Beruflich Dokumente
Kultur Dokumente
ALCULO
DIFERENCIAL
EN VARIAS VARIABLES
Ruben Becerril Fonseca
Daniel Jardon Arcos
J. Guadalupe Reyes Victoria
Departamento de Matematicas
UAM-IZTAPALAPA
2002 c UAMI
2
Prefacio
Uno de los principales problemas que tiene un lector estudioso de las cien-
cias basicas (fsica, qumica, matematicas) o de la ingeniera, es el de en-
contrar aislados en la abundante literatura muchos temas de su interes.
Por un lado, los textos clasicos orientados hacia las partes aplicadas de la
ciencia que tienen relevancia, no son del todo accesibles al joven lector, y
para su lectura imponen una cantidad considerable de prerrequisitos. Por
otra parte, la literatura teorica en muchas ocasiones causa tedio en los
aspirantes al ejercicio practico de la ciencia.
La presente obra trata de equilibrar las dos cuestiones: la parte teorica
de una forma simple, y su uso en las partes aplicadas de la ciencia, pensando
en la formacion del futuro cientco, ingeniero, tecnico, etcetera. Para su
lectura se presuponen conocimientos elementales de calculo diferencial de
una variable. Los demas conceptos el lector no matematico puede irlos
aprendiendo durante el camino.
En el primer captulo hacemos un bosquejo de los elementos necesarios
para leer el trabajo, como son los sistemas de ecuaciones, las matrices y
determinantes. De esta manera se hace una rese na de los elementos basicos
del
Algebra Lineal.
El captulo 2 trata de los aspectos basicos de los objetos geometricos
elementales en el espacio Euclidiano: las rectas, los planos. Para su
construccion necesitamos los conceptos de vector, angulo y distancia.
Aqu se estudia tambien el problema de vectores y valores propios de una
matriz cuadrada real.
En el captulo 3 se estudian los elementos basicos de las curvas planas
y espaciales, sus propiedades diferenciables: su velocidad y aceleracion.
El captulo 4 muestra el estudio de los campos escalares diferenciables
R
n
R , y los elementos para realizarlo: las derivadas parciales, el
gradiente, el polinomio de Taylor, etcetera.
4
En el captulo 5 se hace una muestra somera de la teora basica de
los campos vectoriales diferenciables del tipo R
n
R
m
(n, m 3) y los
conceptos asociados mas importantes se enuncian y ejemplican: la diver-
gencia, el rotor y el gradiente.
En los apendices se incluyen topicos clasicos de los cursos de calculo en
varias variables como: elementos basicos de supercies en R
3
, orientacion
y longitud de una curva en R
3
, lmites y continuidad de campos es-
calares, planos tangentes, valores extremos de un campo escalar y las
funciones implcitas.
Este libro es producto de varios cursos de Matematicas IV para los es-
tudiantes de Ciencias Biologicas y de la Salud (CBS) en la Universidad
Autonoma Metropolitana Iztapalapa, durante los a nos 1992 - 1999. La
presentacion es diferente de la de los cursos clasicos debido a que las necesi-
dades de las propias licenciaturas (ingenieros bioqumicos, biotecnologos y
en alimentos) as lo requieren.
Deseamos manifestar nuestro agradecimiento al Dr. Gerardo Saucedo,
Director de la Division de CBS, al M. en C. Arturo Preciado, Secretario
Academico de la Division de CBS, a la Dra. Mara Jose Arroyo, ex-
Directora de la Division de CBI y al Dr. Ernesto Perez, Jefe del Departa-
mento de Matematicas por todo el apoyo y entusiasmo que nos brindaron.
Tambien queremos resaltar la contribucion de los profesores y alumnos que
usaron versiones preliminares y cuyos valiosos comentarios nos ayudaron a
mejorar el texto. La presentacion nal se logro gracias a la colaboracion de
Daniel Espinosa (Flash).
Por ultimo, quisieramos agradecer a nuestras respectivas familias por
toda la paciencia infatigable a lo largo de este proyecto.
R.B.F., D.R.J.A., J.G.R.V.
IZTAPALAPA 2002
Contenido
1 Sistemas de ecuaciones, matrices y determinantes 7
1.1 Sistemas de ecuaciones . . . . . . . . . . . . . . . . . . . . . 7
1.2 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Operaciones basicas de matrices . . . . . . . . . . . . . . . . 12
1.4 Determinantes de orden tres . . . . . . . . . . . . . . . . . . 20
1.5 Inversa de una matriz . . . . . . . . . . . . . . . . . . . . . 31
1.6 La regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . 33
1.7 Sistemas lineales homogeneos . . . . . . . . . . . . . . . . . 39
1.8 El metodo de Gauss-Jordan . . . . . . . . . . . . . . . . . . 45
2 Vectores en R
2
y R
3
65
2.1 Sistemas de coordenadas en R
2
y R
3
. . . . . . . . . . . . . 65
2.2 El producto escalar y la norma en R
3
. . . . . . . . . . . . . 72
2.3 El producto vectorial . . . . . . . . . . . . . . . . . . . . . . 82
2.4 El triple producto escalar y bases de R
3
. . . . . . . . . . . 86
2.5 Vectores y valores propios de una matriz . . . . . . . . . . . 96
2.6 Rectas y Planos en R
3
. . . . . . . . . . . . . . . . . . . . . 110
3 Curvas en R
2
y en R
3
127
3.1 Curvas suaves . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3.2 La segunda derivada. Aceleracion . . . . . . . . . . . . . . . 146
4 Campos escalares en R
3
149
4.1 Regiones en R
2
y R
3
. . . . . . . . . . . . . . . . . . . . . . 149
4.2 Campos escalares en R
3
. . . . . . . . . . . . . . . . . . . . 155
4.3 Supercies y curvas de nivel . . . . . . . . . . . . . . . . . . 158
4.4 Derivadas parciales y el gradiente . . . . . . . . . . . . . . . 165
4.5 La regla de la cadena . . . . . . . . . . . . . . . . . . . . . . 170
4.6 Derivada direccional . . . . . . . . . . . . . . . . . . . . . . 176
4.7 El Teorema de Taylor . . . . . . . . . . . . . . . . . . . . . 179
4.8 Diferencial total de un campo escalar . . . . . . . . . . . . . 195
6 CONTENIDO
5 Campos vectoriales en R
3
205
5.1 Funciones del tipo R
n
R
m
. . . . . . . . . . . . . . . . . 205
5.2 La matriz jacobiana . . . . . . . . . . . . . . . . . . . . . . 219
5.3 La regla de la cadena . . . . . . . . . . . . . . . . . . . . . . 223
5.4 Cambios de coordenadas . . . . . . . . . . . . . . . . . . . . 228
5.5 Campos vectoriales en R
2
y R
3
. . . . . . . . . . . . . . . . 248
5.6 Divergencia, gradiente y rotor . . . . . . . . . . . . . . . . . 259
6 Elementos Basicos de Supercies en R
3
277
6.1 Supercies de revolucion . . . . . . . . . . . . . . . . . . . . 278
6.2 Supercies cilndricas . . . . . . . . . . . . . . . . . . . . . . 282
6.3 Supercies conicas . . . . . . . . . . . . . . . . . . . . . . . 283
6.4 Elipsoides, Hiperboloides y Paraboloides . . . . . . . . . . . 287
7 Orientacion de curvas y poligonales 299
7.1 Orientacion. . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
7.2 Longitud de arco y angulo entre curvas . . . . . . . . . . . . 303
7.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
8 Lmites y puntos singulares 309
8.1 Puntos de acumulacion y lmites . . . . . . . . . . . . . . . 309
8.2 Puntos singulares . . . . . . . . . . . . . . . . . . . . . . . . 312
8.3 Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 315
9 Valores extremos de funciones R
2
R 319
9.1 Plano tangente . . . . . . . . . . . . . . . . . . . . . . . . . 319
9.2 Puntos regulares y crticos . . . . . . . . . . . . . . . . . . . 322
9.3 Formas cuadraticas basicas . . . . . . . . . . . . . . . . . . 325
9.4 Puntos crticos no degenerados . . . . . . . . . . . . . . . . 331
9.5 Multiplicadores de Lagrange . . . . . . . . . . . . . . . . . . 345
10 Funciones implcitas 359
Captulo 1
Sistemas de ecuaciones,
matrices y determinantes
1.1 Sistemas de ecuaciones
Iniciamos con el problema de resolver un sistema de ecuaciones lineales de
2 2 con coecientes reales de la forma
_
a
11
x +a
12
y = b
1
a
21
x +a
22
y = b
2
donde a
11
, a
12
, a
21
, a
22
, b
1
y b
2
son constantes reales y x, y son incognitas.
Despejamos a la variable x de la primera ecuacion y la sustituimos
en la segunda.
De la relacion
a
11
x +a
12
y = b
1
se obtiene que
a
11
x = b
1
a
12
y
lo que implica que, si a
11
,= 0, entonces
x =
b
1
a
12
y
a
11
Al sustituir en la segunda ecuacion del sistema se tiene
b
2
= a
21
_
b
1
a
12
y
a
11
_
+a
22
y ()
8 Sistemas de ecuaciones, matrices y determinantes
que nos permite resolver para la variable y de la siguiente forma.
De la ecuacion
b
2
=
a
21
(b
1
a
12
y) +a
11
a
22
y
a
11
se obtiene
a
11
b
2
= a
21
b
1
a
21
a
12
y +a
11
a
22
y
de donde,
a
11
b
2
a
21
b
1
= y(a
11
a
22
a
21
a
12
)
De esta manera, si
a
11
a
22
a
21
a
12
,= 0
entonces podemos despejar a y, quedando
a
11
b
2
a
21
b
1
a
11
a
22
a
21
a
12
= y
Es decir,
y =
a
11
b
2
a
21
b
1
a
11
a
22
a
21
a
12
Al sustituir esta igualdad en la ecuacion () se obtiene la indeterminada x
de la siguiente cadena de igualdades
x =
b
1
a
12
_
a11b2a21b1
a11a22a21a12
_
a
11
=
b
1
a12(a11b12a21b1)
a11a22a21a12
a
11
=
b1(a11a22a21a12)a12(a11b2a21b1)
a11a22a21a12
a
11
=
a
11
(b
1
a
22
a
12
b
2
)
a
11
(a
11
a
22
a
21
a
21
)
De donde,
x =
b
1
a
22
a
12
b
2
a
11
a
22
a
21
a
12
a b
c d
mediante la igualdad
a b
c d
= ad bc
EJEMPLO. Para a
11
, a
12
, a
12
, , a
22
, b
1
, b
2
n umeros reales arbitrarios te-
nemos
a
11
a
21
a
21
a
12
=
a
11
a
12
a
21
a
22
b
1
a
22
a
12
b
2
=
b
1
a
12
b
2
a
22
a
11
b
2
a
21
b
1
=
a
11
b
1
a
21
b
2
En esta notacion, las soluciones del sistema dado en el Lema 1.1 se
escriben
x =
b
1
a
12
b
2
a
22
a
11
a
12
a
21
a
22
, y =
a
11
b
1
a
21
b
2
a
11
a
12
a
21
a
22
_
a
11
a
12
a
21
a
22
_
a
11
a
12
a
21
a
22
= a
11
a
22
a
12
a
21
10 Sistemas de ecuaciones, matrices y determinantes
D
x
=
_
b
1
a
12
b
2
a
22
_
b
1
a
12
a
2
a
22
= b
1
a
22
a
12
b
2
D
y
=
_
a
11
b
1
a
21
b
2
_
a
11
b
1
a
21
b
2
= a
11
b
2
b
1
a
21
llamados sus determinantes correspondientes.
Con esta ultima notacion se tiene el siguiente resultado.
COROLARIO 1.1 Las soluciones x, y del sistema inicial se calculan por
x =
D
x
D
y =
D
y
D
sabiendo que D ,= 0.
EJEMPLO. Resolver el sistema
_
2x 3y = 1
3x + 2y = 2
La matriz principal del sistema es
_
2 3 1
3 2 2
_
Las submatrices asociadas son
_
2 3
3 2
_
,
_
1 3
2 2
_
,
_
2 1
3 2
_
y los determinantes correspondientes se calculan
D =
_
2 3
3 2
_
==
2 3
3 2
= 4 + 9 = 13 ,= 0
D
x
=
_
1 3
2 2
_
1 3
2 2
= 2 + 6 = 8
D
y
=
_
2 1
3 2
_
2 1
3 2
= 4 3 = 1
Esto nos lleva a que las soluciones del sistema de ecuaciones son
x =
D
x
D
=
8
13
y =
D
y
D
=
1
13
En la discusion mostrada al resolver un sistema lineal de dos ecuaciones
con dos incognitas nos encontramos con los conceptos auxiliares de solucion
que son, las matrices y los determinantes. Estudiamos estos objetos
matematicos y sus propiedades en las proximas secciones. Mas adelante
volveremos al problema de resolver sistemas de ecuaciones lineales.
1.2 Matrices 11
1.2 Matrices
Un arreglo de la forma
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
.
.
.
a
m1
a
m2
a
m3
a
mn
_
_
_
_
_
donde cada a
ij
es un n umero real, se llamara una matriz real de dimen-
siones mn. Esto es, el arreglo consta de mrenglones y n columnas
El i-esimo renglon de la matriz sera
(a
i1
, a
i2
, a
i3
a
in
)
y se llamara el i-esimo vector renglon.
Al arreglo
_
_
_
_
_
_
_
a
1j
a
2j
a
3j
.
.
.
a
mj
_
_
_
_
_
_
_
se le denomina el j-esimo vector columna.
Una entrada a
ij
de la matriz estara en el i-esimo renglon y la j-esima
columna (i dene los renglones y j dene las columnas).
EJEMPLO. La matriz real
_
_
1 3 4 6 8
2 3 2 1 0
4 3 5 7 2
_
_
es de (3 5).
Mencionamos algunos elementos de la matriz
a
34
= 7, a
15
= 8, a
23
= 1, a
32
= 3
El segundo vector renglon es
(2 3 1 1 0)
mientras que el tercer vector columna es
_
_
4
2
5
_
_
12 Sistemas de ecuaciones, matrices y determinantes
Una matriz con dimensiones m = n tal se llamara matriz cuadrada.
EJEMPLO. Las matrices
_
1 2
4 2
_
22
,
_
_
1 0 0
0 2 3
0 1 0
_
_
33
son cuadradas.
A una matriz con entradas identicamente nulas se llamara matriz nula
y se denota por
O =
_
_
_
_
_
0 0 0
0 0 0
.
.
.
0 0 0
_
_
_
_
_
mn
1.3 Operaciones basicas de matrices
En adelante identicaremos a las matrices reales por letras may usculas:
A, B, C, M,
y sus entradas reales por min usculas
a
ij
, b
ij
, c
ij
, m
ij
,
Dos matrices se pueden sumar si tienen las mismas dimensiones, es
decir, si
A = A
mn
, B = B
mn
entonces A+B tiene sentido. De hecho, si las matrices tienen entradas
A = (a
ij
), B = (b
ij
)
entonces su suma se dene por la suma de entradas correspondientes, esto
es,
A+B = (a
ij
) + (b
ij
) = (a
ij
+b
ij
)
EJEMPLO. Sean las matrices reales
A =
_
_
1 0 3
0 1 1
1 4 2
_
_
33
1.3 Operaciones basicas de matrices 13
B =
_
2 3 4
1 4 2
_
23
No tienen sentido la suma matricial A + B por ser de diferentes
dimensiones.
EJEMPLO. Sean las matrices reales
A =
_
1 4 3 2
2 1 8 2
_
24
B =
_
0 1 0 1
1 4 1 2
_
24
Su suma tiene sentido y se calcula
A+B =
_
1 4 3 2
2 1 8 2
_
+
_
0 1 0 1
1 4 1 2
_
=
_
1 5 3 3
3 5 7 4
_
Una cantidad escalar es un n umero real arbitrario y lo identicamos
por las letras griegas
, , ,
Dada la matriz A = (a
ij
)
mn
, se dene la nueva matriz A de m n
obtenida al multiplicar por el escalar , como aquella que se obtiene de
multiplicar por cada una de sus entradas, esto es,
A = (a
ij
) = (a
ij
)
EJEMPLOS.
i. Si tomamos
= 3, A =
_
_
1 0 3
0 1 1
1 4 2
_
_
entonces
A = 3
_
_
1 0 3
0 1 1
1 4 2
_
_
=
_
_
3 0 9
0 3 3
3 12 6
_
_
ii. Al considerar
= 1, B =
_
2 3 0
1 4 2
_
se obtiene la matriz
B = 1
_
2 3 0
1 4 2
_
=
_
2 3 0
1 4 2
_
14 Sistemas de ecuaciones, matrices y determinantes
OBSERVACIONES.
1. La matriz O = (0) (nula) es el elemento matricial que al sumarse a
cualquier matriz no la altera:
A+O = A
2. Dada A una matriz arbitraria y = 1, se dene A = (1)A como
la matriz inversa aditiva de A, tal que
A+ (1)A = O
EJEMPLO. Sean las matrices
A =
_
1 1
2 2
_
, B =
_
1 1
0 3
_
Calcular: A+B, 3A, A+ 2B, AB.
Mediante calculos directos, obtenemos,
A+B =
_
1 1
2 2
_
+
_
1 1
0 3
_
=
_
0 0
2 1
_
3A = 3
_
1 1
2 2
_
=
_
3 3
6 6
_
A+ 2B =
_
1 1
2 2
_
+ 2
_
1 1
0 3
_
=
_
1 1
2 2
_
+
_
2 2
0 6
_
=
_
1 1
2 4
_
AB =
_
1 1
2 2
_
_
1 1
0 3
_
=
_
2 2
2 5
_
Sea A = (a
ij
) una matriz arbitraria de mn, se dene la matriz trans-
puesta de A como la matriz de nm que se obtiene de a
ij
intercambiando
renglones por columnas. Identitada por A
t
, sus entradas la denen por
A
t
= (a
ji
)
EJEMPLOS.
i. Dada la matriz (2 3)
A =
_
1 0 1
1 1 2
_
23
1.3 Operaciones basicas de matrices 15
se tiene que su transpuesta es la matriz (3 2)
A
t
=
_
_
1 1
0 1
1 2
_
_
32
ii. Para la matriz renglon
A = (1 1 4)
se obtiene la matriz transpuesta dada por el vector columna,
A
t
=
_
_
1
1
4
_
_
iii. Para la matriz cuadrada de 2 2
A =
_
1 1
2 1
_
su transpuesta es
A
t
=
_
1 2
1 1
_
Sean A
mn
, B
ns
dos matrices reales. Se dene su producto como la
matriz C
ms
obtenida de la siguiente forma:
A
mn
B
ms
=
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
_
_
_
_
_
b
11
b
12
b
1s
b
21
b
22
b
2s
.
.
.
b
n1
b
n2
b
ns
_
_
_
_
_
=
_
_
_
_
_
c
11
c
12
c
1s
c
21
c
22
c
2s
.
.
.
c
m1
c
m2
c
ms
_
_
_
_
_
= (c
ij
) = C
ms
donde la entrada c
ij
de C se obtiene de multiplicar los elementos del i-
eisimo renglon de A con los de la j-esima columna de B, y realizar la suma
de estos productos.
16 Sistemas de ecuaciones, matrices y determinantes
Esto es,
c
ij
=
_
a
i1
a
i2
a
in
_
. .
i-esimo renglon
_
_
_
_
_
b
1j
b
2j
.
.
.
a
nj
_
_
_
_
_
. .
j-esima columna
= a
i1
b
1j
+a
i2
b
2j
+a
i3
b
3j
+ a
in
b
nj
=
n
k=1
a
ik
b
kj
siendo que el producto del i-esimo renglon de A con la j-esima columna de
B se dene por la suma anterior.
Si tenemos
A =
_
_
_
_
_
A
1
A
2
.
.
.
A
n
_
_
_
_
_
donde
A
i
=
_
a
i1
a
i2
a
in
_
y
B =
_
B
1
B
2
B
s
_
siendo el vector columna
B
j
=
_
_
_
_
_
b
ij
b
2j
.
.
.
b
nj
_
_
_
_
_
entonces los elementos del producto se calculan, mediante
c
ij
= A
i
B
j
=
n
k=1
a
ik
b
kj
con el producto estipulado por la suma anterior.
En otras palabras, para poder multiplicar dos matrices A = A
mn
y
B = B
ns
es necesario que el n umero n de columnas de A coincida con
el n umero n de renglones de B, y el resultado (producto) es una matriz
C = C
ms
de dimensiones ms
1.3 Operaciones basicas de matrices 17
EJEMPLO. Sean las matrices
A =
_
3 2
1 0
_
32
B =
_
1 0 1 1 4
1 2 3 1 0
_
23
Calcular BA y AB.
a. BA = B
25
A
32
, como 5 ,= 3 no tiene sentido el producto.
b. AB = A
32
B
25
, en este caso tiene sentido el producto y se realiza
_
_
3 2
1 0
0 1
_
_
_
1 0 1 1 4
1 2 3 1 0
_
=
_
_
1 4 9 5 12
1 0 1 1 4
1 2 3 1 0
_
_
A continuacion mostramos el calculo de algunos elementos c
ij
del pro-
ducto de las matrices dadas
c
11
= (3 2)(1 1) = 3 2 = 1
c
12
= (3 2)(0 2) = 0 + 4 = 4
c
13
= (3 2)(1 3) = 3 + 6 = 9
c
14
= (3 2)(1 1) = 3 2 = 5
c
15
= (3 2)(4 0) = 12 + 0 = 12
c
23
= (1 0)(0 2) = 0 + 2 = 2
c
35
= (0 1)(4 0) = 0
La matriz obtenida es de (3 5)
EJEMPLO. Sean las matrices
A =
_
2 1 5
1 3 2
_
23
B =
_
_
3 4
1 2
2 1
_
_
32
Calcular: AB y BA.
a. AB = A
23
B
32
= C
22
es una matriz cuadrada de (2 2)
AB =
_
2 1 5
1 3 2
_
_
_
3 4
1 2
2 1
_
_
=
_
15 15
4 12
_
18 Sistemas de ecuaciones, matrices y determinantes
los calculos se muestran a continuacion:
_
c
11
= 6 1 + 10 = 15 c
21
= 3 3 + 4 = 4
c
12
= 8 + 2 + 5 = 15 c
22
= 4 + 6 + 2 = 12
_
b. BA = B
32
A
23
= C
33
es una matriz cuadrada de (3 3).
BA =
_
_
3 4
1 2
2 1
_
_
_
2 1 5
1 3 2
_
=
_
_
10 15 23
0 5 1
5 5 12
_
_
Dejamos al lector la vericacion de los calculos.
El ejemplo precedente muestra que en general el producto de matrices
no es conmutativo, es decir, en general AB ,= BA
TEOREMA 1.1 Sean las matrices A = A
mn,
B = B
mn
, C = C
m
a. Se tiene la siguiente regla de distribuci on del producto con la suma de
matrices
C(A+B) = CA+CB
b. Si es un n umero real (escalar) entonces
C(B) = (C)B
Damos a la matriz (A+B) = (A
j
+B
j
) en forma de columnas.
Por otro lado, si escribimos a la matriz C = (C
i
) en renglones entonces
C(A+B) = (C
i
) (A
j
+B
j
) = (C
i
A
j
) + (C
i
B
j
) = CA+CB
TEOREMA 1.2 Si A = A
mn
, B = B
ns
, C = C
m
son matrices
reales, entonces el producto es asociativo, esto es,
C(AB) = (CA)B
Es un calculo directo y se omite
EJEMPLO. Sean las matrices.
