2.

Algebra y Calculo Vectorial

Mecánica de los Medios Continuos

Escuela de Ingenierı́a Mecánica (FCEIA-UNR)

0. Objetivos
Este capı́tulo tiene el propósito de que el estudiante revea algunos de
los conceptos previamente desarrollados en Algebra Lineal y Cálculo
III, ası́ como también, introducirlo a nuevos conceptos que sirvan de
herramientas para el abordaje de los diversos modelos de la Mecánica
del Continuo para el análisis de fenómenos fı́sicos.
0. Objetivos
Este capı́tulo tiene el propósito de que el estudiante revea algunos de
los conceptos previamente desarrollados en Algebra Lineal y Cálculo
III, ası́ como también, introducirlo a nuevos conceptos que sirvan de
herramientas para el abordaje de los diversos modelos de la Mecánica
del Continuo para el análisis de fenómenos fı́sicos.

Es el objetivo de la cátedra que el estudiante, una vez terminado el

capı́tulo, pueda:
 Familiarizarse con el Álgebra Vectorial y Matricial
0. Objetivos
Este capı́tulo tiene el propósito de que el estudiante revea algunos de
los conceptos previamente desarrollados en Algebra Lineal y Cálculo
III, ası́ como también, introducirlo a nuevos conceptos que sirvan de
herramientas para el abordaje de los diversos modelos de la Mecánica
del Continuo para el análisis de fenómenos fı́sicos.

Es el objetivo de la cátedra que el estudiante, una vez terminado el

capı́tulo, pueda:
 Familiarizarse con el Álgebra Vectorial y Matricial
 Realizar operaciones de Cálculo Vectorial sencillas
0. Objetivos
Este capı́tulo tiene el propósito de que el estudiante revea algunos de
los conceptos previamente desarrollados en Algebra Lineal y Cálculo
III, ası́ como también, introducirlo a nuevos conceptos que sirvan de
herramientas para el abordaje de los diversos modelos de la Mecánica
del Continuo para el análisis de fenómenos fı́sicos.

Es el objetivo de la cátedra que el estudiante, una vez terminado el

capı́tulo, pueda:
 Familiarizarse con el Álgebra Vectorial y Matricial
 Realizar operaciones de Cálculo Vectorial sencillas
 Manejar nociones de entidades vectoriales y tensoriales a nivel
abstracto y como representaciones de la Fı́sica
1. Introducción

 Queremos derivar relaciones entre propiedades haciendo

uso de las leyes de la naturaleza (como las Leyes de
Newton, balance de energı́a, entre otros)
1. Introducción

 Queremos derivar relaciones entre propiedades haciendo

uso de las leyes de la naturaleza (como las Leyes de
Newton, balance de energı́a, entre otros)
 Para ello comunmente se introduce un sistema de
coordenadas en un marco de referencia dado
1. Introducción

 Queremos derivar relaciones entre propiedades haciendo

uso de las leyes de la naturaleza (como las Leyes de
Newton, balance de energı́a, entre otros)
 Para ello comunmente se introduce un sistema de
coordenadas en un marco de referencia dado
 Las formas matemáticas de las leyes dependen del
sistema de coordenadas elegido y puede tener aspectos
diferentes en otro tipo de sistema de coordenadas
1. Introducción

 Las leyes de la naturaleza deben ser independiente de la

elección del sistema de coordenadas, para lo cual
debemos buscar la manera de representar a la ley
independiente del sistema de coordenadas particular
1. Introducción

 Las leyes de la naturaleza deben ser independiente de la

elección del sistema de coordenadas, para lo cual
debemos buscar la manera de representar a la ley
independiente del sistema de coordenadas particular
 Cuando se utiliza la notación vectorial, las leyes de la
naturaleza pueden ser presentadas invariantes ante las
transformaciones coordenadas
1. Introducción

