 1995.
262

APUNTES

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

APUNTES

Enviado por

Direitos autorais:

Formatos disponíveis

cubierta

MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

6.1. Rotacional de un campo vectorial. .............................................................................116

7. Ejercicios propuestos............................................................................................................ 118 8. Bibliografa citada en el tema ............................................................................................... 119

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

2. ................................................................................................. 198 3. ................................................................................................. 199

8. Bibliografa. ......................................................................................................................... 204

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

Ampliacin de matemticas/ MxiMo JiMnez Lpez

TEMA 1 ECUACIONES EN DIFERENCIAS

En definitiva, tenemos una sucesin : o, escrito de otra forma1:

cuyo trmino general es:

Ampliacin de matemticas/ MxiMo JiMnez Lpez

que hace cierta la igualdad

En resumen, la solucin general de la ecuacin en diferencias: 1.1

que depende de una constante genrica c.

le pedimos que tenga un valor determinado, por ejemplo 1000 ya es nica:

Ampliacin de matemticas/ MxiMo JiMnez Lpez

1. ECUACIN EN DIFERENCIAS LINEAL CON COEFICIENTES CONSTANTES.

Una ecuacin en diferencias se llama lineal de coeficientes constantes si es de la forma: , 0

Por ejemplo, la ecuacin completa, mientras que

La constante k se denomina orden de la ecuacin en diferencias. As,

2 es una ecuacin en diferencias lineal de orden 3. Sin embargo,

puesto que dicha ecuacin es totalmente equivalente a

1, por lo tanto, es una ecuacin en diferencias de orden 2.

Ampliacin de matemticas/ MxiMo JiMnez Lpez

1.1. Propiedades de la ecuacin en diferencias lineal de coeficientes constantes.

1.1.1. Unicidad de la solucin.

Sea la ecuacin en diferencias lineal de coeficientes constantes:

el problema de encontrar una sucesin los k valores prefijados , ,,

tal que cumpla dicha ecuacin y que adems para

primero calculamos 0):

que, al tener que cumplirse la ecuacin, deber verificar (tomando 2 2 3 9 1 4 0 0

de la misma manera se deduce que

8 y sucesivamente iramos obteniendo los dems

Ampliacin de matemticas/ MxiMo JiMnez Lpez

1.1.2. El espacio vectorial de las soluciones de la ecuacin en diferencias lineal homognea.

El conjunto de las soluciones de la ecuacin homognea de orden k 0

es un espacio vectorial de dimensin k.

son independientes si se verifica: 0 1

Ampliacin de matemticas/ MxiMo JiMnez Lpez

2. SOLUCIN DE LA ECUACIN EN DIFERENCIAS LINEAL HOMOGNEA DE COEFICIENTES CONSTANTES.

Si forzamos a que este conjunto de soluciones adopten la forma

A cada raz real

A cada raz real mltiple

de multiplicidad m le asociamos las m soluciones:

) le asociamos dos soluciones. Para calcular estas : | Arg |

soluciones calculamos el mdulo y argumento del nmero

Ampliacin de matemticas/ MxiMo JiMnez Lpez

al que le asociamos las soluciones:

A cada raz compleja

de multiplicidad m (la conjugada aparecer tambin con la cos

misma multiplicidad), le asociaremos las siguientes soluciones: sen

Un conjunto de soluciones que forman base para esta ecuacin ser: 3 2 2