A =
_
2 1
1 0
_
(22)
B =
_
0 1
1 0
_
(22)
C =
_
_
3 2
2 1
1 0
_
_
32
a. Vericamos que se cumple la relacion
C(A+B) = (CA+CB)
1.3 Operaciones basicas de matrices 19
Primeramente realizamos la suma de matrices A + B y luego calcu-
lamos C(A+B)
C(A+B) =
_
_
3 2
2 1
1 0
_
_
__
2 1
1 0
_
+
_
0 1
1 0
__
=
_
_
3 2
2 1
1 0
_
_
_
2 2
2 0
_
=
_
_
2 6
2 4
2 2
_
_
Por otro lado,
CA+CB =
_
_
3 2
2 1
1 0
_
_
_
2 1
1 0
_
+
_
_
3 2
2 1
1 0
_
_
_
0 1
1 0
_
=
_
_
4 3
3 2
2 1
_
_
+
_
_
2 3
1 2
0 1
_
_
=
_
_
2 6
2 4
2 2
_
_
lo que prueba la validez de la relacion.
b. Ahora comprobamos la asociatividad
C(AB) = (CA)B
Por un lado,
C(AB) =
_
_
3 2
2 1
1 0
_
_
__
2 1
1 0
__
0 1
1 0
__
=
_
_
3 2
2 1
1 0
_
_
_
1 2
0 1
_
=
_
_
3 4
2 3
1 2
_
_
Por otro lado,
(CA)B =
_
_
_
_
3 2
2 1
1 0
_
_
_
2 1
1 0
_
_
_
_
0 1
1 0
_
=
_
_
4 3
3 2
2 1
_
_
_
0 1
1 0
_
=
_
_
3 4
2 3
1 2
_
_
20 Sistemas de ecuaciones, matrices y determinantes
lo que prueba la igualdad.
La matriz cuadrada
I =
_
_
_
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
.
.
.
0 0 0 1
_
_
_
_
_
_
_
nn
con 1
a
11
a
12
a
21
a
22
= a
11
a
22
a
21
a
12
.
1.4 Determinantes de orden tres 21
Cambiando un poco la notacion, lo anterior nos dice que para la matriz
A =
_
a
1
b
1
a
2
b
2
_
su determinante se calcula por la igualdad
[A[ =
a
1
b
1
a
2
b
2
= a
1
b
2
a
2
b
1
=
a
1
a
2
b
1
b
2
= [A
t
[
Esto nos dice que los determinantes de una matriz A de orden 2 2 y
la de su transpuesta A
t
son iguales.
EJEMPLO. El determinante de la matriz
A =
_
2 1
1 1
_
se calcula
[A[ =
2 1
1 1
= 2 1 = 1
Para una matriz real de 3 3
A =
_
_
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
_
_
denimos de igual forma su determinante [A[ como
[A[ =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= a
1
b
2
c
2
b
3
c
3
b
1
a
2
c
2
a
3
c
3
+c
1
a
2
b
2
a
3
b
3
1 2 3
2 3 4
3 4 5
= 1
3 4
4 5
2 4
3 5
+ 3
2 3
3 4
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
los n umeros a
i
, b
i
, c
i
, (i = 1, 2, 3) se llaman los elementos del determi-
nante .
Si se considera un elemento del determinante, se dice que el determi-
nante de la matriz 2 2 que se obtiene al quitar el renglon y la columna
donde se localiza tal elemento es su menor correspondiente.
EJEMPLO. En el determinante
1 2 3
2 3 4
3 4 5
1 3
3 5
EJEMPLO. En el determinante
0 1 6
4 11 14
/2
2 1
1 6
11 14
1 2 3
2 3 4
3 4 5
1 2 3
2 3 4
3 4 5
1 2 3
2 3 4
3 4 5
1 2 3
2 3 4
3 4 5
1 3
2 4
1 3
2 4
= (4 6) = 2
ii. Analogamente, el elemento 1 indicado,
1 2 3
2 3 4
3 4 5
3 4
4 5
3 4
4 5
= 15 16 = 1
iii. De igual manera, en el mismo determinante,
1 2 3
2 3 4
3 4 5
2 3
4 5
2 3
4 5
= (10 12) = 2
Observemos que inicialmente un determinante se desarrollo
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= a
1
b
2
c
2
b
3
c
3
b
1
a
2
c
2
a
3
c
3
+c
1
a
2
b
2
a
3
b
3
b
2
c
2
b
3
c
3
b
2
c
2
b
3
c
3
B
1
= cofactor (b
1
) = (1)
1+2
a
2
c
2
a
3
c
3
a
2
c
2
a
3
c
3
C
1
= cofactor (c
1
) = (1)
1+3
a
2
b
2
a
3
b
3
a
2
b
2
a
3
b
3
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= a
1
A
1
+b
1
B
1
+c
1
C
1
Un resulado mas general sobre el desarrollo de un determinante viene
dado por el siguiente teorema, cuya prueba omitimos.
TEOREMA 1.3 (del desarrollo) Cualquier determinante 3 3 se cal-
cula como la suma de los terminos de un rengl on (o una columna) por sus
cofactores.
En particular, al desarrollar por la tercer columna,
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= c
1
C
1
+c
2
C
2
+c
3
C
3
donde el cofactor de c
1
es
C
1
=
a
2
b
2
a
3
b
3
el cofactor de c
2
es
C
2
=
a
1
b
1
a
3
b
3
y
C
3
=
a
1
b
1
a
2
b
2
es cofactor de c
3
.
EJEMPLO. Calcular el determinante
1 0 1
4 0 1
0 2 4
1 0 1
4 0 1
0 2 4
= 0
4 1
0 4
+ 0
1 1
0 4
1 1
4 1
= 2(1 + 4) = 6.
EJEMPLO. Calculamos el conocido determinante
1 2 3
2 3 4
3 4 5
1 2 3
2 3 4
3 4 5
= 2
2 3
4 5
+ 3
1 3
3 5
1 2
3 4
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= a
1
A
1
+b
1
B
1
+c
1
C
1
=
a
1
a
2
a
3
b
1
b
2
b
3
c
1
c
2
c
3
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= a
1
A
1
+b
1
B
1
+c
1
C
1
= a
1
(b
2
c
3
c
2
b
3
) b
1
(a
2
c
3
a
3
c
2
) +c
1
(a
2
b
2
a
3
b
2
)
26 Sistemas de ecuaciones, matrices y determinantes
Por otro lado, al calcular el determinante despues de intercambiar los
dos primeros renglones, obtenemos
a
2
b
2
c
2
a
1
b
1
c
1
a
3
b
3
c
3
= a
2
(b
1
c
3
c
1
b
3
) b
2
(a
1
c
3
a
3
c
1
) +c
2
(a
1
b
3
a
3
b
1
)
= a
1
(b
2
c
3
c
2
b
3
) +b
1
(a
2
c
3
c
2
a
3
) c
1
(a
2
b
3
a
3
b
2
)
=
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
1 0 1
4 0 1
0 2 4
= 6
Si intercambiamos las columnas primera y segunda, obtenemos, al
desarrollar por la nueva primer columna
0 1 1
0 4 1
2 0 4
= 2
1 1
4 1
= 2(1 + 4) = 6
Del Lema 1.3, para el determinante con dos renglones iguales, al inter-
cambiarlos, obtenemos
a
1
b
1
c
1
a
1
b
1
c
1
a
3
b
3
c
3
a
1
b
1
c
1
a
1
b
1
c
1
a
3
b
3
c
3
1 0 1
1 3 4
1 3 4
= 3
1 1
1 4
1 1
1 4
= 3(4 1) 3(4 1) = 0
cuando se desarrolla por la segunda columna.
Tenemos ademas el siguiente importante resultado sobre desarrollos.
1.4 Determinantes de orden tres 27
COROLARIO 1.3 La suma de los productos pares de los elementos de
una la o rengl on por los complementos algebr aicos correspondientes es
cero.
Es decir, para cualquier determinante se cumplen las igualdades
a
1
A
2
+b
1
B
2
+c
1
C
2
= 0
b
1
A
1
+b
2
A
2
+b
3
A
3
= 0
c
1
A
1
+c
2
A
2
+c
3
A
3
= 0
Consideremos un determinante arbitrario
D =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
entonces
A
2
=
b
1
c
1
b
3
c
3
, B
2
=
a
1
c
1
a
3
c
3
, C
2
=
a
1
b
1
a
3
b
3
a
1
b
1
c
1
a
1
b
1
c
1
a
3
b
3
c
3
a
1
b
1
c
1
a
1
b
1
c
1
a
3
b
3
c
3
= a
1
b
1
c
1
b
3
c
3
+b
1
a
1
c
1
a
3
c
3
c
1
a
1
b
1
a
3
b
3
= a
1
A
2
+b
1
B
2
+c
1
C
2
lo que prueba la primer igualdad.
Las otras se prueban de forma analoga.
OBSERVACI
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= a
1
A
1
+b
1
B
1
+c
1
= (a
1
A
1
+b
1
B
1
+c
1
C
1
)
=
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
0 0 0
a
2
b
2
c
2
a
3
b
3
c
3
0a
1
0b
1
0c
1
a
2
b
2
c
3
a
3
b
3
c
3
= 0
a
1
b
1
c
1
a
3
b
2
c
2
a
3
b
3
c
3
= 0
lo que nos conduce al siguiente corolario.
COROLARIO 1.4 Si en un determinante un rengl on (o una columna)
tiene todos sus elementos cero, entonces su valor es cero.
OBSERVACI
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
2
b
2
c
2
a
2
b
2
c
2
a
3
b
3
c
3
a
2
b
2
c
2
a
2
b
2
c
2
a
3
b
3
c
3
= 0
Esto implica el siguiente corolario.
COROLARIO 1.5 Si en un determinante un rengl on (o una columna)
es proporcional a otro rengl on (o a otra columna) entonces tal vale cero.
EJEMPLO. Al calcular el determinante
1 0 1
1 3 4
4 12 16
1 0 1
1 3 4
4(1) 4(3) 4(4)
= 4
1 0 1
1 3 4
1 3 4
= 4(0) = 0
en virtud que el ultimo determinante tiene dos renglones repetidos y se
anula.
OBSERVACI
ON. Sean
1
,
1
,
1
n umeros reales arbitrarios, entonces
a
1
+
1
b
1
+
1
c
1
+
1
a
2
b
2
c
2
a
3
b
3
c
3
= (a
1
+
1
)A
1
+(b
1
+
1
)B
1
+(c
1
+
1
)C
1
= (a
1
A
1
+b
1
B
1
+c
1
C
1
) + (
1
A
1
+
1
B
1
+
1
C
1
)
=
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
1
1
1
a
2
b
2
c
2
a
3
b
3
c
3
4 5 6
1 0 1
1 1 0
4 5 6
1 0 1
1 1 0
2 + 2 2 + 3 3 + 3
1 0 1
1 1 0
2 2 3
1 0 1
1 1 0
2 3 3
1 0 1
1 1 0
=
_
2
0 1
1 0
2 3
1 0
2 3
1 0
_
+
_
3
1 1
1 0
2 3
1 1
_
= (2(1) + 3 2) + (3 (2 3)) = (1) + 4 = 3
donde los determinantes en la ultima suma se han calculado, el primero
desarrollando por la primer columna, y el segundo por su segunda columna.
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
2
b
2
c
2
a
2
b
2
c
2
a
3
b
3
c
3
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
2
b
2
c
2
a
2
b
2
c
2
a
3
b
3
c
3
=
=
a
1
a
2
b
1
b
2
c
1
c
2
a
2
b
2
c
2
a
3
b
3
c
3
1 2 3
2 1 2
3 2 1
1 2 3
2 1 2
3 2 1
1 2 3
2 2(1) 1 2(2) 2 2(3)
3 3(1) 2 3(2) 1 3(3)
1 2 3
0 3 4
0 4 8
= 1
3 4
4 8
= 24 16 = 8
Estos resultados sobre transformaciones elementales de los determi-
nantes se pueden generalizar para ordenes (dimensiones) mas grandes.
Aqu hemos detallado la teora apenas para ordenes 2 y 3.
Tenemos el siguiente resultado para el calculo del del determinante de
un producto de matrices cuadradas.
TEOREMA 1.4 (determinante de un producto) Sean A = A
33
,
B = B
33
dos matrices cuadradas de 3 3, entonces
[AB[ = [A[[B[
Esto es, el determinante de un producto es el producto de los determinantes
Es un calculo directo y omitimos su demostracion
EJEMPLO. Sean las matrices
A =
_
_
1 2 3
2 3 1
3 1 2
_
_
, B =
_
_
1 2 3
0 3 1
0 1 2
_
_
vericar la igualdad [AB[ = [A[[B[.
En el anterior ejemplo se calcularon los determinantes
[A[ =
1 2 3
2 3 1
3 1 2
= 18, [B[ =
1 2 3
0 3 1
0 1 2
= 5
1.5 Inversa de una matriz 31
de donde [A[[B[ = (18)(5) = 90
Por otro lado,
AB =
_
_
1 2 3
2 3 1
3 1 2
_
_
_
_
1 2 3
0 3 1
0 1 2
_
_
=
_
_
1 11 11
2 14 11
3 11 14
_
_
cuyo determinante se calcula
[AB[ =
1 11 11
2 14 11
3 11 14
1 11 11
2 2(1) 14 2(11) 11 2(11)
3 3(1) 11 3(11) 14 3(11)
1 11 11
0 8 11
0 22 19
8 11
22 19
_
ax +cy = 1
bx +dy = 0
az +cw = 0
bz +dw = 1
Primeramente resolvemos , mediante el Lema 1.1, el sistema de 2 2
_
ax +cy = 1
bx +dy = 0
donde tenemos por hipotesis que P = ad bc ,= 0.
Al calcular los otros determinantes se obtiene
D
x
=
1 c
0 d
= d
D
y
=
a 1
b 0
= b
lo que implica que
x =
D
x
D
=
d
ad bc
, y =
D
y
D
=
b
ad bc
En forma analoga, se obtienen las otras variables
z =
c
bc ad
=
c
ad bc
, w =
a
bc ad
=
a
ad bc
De esta manera, A
1
la matriz inversa de A tiene coecientes,
A
1
=
_
d
adbc
b
adbc
c
adbc
a
adbc
_
=
1
ad bc
_
d b
c a
_
.
EJEMPLO. Sea la matriz
A =
_
2 1
1 1
_
1.6 La regla de Cramer 33
Calculamos el determinante de A, obteniendo
[A[ =
2 1
1 1
= 2 1 = 1 ,= 0
y por el teorema 1.5, A es invertible, y su inversa A
1
se calcula
A
1
=
1
1
_
1 1
1 2
_
=
_
1 1
1 2
_
Vericamos esta armacion realizando el producto de las matrices
AA
1
=
_
2 1
1 1
__
1 1
1 2
_
=
_
1 0
0 1
_
= I
1.6 La regla de Cramer
En esta parte generalizamos el resultado sobre la solucion de un sistema de
ecuaciones lineales obtenido en el Lema 1.1, para sistemas lineales de tres
ecuaciones con tres incognitas.
Consideremos ahora el sistema de tres ecuaciones lineales con coe-
cientes reales con tres incognitas x, y, z
_
_
_
a
1
x +b
1
y +c
1
z = d
1
a
2
x +b
2
y +c
2
z = d
2
a
3
x +b
3
y +c
3
z = d
3
Introducimos, de igual forma que para los sistemas lineales de 2 2
los determinantes
D =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= a
1
A
1
+b
1
B
1
+c
1
C
1
D
x
=
d
1
b
1
c
1
d
2
b
2
c
2
d
3
b
3
c
3
= d
1
A
1
+d
2
A
2
+d
3
A
3
D
y
=
a
1
d
1
c
1
a
2
d
2
c
2
a
3
d
3
c
3
D
z
=
a
1
b
1
d
1
a
2
b
2
d
2
a
3
b
3
d
3
1 2 3
2 3 1
3 1 2
1 2 3
2 2(1) 3 2(2) 1 2(3)
3 3(1) 1 3(2) 2 3(3)
1 2 3
0 1 5
0 5 7
1 5
5 7
= 7 25 = 18 ,= 0
D
x
=
1 2 3
0 3 1
0 1 2
= 1
3 1
1 2
= 6 1 = 5
D
y
=
1 1 3
2 0 1
3 0 2
= 1
2 1
3 2
= 1
D
z
=
1 2 1
2 3 0
3 1 0
= 1
2 3
3 1
= 7
Por La regla de Cramer se obtiene nalmente que
x =
D
x
D
=
5
18
y =
D
y
D
=
1
18
=
1
18
z =
D
z
D
=
7
18
=
7
18
A continuacion, iniciamos el estudio de aquellos sistemas de ecuaciones
de 3 3 (tres ecuaciones por tres incognitas ) donde el determinante del
sistema se anula, pero se obtienen soluciones imponiendo una condicion
adicional.
Consideremos el mismo sistema inicial
_
_
_
a
1
x +b
1
y +c
1
z = d
1
a
2
x +b
2
y +c
2
z = d
2
a
3
x +b
3
y +c
3
z = d
3
pero, supongase que en este caso el determinante principal se anula, esto
es,
D =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= 0
Supongase, ademas, que el determinante tiene el menor de 2 2
D = C
3
=
a
1
b
1
a
2
b
2
,= 0
36 Sistemas de ecuaciones, matrices y determinantes
Consideremos entonces el sistema de 2 3 dado por las dos ecuaciones
primeras del sistema
(R) :
_
a
1
x +b
1
y +c
1
z = d
1
a
2
x +b
2
y +c
2
z = d
2
Tomamos a la variable z como un parametro t, es decir, hacemos z = t
y resolvemos el sistema de 2 2
_
a
1
x +b
1
y = d
1
c
1
t
a
2
x +b
2
y = d
2
c
2
t
mediante El metodo de Cramer, en virtud que el determinante principal
del sistema D = a
1
b
2
a
2
b
1
no se anula, por hipotesis.
Calculemos los otros determinantes,
D
x
=
d
1
c
1
t b
1
d
2
c
2
t b
2
d
1
b
1
d
2
b
2
c
1
b
1
c
2
b
2
t
=
b
1
c
1
b
2
c
2
t +
d
1
b
1
d
2
b
2
= A
3
t +
d
1
b
1
d
2
b
2
D
y
=
a
1
d
1
c
1
t
a
2
d
2
c
2
t
a
1
d
1
a
2
d
2
a
1
c
1
a
2
c
2
t
=
a
1
c
1
a
2
c
2
t +
a
1
d
1
a
2
d
2
= B
3
t +
a
1
d
1
a
2
d
2
_
x =
Dx
D
=
A3t+
d
1
b
1
d
2
b
2
D
=
A3t+
d
1
b
1
d
2
b
2
C3
y =
Dy
D
=
B3t+
a
1
d
1
a
2
d
2
C3
z = t
Armamos que estas soluciones resuelven la tercera ecuacion tambien
cuando el determinante
a
1
b
1
d
1
a
2
b
2
d
2
a
3
b
3
d
3
= 0.
1.6 La regla de Cramer 37
En efecto, al sustituir los valores de x, y y z, se tiene,
a
3
x +b
3
y +c
3
z = a
3
_
_
_
_
A
3
t +
d
1
b
1
d
2
b
2
C
3
_
_
_
_
+b
3
_
_
_
_
B
3
t +
a
1
d
1
a
2
d
2
C
3
_
_
_
_
+c
3
t
=
a
3
A
3
t +b
3
B
3
t +c
3
C
3
t
C
3
+
a
3
d
1
b
1
d
2
b
2
+b
3
a
1
d
1
a
2
d
2
C
3
=
Dt
C
3
+
a
3
d
1
b
1
d
2
b
2
+b
3
a
1
d
1
a
2
d
2
d
3
a
1
b
1
a
2
b
2
C
3
+
d
3
a
1
b
1
a
2
b
2
C
3
=
a
1
b
1
d
1
a
2
b
2
d
2
a
3
b
3
d
3
C
3
+
d
3
C
3
C
3
=
1
C
3
a
1
b
1
d
1
a
2
b
2
d
2
a
3
b
3
d
3
+d
3
= d
3
.
El hecho de que ambos determinantes
D =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
1
b
1
d
1
a
2
b
2
d
2
a
3
b
3
d
3
D =
1 1 1
1 1 3
2 0 4
= 2
1 1
1 3
+ 4
1 1
1 1
= 2(4) + 4(2) = 0
luego vericamos que tiene el menor
D =
1 1
1 1
= 1 1 = 2 ,= 0.
38 Sistemas de ecuaciones, matrices y determinantes
Posteriormente, para vericar la compatibilidad del sistema calculamos
(si se va a utilizar z = t como parametro) el determinante
1 1 1
1 1 2
2 0 1
= 2
1 1
1 2
1 1
1 1
= 2(1) (2) = 0.
Seg un el metodo sugerido, consideramos el primer par de ecuaciones
(donde D ,= 0) y hacemos z = t, obteniendo el sistema
_
x +y = 1 t
x y = 2 3t
que resolvemos por El metodo de Cramer.
D
x
=
1 t 1
2 3t 1
1 1
2 1
t 1
3t 1
= 1(t3t) = 1+4t
D
y
=
1 1 t
1 2 3t
= 2 3t (1 t) = 2 3t 1 +t = 3 2t
De donde, las soluciones al sistema inicial son
_
_
_
x =
Dx
D
=
1+4t
2
=
1
2
2t
y =
Dy
D
=
32t
2
=
3
t
+t
z = t
donde t R es un n umero real arbitrario.
Lo anterior se puede resumir en el siguiente resultado.
LEMA 1.5 Para el sistema de ecuaciones lineales
_
_
_
a
1
x +b
1
y +c
1
z = d
1
a
2
x +b
2
y +c
2
z = d
2
a
3
x +b
3
y +c
3
z = d
3
que satisface las condiciones,
a. El determinante principal se anula:
D =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
= 0
1.7 Sistemas lineales homogeneos 39
b. El menor (2 2) de
D,
C
3
=
a
1
b
1
a
2
b
2
,= 0
c. El determinante de compatibilidad se anula,
a
1
b
1
d
1
a
2
b
2
d
2
a
3
b
3
d
3
= 0
se tiene un sistema parametrizado de soluciones
_
_
x = A
3
t +
d
1
b
1
d
2
b
2
C3
y = B
3
t +
a
1
d
1
a
2
b
2
C3
z = t
donde t R es un n umero real arbitrario.
Observamos que el metodo para resolver este tipo de ecuaciones de
3 3 consiste en ignorar la tercer ecuacion y resolver parametricamente el
sistema inicial de 2 3. La tercer ecuacion se resuelve automaticamente
con las soluciones del sistema de 2 3, sabiendo que el determinante de
compatibilidad se anula.
1.7 Sistemas lineales homogeneos
En esta seccion iniciamos el estudio de los sistemas de ecuaciones lineales
que no tienen terminos independientes. A tales sistemas les llamaremos
homogeneos.
El procedimiento de solucion de estos sistemas sigue el patron de solu-
cion de los sistemas lineales en el Lema 1.5.
Considerese el problema por resolver del sistema homogeneo de 2 2
_
3x + 2y = 0
12x + 8y = 0
Es claro que cuando x = 0, y = 0 se tiene una solucion del sistema,
llamada la solucion trivial.
40 Sistemas de ecuaciones, matrices y determinantes
Al tratar de utilizar La regla de Cramer (Lema 1.1) no tiene sentido tal
regla, pues
D =
3 2
12 8
= 24 24 = 0
Procedemos entonces a ignorar una de las ecuaciones y nos quedamos,
con la primera, por ejemplo,
3x + 2y = 0
Al despejar y, obtenemos
y =
3
2
x
Sea t R arbitrario y pongamos x = t, entonces y =
3
2
t.
Armamos que estos valores de x y y (en terminos de t ) tambien
resuelven la otra ecuacion.
En efecto, por una simple sustitucion se tiene
12x + 8y = 12t + 8
_
3
2
t
_
= 12t 12t = 0
El metodo utilizado en este ejemplo se puede generalizar para cualquier
sistema (2 2)
_
ax +by = 0
cx +dy = 0
donde ad bc = 0.
Consideremos ahora el sistema homogeneo de dos ecuaciones lineales
con tres incognitas
_
a
1
x +b
1
y +c
1
z = 0
a
2
x +b
2
y +c
2
z = 0
Una simple sustitucion prueba que x = y = z = 0 es una solucion de tal
sistema (solucion trivial). Nos interesa encontrar soluciones no triviales
del sistema.
Para ello, supongamos sin perdida de generalidad que z ,= 0. Entonces,
del sistema
_
a
1
x +b
1
y +c
1
z = 0
a
2
x +b
2
y +c
2
z = 0
se obtiene
_
a
1
x +b
1
y = c
1
z
a
2
x +b
1
y = c
2
z
1.7 Sistemas lineales homogeneos 41
o equivalentemente,
_
a1x+b1y
z
= c
1
a2x+b2y
z
= c
2
o bien,
_
a
1
_
x
z
_
+b
1
_
y
z
_
= c
1
a
2
_
x
z
_
+b
2
_
y
z
_
= c
2
Poniendo v =
x
z
, w =
y
z
se obtiene
_
a
1
v +b
1
w = c
1
a
2
v +b
2
w = c
2
que se resuelve por determinantes si D = a
1
b
2
a
2
b
1
,= 0.