 Las leyes de la naturaleza deben ser independiente de la

elección del sistema de coordenadas, para lo cual
debemos buscar la manera de representar a la ley
independiente del sistema de coordenadas particular
 Cuando se utiliza la notación vectorial, las leyes de la
naturaleza pueden ser presentadas invariantes ante las
transformaciones coordenadas
 Este capı́tulo está dedicado al estudio de los elementos de
álgebra y cálculo de vectores y tensores.
2. Álgebra vectorial

Las cantidades encontradas en las descripciones analı́ticas de

los fenómenos fı́sicos pueden ser clasificados en dos grupos:
escalares y no-escalares.
2. Álgebra vectorial

Las cantidades encontradas en las descripciones analı́ticas de

los fenómenos fı́sicos pueden ser clasificados en dos grupos:
escalares y no-escalares.
Entre las entidades no-escalares más conocidas, se ecuentran
los vectores. Un vector de longitud unitaria se llama un vector
unitario. El vector unitario en la dirección de v se define como:

v
ev = =⇒ v = v ev (1)
v
Entonces, cualquier vector puede ser representado como el
producto de su magnitud por un vector unitario en la misma
dirección.
2. Álgebra vectorial

Adición entre vectores

Dados los vectores u, v y w:
1. u + v = v + u (p. conmutativa)
2. (u + v) + w = u + (v + w) (p. asociativa)
3. ∃0/u + 0 = u (existencia del elemento neutro en la suma)
4. Para cada u, existe un vector único (-u) / u + (−u) = 0
(existencia del elemento inverso en la suma)
2. Álgebra vectorial

Multiplicación entre vector y escalar

Dados los vectores u, v y los escalares α y β:
1. α(βu) = (αβ)u (p. asociativa de la multiplicación por
escalar)
2. (α + β)u = αu + βu (p. distributiva de la adición de
escalares)
3. α(u + v) = αu + αv (p. distributiva de la adición de
vectores)
4. 1 u = u (existencia del elemento neutro del producto
escalar)
2. Álgebra vectorial
Producto escalar entre vectores
El producto escalar (o producto punto) entre vectores se
denota como:
u· v = u v cos(θ)
donde θ es el ángulo entre formado entre ambos vectores.
Cumple con las siguientes propiedades:
1. u· v = v· u (p. conmutativa)
2. u· (v + w) = u· v + u· w (p. distributiva)
 Si los vectores son perpendiculares entre sı́, entonces
θ = π/2 y u· v = 0
 Si los vectores son paralelos entre sı́ y en el mismo
sentido, entonces θ = 0 y u· v = uv
2. Álgebra vectorial
Ejemplo: El trabajo de una fuerza
Cuando una fuerza F actua sobre un punto, el cual se mueve
siguiendo un vector desplazamiento d, el trabajo desarrollado
por dicha fuerza se define como:

W = F· d = F d cos(θ) (2)
2. Álgebra vectorial
Producto vectorial entre vectores
El producto vectorial (o producto cruz) entre vectores se denota
como:
u × v = u v sen(θ) e
donde e es el vector unitario de dirección normal.
Cumple con que:
1. No es conmutativo: u × v 6= v × u
2. Respeta la propiedad distributiva (pero respetando el
orden): (v + w) × u = v × u + w × u
 Si los vectores son perpendiculares entre sı́, entonces
θ = π/2 y u × v = u v e
 Si los vectores son paralelos entre sı́, entonces θ = 0 y
u×v=0
2. Álgebra vectorial
Ejemplo: El momento angular de una fuerza respecto a un
punto
Cuando una fuerza F actua sobre un punto P, la magnitud del
momento angular respecto a un punto O se define como la
fuerza por el brazo de palanca:

M = r × F = r F sen(θ) eM (3)
3. Cálculo vectorial - Derivada de un vector
Supongamos que tenemos un vector A que es función de un
escalar t, A = A(t):