Primeramente encontramos
_
a
1
b
1
c
1
a
2
b
2
c
2
_
la matriz principal del sistema. Despues, calculamos los determinantes
asociados
D
v
=
c
1
b
1
c
2
b
2
= c
1
b
2
+b
1
c
2
,
D
w
=
a
1
c
1
a
2
c
2
= a
1
c
2
+c
1
a
2
Ya que v =
Dv
D
, w =
Dw
D
tenemos entonces que
x
z
=
D
v
D
,
y
z
=
D
w
D
Por lo tanto, para que x, y, z sean soluciones del sistema, se debera
cumplir la cadena de igualdades
t =
x
D
v
=
z
D
=
y
D
w
para t R.
Se obtiene el siguiente resultado.
LEMA 1.6 Todas las soluciones del sistema lineal homogeneo se obtienen
por
_
_
_
x = D
v
t = A
3
t
y = D
w
t = B
3
t
z = Dt = C
3
t
donde t R, y
D =
a
1
b
1
a
2
b
2
,= 0, D
v
=
c
1
b
1
c
2
b
2
, D
w
=
a
1
c
1
a
2
c
2
1 2
4 5
= 5 + 8 = 13
D
v
=
3 2
6 5
= 15 + 12 = 3
D
w
=
1 3
4 6
= 6 + 12 = 18
De esta manera, la solucion se escribe
_
_
_
x = 3t
y = 18t
z = 13t
, t R
Para ilustrar, si t = 1, entonces x = 3, y = 18, z = 13 es solucion del
sistema de ecuaciones.
Si t =
2, se tendra en este caso que la tripleta x = 3
2, y =
18
2, z = 13
0 b
1
c
1
0 b
2
c
2
0 b
3
c
3
= 0, D
y
= 0, D
z
= 0
lo que implica que
Dx = 0, Dy = 0, Dz = 0
De aqu que, si al menos una de las variables x, y o z es diferente de cero
tendramos necesariamente que D = 0.
Recprocamente si D = 0 entonces alguna de las variables x, y o z
pueden ser diferentes de cero.
Se obtiene entonces el siguiente resultado.
TEOREMA 1.7 Para que un sistema lineal homogeneo de 3 3 tenga
soluciones no triviales es necesario y suciente que D = 0.
Ahora supongamos que D = 0 y que hay un menor 22 de D diferente
de cero. Esto es, podemos suponer que
0 = D =
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
a
1
b
1
a
2
b
2
,= 0
sin perdida de generalidad.
Por el Lema 1.5 el sistema homogeneo tiene solucion debido a que el
determinante de compatibilidad se anula, pues d
1
= d
2
= d
3
= 0
Por otro lado, del Lema 1.6, se tiene que el sistema homogeneo dado
por el par de ecuaciones
_
a
1
x +b
1
y +c
1
z = 0
a
2
x +b
2
y +c
2
z = 0
tiene solucion
x =
b
1
c
1
b
2
c
2
t = A
3
t,
y =
a
1
c
1
a
2
c
2
t = B
3
t
z =
a
1
b
1
a
2
b
2
t = C
3
t
Armamos que x, y, z soluciones de este sistema resuelven la tercera
ecuacion.
44 Sistemas de ecuaciones, matrices y determinantes
En efecto, al sustituir los valores de x, y, z se cumple
a
3
x +b
3
y +c
3
z = a
3
(A
3
t) +b
3
(B
3
t) +c
3
(C
3
t) =
= (a
3
A
3
+b
3
B
3
+c
3
C
3
)t = Dt = 0
debido a que D = 0 por hipotesis.
Por lo tanto,
x = A
3
t y = B
3
t z = C
3
t
para t R arbitrario resuelven el sistema lineal homogeneo de 3 3.
EJEMPLO. Consideremos el sistema
_
_
_
x + 2y 3z = 0
2x y +z = 0
3x +y 2z = 0
Ya que el tercer renglon de la matriz asociada es la suma de los dos
primeros tenemos que
1 2 3
2 1 1
3 1 2
1 2 3
2 1 1
1 + 2 2 1 3 + 1
=
=
1 2 3
2 1 1
1 2 3
1 2 3
2 1 1
2 1 1
= 0
pues en cada determinante se repiten renglones.
Por otro lado, el menor
1 2
2 1
= 1 4 = 5 ,= 0,
lo que nos dice que para encontrar la solucion, podemos considerar el par
de ecuaciones
_
x + 2y 3z = 0
2x y +z = 0
Utilizando el Lema 1.4 se tiene que
x = A
3
t =
2 3
1 1
t = (2 3)t = t
y = B
3
t =
1 3
2 1
t = (1 + 6) = 7t
z = C
3
t =
1 2
2 1
t = 5t
1.8 El metodo de Gauss-Jordan 45
es decir, la solucion del sistema viene dado por la tripleta
_
_
_
x = t
y = 7t
z = 5t
,
donde t R es un n umero arbitrario.
1.8 El metodo de Gauss-Jordan
En esta parte damos , otra metodologa para resolver sistemas de ecuaciones
lineales, utilizando propiedades aritmeticas de las matrices con entradas
reales. Como se observara, este metodo no apela en ning un momento a
los determinantes menores del sistema, ni al orden mismo del sistema, es
decir, el n umero de ecuaciones puede ser arbitrario, as como el n umero de
incognitas que intervienen en el sistema.
EJEMPLO. Resolver el sistema de ecuaciones
_
_
_
3x + 2y +z = 5
x +y z = 0
4x y + 5z = 3
Primeramente cambiamos el orden del sistema intercambiando las
primeras ecuaciones
_
_
_
x +y z = 0
3x + 2y +z = 5
4x y + 5z = 3
Multiplicamos por tres la primera y la restamos de la segunda
3x + 2y +z = 5
3x + 3y 3z = 0
y + 4y = 5
obteniendo el par de ecuaciones
_
x +y z = 0
y + 4z = 5
Despues, multiplicamos por la cuatro la primera del sistema inicial y la
restamos de la tercera del mismo
4x y + 5z = 3
4x + 4y 4z = 0
5y + 9z = 3
46 Sistemas de ecuaciones, matrices y determinantes
obteniendo as el sistema
_
x +y z = 0
5y + 9z = 3
De esta manera, hemos obtenido el sistema nuevo 3 3
_
_
_
x +y z = 0
y + 4z = 5
5y + 9z = 3
en la cual la variable x no aparece en las ecuaciones segunda y tercera.
De este, omitimos la primera y resolvemos el sistema 2 2
_
y + 4z = 5
5y + 9z = 3
que tiene solo a las variables x, y.
Si multiplicamos por cinco la primer ecuacion de este sistema y la resta-
mos de la segunda obtenemos
5y + 9z = 3
5y + 20z = 25
0 11z = 22
De esta forma, nos queda entonces el sistema escalonado
_
_
_
x +y z = 0
y + 4z = 5
11z = 22
cuyo n umero de variables va disminuyendo en cada ecuacion.
Resolviendo la tercera ecuacion nal para z,
11z = 22
se obtiene que
z =
22
11
= 2
Al sustituir en la segunda ecuacion escalonada el valor de z, se tiene
que
5 = y + 4z = y + 4(2) = y + 8
de donde,
y = 8 5 = 3
1.8 El metodo de Gauss-Jordan 47
Finalmente, se sustituyen los valores y = 3, z = 2 en la ecuacion primera
del sistema escalonado y se obtiene,
0 = x +y z = x + 3 2 = x + 1
lo que nos lleva a que x = 1
Es decir, x = 1, y = 3, z = 2 resuelven el sistema inicial.
OBSERVACI
_
_
3 2 1 5
1 1 1 0
4 1 5 3
_
_
R
1
R
2
, R
2
R
1
_
_
1 1 1 0
3 2 1 5
4 1 5 3
_
_
(3R
1
R
2
) R
2
, (4R
1
R
3
) R
3
_
_
1 1 1 0
0 1 4 5
0 5 9 3
_
_
(5R
2
R
3
) R
3
_
_
1 1 1 0
0 1 4 5
0 0 11 22
_
_
Donde las expresiones R
1
R
2
, R
2
R
1
denen la operacion elemen-
tal de intercambiar los renglones primero y segundo en la primera equiva-
lencia de matrices. La operacion de multiplicar por tres el primer renglon
y restarle el segundo para asignarlo al segundo rengon en la segunda equi-
valencia de matrices, se dene por (3R
1
R
2
) R
2
. Analogamente, la
expresion (4R
1
R
3
) R
3
para la segunda equivalencia de matrices dene
la operacion de multiplicar por cuatro el reglon primero, restarle el tercero,
y asignar el resultado a la nueva matriz equivalente como un tercer renglon.
Las otras expresiones designan operaciones semejantes.
De la matriz escalonada se tiene el nuevo sistema
_
_
_
x +y z = 0
y 4z = 5
11z = 22
48 Sistemas de ecuaciones, matrices y determinantes
que se resuelve hacia atras como en el ejemplo anterior.
EJEMPLO. Resolver el sistema lineal (5 3),
_
_
x + 2y + 3z = 14
3x + 2y +z = 10
x +y +z = 6
2x + 3y +z = 5
x +y = 3
Vamos a utilizar el mismo metodo que en el ejemplo anterior, y para
ello formamos la matriz del sistema.
_
_
_
_
_
_
1 2 3 14
3 2 1 10
1 1 1 6
2 3 1 5
1 1 0 3
_
_
_
_
_
_
R
3
R
2
, R
5
R
3
R
2
R
5
_
_
_
_
_
_
1 2 3 14
1 1 1 6
1 1 0 3
2 3 1 5
3 2 1 10
_
_
_
_
_
_
(R
2
R
1
) R
2
, (R
3
R
1
) R
3
,
(2R
1
R
4
) R
4
(3R
1
R
5
) R
5
_
_
_
_
_
_
1 2 3 14
0 1 2 8
0 1 3 11
0 1 5 23
0 4 8 32
_
_
_
_
_
_
(R
2
R
3
) R
3
, (R
2
+R
4
) R
4
,
(4R
2
+R
5
) R
5
_
_
_
_
_
_
1 2 3 14
0 1 2 8
0 0 1 3
0 0 3 15
0 0 0 0
_
_
_
_
_
_
(3R
3
R
4
) R
4
_
_
_
_
_
_
1 2 3 14
1 1 2 8
0 0 1 3
0 0 0 1
0 0 0 0
_
_
_
_
_
_
Como se obtiene la ecuacion (inconsistente) del cuarto renglon nal
0 = 0x + 0y + 0z = 1
1.8 El metodo de Gauss-Jordan 49
el sistema no es compatible y, por lo tanto, el sistema inicial de 5 3 no
tiene solucion.
EJEMPLO. Resolver el sistema de ecuaciones lineales (5 3)
_
_
x + 2y + 3z = 14
3x + 2y +z = 10
x +y +z = 6
2x + 3y z = 5
x +y = 3
que se obtiene del sistema del ejemplo anterior al cambiar apenas el signo
de z en la cuarta ecuacion.
Formamos la matriz del sistema y utilizamos el metodo anterior para
escalonar la matriz, como se muestra
_
_
_
_
_
_
1 2 3 14
3 2 1 10
1 1 1 6
2 3 1 5
1 1 0 3
_
_
_
_
_
_
R
2
R
5
,
_
_
_
_
_
_
1 2 3 14
1 1 0 3
1 1 1 6
2 3 1 5
3 2 1 10
_
_
_
_
_
_
(R
1
R
2
) R
2
, (R
1
R
3
) R
3
,
(2R
1
R
4
) R
4
, (3R
1
R
5
) R
5
_
_
_
_
_
_
1 2 3 14
0 1 3 11
0 1 2 8
0 1 7 23
0 4 8 32
_
_
_
_
_
_
(R
2
R
3
) R
3
, (R
2
R
4
) R
4
, (4R
2
R5) R
5
_
_
_
_
_
_
1 2 3 14
0 1 3 11
0 0 1 3
0 0 4 12
0 0 4 12
_
_
_
_
_
_
(R
4
+R
5
) R
5
_
_
_
_
_
_
1 2 3 14
0 1 3 11
0 0 1 3
0 0 4 12
0 0 0 0
_
_
_
_
_
_
(4R
3
+R
4
) R
4
50 Sistemas de ecuaciones, matrices y determinantes
_
_
_
_
_
_
1 2 3 14
0 1 3 11
0 0 1 3
0 0 0 0
0 0 0 0
_
_
_
_
_
_
que nos lleva al sistema escalonado de 3 3,
_
_
_
x + 2y + 3z = 14
y + 3z = 11
z = 3
y el cual de inmediato nos da el valor de z.
Al sustituir el valor de z en la segunda ecuacion, se tiene
y + 3(3) = 11
de donde, y = 2.
Finalmente, si se sustituyen estos valores en la primer ecuacion de este
sistema ultimo se tiene
14 = x + 2(2) + 3(3) = x + 13
con lo que x = 1.
Por lo tanto, la solucion del sistema inicial de 5 3 viene dado por
x = 1, y = 2, z = 3
Al metodo mostrado en los ejemplos precedentes se le llama El metodo
de Gauss-Jordan para la solucion de un sistema de ecuaciones de (mn).
Tal metodo consiste en escalonar mediante operaciones elementales a
una matriz para obtener una matriz equivalente que dena un sistema de
ecuaciones lo mas simple posible.
EJEMPLO. Resolver mediante El metodo de Gauss-Jordan el sistema de
ecuaciones
_
_
_
x + 5y + 4z + 3w = 1
2x y + 2z w = 0
5x + 3y + 8z +w = 1
La matriz del sistema se escalona mediante el siguiente proceso:
_
_
1 5 4 3 1
2 1 2 1 0
5 3 8 1 1
_
_
(2R
1
R
2
) R
2
, (5R
1
R
3
) R
3
1.8 El metodo de Gauss-Jordan 51
_
_
1 5 4 3 1
2 11 6 7 11
0 22 12 14 4
_
_
(2R
2
R
3
) R
3
_
_
1 5 4 3 1
0 11 6 7 2
0 0 0 0 0
_
_
Esta ultima matriz dene al nuevo sistema de 2 4
_
x + 5y + 4z + 3w = 1
11y + 6z + 7w = 2
Resolvemos tal sistema por El metodo de Cramer, al efectuar el despeje
de terminos en las variables x, y.
_
x + 5y = 1 (4z + 3w)
11y = 2 (6z + 7w)
Primeramente, calculamos los determinantes
D =
1 5
0 11
= 11
D
x
=
1 (4z + 3w) 5
2 (6z + 7w) 11
1 1 (4z + 3w)
0 2 (6z + 7w)
= 2 6z 7w
Por lo tanto,
x =
D
x
D
=
1 14z + 2w
11
=
1
11
14
11
z +
2
11
w
y =
D
y
D
=
2 6z 7w
11
=
2
11
6
11
z
7
11
w
Para dar una solucion parametrica al sistema, utilizamos dos varia-
bles auxiliares poniendo: w = u, z = v, lo que nos lleva a que la solucion
biparametrica se escriba
_
_
w = u
z = v
x =
1
11
14
11
v +
2
11
u
y =
2
11
6
11
v
7
11
u
ON. Sea A = (a
ij
) una matriz real de (n m), por una ope-
racion elemental en A entendemos la suma en alguno de sus renglones
(columnas) de un m ultiplo de un renglon paralelo (o columna paralela),
un intercambio de renglones (o de columnas), o suponiendo que ning un
renglon (o columna) se multiplico por un escalar el producto de un renglon
(o columna por un escalar).
EJEMPLO. En la matriz
_
_
1 5 4 3 1
2 1 2 1 0
5 3 8 1 1
_
_
se multiplica el primer renglon por dos y se resta al segundo renglon asig-
nando el resultado al segundo renglon denido por (2R
1
R
2
) R
2
, para
obtener la matriz
_
_
1 5 4 3 1
0 9 6 5 2
5 3 8 1 1
_
_
como en el ejemplo precedente.
Los ejemplos anteriores que muestran El metodo de Gauss-Jordan ilus-
tran un buen n umero de operaciones elementales en las matrices.
DEFINICI
_
_
1 2 3
0 3 4
0 4 8
_
_
Con lo que
1 2 3
2 1 2
3 2 1
1 2 3
0 3 4
0 4 8
4 8
3 2
= 24 16 = 8
Esto ya se ha calculado en ejemplo posterior al corolario 1.7 mediante
la cadena de igualdades
1 2 3
2 1 2
3 2 1
1 2 3
2 2(1) 1 2(2) 2 2(3)
3 3(1) 2 3(2) 1 3(3)
1 2 3
0 3 4
0 4 8
3 4
4 8
3 4
4 8
= 24 16 = 8
Estas igualdades involucran (salvo signos) a las matrices semejantes,
donde no se ha alterado por factor alguno a los renglones, ni se han per-
mutado.
Utilizando El metodo de Gauss-Jordan para escalonar una matriz, pro-
cedemos a encontrar un metodo del calculo de inversa multiplicativa de una
matriz cuadrada, cuando es posible.
Consideremos un sistema de ecuaciones de (3 3)
_
_
_
a
1
x +b
1
y +c
1
z = d
1
a
2
x +b
2
y +c
2
z = d
2
a
3
x +b
3
y +c
3
z = d
3
54 Sistemas de ecuaciones, matrices y determinantes
Debido a la regla de multiplicacion de matrices, tal sistema se puede
escribir matricialmente como
_
_
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
_
_
_
_
x
y
z
_
_
=
_
_
d
1
d
2
d
3
_
_
Esto es, si denimos por
A =
_
_
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
_
_
, X =
_
_
x
y
z
_
_
, d =
_
_
d
1
d
2
d
3
_
_
lo anterior se escribira simplemente por la ecuacion matricial
AX = d
As, el sistema de ecuaciones inicial se transforma en la ecuacion matri-
cial mencionada.
EJEMPLO. Considere el sistema de ecuaciones lineales
_
_
_
2x + 3y z = 1
6x 7z + 2z = 0
4x +y 11z = 2
Este sistema se puede escribir como la ecuacion matricial
_
_
2 3 1
6 7 2
4 1 11
_
_
_
_
x
y
z
_
_
=
_
_
1
0
2
_
_
Consideremos entonces un sistema matricial
AX = d
asociado a un sistema de ecuaciones, donde A es una matriz cuadrada de
3 3.
Si existiera una matriz inversa B de A, esto es, una matriz B tal que
I = AB = BA
entonces del sistema matricial se obtiene, al multiplicar por B la izquierda
de cada miembro, la relacion
BAX = Bd
1.8 El metodo de Gauss-Jordan 55
Esto nos lleva, en virtud que BA = I, a que se cumpla la igualdad
IX = Bd.
Por otro lado, la matriz identidad I satisface que
IX =
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
= X
lo que nos lleva nalmente a la ecuacion matricial
X = Bd
que indica los valores de x, y, z que resuelven el sistema lineal dado. Esto
pues, si la matriz B se escribe por
B =
_
_
1
1
1
2
2
2
3
3
3
_
_
entonces la ecuacion matricial X = Bd que resuelve el sistema se escribe
como
_
_
x
y
z
_
_
=
_
_
1
1
1
2
2
2
3
3
3
_
_
_
_
d
1
d
2
d
3
_
_
=
_
_
1
d
1
+
1
d
2
+
1
d
3
2
d
1
+
2
d
2
+
2
d
3
3
d
1
+
3
d
2
+
3
d
3
_
_
o equivalentemente,
_
_
_
x =
1
d
1
+
1
d
2
+
1
d
3
y =
2
d
1
+
2
d
2
+
2
d
3
z =
3
d
1
+
3
d
2
+
3
d
3
Esta metodologa de solucion de un sistema de (3 3) nos conduce
al problema de calcular la matriz inversa B de la matriz principal del
sistema A, en caso de que tal matriz inversa exista. Una condicion de
existencia de la matriz B se obtiene a traves de la generalizacion natural
del teorema 1.6 para el caso de matrices 3 3.
TEOREMA 1.8 Si A = A
33
es tal que su determinante no se anula:
[A[ ,= 0, entonces A es invertible. Esto es, existe una matriz B = B
33
tal
que AB = I = BA, donde I es la matriz identidad de 3 3.
56 Sistemas de ecuaciones, matrices y determinantes
EJEMPLO. Considere la matriz
A =
_
_
1 2 3
2 5 3
1 0 8
_
_
Un calculo directo nos muestra que
[A[ =
1 2 1
2 5 3
1 0 8
2 3
5 3
+ 8
1 2
2 5
= 9 + 8(1) = 1
lo que nos dice que A es una matriz invertible
EJEMPLO. Considere la matriz
A =
_
_
1 6 4
2 4 1
1 2 5
_
_
Al calcular su determinante mediante operaciones elementales se tiene
1 6 4
2 4 1
1 2 5
1 6 4
0 8 9
0 8 9
= 0
lo que hace que A no sea una matriz invertible.
Analicemos por un momento el sistema matricial asociado al sistema de
ecuaciones
AX = d
y la ecuacion matricial de soluciones
X = Bd
Estas podran escribirse por la pareja
_
AX = Id
IX = Bd
donde I es la matriz identidad de 3 3.
Un procedimiento general del Metodo de Gauss-Jordan para resolver el
sistema nos llevara a considerar la matriz siguiente de 3 6
M =
_
_
a
1
b
1
c
1
1 0 0
a
2
b
2
c
2
0 1 0
a
3
b
3
c
3
0 0 1
_
_
1.8 El metodo de Gauss-Jordan 57
y mediante operaciones elementales llevarla (seg un la segunda ecuacion
matricial) a la matriz de 3 6:
N =
_
_
1 0 0
1
1
1
0 1 0
2
2
2
0 0 1
3
3
3
_
_
que resolvera el sistema de ecuaciones dado.
En otras palabras, dada una matriz A
33
que se pueda invertir, el pro-
ceso de llevar a la matriz M en la matriz N mediante operaciones elemen-
tales nos permite calcular la matriz inversa B de A, cuando se considera la
submatriz 3 3 de N que se conforma desde la cuarta columna:
B =
_
_
1
1
1
2
2
2
3
3
3
_
_
Este metodo nos permite entonces calcular la inversa de una matriz
cuadrada si es invertible. En el caso de que no sea invertible la matriz
inicial, el metodo mismo nos lleva a un absurdo durante los calculos de las
operaciones elementales. Esto se ilustra en los siguientes ejemplos.
EJEMPLO. Calcular la inversa de la matriz
A =
_
_
1 2 3
2 5 3
1 0 8
_
_
Ya hemos calculado [A[ = 1, lo que indica que A es invertible.
Construimos la matriz de Gauss-Jordan y procedemos a realizar opera-
ciones elementales.
_
_
1 2 3 1 0 0
2 5 3 0 1 0
1 0 8 0 0 1
_
_
(2R
1
R
2
) R
2
, (R
1
R
3
) R
3
_
_
1 2 3 1 0 0
0 1 3 2 1 0
0 2 5 1 0 1
_
_
(R
2
) R
2
_
_
1 2 3 1 0 0
0 1 3 2 1 0
0 2 5 1 0 1
_
_
(2R
2
R
3
) R
3
58 Sistemas de ecuaciones, matrices y determinantes
_
_
1 2 3 1 0 0
0 1 3 2 1 0
0 0 1 5 2 1
_
_
(R
3
) R
3
_
_
1 2 3 1 0 0
0 1 3 2 1 0
0 0 1 5 2 1
_
_
(3R
3
+R
2
) R
2
, (3R
3
R
1
) R
1
_
_
1 2 0 14 6 3
0 1 0 13 5 3
0 0 1 5 2 1
_
_
(2R
2
+R
1
) R
1
_
_
1 0 0 40 16 9
0 1 0 13 5 3
0 0 1 5 2 1
_
_
(R
1
) R
1
_
_
1 0 0 40 16 9
0 1 0 13 5 3
0 0 1 5 2 1
_
_
Esto implica que la matriz inversa A
1
de matriz dada A es
A
1
=
_
_
40 16 9
13 5 3
5 2 1
_
_
Dejamos al lector vericar que a
1
A = I
Este procedimiento sirve tambien para calcular inversas de matrices de
2 2, como lo ilustra el siguiente ejemplo.
EJEMPLO. Sea A la matriz de 2 2 dada por
A =
_
2 1
1 1
_
Ya hemos calculado su determinante, obteniendo [A[ = 1, lo que le
hace una matriz invertible.
Construimos la matriz de Gauss-Jordan y le aplicamos operaciones ele-
mentales para calcular A
1
:
_
2 1 1 0
1 1 0 1
_
R
1
R
2
_
1 1 0 1
2 1 1 0
_
(2R
1
R
2
) R
2
1.8 El metodo de Gauss-Jordan 59
_
1 1 0 1
0 1 1 2
_
(R
2
R
1
) R
1
_
1 0 1 1
0 1 1 2
_
(R
1
) R
1
_
1 0 1 1
0 1 1 2
_
Esto nos dice que la matriz inversa de A es
A
1
=
_
1 1
1 2
_
EJEMPLO. Consideremos la matriz
A =
_
_
1 6 4
2 4 1
1 2 5
_
_
Ya hemos calculado [A[ = 0, lo que nos dice que A no es una matriz
invertible.
Usemos El metodo de Gauss-Jordan para tratar de conseguir una in-
versa de A.
_
_
1 6 4 1 0 0
2 4 1 0 1 0
1 2 5 0 0 1
_
_
(2R
1
R
2
) R
2
, (R
1
+R
3
) R
3
_
_
1 6 4 1 0 0
0 8 9 2 1 0
0 8 9 1 0 1
_
_
(R
2
R
3
) R
3
_
_
1 6 4 1 0 0
0 8 9 1 0 0
0 0 0 1 1 1
_
_
Ya que el renglon tercero de esta ultima matriz tiene ceros en sus tres
primeros lugares, no es posible conseguir en adelante una matriz de forma
_
_
1
1
1
a
1
b
1
c
1
0 1
2
a
2
b
2
c
2
0 0 1 a
3
b
3
c
3
_
_
que nos permita continuar el proceso.
De aqu que el mismo Metodo de Gauss-Jordan pone obstrucciones por
s mismo para calcular una inversa de A, si es que A no es invertible.
60 Sistemas de ecuaciones, matrices y determinantes
Ejercicios.
1. Dadas las matrices
A =
_
_
1 0 1 3
2 1 0 1
0 1 1 2
_
_
34
, B =
_
_
4 5 3 2 1
1 3 4 0 1
2 0 3 1 0
_
_
34
Realizar las operaciones matriciales AB, BA, 2A, 6B, 2A3B, (A+
B)
t
, A
t
2B
t
, B
t
2A
t
, A
t
+
1
2
B
t
.
2. Dadas las matrices
C =
_
_
1 1 0
2 0 1
0 1 2
_
_
33
,
_
3 1 2
3 1 1
_
33
, E =
_
_
1 1
2 1
0 1
_
_
32
a. Calcular C
2
, C
3
, DC, CD
t
, DE, ED, (DE)
2
, (ED)
2
.
b. Si A y B son como el ejercicio 1, calcular CA, A
t
C, DCA, DCB.
3. Calcular, usando el teorema 1.5, la inversa de la matriz indicada.
A =
_
3 1
1 0
_
, B =
_
4 2
0 3
_
C =
_
_
1 0 0
0 2 1
0 1 1
_
_
,
4. Calcular los siguientes determinantes
a. Mediante la segunda columna,
2 1 1
0 3 1
4 1 1
3 1 0
1 2 1
0 4 3
0 1 1
4 3 2
1 6 3
1 0 0
0 cos sin
0 sin cos
2 3 4
2 a + 3 b + 4
2 c + 3 d + 4
f .
1 x x
2
1 y y
2
1 z z
2
g.
1
0 0
0
2
0
0 0
3
h.
1
1 0
0
2
1
0 0
2
_
3x
1
+ 2x
2
= 4
x
1
4x
2
= 1
7x
1
+ 10x
2
= 12
5x
1
+ 6x
2
= 8
3x
1
16x
2
= 5
b.
_
_
_
x
1
+ 5x
2
+ 4x
3
= 1
2x
1
+ 10x
2
+ 8x
3
= 3
3x
1
+ 15x
2
+ 12x
3
= 5
c.
_
_
_
x
1
3x
2
+ 2x
3
= 1
x
1
+ 9x
2
+ 6x
3
= 3
x
1
+ 3x
2
+ 4x
3
= 1
d.
_
_
_
2x
1
+x
2
x
3
= 5
x
1
2x
2
+ 3x
3
= 3
7x
1
+x
2
x
3
= 10
e.
_
_
2x
1
x
2
+ 3x
3
+ 2x
5
= 1
x
1
+x
2
x
3
+x
4
= 4
x
1
x
3
+ 2x
4
= 6
3x
1
x
2
+x
3
x
4
= 0
f.
_
_
3x
1
x
2
+x
3
+ 2x
5
= 18
2x
1
5x
2
+x
4
+x
5
= 7
x
1
x
4
+ 2x
5
= 6
2x
2
+x
3
+x
4
x
5
= 10
x
1
+x
2
3x
3
+x
4
= 1
g.
_
_
_
4x
1
+ 2x
2
+ 3x
3
= 2
2x
1
+ 8x
2
x
3
= 8
9x
1
+x
2
+ 8x
3
= 0
1.8 El metodo de Gauss-Jordan 63
9. Mediante El metodo de Gauss-Jordan, calcular las matrices inversas (si
las hay) de
a.
_
2 1
5 3
_
b.
_
2 3
3 5
_
c.
_
4 3
4 2
_
d.
_
0 1
1 0
_
e.
_
_
1 1 0
1 0 1
0 1 1
_
_
f .
_
_
5 1 3
1 4 2
9 2 4
_
_
g.
_
_
_
_
1 0 0 0
1 1 0 0
1 1 2 0
1 1 2 4
_
_
_
_
h.
_
_
_
_
1 0 0 0
0 2 0 0
0 0 3 0
0 0 0 4
_
_
_
_
10. Una matriz A se llamara ortogonal si satisface que A
t
A = I. Cuales
de las siguientes matrices son ortogonales?
a.
_
0 1
1 0
_
b.
_
2 1
1 0
_
c.
_
2 1
1 2
_
d.
_
1 2
2 1
_
e.
_
_
1 0 0
0 2 1
0 1 2
_
_
f .
_
_
2 0 1
0 1 0
1 0 1
_
_
64 Sistemas de ecuaciones, matrices y determinantes
Captulo 2
Vectores en R
2
y R
3
2.1 Sistemas de coordenadas en R
2
y R
3
Comenzamos ahora el estudio de la geometra de los espacios R
2
y R
3
proviendolos de un sistema de coordenadas cartesiano.
A cada punto, p en un espacio real se le asocia una n-ada de n umeros
de una manera binvoca
p (x
1
, x
2
, , x
n
)
El n umero entero n se llamara la dimension del espacio.
La asociacion se llamara un sistema de coordenadas cartesiano del
n-espacio, denominado R
n
.
El n umero n de coordenadas dependera de la situacion de los puntos de
un espacio determinado. Esto es, para asignarle una coleccion de n umeros
a un punto p, debemos identicar primeramente la situacion del punto y el
espacio donde esta contenido. Tal asociacion debe ser dada de manera que
a cada punto en un espacio determinado le corresponde una unica coleccion
de n umeros x
1
, , x
n
, y viceversa. Esto es, dada una n-nada de n umeros,
existe un punto unico p en tal espacio con el cual esta asociado.
EJEMPLO.
Para un espacio unidimensional n = 1, se necesita apenas una coorde-
nada,
R
1
: p x
1
Para un espacio bidimensional n = 2, se necesitan dos coordenadas,
R
2
: p (x
1
, x
2
)
66 Vectores en R
2
y R
3
Para un espacio tridimensional n = 3, son necesarias tres coordenadas,
R
3
: p (x
1
, x
2
, x
3
)
Para el espacio cuatridimensional n = 4, se necesitan cuatro coordena-
das,
R
4
: p (x
1
, x
2
, x
3
, x
4
)
La gura 2.1 ilustra este ejemplo para n = 1, 2, 3.
0
-1
1
-1 (-1,2)
(1,-1,2)
2
2
1
1
1
3
2
2
2
3
x
x
x
x
x
x
a.
b.
c.
Figura 2.1: Coordenadas en R
n
para un entero positivo n peque no.
La localizacion de un punto p con sus coordenadas asociadas x
1
, , x
n
en un espacio real R
n
se hace mediante un sistema rectangular de ejes
que tienen coincidencia en el punto com un 0, y que estan graduados por
unidades escogidas previamente.
EJEMPLO.
a. El punto (1, 2) describe de manera unica a un punto en el plano R
2
.
La manera de localizarlo se muestra en la gura 2.1.
b. El punto (1, 1, 2) describe una posicion en el espacio R
3
. La gura 2.1
muestra la forma de localizarlo en el espacio.
c. El punto (0, 1, 1, 4, 3) describe de forma unica una posicion en el
espacio real de dimension 5 (R
5
).
EJEMPLO. Al estudiar un gas ideal se toman las variables principales
P = Presion, V = Volumen, T = Temperatura.
De esta manera, cada estado del gas se representa por una tripleta
(P, V, T)
2.1 Sistemas de coordenadas en R
2
y R
3
67
que corresponde a un punto en R
3
.
EJEMPLO. Para estudiar un sistema de cuerpos puntuales que se mueven
en el espacio R
3
, es necesario determinar la posicion de los cuerpos mediante
un sistema de coordenadas. As, si tenemos los cuerpos m
1
, m
2
, , m
n
, a
cada uno le corresponde una posicion en R
3
dada por
(x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
), , (x
n
, y
n
, z
n
)
respectivamente, en cada instante del movimiento. La gura 2.2 ilustra
esta situacion.
1
1
3
2
2
n
x
m
x
x
m
m
Figura 2.2: Cuerpos moviendose en el espacio tridimensional.
A continucion, le damos una estructura algebraica a R
n
deniendo
dos operaciones: la suma de puntos, y el producto de un n umero real
(escalar) por un punto de R
n
.
Dados dos puntos p = (x
1
, x
2
, , x
n
), q = (y
1
, y
2
, , y
n
), en el espa-
cio R
n
, se dene el punto p +q como aquel punto con coordenadas
p +q = (x
1
+y
1
, x
2
+y
2
, , x
n
+y
n
)
EJEMPLO. En el plano R
2
, si p = (1, 2), q = (3, 7) entonces el punto
p +q R
2
es aquel que se obtiene mediante
p +q = (1, 2) + (3, 7) = (1 + 3, 2 + 7) = (2, 9)
EJEMPLO. En el espacio R
3
, si p = (1, 4, 2) y q = (,
2,
1
2
), se tiene
que
p +q =
_
1, 4 +
2,
5
2
_
Dados, el punto p = (x
1
, x
2
, , x
n
) en R
n
, y el escalar , se dene el
nuevo punto p como aquel en R
n
con las coordenadas
p = (x
1
, , x
n
)
68 Vectores en R
2
y R
3
EJEMPLO.
a. Sean p =
_
1, 2,
1
3
, 4
_
en R
4
y = 3, entonces
p = 3(1, 2,
1
3
, 4) = (3, 6, 1, 12)
b. Sean p =
_
1, 1, 6,
1
5
, 8
_
en R
5
y = 5 entonces,
p = (5, 5, 30, 1, 40)
Las operaciones denidas de esta manera tienen propiedades heredadas
de las propiedades de los n umeros reales. Esto se observa en el siguiente,
LEMA 2.1 Si p
1
, p
2
, q
1
, q
2
R
n
y , R se cumplen las igualdades
a.
(p
1
+p
2
) +q
1
= p
1
+ (p
2
+q
1
)
b.
p
1
+q
1
= q
1
+p
1
c.
(p
1
+q
1
) = p
1
+q
1
d.
( +)p
1
= p
1
+p
1
e. Si O = (0, , 0) es el punto en R
n
con coordenadas nulas, entonces,
para todo punto p R
n
se cumple que
p +O = p
f. Si se toma = 1, entonces al denir por (1)p = p, se cumple
p + (p) = O
Son calculos directos realizados mediante las coordenadas.
Por ejemplo, para demostrar la propiedad b., si p
1
= (x
1
, x
2
, , x
n
),
y q
1
= (y
1
, y
2
, , y
n
), entonces
p
1
+q
1
= (x
1
, x
2
, , x
n
)+(y
1
, y
2
, , y
n
) = (x
1
+y
1
, x
2
+y
2
, , x
n
+y
n
)
= (y
1
+x
1
, y
2
+x
2
, , y
n
+x
n
) = (y
1
, y
2
, y
n
) + (x
1
, x
2
, , x
n
)
= q
1
+p
1
2.1 Sistemas de coordenadas en R
2
y R
3
69
La propiedad c. se demuestra mediante la cadena de igualdades:
(p
1
+q
1
) = [(x
1
, x
2
, , x
n
) + (y
1
, y
2
, , y
n
)]
= (x
1
+y
1
, x
2
+y
2
, , x
n
+y
n
)
= ((x
1
+y
1
), (x
2
+y
2
), , (x
n
+y
n
))
= (x
1
+y
1
, x
2
+y
2
, , x
n
+y
n
)
= (x
1
, x
2
, , x
n
) + (y
1
, y
2
, y
n
)
= (x
1
, x
2
, , x
n
) +(y
1
, y
2
, , y
n
) = p
1
+q
1
Las otras pruebas son analogas y se omiten.
Vamos ahora a dar una interpretacion geometrica en R
2
de las opera-
ciones mencionadas.
Dados los puntos p = (x
1
, y
1
), q = (x
2
, y
2
) estos se pueden localizar en
el plano R
2
de la forma que se menciono anteriormente.
La suma p + q se comporta como la suma de vectores ordinarios (Ley
del paralelogramo).
Un vector es un objeto que tiene una magnitud, direccion y sentido. Se
les suele describir gracamente por echas que tienen extremos en puntos
situados en un espacio determinado.
Para sumar dos vectores seg un la regla del paralelogramo, se jan en un
extremo com un y se desliza paralelamente uno a traves del otro hasta el otro
extremo, creando al realizar el deslizamiento del otro vector paralelamente,
un paralelogramo.
La suma de los mencionados vectores es el vector diagonal del parale-
logramo que nace en el extremo com un inicial (vease la gura 2.3).
0
0
p
p
p
q
p+q
Figura 2.3: Geometra de las operaciones en R
n
.
A cada punto p y q se les asocia un vector de posicion (nace en
el origen de coordenadas (0, 0)) y a la suma p + q se le asocia el vector
70 Vectores en R
2
y R
3
resultante de suma de vectores mediante la regla del paralelogramo (vease
gura 2.3).
De igual forma, un vector en R
2
puede ser deformado sobre su direccion
cuando se multiplica por un escalar. Esto hace que varen, su sentido o su
magnitud, pero conservando su direccion.
La geometra de la operaciones mencionadas se puede generalizar a R
n
.
Esto es, si p = (x
1
, x
2
, , x
n
) q = (y
1
, y
2
, , y
n
) entonces el punto
p +q = (x
1
, x
2
, , x
n
) +(y
1
, y
2
, , y
n
) = (x
1
+y
1
, x
2
+y
2
, , x
n
+y
n
)
puede ser visto como el vector resultante de la suma por la regla del
paralelogramo.
Por otro lado, si se considera el vector de posicion en el punto
p = (x
1
, x
2
, , x
n
)
entonces
p = (x
1
, x
2
, , x
n
) = (x
1
, x
2
, , x
n
)
tiene un vector de posicion que esta en la misma direccion que p, satisfa-
ciendo
i. si 0 < < 1, entonces p es un encogimiento de p, pero tiene el mismo
sentido.
ii. si 1 < , entonces p es un estiramiento de p en el mismo sentido.
iii. si < 0, es p un vector en sentido inverso de p.
Por lo anterior, a los puntos asociados con vectores de posicion les lla-
mamos tambien vectores.
As, al conjunto
R
n
= (x
1
, x
2
, , x
n
)[ x
i
R
provisto de la suma de puntos p + q y el producto de un punto por un
escalar p le llamaremos el espacio vectorial real de dimension n. Con-
secuentemente, a los puntos de R
n
les llamaremos tambien vectores.
NOTACI
2
= (x
1
x
2
)
2
+ (y
1
y
2
)
2
+ (z
1
z
2
)
2
.
Al espacio R
3
con la longitud entre dos puntos denida de esta forma,
le llamaremos el espacio Euclidiano R
3
.
Observamos que en el caso q = (0, 0, 0) se tiene que
2
= (x
1
)
2
+ (y
1
)
2
+ (z
1
)
2
que es la distancia al cuadrado de p al origen.
De esta manera, si p = (x
0
, y
0
, z
0
) es un punto arbitrario de R
3
, en-
tonces su distancia del origen, tambien llamada su norma, se calcula por
la expresion
[[p[[ =
_
x
2
0
+y
2
0
+z
2
0
2.2 El producto escalar y la norma en R
3
73
Una manera de inducir una longitud (norma) en R
3
es a traves de la
denicion de un producto escalar.
Esto esta motivado de la relacion para p = (x, y, z),
[[p[[
2
= (x)
2
+ (y)
2
+ (z)
2
= (x)(x) + (y)(y) + (z)(z)
que puede denirse por
(x)(x) + (y)(y) + (z)(z) =< (x, y, z), (x, y, z) >=< p, p >
donde < p, p > se dene por la primer expresion en la cadena de igualdades.
Aqu hacemos la primer distincion entre los puntos y los vectores. Mas
que denir la operacion <, > para puntos, es mas conveniente denirla
para vectores, con motivo de las aplicaciones.
DEFINICI
i=1
i
=
1
1
+
2
2
+
3
3
.
Observemos que el producto escalar es una operacion ejercida sobre una
pareja de vectores y su valor es un n umero real.
EJEMPLO. Si
1
= (1, 0, 3) y
2
=
_
1
2
,
2, 4
_
en R
3
, se tiene que su
producto escalar es
<
1
,
2
>=< (1, 0, 3),
_
1
2
,
2, 4
_
>= (1)
_
1
2
_
+ 0(
2) + (3)(4)
=
1
2
+ 12 =
23
2
EJEMPLO. Dados los vectores
1
= (4, 1) y
2
= (1, 4) se tiene que su
producto escalar en el plano, esta dado por
<
1
,
2
>=< (4, 1), (1, 4) >= (4)(1) + (1)(4) = 4 4 = 0
El producto escalar denira una norma en virtud del siguiente Lema.
1
1
En algunos textos clasicos la notacion utilizada para el producto escalar es mediante
un punto , como se indica
< , >=
que hace que tambien se le llame producto punto. Nosotros utilizaremos en este
trabajo la notacion <, > para efectuar las operaciones que lo requieran.
74 Vectores en R
2
y R
3
LEMA 2.2 Dados los vectores , ,
1
,
2
en el espacio Cartesiano R
3
, y
los n umeros reales
1
,
2
son justas las f ormulas
a. < , >=< , >
b. <
1
1
+
2
2
, >=
1
<
1
, > +
2
<
2
, >
c. < , > 0 para todo . De hecho, < , >= 0 si y s olo si, = 0.
a. Ya que = (
1
,
2
,
3
), = (
1
,
2
,
3
), entonces
< , >=< (
1
,
2
,
3
), (
1
,
2
,
3
) >=
1
1
+
2
2
+
3
3
=
1
1
+
2
2
+
3
3
=< (
1
,
2
,
3
), (
1
,
2
,
3
) >
=< , >
b. Si
1
= (
1
1
,
2
2
,
3
3
),
2
= (
1
2
,
2
2
,
3
3
), entonces
<
1
1
+
2
2
, >=<
1
(
1
1
,
2
1
,
3
1
) +
2
(
1
2
,
2
2
,
3
2
), (
1
,
2
,
3
) >
=< (
1
1
1
,
1
2
1
,
1
3
1
) + (
2
1
2
,
2
2
2
,
2
3
2
), (
1
,
2
,
3
) >
=< (
1
1
1
+
2
1
2
,
1
2
1
+
2
2
2
,
1
3
1
+
2
3
2
), (
1
,
2
,
3
) >
= (
1
1
1
+
2
1
2
)
1
+ (
1
2
1
+
2
2
2
)
2
+ (
1
3
1
+
2
3
2
)
3
=
1
(
1
1
1
+
2
1
2
+
3
1
3
) +
2
(
1
2
1
+
2
2
2
+
3
3
3
)
=
1
< (
1
1
,
2
1
,
3
1
), (
1
,
2
,
3
) > +
2
< (
1
2
,
2
2
,
3
2
), (
1
,
2
,
3
) >
=
1
<
1
, > +
2
<
2
, >
c. Por un calculo directo,
< , >=< (
1
,
2
,
3
), (
1
,
2
,
3
) >= (
1
)
2
+ (
2
)
2
+ (
3
)
2
0
De hecho, (
1
)
2
+ (
2
)
2
+ (
3
)
2
= 0
1
=
2
=
3
= 0.
Sea R
3
, y considerese el conjunto de vectores en R
3
,
e
1
= (1, 0, 0)
e
2
= (0, 1, 0)
e
3
= (0, 0, 1)
Si = (
1
,
2
,
3
) es un vector arbitrario, al calcular el producto
escalar de con cada uno de estos vectores se tiene que
< , e
1
>=< (
1
,
2
,
3
), (1, 0, 0) >=
1
2.2 El producto escalar y la norma en R
3
75
< , e
2
>=< (
1
,
2
,
3
), (0, 1, 0) >=
2
<
1
, e
3
>=
3
es decir, obtenemos las coordenadas de .
En general, si = (
1
,
2
,
n
) es un vector en R
n
, y lo denimos por
e
i
= (0, 0, , 1
. .
i
, 0, 0)
al vector con 1 en la i-esima coordenada y con las demas coordenadas nulas,
se obtiene que
< , e
i
>=
i
lo que nos da la i-esima coordenada de .
De esta forma en R
3
se puede escribir como
=
1
(1, 0, 0) +
2
(0, 1, 0) +
3
(0, 0, 1) = (
1
,
2
,
3
)
es decir,
=
1
e
1
+
2
e
2
+
3
e
3
donde los vectores e
i
son como se denieron.
EJEMPLOS.
a. El vector
1
= (1, 4, 2) se puede escribir en terminos de los vectores
e
1
, e
2
, e
3
como,
1
= (1, 4, 2) = (1, 0, 0) + (0, 4, 0) + (0, 0, 2)
= 1(1, 0, 0) + 4(0, 1, 0) 2(0, 0, 1) = 1e
1
+ 4e
2
2e
3
b. El vector
2
= (2, 0, 3) se escribe como
2
= 2e
1
+ 0e
2
+ 3e
3
= 2e
1
+ 3e
3
Los vectores e
1
, e
2
, e
3
denidos de esta forma son llamados vectores
canonicos y satisfacen:
a. En producto escalar de un vector canonico consigo mismo es la unidad,
< e
1
, e
1
>= 1, < e
2
, e
2
>= 1, < e
3
, e
3
>= 1
b. El producto escalar entre dos de ellos diferentes es cero,
< e
1
, e
2
>=< (1, 0, 0), (0, 1, 0) >= 0, < e
1
, e
3
>= 0, < e
2
, e
3
>= 0
76 Vectores en R
2
y R
3
El conjunto de vectores e
1
, e
2
, e
3
se dice ser la base canonica de R
3
.
Dos vectores , tales que < , >= 0 se llamaran ortogonales. Mas
adelante explicaremos el por que de esta denicion.
EJEMPLO.
a. Los vectores = (1, 1, 2) y = (2, 2, 0) son ortogonales debido a que
< , >=< (1, 1, 2), (2, 2, 0) >= 2 + 2 + 0 = 0.
b. Los vectores = (1, 1, 3) y = (1, 1, 1) no son ortogonales debido a
que
< , >=< (1, 1, 3), (1, 1, 1) >= 1 + 1 + 3 = 5 ,= 0
c. Si = (
1
,
2
) es un vector plano (en R
2
), es facil construir un vector
ortogonal a , si se cambia el orden de las coordenadas y el signo de una
de ellas: = (
2
,
1
).
< , >=< (
1
,
2
), (
2
,
1
) >=
1
2
+
2
1
= 0.
Para muestra, si = (1, 2), entonces = (2, 1) es ortogonal a .
En virtud del Lema 2.3 se pueden denir los conceptos de distancia
entre dos puntos, norma del vector, y angulo entre dos vectores.
DEFINICI
2, 4
_
, se cal-
culan sus normas por
[[
1
[[ =
_
<
1
,
1
> =
1 + 9 =
10
[[
2
[[ =
_
<
2
,
2
> =
_
1
4
+ 2 + 16 =
_
73
4
=
73
2
No es difcil comprobar que se cumplen las siguientes propiedades de la
norma.