Ahora, considerando una variación infinitesimal de t dada por

t + ∆t, podemos definir a la derivada del vector A respecto a t
como:

dA A(t + ∆t) − A(t)

= lı́m (4)
dt ∆t→0 ∆t
3. Cálculo vectorial - Derivada de un vector
Supongamos que tenemos un vector A que es función de un
escalar t, A = A(t):

Si definimos a ∆s = |∆A| de manera que s sea la distancia

medida sobre la trayectoria, entonces tenemos:

dA ∆A ∆s ds
= lı́m = ês (5)
dt ∆t→0 ∆s ∆t dt
3. Calculo vectorial - Operador ∇
Las nociones de calculo vectorial y escalar, como herramientas
de interpretación fı́sica, se encuentran relacionadas a las tasas
de cambio de campos escalares, como puede ser temperatura,
presión, distancia, etc.
3. Calculo vectorial - Operador ∇
Las nociones de calculo vectorial y escalar, como herramientas
de interpretación fı́sica, se encuentran relacionadas a las tasas
de cambio de campos escalares, como puede ser temperatura,
presión, distancia, etc.
Supongamos que tenemos una magnitud escalar φ = φ(x),
donde x es el vector posición (un caso práctico podrı́a ser un
cuerpo cuya temperatura es función de la posición del punto
donde se esta midiendo T (x)). En este contexto, dada una
base Cartesiana rectangular, podemos definir al gradiente
como:
3. Calculo vectorial - Operador ∇
Las nociones de calculo vectorial y escalar, como herramientas
de interpretación fı́sica, se encuentran relacionadas a las tasas
de cambio de campos escalares, como puede ser temperatura,
presión, distancia, etc.
Supongamos que tenemos una magnitud escalar φ = φ(x),
donde x es el vector posición (un caso práctico podrı́a ser un
cuerpo cuya temperatura es función de la posición del punto
donde se esta midiendo T (x)). En este contexto, dada una
base Cartesiana rectangular, podemos definir al gradiente
como:

 
∂ ∂ ∂
∇φ = grad(φ) = êx + êy + êz φ (6)
∂x ∂y ∂z
3. Calculo vectorial - Operador ∇
El operador ∇ (comunmente llamado nabla) en un sistema
Cartesiano está definido como:

∂ ∂ ∂
∇ = êx + êy + êz (7)
∂x ∂y ∂z

o, en notación indicial:

∂
∇ = êi (8)
∂xi
Es importante notar que el operador ∇ conserva muchas de
las propiedades de un vector.
3. Calculo vectorial - Operador ∇
Se define la divergencia de un vector como:

∂Ai ∂Ax ∂Ay ∂Az

∇· A = = + + (9)
∂xi ∂x ∂y ∂z
Ası́ mismo, definimos al rotor como:
     
∂Az ∂Ay ∂Ax ∂Az ∂Ay ∂Ax
∇×A= − i+ − j+ − k
∂y ∂z ∂z ∂x ∂x ∂y
(10)
El operador Laplaciano se define como:

∂2φ ∂2φ ∂2φ ∂2φ

∇2 φ = = + 2 + 2 (11)
∂x2i ∂x2 ∂y ∂z
3. Calculo vectorial - Otras identidades
4. Matrices
Una matriz A de orden M × N es un arreglo rectangular de
cantidades distribuidas en M filas y N columnas. Un elemento
de A ubicada en la fila i y columna j se denota como aij .

A = [aij ] =⇒ AT = [aji ] (12)

4. Matrices
Una matriz A de orden M × N es un arreglo rectangular de
cantidades distribuidas en M filas y N columnas. Un elemento
de A ubicada en la fila i y columna j se denota como aij .

A = [aij ] =⇒ AT = [aji ] (12)

El producto de una matriz por un escalar resulta:

A = [aij ] =⇒ sA = [saij ] (13)

4. Matrices
Una matriz A de orden M × N es un arreglo rectangular de
cantidades distribuidas en M filas y N columnas. Un elemento
de A ubicada en la fila i y columna j se denota como aij .

A = [aij ] =⇒ AT = [aji ] (12)

El producto de una matriz por un escalar resulta:

A = [aij ] =⇒ sA = [saij ] (13)

El producto entre dos matrices A y B, P = (AB) puede
realizarse si el número de columnas de A es igual al número
de filas de B de modo que:
X
X
pij = aik bkj (14)
k=1
4. Matrices - Matrices cuadradas

Si el número de columnas N de la matriz A es igual a su

número de filas, entonces A es una matriz cuadrada de orden
N.

Ak = A × A × A... × A(k veces) (15)

4. Matrices - Matrices cuadradas

Si el número de columnas N de la matriz A es igual a su

número de filas, entonces A es una matriz cuadrada de orden
N.

Ak = A × A × A... × A(k veces) (15)

A−1 A = AA−1 = I (16)

4. Matrices - Matrices cuadradas

Si el número de columnas N de la matriz A es igual a su

número de filas, entonces A es una matriz cuadrada de orden
N.

Ak = A × A × A... × A(k veces) (15)

A−1 A = AA−1 = I (16)

( (
uij i≤j lij i≥j
U= (17) L= (18)
0 i>j 0 i<j
4. Matrices - Sistema de ecuaciones

Un dado sistema matemático cerrado de ecuaciones (N

ecuaciones con N incógnitas) puede expresarse como:

a11 φ1 + a12 φ2 + a13 φ3 + ... + a1N φN = b1

a21 φ1 + a22 φ2 + a23 φ3 + ... + a2N φN = b2
a31 φ1 + a32 φ2 + a33 φ3 + ... + a3N φN = b3 (19)
.. .
. = ..
aN 1 φ1 + aN 2 φ2 + aN 3 φ3 + ... + aN N φN = bN
4. Matrices - Sistema de ecuaciones
Notese que este sistema lo podemos expresar matricialmente
como:
    
a11 a12 a13 . . . a1N φ1 b1
 a21 a22 a23 . . . a2N   φ2   b2 
    
 a31 a32 a33 . . . a3N   φ3   b3 
   ≈  
 .. .. .. .. ..   ..   .. 
 . . . . .  .   . 
aN 1 aN 2 aN 3 . . . aN N φN bN
| {z } | {z } | {z }
A φ b
4. Matrices - Sistema de ecuaciones
Notese que este sistema lo podemos expresar matricialmente
como:
    
a11 a12 a13 . . . a1N φ1 b1
 a21 a22 a23 . . . a2N   φ2   b2 
    
 a31 a32 a33 . . . a3N   φ3   b3 
   ≈  
 .. .. .. .. ..   ..   .. 
 . . . . .  .   . 
aN 1 aN 2 aN 3 . . . aN N φN bN
| {z } | {z } | {z }
A φ b

o en su forma compacta:

Aφ = b (20)
4. Matrices - Determinante de una matriz

Un determinante es un valor asociado a una matriz cuadrada A

que puede calcularse a partir de los elementos de la matriz a
través de un procedimiento matemático que se denota como
det(A) o |A|. En una matriz de 2 × 2 este resulta:
 
a11 a12
A= =⇒ det(A) = a11 a22 − a21 a12
a21 a22
4. Matrices - Determinante de una matriz

Para una matriz de mayor orden, la regla general para el

cálculo de determinantes es:

 N
X
aij (−1)i+j (mi)ij para todo j





det(A) = i=j
N
 X
aij (−1)i+j (mi)ij para todo i





i=j

donde (mi)ij para un elemento aij es el determinante que

resulta de suprimir de la matriz original, la fila i y la columna j.
4. Matrices - Autovalores y autovectores