2.2 El producto escalar y la norma en R
3
77
LEMA 2.3 Para los vectores , R
3
y los escalares , R se cumple
que
a. [[[[ = [[ [[[[
b. Si < , >= 0 entonces [[ + [[ = [[ [[. En tal caso, los vectores
y se llamar an ortogonales o perpendiculares.
c. Si y son perpendiculares, entonces es justo El teorema de Pita-
goras (vease la gura 2.5 a.)
[[ +[[
2
= [[[[
2
+[[[[
2
d. Se cumple la igualdad de Schwarz
[ < , > [ [[[[ [[[[
e. Se cumple la desigualdad triangular
[[ +[[ [[[[ +[[[[
y la igualdad es v alida si y son m ultiplos por escalares (vease la gura
2.5 b.).
0
0
||||
||||
||||
||||
||+||
||+||
a. b.
Figura 2.5: a. Teorema de Pitagoras b. Desigualdad del Triangulo.
Demostramos algunos incisos de este Lema.
a.
[[[[ =
_
< , > =
_
2
< , > = [[
_
< , > = [[ [[[[
b.
[[ +[[
2
=< +, + >=< , > +2 < , > + < , >
78 Vectores en R
2
y R
3
=< , > + < , >=< , > 2 < , > + < , >
=< , >= [[ [[
2
c. Ya se comprobo en b. con las primeras tres igualdades, bajo el supuesto
que < , >= 0.
d. Se deja como ejercicio.
e. Por el inciso d., aplicado en la segunda desigualdad siguiente
[[ +[[
2
=< , > +2 < , > + < , >= [[[[
2
+ 2 < , > +[[[[
2
[[[[
2
+ 2[ < , > [ +[[[[
2
[[[[
2
+ 2[[[[[[[[ +[[[[
2
= ([[[[ +[[[[)
2
se cumple que
[[ +[[
2
([[[[ +[[[[)
2
lo que implica nuestra armacion.
EJEMPLO. Sean los vectores = (1, 1, 0), = (2, 2, 1). Entonces son
perpendiculares pues < , >= 0 y se verica que
[[ [[
2
= [[(3, 1, 1)[[
2
= 9 + 1 + 1 = 11
[[ +[[
2
= [[(1, 3, 1)[[
2
= 1 + 9 + 1 = 11
es decir, se cumple el inciso a. del Lema 2.4,
[[ +[[ = [[ [[ =
11
Por otro lado, [[[[
2
= 2, [[[[
2
= 9, lo que verica que se cumple El
teorema de Pitagoras,
[[ +[[
2
= 2 + 9 = [[[[
2
+[[[[
2
6
[[[[ =
3, [[[[ =
9
lo que indica que se cumple la desigualdad del triangulo para estos vectores,
[[ +[[ =
9 +
3 = [[[[ +[[[[
2.2 El producto escalar y la norma en R
3
79
Un vector R
3
tal que [[[[ = 1 se llamara vector unitario.
As pues, dado el vector R
3
que no sea nulo, se garantiza la con-
struccion del vector unitario
=
[[[[
lo cual se verica directamente,
[[[[ =
[[[[
=
1
[[[[
[[[[ = 1
EJEMPLO. Para el vector = (1, 4, 3) se tiene que [[[[ =
26, con lo
que se construye el vector unitario
=
(1, 4, 3)
26
=
_
1
26
,
4
26
,
3
26
_
.
Ahora pasamos a denir la distancia entre los puntos arbitrarios del
espacio, como la norma del vector localizado entre ellos.
Sean dados dos puntos p = (x
1
, y
1
, z
1
), q = (x
2
, y
2
, z
2
) en el espacio
cartesiano, se dene la distancia entre los puntos mencionados, como la
norma del vector = p q, es decir,
2
= [[[[
2
=< p q, p q >
=< (x
1
x
2
, y
1
y
2
, z
1
z
2
), (x
1
x
2
, y
1
y
2
, z
1
z
2
) >
= (x
1
x
2
)
2
+ (y
1
y
2
)
2
+ (z
1
z
2
)
2
EJEMPLO. Sean los puntos p = (1, 2, 3) y q = (2, 1, 0) entonces la
distancia entre los puntos p y q se calcula por la norma del vector =
p q = (3, 3, 3).
2
= [[[[
2
= 3
3
+ 3
2
+ 3
2
= 27
de donde,
=
27
Sean ahora dos vectores, vector unitario y un vector arbitrario. Bus-
camos un vector en la direccion de tal que sea la proyeccion ortogonal
de en , es decir, el vector sea ortogonal al vector como lo muestra
la gura 2.6.
Ya que se busca ortogonal a , se debera satisfacer que <
, >= 0.
80 Vectores en R
2
y R
3
Por otro lado, si esta en la direccion de , entonces es suciente con
encontrar un escalar tal que = .
Al sustituir en la ecuacion de ortogonalidad se tiene que
0 =< , >=< , >=< , > < , >
=< , > [[[[
2
=< , >
en virtud de que es unitario y por lo tanto [[[[ = 1.
Esto implica que =< , >=< , >, y que entonces
=< , >
As, dados los vectores unitario y arbitrario, podemos denir la
proyeccion ortogonal del vector en el vector unitario como el vector
=< , >
que es un vector que esta en la misma direccion que (vease la gura 2.6).
0
[[[[
=
(2, 1, 5)
30
=
_
2
30
,
1
30
,
5
30
_
De esta manera, el vector buscado es
=
_
[[[[
,
_
[[[[
=
1
[[[[
2
< , >
=
1
30
< (2, 1, 5), (1, 1, 1) > (2, 1, 5) =
2
30
(2, 1, 5) =
_
2
15
,
1
15
,
1
3
_
El calculo en este ejemplo prueba el siguiente corolario.
2.2 El producto escalar y la norma en R
3
81
COROLARIO 2.1 La proyeccion del vector arbitrario en el vector no
nulo , llamado , se calcula por la f ormula
=
< , >
[[[[
2
En muchas ocasiones, cuando no haya confusion, entenderemos no al
vector obtenido, sino al escalar (factor de )
< , >
[[[[
2
como la proyeccion mencionada.
De la gura 2.6 se tiene que si , son vectores arbitrarios y es la
proyeccion de en entonces al considerar el angulo entre los vectores
y se tiene que
cos =
[[[[
[[[[
Si se sustituye el valor de =
<,>
||||
2
se tiene entonces que
cos =
[ < , > [
[[[[ [[[[
2
[[[[ =
< , >
[[[[ [[[[
cuando consideremos a [0, ]. Esto demuestra el siguiente Lema.
LEMA 2.4 Si = (
1
,
2
,
3
), = (
1
,
2
,
3
) son dos vectores en R
3
,
formando un angulo entre ellos, se dene este angulo por la igualdad
cos =
< , >
6 y [[[[ =
41
Por lo tanto, el angulo formado por y es
= arc cos x,
_
< , >
[[[[ [[[[
_
= arc cos
6
41
= arc cos
_
6
41
.
Como ultima observacion de esta seccion tenemos que de las relaciones
cos =
< , >
[[[[[[[[
, [ cos [ 1
podemos decir que
< , >
[[[[ [[[[
1
lo que nos lleva a vericar la desigualdad de Schwarz
[ < , > [ [[[[ [[[[
enunciada en el inciso d. del Lema 2.3.
2.3 El producto vectorial
Denimos ahora el producto vectorial en el espacio R
3
.
DEFINICI
ON. Sean = (
1
,
2
,
3
), = (
1
,
2
,
3
) dos vectores en R
3
.
Se dene el producto vectorial de con denido por [, ], como el
vector en R
3
con coordenadas
[, ] = (
2
3
, (
1
3
),
1
1
)
en la base canonica ordenada e
1
, e
2
, e
3
.
2
Una forma de recordar las coordenadas del vector [, ] es a traves de
la siguiente cadena convencional de igualdades
[, ] = (
2
3
, (
1
3
),
1
1
) =
2
En algunos textos utilizan otra notacion para asegurar la operacion del producto
vectorial, por ejemplo: y . Para ejemplicar
[, ] = =
Nosotros utilizaremos la notacion [ , ] donde se requiera efectuar la operacion del pro-
ducto vectorial.
2.3 El producto vectorial 83
= (
2
3
)e
1
(
1
3
)e
2
+ (
1
2
n
1
)e
3
= e
1
e
2
+e
3
e
1
e
2
e
3
e
1
e
2
e
3
1 1 1
2 3 1
= e
1
1 1
3 1
e
2
1 1
2 1
+e
3
1 1
2 3
= e
1
(4) e
2
(3) +e
3
(1) = (4, 3, 1)
EJEMPLO. Para los vectores = (1, 1, 3), = (2, 2, 6) obtenemos el
vector
[, ] =
e
1
e
2
e
3
1 1 3
2 2 6
= e
1
1 3
2 6
e
2
1 3
2 6
+e
3
1 1
1 1
= e
1
(0) e
2
(0) +e
3
(0) = (0, 0, 0)
En este ultimo ejemplo no es extra no tener el resultado vector (0, 0, 0),
debido a que los vectores y dados son paralelos, es decir, es un
m ultiplo escalar de , de hecho, =
1
2
.
De manera general, dados dos vectores paralelos y , su producto
vectorial es nulo.
Si = para alg un R, entonces,
[, ] = [, ] = [, ] =
e
1
e
2
e
3
2
, (
1
1
),
1
1
)
Si escogemos, por ejemplo a , obtenemos
< [, ], >=
1
(
2
2
)
2
(
1
1
) +
3
(
1
1
)
=
1
3
+
2
1
+
3
1
= 0
b. Por la propiedad de cambiar el signo a un determinante, si se permutan
dos renglones se tiene
[, ] =
e
1
e
2
e
3
e
1
e
2
e
3
= [, ]
d. El corolario 1.7 prueba la distribucion mediante la cadena de igualdades:
[, +] =
e
1
e
2
e
3
1
+
1
2
+
2
3
+
3
e
1
e
2
e
3
e
1
e
2
e
3
= [, ] +[, ]
Los demas incisos se comprueban de manera similar.
De la propiedad f. del Lema 2.5, se tiene que si dos vectores no nulos
, satisfacen que su producto vectorial es el vector cero, entonces
0 = [[(0, 0, 0)[[ = [[[, ][[ = [[[[ [[[[ sen ,
lo que implicara que el angulo formado por ellos satisface que sen = 0
o bien = . Esto es, los vectores son paralelos. Por esto es que podemos
denir a un par de vectores como paralelos, si su producto vectorial se
anula.
EJEMPLO. Sean los vectores = (1, 1, 2) y = (0, 1, 3), entonces, por
el inciso a. del Lema 2.5 el vector [, ] es ortogonal tanto a como a .
Esto es,
= [, ] =
e
1
e
2
e
3
0 1 2
0 1 3
= (3 2)e
1
(3)e
2
+(1)e
3
= (5, 3, 1)
es ortogonal a y a .
Si se consideran dos vectores arbitrarios , en R
3
, estos generan un
paralelogramo R como lo muestra la gura 2.7
||||
||||
||||
cos
Figura 2.7:
Area de un paralelogramo.
Tal paralelogramo R tiene una base [[[[ y altura [[[[ sen , donde es el
angulo entre y . De esta manera, el area del paralelogramo es calculado
por
e
1
e
2
e
3
7 8 9
3 5 2
= e
1
8 9
5 2
e
2
7 9
3 2
+e
3
7 8
3 5
= e
1
(29) e
2
(41) +e
3
(59) = (29, 41, 59).
y despues el area del paralelogramo
6003
p
[,]
Figura 2.8: Momento de accion de en
Por otro lado, el producto vectorial puede ser considerado mecanica-
mente como el momento de accion del vector en el punto p que tiene
asociado el vector de posicion (vease la gura 2.8).
2.4 El triple producto escalar y bases de R
3
Ahora, denimos el producto mixto o triple producto escalar de tres
vectores ordenados.
DEFINICI
e
1
e
2
e
3
, (
1
,
2
,
3
)
_
=
_
e
1
e
2
+e
3
, (
1
,
2
,
3
)
_
=
1
+
3
< [, ], >
[[[, ][[
< [, ], >
[[[, ][[
1 1 0
0 2 3
1 1 1
= 1
2 3
1 1
0 3
1 1
+ 0
0 2
1 1
= (5) (3) + 0 = 2
EJEMPLO. Dados los vectores = (1, 0, 0), = (0, 2, 0), = (4, 2, 0)
obtenemos
(, , ) =
1 0 0
0 2 0
4 2 0
= 1
2 0
2 0
= 0
2.4 El triple producto escalar y bases de R
3
89
lo que era de esperarse pues , y son coplanares. De hecho se observa
directamente que = 4 + 2.
EJEMPLO. El volumen del paraleleppedo generado por los vectores =
(2, 1, 1), = (1, 2, 3) y = (1, 1, 2) es
V = [(, , )[ =
2 1 1
1 2 3
1 1 2
= [ 30[ = 30
Consideremos ahora los vectores
1
,
2
,
3
en R
3
satisfaciendo que su
triple producto escalar no se anula
(
1
,
2
,
3
) ,= 0
Entonces, por el Lema 2.6 se tiene que no son coplanares, es decir, ninguno
de ellos depende de los otros. Esto se observa del hecho de que si alguno
de ellos fuera combinacion lineal de los otros, por ejemplo
3
=
1
+
2
, , R
entonces su triple producto escalar sera, mediante determinantes
(
1
,
2
,
3
) =
1
+
2
=
=
= 0
lo que no puede ser.
DEFINICI
e
1
e
2
e
3
1 0 0
0 1 0
0 0 1
= 1
lo que los hace linealmente independientes.
90 Vectores en R
2
y R
3
EJEMPLO. Sea el conjunto de vectores
_
_
_
1
= (1, 1, 0),
2
= (0, 1, 1),
3
= (1, 1, 1)
Su triple producto escalar se calcula por
(
1
,
2
,
3
) =
1 1 0
0 1 1
1 1 1
1 1
1 1
0 1
1 1
= 1
lo que nos dice que son linealmente independientes.
EJEMPLO. Sea ahora el conjunto de vectores
_
_
_
1
= (1, 1, 0),
2
= (0, 1, 1),
3
= (2, 5, 3)
El triple producto escalar entre ellos es
(
1
,
2
,
3
) ==
1 1 0
0 1 1
2 5 3
1 1
5 3
0 1
2 5
= 2 + 2 = 0
lo que hace de ellos un conjunto linealmente dependiente.
Esto es, existen escalares , tal que, por ejemplo,
3
=
1
+
2
= (1, 1, 0) +(0, 1, 1)
es decir,
(2, 5, 3) = (, , 0) + (0, , ) = (, +, )
o bien,
_
_
_
2 =
5 = +
3 =
lo que implica que = 2, = 3.
Por lo tanto, una dependencia lineal entre ellos se da mediante la
igualdad
3
= 2
1
+ 3
2
.
2.4 El triple producto escalar y bases de R
3
91
EJEMPLO. Sea el conjunto
1
(1, 2),
2
= (1/2, 1) R
2
, entonces
1 2
1/2 1
= 1 1 = 0
lo que hace de estos vectores un conjunto linealmente dependiente en el
plano R
2
. De hecho
1
= 2
2
.
EJEMPLO. El conjunto de vectores
1
= (1, 2),
2
= (2, 1) es lineal-
mente independiente en R
2
pues
1 2
2 1
= 1 + 4 = 5 ,= 0.
En general, un conjunto de n-vectores en R
n
1
,
2
,
n
1
.
.
.
,= 0
Sea un conjunto
1
,
2
,
3
de vectores linealmente independientes en
R
3
. Ya que no todos pertenecen a un mismo plano, al considerar cualquier
vector espacial , las proyecciones paralelas de en cualquiera de los vec-
tores nos provee de escalares
1
,
2
,
3
R tales que el vector es una
combinacion lineal de
1
,
2
,
2
mediante la igualdad
=
1
1
+
2
2
+
3
3
como lo muestra la gura 2.10.
Esto es, el conjunto de vectores
1
,
2
,
3
genera al espacio R
3
me-
diante combinaciones lineales.
DEFINICI
3
2
1
1
3
1
3
2
2
1
.
.
.
,= 0
EJEMPLO. Los vectores canonicos espaciales
e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1)
son una base de R
3
, llamada la base canonica.
Cualquier vector = (
1
,
2
,
3
) R
3
se escribe
=
1
e
1
+
2
e
2
+
3
e
3
.
EJEMPLO. El conjunto de vectores
1
= (1, 1, 0),
2
= (0, 1, 1),
3
= (1, 1, 1)
es una base de vectores para R
3
De hecho, si R
3
, se tiene que existen escalares
1
,
2
,
3
tales que
=
1
1
+
2
2
+
3
3
es decir, si = (
1
,
2
,
3
), entonces
(
1
,
2
,
3
) =
1
(1, 1, 0) +
2
(0, 1, 1) +
3
(1, 1, 1)
2.4 El triple producto escalar y bases de R
3
93
= (
1
+
3
,
1
+
2
+
3
,
2
+
3
)
o equivalentemente, los escalares
1
,
2
,
3
resuelven el sistema de ecuacio-
nes
_
_
_
1
+
3
=
1
1
+
2
+
3
=
2
2
+
3
=
3
Tal sistema de ecuaciones tiene determinante
D =
1 0 1
1 1 1
0 1 1
_
_
3
_
_
t
= (
1
,
2
,
3
) ,= 0
lo que implica que ese sistema tiene solucion para las incognitas
1
,
2
,
3
.
De hecho, por El metodo de Cramer
1
=
1
0 1
2
1 1
3
1 1
D
=
3
0 1 1
1 1 1
D
=
(,
2
,
3
)
(
1
,
2
,
3
)
2
=
1
1
1
1
2
1
0
3
1
D
=
1 1 0
3
1 1 1
D
=
(
1
, ,
3
)
(
1
,
2
,
3
)
3
=
(
1
,
2
, )
(
1
,
2
,
3
)
Esto se puede generalizar en el siguiente Lema, enunciado apenas para
el caso tridimensional.
LEMA 2.7 Si el conjunto
1
,
2
,
3
R
3
es una base de vectores para
R
3
y R
3
es tal que =
1
1
+
2
2
+
3
3
, entonces los coecientes
1
,
2
,
3
est an dados por las igualdades
1
=
(,
2
,
3
)
(
1
,
2
,
3
)
,
2
=
(
1
, ,
3
)
(
1
,
2
,
3
)
,
3
=
(
1
,
2
, )
(
1
,
2
,
3
)
EJEMPLO. Sea = (1, 3, 1) R
3
y sea la base de R
3
dada por
1
= (1, 1, 0),
2
= (0, 1, 1),
3
= (1, 1, 1)
94 Vectores en R
2
y R
3
Al calcular los determinantes, tenemos,
(
1
,
2
,
3
) =
1 1 0
0 1 1
1 1 1
= 1
(,
2
,
3
) =
1 3 1
0 1 1
1 1 1
1 1
1 1
3 1
1 1
= 4
(
1
, ,
3
) =
1 1 0
1 3 1
1 1 1
3 1
1 1
1 1
1 1
= 4
(
1
,
2
, ) =
1 1 0
0 1 1
1 3 1
1 1
3 1
0 1
1 1
= 5
de donde, por el Lema 2.7 se tiene que
1
=
(
1
,
1
,
2
)
(
1
,
2
,
3
)
=
4
1
= 4
2
=
(
1
, ,
3
)
(
1
,
2
,
3
)
=
4
1
= 4
3
=
(
1
,
2
, )
(
1
,
2
,
3
)
=
5
1
= 5
hacen que
1
+
2
2
+
3
3
= 4(1, 1, 0) + 4(0, 1, 1) 5(1, 1, 1)
= (4, 4, 0) + (0, 4, 4) + (5, 5, 5) = (4, 8, 4) + (5, 5, 5)
= (1, 3, 1) = .
EJEMPLO. Sean los vectores basicos
1
= (1, 2),
2
= (2, 1) de R
2
.
Entonces dado = (1, 3) se tiene que
=
1
1
+
2
2
para los valores de
1
y
2
dados por
1
=
1 3
2 1
1 2
2 1
=
5
5
= 1
2.4 El triple producto escalar y bases de R
3
95
2
=
1 2
1 3
1 2
2 1
=
5
5
= 1
Esto se comprueba directamente de la igualdad
1
+
2
2
= 1(1, 2) + 1(2, 1) = (1, 2) + (2, 1) = (1, 3)
Consideremos ahora una base
1
,
2
,
3
de R
3
y la ordenamos seg un
el signo del determinante dado por el triple producto escalar
(
1
,
2
,
3
) =
DEFINICI
e
1
e
2
e
3
1 0 0
0 1 0
0 1 0
= 1
EJEMPLO. En cambio, si se toma el orden de los vectores basicos cano-
nicos dado por
e
1
= (1, 0, 0), e
3
= (0, 0, 1), e
2
= (0, 1, 0)
entonces tal orden le da una orientacion negativa a la derecha a R
3
en
virtud de que
(e
1
, e
3
, e
2
) =
e
1
e
2
e
3
1 0 0
0 0 1
0 1 0
= 1
96 Vectores en R
2
y R
3
EJEMPLO. El conjunto de vectores basicos
1
= (1, 1, 0),
2
= (0, 1, 1),
3
= (1, 1, 1)
ordenados as, le dan una orientacion a R
3
positiva a la derecha en virtud
de la igualdad
(
1
,
3
,
2
) =
1 1 0
0 1 1
1 1 1
= 1
EJEMPLO. Los vectores basicos
1
= (1, 2), = (2, 1) de R
2
le dan
una orientacion positiva a la derecha al plano en virtud de que el siguiente
determinante es positivo
1 2
2 1
= 5
Se observa que al tomar dos vectores no nulos arbitrarios , , s [, ] ,=
0, entonces los vectores unitarios
_
[[[[
,
[[[[
,
[, ]
[[[, ][[
_
conforman una base que esta orientada positiva a la derecha (regla de la
mano derecha) por la eleccion del producto [, ].
Todos los conceptos mencionados forman parte de los conocimientos
basicos de los cursos de Geometra analtica del plano y del espacio.
2.5 Vectores y valores propios de una matriz
En algunos problemas de aparicion cotidiana en las ciencias naturales y la
ingeniera es necesario resolver una igualdad matricial del tipo
A =
donde A es una matriz cuadrada (n n), es un vector columna (n 1) y
es un escalar.
En otras palabras, dada un matriz cuadrada A, el problema es encontrar
un vector y un escalar que hagan valida la mencionada ecuacion.
Discutiremos el caso de dimension 3 y mencionaremos los resultados
que se pueden extender para dimensiones arbitrarias.
2.5 Vectores y valores propios de una matriz 97
Sea A una matriz de 3 3,
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
y denimos el vector incognita por el vector columna,
=
_
_
3
_
_
Entonces la ecuacion matricial se escribe
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
3
_
_
=
_
_
3
_
_
o bien,
_
_
0
0
0
_
_
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
3
_
_
_
_
3
_
_
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
3
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
3
_
_
=
_
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
_
_
3
_
_
que matricialmente se escribe
0 = (AI)
y que induce el sistema de ecuaciones lineales
_
_
0
0
0
_
_
=
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
3
_
_
es decir, el sistema homogeneo en
1
,
2
,
3
,
_
_
_
(a
11
)
1
+a
12
2
+a
13
3
= 0
a
21
1
+ (a
22
)
2
+a
23
3
= 0
a
31
1
+a
32
2
+ (a
33
)
3
= 0
98 Vectores en R
2
y R
3
Tal sistema lineal homogeneo tiene asociada a la matriz (AI), y por
el teorema 1.7, el sistema lineal homogeneo obtenido tiene soluciones no
triviales ( ,= (0, 0, 0)), si y solo s, det (A I) = 0, donde det dene la
operacion determinante de una matriz.
Caracterizamos a los escalares y a los vectores que cumplen la
condicion matricial dada inicialmente, para la matriz A.
DEFINICI
_
3 2
1 0
_
=
_
3 2
1
_
se obtiene,
det(I A) = det
_
3 2
1
_
=
2
3 + 2
lo que implica que la ecuacion caracterstica de A es
2
3 + 2 = 0
Las races de esta ecuacion son = 1 y = 2, y son los valores propios
de A.
EJEMPLO. Calcule los valores propios de la matriz
A =
_
2 1
5 2
_
Procediendo como en el ejemplo anterior se obtiene
det(I A) = det
_
+ 2 1
5 2
_
=
2
+ 1
2.5 Vectores y valores propios de una matriz 99
Con lo cual, los valores propios de A deben satisfacer la ecuacion cua-
dratica
2
+ 1 = 0.