Un autovector de una matriz es un vector no-nulo que no rota

cuando se lo multiplica por una matriz, sino que solo puede
cambiar su magnitud y sentido. Entonces, existe un escalar λ
tal que Av = λv. El valor de λ se denomina autovalor de A.
Resulta lógico que, dada una constante escalar α, el vector αv
es también un autovector de A.
4. Matrices - Autovalores y autovectores

Un autovector de una matriz es un vector no-nulo que no rota

cuando se lo multiplica por una matriz, sino que solo puede
cambiar su magnitud y sentido. Entonces, existe un escalar λ
tal que Av = λv. El valor de λ se denomina autovalor de A.
Resulta lógico que, dada una constante escalar α, el vector αv
es también un autovector de A.
Si A es simétrica de orden N, puede mostrarse que A tiene un
conjunto de autovectores asociados v1 , v2 , v3 , ..., vN , el cual
puede no ser único. Sin embargo, el conjunto de autovalores
correspondientes λ1 , λ2 , λ3 , ...λN si es único.
4. Matrices - Autovalores y autovectores

En general, los autovalores de una matriz cuadrada A de orden

N se obtiene de resolver la ecuación:

Av = λv =⇒ Av = λIv =⇒ (A − λI)v = 0 (21)

4. Matrices - Autovalores y autovectores

En general, los autovalores de una matriz cuadrada A de orden

N se obtiene de resolver la ecuación:

Av = λv =⇒ Av = λIv =⇒ (A − λI)v = 0 (21)

Dado que, por definición, los autovectores son no-nulos,
entonces:

det[A − λI] = 0 (22)

4. Matrices - Matriz definida positiva

Una matriz simétrica A = [aij ] de orden N es definida positiva

si para todas los vectores columna p en RN se cumple la
siguiente inecuación:

pT Ap > 0 (23)
4. Matrices - Matriz definida positiva
Este tipo de matrices tiene las siguientes propiedades:
1. Cualquier submatriz P de A de orden M de la forma
 
a11 a12 a13 . . . a1M
 a21 a22 a23 . . . a2M 
 
P =  a31 a32 a33 . . . a3M  (24)
 
 .. .. .. .. .. 
 . . . . . 
aM 1 aM 2 aM 3 . . . aM M
es también definida positiva.
4. Matrices - Matriz definida positiva
Este tipo de matrices tiene las siguientes propiedades:
1. Cualquier submatriz P de A de orden M de la forma
 
a11 a12 a13 . . . a1M
 a21 a22 a23 . . . a2M 
 
P =  a31 a32 a33 . . . a3M  (24)
 
 .. .. .. .. .. 
 . . . . . 
aM 1 aM 2 aM 3 . . . aM M
es también definida positiva.
2. Los N autovalores de A son positivos
4. Matrices - Matriz definida positiva
Este tipo de matrices tiene las siguientes propiedades:
1. Cualquier submatriz P de A de orden M de la forma
 
a11 a12 a13 . . . a1M
 a21 a22 a23 . . . a2M 
 
P =  a31 a32 a33 . . . a3M  (24)
 
 .. .. .. .. .. 
 . . . . . 
aM 1 aM 2 aM 3 . . . aM M
es también definida positiva.
2. Los N autovalores de A son positivos
3. Si todos los autovalores de A son positivos, entonces A es
definida positiva
4. Matrices - Matriz definida positiva
Este tipo de matrices tiene las siguientes propiedades:
1. Cualquier submatriz P de A de orden M de la forma
 
a11 a12 a13 . . . a1M
 a21 a22 a23 . . . a2M 
 
P =  a31 a32 a33 . . . a3M  (24)
 