Dado que las unicas soluciones de esta ecuacion son los n umeros ima-
ginarios = i y = i, se sigue A no tiene valores propios reales.
EJEMPLO. Encuentre los valores propios de
A =
_
_
2 1 0
3 2 4
0 0 4
_
_
Como en los ejemplos anteriores, se obtiene
det(I A) = det
_
_
2 1 0
3 2 0
0 0 4
_
_
=
3
8
2
+ 17 4
Por lo tanto, los valores propios de A deben satisfacer la ecuacion de
tercer grado
3
8
2
+ 17 4 = 0
Por inspeccion = 4 es una raz, es decir,
( 4)(
2
4 + 1) = 0
consiguientemente, las races restantes de tal c ubica satisfacen la ecuacion
2
4 + 1 = 0
la cual se puede resolver mediante la formula cuadratica.
Por tanto, los valores propios de A son
= 4 = 2
3 y = 2
3
DEFINICI
2 1 0
1 2 0
0 0 4
= (4 )(
2
4 + 3)
cuyas races son = 1, 3, 4.
Para calcular los vectores propios asociados a cada valor propio, consi-
deramos la ecuacion matricial
(AI) = 0
para cada valor de , es decir, el sistema homogeneo,
_
_
_
(2 )
1
2
= 0
1
+ (2 )
2
= 0
(4 )
3
= 0,
= (
1
,
2
,
3
).
Para = 1 se tiene el sistema
_
_
_
2
= 0
1
+
2
= 0
3
3
= 0
Notamos que la primer ecuacion es la misma que la segunda, y que
necesariamente
3
= 0. Si ponemos x = t, entonces la solucion general de
este sistema es
(
1
,
2
,
3
) = (t, t, 0) = t(1, 1, 0)
lo que indica que un vector propio asociado a = 1 es
1
=
_
_
1
1
0
_
_
Para = 3 se obtiene el sistema homogeneo
_
_
_
2
= 0
2
= 0
3
= 0
cuya solucion general es del tipo
(
1
,
2
,
3
) = (t, t, 0) = t(1, 1, 0)
2.5 Vectores y valores propios de una matriz 101
lo cual implica que un vector propio asociado a = 3 es
2
=
_
_
1
1
0
_
_
Analogamente, para = 4 se tiene el sistema lineal
_
_
_
2
1
2
= 0
1
2
2
= 0
0
3
= 0
La tercer ecuacion nos dice que
3
es arbitraria, mientras que el sistema
de 2 2 formado por las dos primeras ecuaciones tiene solo la solucion
trivial para
1
,
2
, debido a que
2 1
1 2
= 3 ,= 0
Por lo tanto, la solucion general de este ultimo sistema homogeneo es
(
1
,
2
,
3
) = (0, 0, t) = t(0, 0, 1)
lo que implica que un vector propio asociado a = 4 es
3
=
_
_
0
0
1
_
_
De esta manera, el conjunto
1
= (1, 1, 0),
2
= (1, 1, 0),
3
= (0, 0, 1)
es un conjunto de vectores propios de A.
Observamos que este conjunto es una base de R
3
debido a que
(
1
,
2
,
3
) =
1 1 0
1 1 0
0 0 1
= 2 ,= 0
EJEMPLO. Sea la matriz
A =
_
_
1 2 4
2 2 2
4 2 1
_
_
102 Vectores en R
2
y R
3
Calculamos sus vectores y valores propios.
Calculamos primeramente el determinante
0 =
1 2 4
2 2 2
4 2 1
=
3
27 54
La ecuacion c ubica obtenida tiene races enteras
1
= 6,
2
= 3,
3
=
3, donde una de ellas es doble.
El sistema lineal homogeneo para un valor propio es
_
_
_
(1 )
1
+ 2
2
4
3
= 0
2
1
+ (2 )
2
2
3
= 0
4
1
2
2
+ (1 )
3
= 0,
= (
1
,
2
,
3
).
Para el valor propio doble = 3 se tiene el sistema lineal homogeneo
en las incognitas
1
,
2
,
3
,
_
_
_
4
1
+ 2
2
4
3
= 0
2
1
+
2
2
3
= 3
4
1
2
2
+ 4
3
= 0
Al resolver por El metodo de Gauss-Jordan, se tiene,
_
_
4 2 4 0
2 1 2 0
4 2 4 0
_
_
(R
1
2R
2
) R
2
, (R
1
R
3
) R
3
_
_
4 2 4 0
0 0 0 0
0 0 0 0
_
_
que induce la unica ecuacion con tres incognitas
4
1
+ 2
2
4
3
= 0 2
1
+
2
2
3
= 0
3
=
1
+
1
2
2
Al poner
1
= t,
2
= s, la solucion general tiene la forma,
(
1
,
2
,
3
) =
_
t, s, t +
1
2
s
_
= (t, 0, t) +
_
0, s,
1
2
s
_
= t(1, 0, 1) +s
_
0, 1,
1
2
_
2.5 Vectores y valores propios de una matriz 103
Esto es, los vectores obtenidos al tomar t = 1, s = 0 y t = 0 , s = 2,
1
=
_
_
1
0
1
_
_
,
2
= 2
_
_
0
1
1
2
_
_
=
_
_
0
2
1
_
_
son vectores propios asociados a = 3.
Para el valor propio = 6 se tiene el sistema homogeneo
_
_
_
5
1
+ 2
2
4
3
= 0
2
1
8
2
2
3
= 0
4
1
2
2
5
3
= 0
que se resuelve mediante El metodo de Gauss-Jordan de la siguiente forma.
_
_
5 2 4 0
2 8 2 0
4 2 5 0
_
_
(2R
1
+ 5R
2
) R
2
, (4R
1
5R
3
) R
3
_
_
5 2 4 0
0 36 18 0
0 18 9 0
_
_
(R
2
+ 2R
3
) R
3
_
_
5 2 4 0
0 36 18 0
0 0 0 0
_
_
_
R
2
18
_
R
2
_
_
5 2 4 0
0 2 1 0
0 0 0 0
_
_
Es decir, se tiene el sistema,
_
5
1
+ 2
2
4
3
= 0
2
2
3
= 0
en el cual, si se pone
2
= t se tiene una solucion general,
(
1
,
2
,
3
) =
_
6
5
t, t, 2t
_
= t
_
6
5
, 1, 2
_
De esta forma, tomando t = 5, se tiene el vector
3
= 5
_
_
6/5
1
2
_
_
=
_
_
6
5
10
_
_
104 Vectores en R
2
y R
3
que es un vector propio asociado a = 6.
Notamos que el sistema de vectores propios
1
= (1, 0, 1),
2
= (0, 2, 1),
3
= (5, 6, 10)
es una base de vectores para R
3
, debido a que
(
1
,
2
,
3
) =
1 0 5
0 2 6
1 1 10
= 24 ,= 0
EJEMPLO. Consideremos la matriz
A =
_
_
1 0 0
1 2 0
0 1 2
_
_
y procedamos a calcular sus vectores y valores propios.
Un calculo directo nos muestra que
0 =
1 0 0
1 2 0
0 1 2
= (1 )(2 )
2
lo que nos indica inmediatamente que los valores propios son
1
= 1,
2
= 2
y
3
= 2.
El sistema de ecuaciones lineales homogeneas que nos ayuda a calcular
los vectores propios es
_
_
_
(1 )
1
= 0
1
+ (2 )
2
= 0
2
+ (2 )
3
= 0
De esta forma, para el valor propio = 1 se tiene el sistema lineal,
_
_
_
0
1
= 0
1
+
2
= 0
2
+
3
= 0
lo que nos indica que
1
es arbitrario y que
2
=
1
,
3
=
1
. En otras
palabras, la solucion general es
(
1
,
2
,
3
) = (t, t, t) = t(1, 1, 1)
2.5 Vectores y valores propios de una matriz 105
y por lo tanto,
1
=
_
_
1
1
1
_
_
es un vector propio asociado a = 1.
Para el caso = 2 se tiene el sistema lineal
_
_
_
1
= 0
1
+ 0
2
= 0
2
+ 0
3
= 0
_
_
_
1
= 0
0
2
= 0
2
+ 0
3
= 0
lo que nos indica, de la primera ecuacion que
1
= 0, de la tercera que
2
= 0 y que
3
es arbitrario, es decir, la solucion del sistema es del tipo
general
(
1
,
2
,
3
) = (0, 0, t) = t(0, 0, 1)
De esta manera, el vector
3
=
_
_
0
0
1
_
_
es el unico vector propio asociado a = 2.
De la discusion inicial se tiene el siguiente resultado.
TEOREMA 2.2 Las siguientes proposiciones son equivalentes para una
matriz cuadrada (n n) dada.
a. A tiene un valor propio .
b. det(AI) = 0.
c. Existe un vector propio para A asociado al valor propio .
Una matriz cuadrada se dice diagonal si sus entradas que no estan
sobre su diagonal son todas identicamente nulas.
EJEMPLO. La matriz cuadrada
D =
_
_
1 0 0
0 3 0
0 0 4
_
_
es una matriz diagonal.
DEFINICI
1
0 0
0
2
0
0 0
3
_
_
Esto implica necesariamente que BD = AB.
Por un lado, se tiene
BD =
_
_
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
_
_
_
_
1
0 0
0
2
0
0 0
3
_
_
=
_
_
1
b
11
2
b
12
3
b
13
1
b
21
2
b
22
3
b
23
1
b
31
2
b
32
3
b
33
_
_
= (
1
b
1
2
b
2
3
b
3
)
donde hemos escrito a la ultima matriz mediante sus columnas.
Por otro lado, si escribimos a la matriz B mediante sus columnas, de la
multiplicacion de matrices se tiene
AB = A(b
1
b
2
b
3
) = (Ab
1
Ab
2
Ab
2
)
De esta manera, al igualar columnas en la igualdad AB = BD se ob-
tienen las igualdades
Ab
1
=
1
b
1
, Ab
2
=
2
B
2
, Ab
3
=
3
b
3
es decir, b
1
, b
2
, b
3
es un conjunto de vectores propios de A asociados a los
valores propios correspondientes
1
,
2
,
3
.
2.5 Vectores y valores propios de una matriz 107
Por otro lado, debido a que B es invertible, se cumple la relacion
(b
1
, b
2
, b
3
) =
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
,= 0
que hace de b
1
, b
2
, b
3
una base de vectores propios para R
3
. Esto demues-
tra que a. implica b.
Para probar la recproca, sean
1
,
2
,
3
los vectores propios de A
asociados a los valores propios
1
,
2
y
3
respectivamente, y sea
B = (
1
2
3
) =
_
_
1
1
2
1
3
1
1
2
2
2
3
2
1
3
2
3
3
3
_
_
Entonces B es invertible pues los vectores son linealmente independien-
tes.
Por las consideraciones anteriores se tiene que
AB = A(
1
2
3
) = (A
1
A
2
A
3
)
= (
1
1
2
2
3
3
) = (
1
2
3
)
_
_
1
0 0
0
2
0
0 0
3
_
_
= BD
donde D es la matriz diagonal, cuyas entradas diagonales son los valores
propios de A, es decir,
D =
_
_
1
0 0
0
2
0
0 0
3
_
_
De esta manera, B diagonaliza a A pues se cumple la igualdad matricial
AB = BD, o equivalentemente, B
1
AB = D. Esto termina la prueba del
teorema.
Otro resultado util para el proceso se diagonalizacion es el siguiente,
cuya prueba omitimos por ser mas tecnica.
LEMA 2.8 Si los valores propios de una matriz cuadrada A son todos
diferentes entre s, entonces los vectores propios de A conforman una base
de vectores propios.
Este resultado, junto con el teorema 2.3, implica el siguiente que es de
gran utilidad.
108 Vectores en R
2
y R
3
TEOREMA 2.4 Si la matriz cuadrada A de n n tiene diferentes entre
s a todos sus valores propios, entonces es diagonalizable.
Esto implica necesariamente que BD = AB. Por el Lema 2.8, si los
valores propios de A son diferentes entre s, entonces los vectores propios
de A conforman una base de R
n
. Por el teorema 2.3, A es necesariamente
diagonalizable
EJEMPLO. Para la matriz cuadrada
A =
_
_
2 1 0
1 2 0
0 0 4
_
_
se obtuvieron los vectores propios
1
= (1, 1, 0),
2
= (1, 1, 0),
2
= (0, 0, 1)
asociados a los valores propios = 1,
3
= 3 y = 4 respectivamente, y
que conforman una base de R
3
.
Sea B la matriz
B =
_
_
1 1 0
1 1 0
0 0 1
_
_
que cambia la base canonica e
1
, e
2
, e
3
por la base de vectores propios
1
,
2
,
3
.
Por el teorema 1.5 se tiene que
B
1
=
_
_
1/2 1/2 0
1/2 1/2 0
0 0 1
_
_
y un calculo directo prueba que
B
1
AB =
_
_
1/2 1/2 0
1/2 1/2 0
0 0 1
_
_
_
_
2 1 0
1 2 0
0 0 4
_
_
_
_
1 1 0
1 1 0
0 0 1
_
_
=
_
_
1/2 1/2 0
3/2 3/2 0
0 0 4
_
_
_
_
1 1 0
1 1 0
0 0 1
_
_
=
_
_
1 0 0
0 3 0
0 0 4
_
_
es una matriz diagonal, con los valores propios como elementos diagonales.
Consecuentemente A es diagonalizable por la matriz B.
2.5 Vectores y valores propios de una matriz 109
El siguiente ejemplo nos muestra que una matriz A puede ser diagonal-
izable, a un sin tener todos sus valores propios distintos.
EJEMPLO. Para la matriz cuadrada
A =
_
_
1 2 4
2 2 2
4 2 1
_
_
se obtuvo una base de vectores propios
1
= (1, 0, 1),
2
= (0, 2, 1),
3
= (5, 6, 10),
asociados a los vectores propios
1
=
2
= 3 y
3
= 6 respectivamente.
Sea la matriz B dada por
B =
_
_
1 0 5
0 2 6
1 1 10
_
_
que cambia la base canonica e
1
, e
2
, e
3
por la base de vectores propios
obtenida.
Mediante El metodo de Gauss-Jordan de la seccion 1.8 se puede obtener
que
B
1
=
_
_
7/2 5/4 5/2
3/2 5/4 3/2
1/2 1/4 1/2
_
_
y un calculo directo demuestra que
B
1
AB =
_
_
7/2 5/4 5/2
3/2 5/4 3/2
1/2 1/4 1/2
_
_
_
_
1 2 4
2 2 2
4 2 1
_
_
_
_
1 0 5
0 2 6
1 1 10
_
_
=
_
_
3 0 0
0 3 0
0 0 6
_
_
En otras palabras, la matriz B diagonaliza a la matriz A.
EJEMPLO. Al considerar la matriz
A =
_
_
1 0 0
1 2 0
0 1 2
_
_
110 Vectores en R
2
y R
3
se obtuvieron los valores propios
1
= 1 y
2
= 2, y apenas dos vectores
propios correspondientes a tales valores propios
1
= (1, 1, 1),
2
= (0, 0, 1)
Como este conjunto es linealmente independiente, pero no conforma
una base de R
3
, se sigue que la matriz A no es diagonalizable.
Sobre metodos mas generales de diagonalizacion el lector interesado
puede referirse al trabajo de Anton (1981), donde encontrara mas datos.
2.6 Rectas y Planos en R
3
En esta parte introducimos los conceptos de recta y plano como objetos
contenidos en un espacio tridimensional, caracterizandolos mediante los
elementos que les denen.
Rectas en el espacio
Dados, un punto p R
n
y un vector , los puntos q de la recta L R
n
que
pasa por p y es paralela a satisfacen la ecuacion
q = p +t
para alg un n umero real t R (vease la gura 2.11).
t
p
0
q
Figura 2.11: La recta en R
n
.
DEFINICI
_
x = 2 4t
y = 4
z = 3 + 8t
w = 2 +t
t R
112 Vectores en R
2
y R
3
-1
1
1
2
2
(3,2)
(4,1)
3
3 4
e
1
e
2
e
3
1 2 4
3 6 12
= e
1
(24 24) e
2
(12 + 12) +e
3
(6 6) = (0, 0, 0)
2.6 Rectas y Planos en R
3
115
se concluye que n
1
y n
2
son paralelos, lo que implica que los planos son
paralelos.
Generalizamos la idea de angulo formado entre dos planos.
DEFINICI
Figura 2.15:
Angulo formado por dos planos en R
3
.
Los vectores normales respectivos son
n
1
= (1, 2, 3) y n
2
= (1, 2, 1)
con lo que tenemos,
[n
1
, n
2
] =
e
1
e
2
e
3
1 2 3
1 2 1
= (2 + 6, (1 3), 2 2)
= (8, 2, 4) ,= (0, 0, 0)
Por lo tanto, los normales n
1
y n
2
no son paralelos y consecuentemente
los planos se intersectan. Los puntos (x, y, z) contenidos en la interseccion
deberan satisfacer ambas ecuaciones.
116 Vectores en R
2
y R
3
Tales puntos se determinan al resolver el sistema lineal 2 3,
_
x + 2y + 3z = 1
x 2y +z = 3
el cual, al hacer z = t induce el sistema,
_
x + 2y = 1 3t
x 2y = 3 t
Utilizamos La regla de Cramer para resolver este sistema. Calculando
los determinantes, obtenemos,
D =
1 2
1 2
= 4
D
x
=
1 3t 2
3 t 2
1 1 3t
1 3 t
= (3 t) (1 3t) = 2t + 2
y de esta manera,
x =
Dx
D
=
8t 8
4
= 2t + 2
y =
Dy
D
=
2t + 2
4
=
1
2
t
1
2
Por lo tanto, la solucion del sistema (interseccion de los planos) es la
recta parametrizada
_
_
_
x = 2t + 2
y =
1
2
t
1
2
z = t
donde t R es un parametro temporal.
En particular, si t = 0 se tiene la solucion particular x = 2, y =
1
2
, z =
0, es decir, el punto
_
2,
1
2
, 0
_
esta en ambos planos, lo que se verica direc-
tamente al sustituir en las ecuaciones de los planos,
_
2 + 2
_
1
2
_
+ 3(0) = 1
2 2
_
1
2
_
+ 0 = 3
Para calcular el angulo entre los planos se calcula el angulo entre sus
vectores normales
= arccos
_
< n
1
, n
2
>
[[n
1
[[[[n
2
[[
_
= arccos
_
1 4 + 3
14
6
_
2.6 Rectas y Planos en R
3
117
es decir,
= arccos(0) =
2
lo que nos dice que los planos son ortogonales.
Es facil probar el siguiente Lema utilizando las ideas del ejemplo ante-
rior.
LEMA 2.9 Si la pareja de planos
_
a
1
x +b
1
y +c
1
z = d
1
a
2
x +b
2
y +c
2
z = d
2
no es paralela, entonces se intersectan en una recta parametrizada. M as
a un, forman el angulo dado por,
= arccos
_
< n
1
, n
2
>
[[n
1
[[ [[n
2
[[
_
donde n
1
= (a
1
, b
1
, c
1
), n
2
= (a
2
, b
2
, c
2
) son los normales respectivos.
Es un calculo directo al resolver el sistema de ecuaciones lineales dado
por los planos.
EJEMPLO. Calcular la interseccion de los planos en R
3
,
_
_
_
x y + 3z = 9
3x 5y +z = 4
4x 7y +z = 5
Resolvemos el sistema de ecuaciones de 3 3 usando La regla de
Cramer.
D =
1 1 3
3 5 1
4 7 1
5 1
7 1
3 1
4 1
+ 3
3 5
4 7
= 2
D
x
=
9 1 3
4 5 1
5 7 1
= 3
4 5
5 7
9 1
5 7
9 1
4 5
= 168
D
y
=
1 9 3
3 4 1
4 5 1
= 3
3 4
4 5
1 9
4 5
1 9
3 4
= 93
118 Vectores en R
2
y R
3
D
z
=
1 1 9
3 5 4
4 7 5
5 1
7 5
3 4
4 5
+ 9
3 5
4 7
= 7
Por lo tanto, las soluciones al sistema son
x =
D
x
D
=
168
2
= 84, y =
D
y
D
=
93
2
=
93
2
, z =
D
z
D
=
7
2
=
7
2
De esta manera, el punto donde se intersectan los planos tiene coorde-
nadas
p =
_
84,
93
2
,
7
2
_
De igual forma, para dimensiones mayores (n 3) podemos denir la
ecuacion de un plano en R
n
(hiperplano) mediante los mismos elementos,
n vector normal, p punto por donde pasa y q el vector variable, utilizando
la ecuacion
< n, p >=< n, q >
Por ejemplo, la ecuacion
6x 3y +z 2w + 3v = 8
dene un plano de dimension 4 en el espacio R
5
en el sistema de coordenadas
(x, y, z, v, w) con un vector normal n = (6, 3, 1, 3, 2).
EJEMPLO. Calcular la interseccion en R
4
de los hiperplanos de di-
mension 3, denidos por,
_
_
2x + 7y + 3z +t = 5
x + 3y + 5z 2t = 3
z + 5y 9z + 8z = 1
5x + 18y + 4z + 5t = 12
Para calcular la interseccion es necesario resolver el sistema, y lo
realizamos mediante El metodo de Gauss-Jordan.
_
_
_
_
2 7 3 1 5
1 3 5 2 3
1 5 9 8 1
5 18 4 5 12
_
_
_
_
(R
1
R
2
)
_
_
_
_
1 3 5 2 3
2 7 3 1 5
1 5 9 8 1
5 18 4 5 12
_
_
_
_
(2R
1
R
2
) R
2
,
2.6 Rectas y Planos en R
3
119
(R
1
R
3
) R
3
, (5R
1
R
4
) R
4
_
_
_
_
1 3 5 2 3
0 1 7 5 1
0 2 14 10 2
0 3 21 15 3
_
_
_
_
_
R
3
2
_
R
3
,
_
R
4
3
_
R
4
_
_
_
_
1 3 5 2 3
0 1 7 5 1
0 1 7 5 1
0 1 7 5 1
_
_
_
_
(R
3
+R
2
) R
3
, (R
4
+R
2
) R
4
_
_
_
_
1 3 5 2 3
0 1 7 5 1
0 0 0 0 0
0 0 0 0 0
_
_
_
_
De esta manera, nos queda el sistema lineal de 2 4 dado por
_
x + 3y + 5z 2t = 3
y + 7z 5t = 1
,
Tal sistema lo resolvemos por La regla de Cramer en virtud de que
D =
1 3
0 1
= 1
lo que nos asegura que el sistema
_
x + 3y = 3 5z + 2t
y = 1 7z + 5t
tiene solucion en dos variables libres z, t.
La segunda ecuacion indica la solucion para la variable y, y es suciente
con calcular solo el siguiente determinante,
D
x
=
3 5z + 2t 3
1 7z + 5t 1
= 6 + 26z 17t
De esta manera,
x =
D
x
D
=
6 + 26z 17t
1
y por lo tanto, las soluciones se escriben
_
_
x = 6 26 + 17t
y = 1 + 7z 5t
z = z
t = t
120 Vectores en R
2
y R
3
para argumentos reales arbitrarios de z y t.
Este ultimo sistema dene a un plano de dimension 2 contenido en R
4
,
esto es, la interseccion de los hiperplanos dados de dimension 3 es un plano
de dimension 2.
Distancia de un punto a un plano
Dados, un plano P y un punto p R
3
, la distancia de p al plano P es la
distancia ortogonal de p a los puntos q del plano P.
P
p
l
Figura 2.16: Distancia de un punto a un plano.
Para calcular la distancia mencionada, se procede de la siguiente ma-
nera.
Si el plano P se dene por la ecuacion
ax +by +cz = d
entonces n = (a, b, c) es un vector normal p.
Por otro lado, cuando el punto q P nos da la distancia ortogonal
buscada, entonces el vector p q es m ultiplo de n, es decir,
p q = tn
para alg un escalar t (ya que son paralelos), lo que implica que
[[p q[[ = [t[ [[n[[.
Por otro lado, al buscar q P, este punto esta en la recta con un vector
n que se une a p con q, escrita de la forma
_
_
_
x = t a +p
1
y = t b +p
2
z = t c +p
3
2.6 Rectas y Planos en R
3
121
donde p = (p
1
, p
2
, p
3
) y n = (a, b, c) es el vector director de la recta.
Buscamos entonces un escalar t tal que la recta contenga un punto q P
q satisfaciendo el sitema que dene a la recta, pero ademas q este tambien
contenido en P. Para esto, q = (x, y, z) L debe tambien satisfacer la
ecuacion del plano, es decir,
d = a(ta +p
1
) +b(tb +p
2
) +c(tc +p
3
) = t(a
2
+b
2
+c
2
) +ap
1
+bp
2
+cp
3
= (ap
1
+bp
2
+cp
3
) +t(a
2
+b
2
+c
2
)
lo que indica, al despejar t,
t =
d (ap
1
+bp
2
+cp
3
)
(a
2
+b
2
+c
2
)
=
d (ap
1
+bp
2
+cp
3
)
[[n[[
2
Por otro lado, el punto q P debe satisfacer ademas la relacion
[[q p[[ = [t[ [[n[[
siendo [[q p[[ la distancia buscada de q a p.
Si entendemos por a tal distancia, se tiene
= [t[ [[n[[ =
[d (ap
1
+bp
2
+cp
3
)[
[[n[[
2
[[n[[
lo que implica
=
[d (ap
1
+bp
2
+cp
3
)[
[[n[[
Se resume la anterior discusion en el siguiente lema.
LEMA 2.10 La distancia del punto p = (p
1
, p
2
, p
3
) al plano P denido
por la ecuaci on
ax +by +cz = d
se calcula por la f ormula
=
[d (ap
1
+bp
2
+cp
3
)[
[[n[[
donde n = (a, b, c) es el normal a P
Si p = (p
1
, p
2
, p
3
) est a en el plano, entonces satisface la ecuaci on del
plano, es decir,
0 = d (ap
1
+bp
2
+cp
3
)
y, por lo tanto, su distancia al plano P es cero.
122 Vectores en R
2
y R
3
EJEMPLO. Sea el plano P dado por la ecuacion
3x + 2y z = 1
y tomemos el punto p = (2, 5, 6).
La distancia del punto p al plano P es calculada mediante la cadena
de igualdades,
=
[ 1 [3(2) + 2(5) 6][
9 + 4 + 1
=
[ 1 10[
14
=
11
14
Ejercicios
1. Calcular < , > para cada pareja de vectores dada.
a. = (1, 2), = (3, 1)
b. = (1, 0, 1), = (1, 2, 3)
c. = (1, 2, 3), = (1, 2, 4)
d. = (1, 1, 0, 1), = (1, 0, 1, 2)
e. = (4, 2, 3, 1), = (1, 2, 3, 4)
Cuales de las parejas de vectores dados son ortogonales?
2. Calcular [[[[ y [[[[ en cada uno de los incisos del ejercicio 1.
3. Calcular el coseno del angulo formado por cada pareja de vectores y
del ejercicio 1.
4. Calcular los angulos del triangulo formado por los puntos
a. (1, 1, 1), (1, 2, 3), (3, 1, 1)
b. (1, 0, 0), (0, 1, 0), (0, 0, 1)
5. a. Calcular la proyeccion de y de todos los vectores del ejercicio 1.
b. Calcular la proyeccion de en de todos los vectores del ejercicio 1.
6. Demostrar que para dos vectores , con angulo entre ellos se cumple
la formula
[[ [[
2
= [[[[
2
+[[[[
2
2[[[[[[[[ cos
7. Calcular el producto vectorial [, ] de los vectores
a. = (2, 3, 1) = (6, 2, 3)
b. = (6, 0, 5) = (3, 0, 3)
c. = (1, 0, 1) = (1, 0, 2)
d. = (1, 2, 3) = (2, 4, 6)
Cuales de las parejas de vectores dados son paralelos?
8. Calcular el area del paralelogramo formado por los vectores y en
cada inciso del ejercicio 7.
2.6 Rectas y Planos en R
3
123
9. Calcule el volumen del paraleleppedo formado por las siguientes ternas
de vectores. Calcule primero su triple producto escalar.
a. = (2, 0, 1), = (1, 3, 2), = (4, 1, 1)
b. = (2, 1, 1), = (4, 3, 2), = (0, 0, 1)
c. = (0, 1, 1), = (0, 0, 1), = (1, 2, 3)
d. Cuales son una base de vectores en R
3
?
e. Escriba el vector (3, 4, 1) como combinacion lineal de cada base
encontrada.
10. Cuales de las siguientes matrices son diagonalizables?
a. A =
_
11 12
20 17
_
b. A =
_
2 3
1 1
_
c. A =
_
1 0
1/2 1
_
d. A =
_
1 0
6 1
_
e. A =
_
_
3 0 0
0 2 1
0 0 2
_
_
f . A =
_
_
2 0 0
0 2 2
0 2 2
_
_
g. A =
_
_
1 0 1
1 3 0
4 13 1
_
_
h. A =
_
_
2 0 2
0 3 0
0 0 1
_
_
i. A =
_
_
1 4 2
3 4 0
3 1 3
_
_
j. A =
_
_
3 0 0
1 3 0
0 1 3
_
_
Para el caso armativo, calcule la matriz B, que cambia la base canonica
por la base de vectores propios, tal que B
1
AB sea diagonal. Compruebe,
realizando el calculo, que B
1
AB es diagonal, y que los vectores propios
que conforman B son una base.
11. Encontrar la ecuacion parametrica de la recta que pasa por los puntos
indicados
a. (1, 1, 1) y (4, 3, 2)
b. (0, 1, 6) y (4, 0, 2)
c. (1, 2) y (2, 1)
d. (1, 1, 1, 1) y (4, 4, 4, 4)
12. Calcular la ecuacion parametrica de la recta por p con direccion para
cada pareja dada.
a. p = (1, 1, 1), = (2, 3, 1)
b. p = (2, 1), = (4, 2)
c. p = (2, 3, 0), = (1, 2, 3)
124 Vectores en R
2
y R
3
d. p = (0, 1, 1, 2), = (1, 3, 4, 2)
13. Dar la ecuacion de la recta que tiene un vector director que es
ortogonal a los vectores = (1, 1, 1) y = (1, 0, 1) , y que pasa por el
punto (3, 1, 2).
14. Calcular la ecuacion del plano que pasa por el punto dado p y tiene
vector normal n para cada pareja dada.
a. n = (1, 1, 2), p = (2, 3, 1)
b. n = (4, 2, 3), p = (1, 4, 1)
c. n = (1, 5, 3), p = (4, 1, 6)
15. Calcular la ecuacion del plano que pasa por los tres puntos dados
a. (1, 1, 1), (2, 1, 1), (3, 0, 1)
b. (3, 2, 1), (1, 2, 3), (2, 3, 1)
c. (4, 0, 2), (2, 1, 0), (0, 2, 3)
16. Calcular el angulo con el que se intersectan los planos
a. denidos por a. y b. en el ejercicio 14.
b. denidos por a. y b. en el ejercicio 15.
c. denidos por c. del ejercicio 14 y c. del ejercicio 15.
d.
_
x +y +x = 1
x +y z = 0
e.
_
2x y z = 3
3x +y 2z = 1
17. Calcular la interseccion de las parejas de planos dadas en todos los
incisos del ejercicio 16.
18. Calcular la ecuacion de la recta que pasa por el punto p y cuyo vector
director es el normal al plano P cuando:
a. p = (1, 1, 1) y P pasa por los puntos (1, 1, 1), (2, 3, 1), (6, 2, 0)
b. p = (1, 0, 3) y P es ortogonal a los planos
_
x y +z = 2
x +y z = 1
c. p = (2, 3, 1) y P es paralelo al plano qua pasa por los puntos
(4, 2, 1), (0, 1, 3), (1, 0, 2)
19. Calcular la interseccion de la recta L con el plano P, si
a. L y P son la recta y el plano de a. en el ejercicio 18.
b. L y P son la recta y el plano de c. en el ejercicio 18.
c. L es la recta por p = (1, 3, 4) con vector director = (2, 1, 0), y P es el
plano con ecuacion 2x y +z = 4
2.6 Rectas y Planos en R
3
125
20. Calcular la distancia del punto p al plano P si
a. p = (1, 0, 3), P : 6x 8y +z = 6.
b. p = (2, 1, 3), P : x +y +z = 2.
c. p = (4, 3, 2), P pasa por los puntos. (1, 1, 1), (0, 0, 0), (1, 1, 1)
126 Vectores en R
2
y R
3
Captulo 3
Curvas en R
2
y en R
3
3.1 Curvas suaves
En este captulo estudiamos aquellos objetos geometricos en R
3
conocidos
como curvas. Lo hacemos de dos maneras, como la imagen de una funcion
vectorial de variable real, y como objetos para los cuales localmente se
ven como una imagen de cierta funcion vectorial de variable real (curvas
parametrizadas). Iniciamos la discusion con un ejemplo.
EJEMPLO. Una recta en R
3
es un objeto que se describe por un punto
donde pasa p = (p
1
, p
2
, p
3
) y un vector director = (
1
,
2
,
3
).
Su ecuacion se describe como una relacion de tipo
: R R
3
donde a cada punto t R se asocia un vector formado por coordenadas
que son funciones reales de variable real
(t) = (x(t), y(t), z(t)),
siendo las funciones coordenadas denidas por el argumento escalar men-
cionado,
x = x(t) =
1
t +p
1
y = y(t) =
2
t +p
2
z = z(t) =
3
t +p
3
DEFINICI
( ) t
Figura 3.1: Funcion vectorial de variable real.
tal que a cada t (a, b) se le asocia un vector (t) en R
3
.
En coordenadas x, y, z de R
3
, tal asociacion se escribe
(t) = (x(t), y(t), z(t))
donde x, y, z : (a, b) R son funciones reales (denidas sobre R) de varia-
ble real t. Esto es, las funciones coordenadas se escriben
_
_
_
x = x(t)
y = y(t)
z = z(t)
, t (a, b)
En otra notacion, utilizando la base canonica e
1
, e
2
, e
3
de R
3
, pode-
mos escribir tal asociacion mediante la igualdad
(t) = x(t)e
1
+y(t)e
2
+z(t)e
3
A lo largo de este trabajo, utilizaremos preferentemente la notacion
(t) = (x(t), y(t), z(t)) que no involucra a los vectores canonicos.
EJEMPLO. Sea la funcion : R R
2
dada por la relacion
(t) = (cos t, sen t)
Es una funcion vectorial (a R
2
) con argumento escalar dado por la
variable t R.
Hacemos una asignacion de argumentos y calculamos sus valores, como
lo muestra la siguiente tabla.
3.1 Curvas suaves 129
t (t)
0 (1, 0)
/4
_
2
2
,
2
2
_
/2 (0, 1)
3
4
_
2
2
,
2
2
_
(1, 0)
(5/4)
_
2
2
,
2
2
_
(3/2) (0, 1)
(7/4)
_
2
2
,
2
2
_
2 (1, 0)
(9/4)
_
2
2
,
2
2
_
A continuacion mostramos como se consiguieron algunos elementos de
la tabla.
(0) = (cos 0, sen 0) = (1, 0)
(/4) = (cos /4, sen /4) =
_
2
2
,
2
2
_
(/2) = (cos /2, sen /2) = (0, 1)
_
3
4
_
=
_
2
2
,
2
2
_
() = (1, 0)
((5/4)) =
_
2
2
,
2
2
_
((3/2)) = (0, 1)
Observamos que todos los valores de obtenidos de esta manera estan
contenidos en el crculo unitario del plano R
2
x,y
como se muestra en la gura
3.2.
Armamos que la imagen de R bajo es completamente el crculo uni-
tario
S
1
= (x, y)[ x
2
+y
2
= 1
Para demostrar esto, sea (t) un punto en la imagen, entonces,
[[(t)[[
2
= [[(cos t, sent)[[
2
= cos
2
t + sen
2
t = 1
130 Curvas en R
2
y en R
3
(0)=(2)
()
)
)
)
)
(
(
(
( 3
5
4
4
2
4
(cos t,sen t)
Figura 3.2: Crculo unitario de S
1
por lo tanto, ya que [[(t)[[ = 1 entonces, para cualquier t R, (t) S
1
Ahora sea (x, y) S
1
y sea t el angulo que forma el vector (x, y) con el
eje x. Si sobre el crculo se localizan las coordenadas (x, y) de un punto. En
virtud de que el radio de S
1
es 1, se tienen las igualdades trigonometricas
_
x = cos t
y = sent
de donde (x, y) S
1
esta en la imagen .
De esta manera, la imagen de es un crculo unitario.
Como las funciones sen t, cos t son 2- periodicas, entonces enrrolla
al crculo S
1
en contra de las manecillas del reloj un n umero innito (nu-
merable) de veces.
EJEMPLO. Consideremos la funcion vectorial : (, ) R
2
dada
por la regla de correspondencia
(t) = (Rcos t, R sent)
donde R es un n umero real positivo.
Tendremos en este caso que, al escribir tal relacion como
(t) = (Rcos t, R sent) = R(cos t, sent)
esta es una deformacion del crculo unitario a un crculo de radio R > 0
con centro en el origen de coordenadas (vease la gura 3.3).
EJEMPLO. Sea ahora la funcion : (, ) R
2
dada por la relacion
(t) = (4 cos t, 4 sen t, 2t)
3.1 Curvas suaves 131
es la funcion que a cada t le asocia un punto en R
3
, mediante las
relaciones
_
_
x(t) = 4 cos t
y(t) = 4 sen t
z(t) = 2t
Al olvidar momentaneamente la variable z, se tiene que los puntos con
coordenadas (x, y) en la imagen de se mueven en un crculo de radio 4,
seg un el ejemplo anterior. La variable z solo se mueve con su direccion,
dirigiendose positivamente.
Esto nos dice que la imagen (t) esta contenida en la supercie dada
por x
2
+y
2
= 16 que es un cilindro circular de radio 4 con directriz del eje
z.
Al evaluar en los extremos del intervalo [0, 2] se obtienen los puntos
(Rcos t,Rsen t)
R
1
Figura 3.3: Crculo de radio R.
(0) = (4, 0, 0)
(2) = (4, 0, 4)
que quedan verticalmente situados en direccion del eje z, y a una distancia
(vertical) igual al 4, lo que nos dice que la imagen de es una helice de
radio 4 y con paso de altura 4 (que se repite a intervalos de t iguales a
2) como lo muestra la gura 3.4.
Iniciamos ahora la discusion de la diferenciabilidad de una curva es-
pacial, utilizando para ello los conceptos y resultados clasicos del calculo
diferencial en una variable (vease Reyes, 1996).
132 Curvas en R
2
y en R
3
x
y
z
( ) t
(0)
(2)
Figura 3.4: Helice de radio 4 con paso de altura 4.
Sea : (a, b) R
3
una funcion vectorial de variable real denida en el
intervalo (a, b) R.
Sean t
0
, t (a, b) con el argumento temporal variable t proximo del
tiempo prejado t
0
.
Calculamos la diferencia entre sus vectores imagenes (t)(t
0
) y luego
la comparamos va un cociente con la diferencia de argumentos (lo cual es
posible pues podemos dividir vectores entre escalares).
(t) (t
0
)
t t
0
_
=
diferencia de imagenes
diferencia temporal
_
Si pensamos en las imagenes como posiciones de un cuerpo puntual que
se mueve en el espacio, tal cociente representara un vector velocidad
promedio en el intervalo [t
0
, t], y el proceso de lmite nos dara un vector
velocidad instantanea (en caso de existir) al tiempo t
0
.
Denimos tal proceso de lmite en el espacio, mediante los lmites de las
funciones coordenadas que son ya de conocimiento del calculo diferencial
de funciones reales de variable real.
DEFINICI
-
Figura 3.6: Posicion de la imagen de la curva (t) = (t
3
t, t
2
1)
Ahora realizamos un analisis cualitativo de , usando su derivada
(t) = (3t
2
1, 2t)
3.1 Curvas suaves 137
mediante un metodo similar al usado para la signatura de en el plano.
Para la primer coordenada x(t) de (t) se tiene
x(t) = 3t
2
1 > 0 3t
2
1 > 0 3t
2
> 1
de donde
x(t) > 0 t
_
,
3
3
_
3
3
,
_
Por lo tanto,
x(t) = 3t
2
1 < 0 t
_
3
3
,
3
3
_
Analogamente, para la segunda coordenada de (t),
y(t) = 2t > 0 x (0, )
y(t) = 2t < 0 x (, 0)
De las dos desigualdades anteriores se consiguen los puntos importantes
t = 0,
3
3
,
3
3
.
Ahora calculamos la imagenes bajo y de estos puntos importantes:
(0) = (0, 1)
3
3
_
=
_
2
3
9
,
2
3
_
3
3
_
=
_
2
3
9
,
2
3
_
(0) = (1, 0)
_
3
3
_
=
_
0,
2
3
3
_
_
3
3
_
=
_
0,
2
3
3
_
La gura 3.6 ilustra a tales puntos y a sus vectores velocidad (tangentes)
correspondientes.
138 Curvas en R
2
y en R
3
Con los intervalos
_
,
3
3
_
,
_
3
3
, 0
_
,
_
0,
3
3
_
,
_
3
3
,
_
obtenidos mediante este segundo analisis se forma la siguiente tabla que
describe la signatura de las coordenadas de (t) = ( x), y(t)).
_
,
3
3
_ _
3
3
, 0
_ _
0,
3
3
_ _
3
3
,
_
x(t) + +
y(t) + +
(t)
La echa del renglon correspondiente a (t) en cada subintervalo des-
cribe cualitativamente la posicion del vector velocidad tangente a (t)
(vease la gura 3.6).
Ademas, observamos que la imagen de tiene una autointerseccion en
(1) = (1) lo que le hace ser una funcion que no es inyectiva. En el
punto (1) = (1) = (0, 0) se tienen dos vectores derivadas
(1) = (3t
2
1, 2t)[
1
= (2, 2)
(1) = (3t
2
1, 2t)[
1
= (2, 2)
De esta forma un trazo de la curva en una region acotada alrededor de
(0, 0) estara dado por la gura 3.6.
Hacemos el analisis a los extremos del dominio J = (, ).
Si t , entonces,
lim
t
(t) = lim
t
(t
3
t, t
2
1) = ( lim
t
(t
3
t), lim
t
(t
2
1)) (, )
por El teorema de alto orden (vease Teorema 2.23 de Reyes, 1996).
Analogamente, si t +, entonces, por el mismo teorema de alto
orden, se tiene
lim
t+
(t) = ( lim
t+
t
3
, lim
t+
t
2
) (, )
lo que se puede observar en la gura 3.6.
A los vectores derivadas (t) se les entendera tambien como vectores
velocidad de en el punto (t). A la longitud de (t), es decir a [[ (t)[[
se le llamara la rapidez de en el punto (t).
3.1 Curvas suaves 139
EJEMPLO. (La c uspide) Sea la funcion vectorial dada por
(t) = (t
3
, t
2
)
Es claro que el dominio de la curva es J = (, ).
Asignamos primeramente algunos argumentos a la funcion calculando
sus valores, y obteniendo la siguiente tabla.
t 3 2 1 0 1 2 3
(t) (27, 9) (8, 4) (1, 1) (0, 0) (1, 1) (8, 4) (27, 9)
Procedemos de forma analoga al ejemplo anterior, estudiando la signa-
turas de la funcion y su derivada.
Para la primer funcion coordenada, resolvemos la desigualdad x(t) =
t
3
0 que simplemente es equivalente a t 0.
Por lo tanto,
x(t) = t
3
0 t [0, ]
y consecuentemente,
x(t) = t
3
< 0 t [, 0)
Analogamente para la segunda coordenada, obtenemos,
y(t) = t
2
0 t (, )
Evaluamos los puntos importantes encontrados, que es apenas t = 0,
(0) = (0, 0)
y con los subintervalos obtenidos se tiene la tabla de signatura de (t),
(, 0) (0, )
x(t) +
y(t) + +
Analizamos la signatura de la derivada de la curva,
(t) = (3t
2
, 2t)
resolviendo primeramente la desigualdad,
x(t) = 3t
2
> 0 t (, 0) (0, )
140 Curvas en R
2
y en R
3
Por otro lado,
y = 2t > 0 t (0, )
y(t) = 2t < 0 t (, 0)
y se tiene en este caso, nuevamente el punto importante t = 0.
Calculemos las imagenes bajo y de este punto importante
(0) = (0, 0)
(0) = (0, 0)
que hace de (t) una curva irregular.
Ahora con los intervalos (, 0), (0, ) se forma la siguiente tabla de
signaturas de las componentes de los vectores velocidad,
(, 0) (0, )
x(t) + +
y(t) +
(t)
Finalmente, hacemos el analisis a los tiempos extremos del dominio
J = (, ), calculamos los lmites,
lim
t
(t) = lim
t
(t
3
, t
2
) = ( lim
t
t
3
, lim
t
t
2
) (, )
y
lim
t
(t) = lim
t
(t
3
, t
2
) = ( lim
t
t
3
, lim
t
t
2
) (, )
La gura 3.7 ilustra el trazo de la curva imagen de esta funcion llamada
c uspide.
Damos ahora unas propiedades aritmeticas de la derivada de funciones
vectoriales con argumento escalar.
LEMA 3.2 Sean
1
,
2
: (a, b) R
3
dos funciones vectoriales suaves de
variable real.
a. Para los escalares , R, se verica f acilmente que
d
dt
(
1
+
2
)(t) =
d
1
dt
(t) +
d
2
dt
(t) =
1
(t) +
2
(t)
b. Para una funci on real de variable real suave = (t) denida en el
intervalo (a, b) R es justa la relaci on
d
dt
((t)(t)) =
d
dt
(t)(t) +(t)
d
dt
(t) =
(t)(t) +(t) (t)
3.1 Curvas suaves 141
x
y
(0,0)
Figura 3.7: Curva imagen de la c uspide.
Son calculos directos y omitimos su prueba .
Sean ahora dos funciones vectoriales suaves
1
,
2
: (a, b) R
3
en todo
el intervalo, y consideremos para cada t (a, b) los vectores velocidad
1
(t),
2
(t). Se tiene el siguiente resultado acerca del calculo de la derivada
en productos escalar y vectorial.
LEMA 3.3 Si
1
,
2
: (a, b) R
3
son funciones suaves, son justas las
f ormulas de Leibniz:
a.
d
dt
<
1
(t),
2
(t) >=
_
d
1
dt
(t),
2
(t)
_
+
_
1
(t),
d
2
(t)
dt
_
b.
d
dt
[
1
(t),
2
(t)] =
_
d
1
dt
(t),
2
(t)
_
+
_
1
(t),
d
2
dt
(t)
_
c.
d
dt
(
1
(t),
2
(t),
3
(t)) =
_
d
1
dt
(t),
2
(t),
3
(t)
_
+
_
1
(t),
d
2
dt
(t),
3
(t)
_
+
_
1
(t),
2
(t),
d
3
dt
(t)
_
= (
1
,
2
,
3
) + (
1
,
2
,
3
) + (
1
,
2
,
3
)
donde ( , , ) es el triple producto escalar.
Son igualmente calculos directos y se omiten.
EJEMPLO. Sean las curvas espaciales suaves
1
(t) = (cos t, sen t, 2(t)) y
2
(t) = (4t
2
, 2t, t)
142 Curvas en R
2
y en R
3
Ya que
1
(t) = (sent, cos t, ) y
2
(t) = (8t, 2, 1) se tiene que
a.
d
dt
<
1
,
2
>=<
1
,
2
> + <
1
,
2
>
=< (sent, cos t, 2), (4t
2
, 2t, t) > + < (cos t, sent, 2t), (8t, 2, 1) >
= 4t
2
sent + 2t cos t 2t + 8t cos t + 2sent 2t
= (2 4t
2
)sen t + 10t cos t 4t
b. De igual forma,
d
dt
[
1
,
2
] = [
1
,
2
] + [
1
,
2
]
=
e
1
e
2
e
3
sent cos t 2
4t
2
2t t
e
1
e
2
e
3
cos t sent 2t
8t 2 1
( ) t
Figura 3.8: Curva regular parametrizada.
En coordenadas (x, y, z) del espacio cartesiano, la curva (t) esta de-
nida por el vector
(t) = (x(t), y(t), z(t)) t J,
donde las coordenadas x(t), y(t), z(t) son funciones reales suaves denidas
en el intervalo J = (, ) que contiene a t = 0 (vease la gura 3.8).