 .. .. .. .. .. 
 . . . . . 
aM 1 aM 2 aM 3 . . . aM M
es también definida positiva.
2. Los N autovalores de A son positivos
3. Si todos los autovalores de A son positivos, entonces A es
definida positiva
4. A tiene una única descomposición de la forma A = LLT ,
donde L es una matriz triangular inferior (d. Cholesky).
4. Matrices - Otras identidades
5. Tensores
 El término vector es usado comunmente para referirse a
una entidad fı́sica que tiene magnitud y dirección.
5. Tensores
 El término vector es usado comunmente para referirse a
una entidad fı́sica que tiene magnitud y dirección.
 Al igual que los vectores fı́sicos, los tensores son objetos
mas generales, que poseen magnitud y multiples
direcciones, y satisfacen las reglas de suma de tensores y
multiplicación por escalar.
5. Tensores
 El término vector es usado comunmente para referirse a
una entidad fı́sica que tiene magnitud y dirección.
 Al igual que los vectores fı́sicos, los tensores son objetos
mas generales, que poseen magnitud y multiples
direcciones, y satisfacen las reglas de suma de tensores y
multiplicación por escalar.
 Los vectores fı́sicos son usualmente denominados
tensores de primer orden. Por otro lado, las matrices son
formas de expresar a tensores de segundo orden.
5. Tensores
 El término vector es usado comunmente para referirse a
una entidad fı́sica que tiene magnitud y dirección.
 Al igual que los vectores fı́sicos, los tensores son objetos
mas generales, que poseen magnitud y multiples
direcciones, y satisfacen las reglas de suma de tensores y
multiplicación por escalar.
 Los vectores fı́sicos son usualmente denominados
tensores de primer orden. Por otro lado, las matrices son
formas de expresar a tensores de segundo orden.
 Es importante remarcar que todas las formas de expresar
tensores (vectores, matrices y tensores de mayor orden)
responden a las operaciones tensoriales previamente
desarrolladas.
5. Tensores

Digamos que x, y y z representan las direcciones ortonormales

en un sistema de coordenadas Cartesiano. Entonces, el tensor
τ y su transpuesta τ T pueden representarse en la forma:
 
τxx τxy τxz
τ = τyx τyy τyz  (25)
τzx τzy τzz
 
τxx τyx τzx
τ T = τxy τyy τzy  (26)
τxz τyz τzz
5. Tensores

τ = iiτxx +ijτxy +ikτxz +jiτyx +jjτyy +jkτyz +kiτzx +kjτzy +kkτzz

(27)
El producto tensorial entre el vector v consigo mismo resulta:

vv = (ui + vj + wk)(ui + vj + wk)

= iiuu + ijuv + ikuw + jivu + jjvv + jkvw + kiwu + kjwv + kkww
(28)
o bien
 
uu uv uw
vv =  vu vv vw  (29)
wu wv ww
5. Tensores

∂ ∂ ∂
∇v = ( i+ j+ k)(ui + vj + wk)
∂x ∂y ∂z
∂u ∂v ∂w ∂u ∂v ∂v
= ii + ij + ik + ji + jj + jk (30)
∂x ∂x ∂x ∂y ∂y ∂z
∂w ∂w ∂w
+ ki + kj + kk
∂x ∂y ∂z
∂u ∂v ∂w
 
 ∂x ∂x ∂x 
 
 ∂u ∂v ∂w 
∇v =   (31)
 ∂y ∂y ∂y 

 ∂u ∂v ∂w 
∂z ∂z ∂z
5. Tensores

La suma de dos tensores de segundo orden y tres

componentes como los presentados hasta el momento pueden
expresarse como:

 
(σxx + τxx ) (σxy + τxy ) (σxz + τxz )
Γ = σ + τ = (σyx + τyx ) (σyy + τyy ) (σyz + τyz ) (32)
(σzx + τzx ) (σzy + τzy ) (σzz + τzz )
5. Tensores
El producto punto entre un tensor de segundo orden y un
tensor de primer orden (es decir, un vector) puede expresarse
como:

τ · v =(τxx u + τxy v + τxz w)i

+ (τyx u + τyy v + τyz w)j (33)
+ (τzx u + τzy v + τzz w)k
5. Tensores
El producto punto entre un tensor de segundo orden y un
tensor de primer orden (es decir, un vector) puede expresarse
como:

τ · v =(τxx u + τxy v + τxz w)i

+ (τyx u + τyy v + τyz w)j (33)
+ (τzx u + τzy v + τzz w)k

En forma matricial resulta:

    
τxx τxy τxz u τxx u + τxy v + τxz w
τ · v = τyx τyy τyz   v  =  τyx u + τyy v + τyz w  (34)
τzx τzy τzz w τzx u + τzy v + τzz w
5. Tensores

De la misma forma, se puede expresar la divergencia de un

tensor de segundo orden y 3 componentes como:

∂τxx ∂τyx ∂τzx

∇· τ =( + + )i
∂x ∂y ∂z
∂τxy ∂τyy ∂τzy
+( + + )j (35)
∂x ∂y ∂z
∂τxz ∂τyz ∂τzz
+( + + )k
∂x ∂y ∂z
5. Tensores
Se puede afirmar que (siempre que la operación sea posible):
 El producto punto entre un tensor de orden M y otro de
orden N devuelve un tensor de orden (M + N − 2)
 El producto cruz entre un tensor de orden M y otro de
orden N devuelve un tensor de orden (M + N − 1)
 El producto diádico entre un tensor de orden M y otro de
orden N devuelve un tensor de orden (M + N )
 La operación divergencia aplicada a un tensor de orden
M devuelve un tensor de orden (M − 1)
 La operación rotor aplicada a un tensor de orden M
devuelve un tensor de orden M
 La operación gradiente aplicada a un tensor de orden M
devuelve un tensor de orden (M + 1)
6. Teoremas - Teorema del gradiente
Si C es una curva suave descripta por el vector posición
r(t) = r[x(t), y(t), z(t)] para a ≤ t ≤ b y siendo s una función
escalar cuyo gradiente ∇s es continua en C, entonces:
Z
∇s· dr = s(r(b)) − s(r(a)) (36)
C
6. Teoremas - Teorema de Green
Siendo C un contorno cerrado de una región bidimensional R.
Si u(x, y) y v(x, y) son funciones de derivadas parciales
continuas definidas en R, entonces:
I Z Z  
∂v ∂u
(udx + vdy) = − dxdy (37)
R ∂x ∂y

I Z Z
v· dr = [∇ × v]· dS
C R
(38)
6. Teoremas - Teorema de Stokes
Siendo v un campo vectorial, S una superficie orientada, y C la
curva contorno de S, orientada según la regla de la mano
derecha.

El teorema de Stokes enuncia:

Z I
[∇ × v]· dS = v· dr (39)
S C
donde r es tal que dr/ds es un vector tangente unitario y s es
6. Teoremas - Teorema de Gauss
Sea V un volumen de un espacio tridimensional y n un vector
unitario normal apuntando hacia afuera del volumen V . Si v es
un campo vectorial definido en V , entonces el teorema de
Gauss (también conocido como el teorema de la divergencia)
enuncia que:
Z I
(∇· v)dV = v· ndS (40)
V S
Z I
(∇s)dV = sdS (41)
V S
Z I
[∇· τ ]dV = [τ · n]dS (42)
V S
6. Teoremas - Regla de Leibniz
Da una formula para diferenciar una integral definida cuyos
lı́mites son funciónes de la variable diferencial:

Z b(t) Z b(t)
d ∂φ ∂b ∂a
φ(x, t)dx = dx + φ(b(t), t) − φ(a(t), t)
dt a(t) a(t) ∂t ∂t ∂t
(43)
También puede ser escrita como:
Z Z Z
d ∂φ
φdV = dV + φ(vS · n)dS (44)
dt V (t) V (t) ∂t S(t)
Para un volumen no-movil V , la ecuación se reduce a:
Z Z
d ∂φ
φdV = dV (45)
dt V (t) V (t) ∂t