En adelante, cada vez que hagamos referencia al dominio de parame-
trizacion de una curva alrededor de un punto p lo deniremos por [a, b]
en lugar de (, ), tomando en este caso, el dominio mas amplio para
parametrizar tal curva .
Esto es, cada vez que demos una curva , la entenderemos, sin perdida
de generalidad, como la imagen de una funcion
: [a, b]
donde [a, b] R, siendo una funcion suave con coordenadas suaves.
Para : [a, b] curva regular parametrizada, en cada punto (t)
se dene un vector tangente a en tal punto, como el vector derivada
de en t, esto es,
= v(t) =
_
dx
dt
,
dy
dt
,
dz
dt
_
La notacion = (t) es muy conveniente, como ya hemos mencionado,
a la hora de hacer calculos, sobre todo en problemas de aplicacion.
144 Curvas en R
2
y en R
3
A continuacion damos ejemplos de parametrizaciones de curvas R
3
(o R
2
).
EJEMPLO. Considere la elipse en el plano con semieje mayor a > 0 y
semieje menor b, denida por la ecuacion
:
x
2
a
2
+
y
2
b
2
= 1
Una deformacion del crculo unitario
x
2
+y
2
= 1,
parametrizado por t (cos t, sent), por un escalar a en la primera coorde-
nada, y por el escalar b en la segunda coordenada, nos da la parametrizacion
requerida.
Esto es,
:
_
x = a cos t
y = b sent,
t R
parametriza suavemente a la elipse . Si escribimos (t) = (a cos t, b sen t),
entonces el vector tangente a en el punto (t) se calcula por
v(t) = (t) = (a sen t, b cos t)
Como v(t) ,= 0, entonces resulta ser una curva regular.
EJEMPLO. Sea R
3
una helice contenida en un cilindro de radio 4 y
con paso de altura h = 4.
Para poder parametrizar a , partimos de que una helice contenida
en un cilindro de radio R y paso de altura h = 2k tiene la parametrizacion
general
= v(t) = t (Rcos t, Rsent, kt), t R
Si R = 4 y h = 4 = 2(2), entonces k = 2, lo que lleva a que la
parametrizacion de esta bien denida por
:
_
_
x = 4 cos t
y = 4 sen t
z = 2t
Si se dene por (t) = (4 cos t, 4 sent, 2t), t R, a tal curva, entonces el
vector tangente en el punto (t) esta descrito por
v(t) = (t) = (4 sen t, 4 cos t, 2),
vector que no se anula. Esto hace que la helice sea una curva regular.
3.1 Curvas suaves 145
EJEMPLO. Sea el crculo de radio R > 0 con centro en el origen de
coordenadas dado por
: (x, y)[ x
2
+y
2
= R
2
e
1
e
3
e
3
2t 3t
2
4t
3
2 6t 12t
2
= e
1
(36t
4
24t
4
) e
2
(24t
3
8t
3
)
+e
3
(12t
2
6t
2
) = (12t
4
, 16t
3
, 6t
2
)
Consideremos ahora cualquier curva = (t) tal que tenga una norma
constante (por ejemplo (t) = (Rcos t, Rsent) el crculo de radio R), esto
es, para todo t J, tenemos que
[[(t)[[ = k
donde k es una constante no negativa.
Ya que k = [[(t)[[, entonces
k
2
= [[(t)[[
2
=< (t), (t) >
de donde, al derivar cada miembro respecto al tiempo t obtenemos
0 =
d
dt
< (t), (t) >=< , (t) > + < (t), (t) >
= 2 < (t), (t) >
es decir,
< (t), (t) >= 0
lo que nos dice que (t) y son ortogonales.
As, utilizando este razonamiento para aquellas curvas con vectores ve-
locidad con norma constante [[ (t)[[ = k se tiene,
148 Curvas en R
2
y en R
3
Las curvas suaves que tienen rapidez constante son tales que sus vectores
velocidad y aceleraci on son ortogonales.
EJEMPLO. Sea la curva circular espacial
(t) = (4 cos t, 4 sen t, 6)
El vector velocidad se calcula
(t) = (4 sen t, 4 cos t, 0)
cuya norma es [[ (t)[[ = 4.
Por lo tanto, el vector velocidad (t) es ortogonal al vector aceleracion
(t) = (4 cos r, 4sent, 0)
debido a la discusion anterior, y como se puede apreciar mediante el calculo
directo,
< (t), (t) >= 16 cos t sent 16 cos t sen t = 0
Ejercicios
1. Dibujar la graca en R
2
o R
3
seg un corresponda, de las funciones
a.
1
(t) = (3t, 4sent)
b.
2
(t) = (cos t, t + 2sent)
c.
3
(t) = (t
2
2t, t
2
+ 2t)
d.
4
(t) = (e
t
cos t, e
t
sent)
e.
5
(t) =
_
1
t
cos t,
1
t
sent
_
f.
6
(t) =
_
1+t
t
cos t,
1+t
t
sent
_
, t 1
g.
7
(t) = (cos t, sent, t)
h.
8
(t) = (4 cos t, 4sent, e
t
)
2. a. Calcule la derivada de las funciones del ejercicio 1.
b. Calcular el vector tangente a cada curva en los puntos t = 1, t =
/2, t = .
3. Calcular, para las curvas del ejercicio 1,
a.
d
dt
<
1
(t),
2
(t) >
b.
d
dt
[
3
(t),
4
(t)]
c.
d
dt
(
1
(t),
5
(t),
6
(t)).
4. Calcular (t) para cada curva en 1. y el vector aceleracion en los puntos
t = 1, t =
2
y t = .
Captulo 4
Campos escalares en R
3
En este captulo hacemos el analisis cualitativo de una funcion de varias va-
riables reales, generalizando algunos conceptos conocidos ya para funciones
reales de una variable real.
4.1 Regiones en R
2
y R
3
Iniciamos esta seccion describiendo los objetos geometricos en R
n
que van
a ser utilizados a lo largo del captulo. Estos objetos gozan de carac-
tersticas que son usadas para estudiar las propiedades de funciones que
estan denidas en subconjuntos del espacio euclidiano R
n
.
En general, en la teora diferenciable de funciones reales de variable real,
los dominios se presumen de la forma
D = (a, b)
es decir, intervalos abiertos.
Al intervalo (a, b) se le llama abierto pues no contiene las orillas a, b.
Generalizamos este concepto de conjunto abierto en R
3
.
Si p R
n
y > 0 es un n umero real positivo, se dene la bola de radio
y centro en p, como el conjunto solido
B
(p) = q R
n
[ [[q p[[ <
DEFINICI
(p)
150 Campos escalares en R
3
n
B (p)
p
Figura 4.1: Conjunto abierto en R
n
.
Vease la gura 4.1.
EJEMPLO. Todo intervalo abierto (a, b) R es un intervalo abierto.
Esto ya se demostro anteriormente, notando que en el caso unidimen-
sional una bola corresponde a un intervalo.
B
(p)
EJEMPLO. Sea R
2
la parte del plano denido por
= (x, y)[ x > y
El conjunto es abierto en R
2
(vease la gura 4.2).
EJEMPLO. Sea R
2
el subconjunto dado por
= (x, y)[ x
2
+y
2
> 4
4.1 Regiones en R
2
y R
3
151
x
y
y=x
Figura 4.2: Semiplano inferior x > y.
Claramente es un subconjunto abierto en R
2
.
EJEMPLO. Sea el conjunto
= (x, y, z)[ x
2
+y
2
< z
2
R
3
que dene el interior de un cono. Se arma que es un conjunto abierto en
R
3
.
Al considerar la igualdad
x
2
+y
2
= z
2
tal ecuacion describe a un cono y dene el interior del cono como lo
muestra la gura 4.3.
EJEMPLO. Sea el conjunto = (x, y, z) [ x
2
+y
2
> 1 R
3
.
Entonces es un conjunto abierto en R
3
y es el exterior del cilindro
unitario (vease la gura 4.4).
DEFINICI
4.1 Regiones en R
2
y R
3
153
es un conjunto cerrado en R
3
.
e. El interior del cilindro unitario, incluyendo al cilindro
C = (x, y, z) [ x
2
+y
2
1
es un conjunto cerrado de R
3
.
Es claro que existen subconjuntos de R
n
que no son ni abiertos ni cerra-
dos. Por ejemplo D = (1, 2] es un intervalo que no es abierto ni cerrado
en R.
Sea R
3
un subconjunto. Se dice que el punto q R
3
es punto
frontera de si toda bola con centro en p intersecta a y al complemento
de .
Al conjunto contenido en R
n
denido por
= p R
n
[ p es frontera de
se llamara frontera de en R
n
.
Damos algunos ejemplos de fronteras de conjuntos.
EJEMPLO.
a. La frontera de = (a, b) es el conjunto formado por la pareja de puntos,
(a, b) = a, b
b. La frontera del conjunto cerrado C = (x, y)[ x y es la misma que la
de su complemento, el abierto = (x, y)[ x > y y es la recta
C = = (x, y)[ x = y
Tal conjunto esta contenido en el cerrado C y no pertenece al subcon-
junto abierto .
c. La frontera del abierto = (x, y)[ x
2
+y
2
< 4 es la misma que la del
cerrado C = (x, y)[ x
2
+y
2
4 y la constituye el conjunto cilndrico
= C = (x, y) [ x
2
+y
2
= 4
que esta contenido en el cerrado C.
d. Dados los conjuntos = (x, y, z) [ x
2
+ y
2
< z
2
abierto, y C =
(x, y, z) [ x
2
+y
2
z
2
cerrado, tenemos
C = = (x, y, z) [ x
2
+y
2
= z
2
p
f
f(p)
Figura 4.6: Funcion vectorial f : R
n
R.
En coordenadas x, y, z del espacio R
3
esta asociacion se escribe, para el
punto p = (x, y, z),
f(p) = f(x, y, z)
Esto es, si (x, y, z) , bajo la funcion f se le asociara el n umero real
(x, y, z) f(x, y, z)
En adelante, usaremos indistintamente los nombres de funcion real de
variable vectorial y campo escalar.
DEFINICI
= (x, y, z)[ z = x
2
+y
2
(0,0,2)
Figura 4.8: Graca de f(x, y) =
_
4 x
2
y
2
.
La graca de f es el conjunto cerrado
Graf (f) = (x, y,
_
4 x
2
y
2
) [ x
2
+y
2
4
Si ponemos z =
_
4 x
2
y
2
entonces, al elevar cuadrados obtenemos
z
2
= 4 x
2
y
2
de donde,
x
2
+y
2
+z
2
= 4
que es una esfera de radio 2 con centro (0, 0, 0).
De esta manera, la graca de f es la parte superior de tal esfera como
lo muestra la gura 4.8.
z
z
1
1
1
1
x
y
(x,y)
3
c), (0,
c, 0), (
c), (0,
c) y
asntotas y = x.
b. Para el valor c = 0, el corte de la graca Graf(f) con el plano horizontal
z = 0 corresponde al par de rectas y = x en el plano R
2
x,y
.
c. Para el valor c > 0, el corte de la graca Graf(f) con el plano horizontal
z = 0 corresponde a una hiperbola en el plano R
2
x,y
en direccion del eje x,
con vertices en (
c, 0), (
x
2
4c
2
x
2
2c
=
1
1 4c
2
2c
x
que corresponde a ecuaciones de rectas por el origen cuya pendiente de-
pende del valor de c.
Tales valores de c estan condicionados a que 14c
2
0 , es decir, a que
1
2
c
1
2
. Las curvas de nivel, que realmente no pasan por (0, 0), estan
trazadas en la gura 4.13 para ciertos valores de c. Claramente es difcil
realizar el dibujo de la graca con estos elementos en virtud de que el haz
de lneas obtenidas al ser levantados a sus valores respectivos dicultan su
pegado continuo, ademas de la aparicion del punto singular p = (0, 0).
La traza de la graca de f realizada por el programa de Mathematica
se muestra en la gura 4.13 que describe su complejidad cerca del punto
singular.
c>0
c>0
c<0
c<0
x
y
z
Figura 4.13: Curvas de nivel y gracas de f(x, y) =
xy
x
2
+y
2
.
EJEMPLO. Consideremos el campo escalar cuartico
f(x, y) = x
4
y
4
4xy
164 Campos escalares en R
3
Para el valor c R, los puntos (x, y) f
1
(c) deberan satisfacer la
ecuacion
x
4
+y
4
4xy = c.
Tal ecuacion no es a primera vista reconocida y, de hecho, la forma de las
curvas de nivel varan seg un el valor c. En el captulo 9 (de los apendices)
buscaremos tales curvas de nivel utilizando un analisis cualitativo de la
funcion alrededor de los llamados puntos crticos, que determinan local-
mente (alrededor de ellos) la estructura de las curvas de nivel. De hecho
mostraremos las siguientes propiedades de la funcion f.
a. Si c < 2 entonces f
1
(c) es vaco, es decir, solo cuando c 2 el
conjunto de nivel f
1
(c) es no vaco.
b. Cuando c = 2 la curva de nivel es la pareja de puntos crticos
aislados
f
1
(2) = (1, 1), (1, 1)
c. Cuando 2 < c < 0, la curva de nivel f
1
(c) esta compuesta por una
pareja de curvas cerradas que encierran a los puntos crticos mencionados
en b.
d. Cuando c = 0 la curva de nivel f
1
(0) es una curva que se autointersecta
en (0, 0) en forma de ocho y que en cada uno de sus petalos encierra las
parejas de curvas mencionados en c.
e. Cuando c > 0 la curva de nivel f
1
(c) es un circuito cerrado que encierra
a la gura de ocho dada por f
1
(0).
Cabe resaltar que una prueba contundente de todos los resultados men-
cionados en este ejemplo seran provistos por la teora basica de la rama de
las matematicas conocida como Geometra Algebraica.
La gura 4.14 ilustra las curvas de nivel de la funcion y su graca
trazada por el programa de Mathematica.
La moraleja de los ultimos ejemplos es que, en general, no es simple ni
siquiera construir las curvas de nivel de una funcion .
Mas a un, ya teniendo las curvas de nivel de una funcion (vertebras de
la graca), en muchas ocasiones no es facil construir su graca (columna
vertebral).
Lo recomendable, entonces, durante el analisis de un campo escalar de
dos variables, es el uso de un programa de gracacion ejecutado por un
ordenador.
Para el caso de una funcion de tres variables, la construccion de su
graca es imposible debido a que esta sumergida en un espacio real de
dimension cuatro, objeto que no es simple dibujar.
4.4 Derivadas parciales y el gradiente 165
(-1
,-1
)
(0
,0
)
(1
,1
)
z
Figura 4.14: Curvas de nivel y graca de f(x, y) = x
4
+y
4
4xy.
4.4 Derivadas parciales y el gradiente
A continuacion iniciamos el estudio de la propiedad de diferenciabilidad de
un campo escalar denido en una region del espacio R
3
(o R
2
).
Sean, f : R una funcion real de variable vectorial denida en la
region R
3
, y p = (x
0
, y
0
, z
0
) un punto arbitrario. Si dejamos jas
las coordenadas y
0
, z
0
y variamos la variable x
0
en el intervalo [x
0
, x
0
+h]
podemos formar el cociente (parcial)
f(x
0
+h, y
0
, z
0
) f(x
0
, y
0
, z
0
)
h
y tomar el lmite cuando h 0 (vease la gura 4.15).
DEFINICI
1 e
xy
z
170 Campos escalares en R
3
d. f(x, y) = ln
_
1 x
1/3
+
1
y
2
_
e. f(x, y, z) = arctan(y/x +z)
f. f(x, y, z) = x
y
2
+ln(z+x)
Un resultado inmediato cuya prueba tampoco realizaremos es el si-
guiente, referente, a la aritmetica de las funciones diferenciables.
LEMA 4.2 La suma (y diferencia), el producto y el cociente de funciones
reales de variable vectorial que son diferenciables, es una funci on diferen-
ciable
EJEMPLO. Las siguientes funciones son diferenciables en todo su dominio
natural.
a. f(x, y, z) = 6xyz
2
+
xy+z
x
2
+y
2
+3z
b. f(x, y, z) = sen
1 +e
xy
z + ln
_
1
3
xy +
z
y
2
_
c. f(x, y, z) = arctan
_
y
x
_
+x
yz
+ ln(z +x)
4.5 La regla de la cadena
En muchas ocasiones algunos problemas que involucran funciones de varia-
ble vectorial pueden reducirse a problemas de funciones reales de variable
real que son mas simples de estudiar, mediante la composicion con cur-
vas contenidas en las regiones donde estan denidas tales funciones. A
continuacion damos el procedimiento.
Sean, f : R una funcion diferenciable en todo punto de la region
R
3
, y : (a, b) una curva diferenciable. Entonces la composicion
f : (a, b) R
es una funcion real de variable real denida por,
(f )(t) = f((t))
EJEMPLO. Sean, el campo escalar,
f(x, y, z) = xe
yz
+ye
zx
y la curva diferenciable
(t) = (4 cos t, 4 sen t, 2t).
4.5 La regla de la cadena 171
-1
(c)
f
f
f
p
p
q
q
Figura 4.16: Gradiente de una funcion.
Entonces
(f )(t) = f((t)) = f(4 cos t, 4 sent, 2t)
= 4 cos te
(4sent)(2t)
+ 4sent e
(2t)(4 cos t)
= 4e
8tsent
cos t + 4e
8t cos t
sent
es decir,
(f )(t) = 4e
8tsent
cos t + 4e
8t cos t
sent
resulta ser una funcion real de variable real, diferenciable.
EJEMPLO. Sean la funcion
f(x, y) = ln(xy)
y la curva diferenciable (t) =
_
t,
1
t
2
_
con t > 0.
Calculamos el dominio de f,
xy > 0, si y solo s,
_
_
_
x > 0 y y > 0
o
x < 0 y y < 0
lo que nos dice que la union de cuadrantes positivo (estricto) y negativo
(estricto)
= (x, y) [ (x > 0, y > 0), (x < 0, y < 0)
es el dominio de f, y que la curva
(t) = (t, 1/t
2
), t > 0
esta contenida en .
172 Campos escalares en R
3
f( (t))
(t)
f
f
( (
a
t
b
O
Figura 4.17: Regla de la cadena.
Entonces, la composicion (f )(t), que resulta ser una funcion diferen-
ciable, se calcula por
(f )(t) = f((t)) = f(t, 1/t
2
) = ln(t 1/t
2
) = ln(1/t) = ln t
Damos una formula para calcular la derivada de una composicion de
funciones como la que se ha mencionado (vease la gura 4.17).
TEOREMA 4.3 (Regla de la cadena) Para una curva suave (t) y
una funci on diferenciable f(x, y, z) se cumple la f ormula
d(f )
dt
(t) =< f
(t)
,
(t) >
que es la derivada de la composici on f en el tiempo t.
Esto es, en coordenadas x, y, z del espacio se tiene
d(f )
dt
(t) =
__
f
x
((t)),
f
y
((t)),
f
z
((t))
_
,
_
dx
dt
,
dy
dt
,
dz
dt
__
=
f
x
dx
dt
+
f
y
dy
dt
+
f
x
dz
dt
Sea t (a, b) un punto arbitrario y considerese el incremento vectorial
h = (t +s) (t)
Es claro que h (0, 0, 0) si s 0.
4.5 La regla de la cadena 173
En virtud de que f es diferenciable, particularmente en el punto vecto-
rial (t), se cumple que
f((t) +h) f((t)) =< f
(t)
, h > +[[h[[g(h)
donde lim
h(0,0,0)
g(h) = 0, siendo h cualquier incremento vectorial.
Si se toma h = (t +s) (t), entonces se tiene
f((t +s)) f((t)) =< f
(t)
, (t +s) (t) > +[[(t +s) (t)[[g(h)
que al dividir entre el incremento s nos da
((t +s) f((t))
s
=
_
f
(t)
,
(t +s) (t)
s
_
+
(t +s) (t)
s
g(h)
Si tomamos el lmite cuando s 0 se tiene que
d(f )
dt
(t) = lim
s0
f((t +s)) f((t))
s
=
_
f
(t)
, lim
s0
(t +s) (t)
s
_
+
lim
s0
(t +s) (t)
s
lim
h0
g(h) =
f
(t)
, (t)
_
+[[ (t)[[ lim
h0
g(h)
=< f
(t)
, (t) >
debido a que lim
h(0,0,0)
g(h) = 0.
EJEMPLO. Sea la funcion diferenciable
f(x, y) = x
2
+ 2xy
y sean x = r cos , y = r sen con [0, 2].
Al formar la funcion g(r, ) = f(r cos , r sen) se tiene, al derivar
la funcion g respecto a su variable verdadera r,
g
r
=
f
x
dx
dr
+
f
y
dy
dr
= (2x + 2y)(cos ) + (2y)(sen)
= 2r cos
2
+ 2rsencos + 2r cos sen = 2r cos
2
+ 4 sencos
Si es variable tambien, entonces, al derivar la funcion g respecto a su
variable explcita , se tiene que
g
=
f
x
dx
d
+
f
y
dy
d
= (2x + 2y)(rsen ) + (2x)(r cos )
174 Campos escalares en R
3
= (2r cos + 2r sen)(r sen) + 2r cos r cos
= 2r
2
sencos 2r
2
sen
2
+ 2r
2
cos
2
EJEMPLO. Considere el campo escalar de tres variables
w = f(x, y, z) = e
xy
cos z
y las funciones
_
_
_
x = tu
y = sen(tu)
z = u
2
Al calcular la variacion de w respecto a t se tiene,
w
dt
=
f
x
x
t
+
f
y
y
t
+
f
z
z
t
= (ye
xy
cos z)u + (xe
xy
cos z)ucos(tu) (e
xy
senz)(0)
= ue
xy
cos z[y +xcos(tu)] = ue
tusen (tu)
cos u
2
[sen tu +tucos(tu)]
EJEMPLO. Dada la funcion
u = f(x
2
y, xy)
calcular las derivadas parciales,
u
x
,
u
y
Construimos variables explcitas para la funcion f, dadas por
_
r = x
2
y
q = xy
Tenemos entonces que al derivar la funcion u respecto a su variable
explcita x,
u
x
=
f
r
r
x
+
r
q
q
x
=
f
r
(2x) +
f
q
(y) = 2x
f
r
+y
f
q
Por otro lado, cuando se deriva u respecto a su variable explcita y se
obtiene
u
y
=
f
r
r
y
+
f
q
q
y
=
f
r
(1) +
f
q
(x) = x
f
q
f
r
4.5 La regla de la cadena 175
EJEMPLO. Sea la funcion
g(t, x, y) = f(t
2
x, ty)
Calcular las derivadas parciales
g
t
,
g
x
,
g
y
Entendemos por u = t
2
x, v = ty a las coordenadas explcitas de f.
Entonces,
g
t
=
f
u
u
t
+
f
v
v
t
=
_
f
u
_
(2tx)
_
f
v
_
(y)
= 2tx
f
u
+y
f
v
Por otro lado,
g
x
=
f
u
du
x
+
f
v
v
x
=
f
u
(t
2
) +
f
v
(0) = t
2
f
u
Un calculo analogo prueba que,
g
y
=
f
u
u
y
+
f
v
v
y
= t
f
v
EJEMPLO. Supongase que en una habitacion R
3
esta denida una
funcion f : R tal que en cada punto p de nos da una temperatura.
Si un insecto recorre una trayectoria en tal que en cada punto de
la trayectoria la temperatura f es constante c, al conocer tal trayectoria
por (t) con t [a, b], se tiene que
f((t)) = c
Al derivar ambos lados esta ecuacion se tiene,
d
dt
f((t)) = 0
pero, por la regla de la cadena esto implica que
f
(t)
, (t)
_
= 0
Lo anterior nos dice que los vectores gradiente f
(t)
y velocidad (t) son
ortogonales para todo punto (t) de la trayectoria (vease la gura 4.18).
Se dice en este caso, que el insecto realizo una trayectoria con la misma
temperatura (isotermal).
176 Campos escalares en R
3
( ) t
( ) t
( ) t
f
f
c
f
(t)
, (t)
_
Particularmente, en t = 0 se tiene
df(p +t)
dt
[
t=0
=
f
(0)
, (0)
_
= (f
p
, )
DEFINICI
(p+t )
f(p+t )
f
f(p)
Figura 4.19: Derivada direccional de f en p en la direccion .
Una notacion apropiada para conocer a la derivada direccional de la
funcion f en el punto p, en la direccion del vector es,
D
f
p
=
df
dt
(p +t) [
t=0
EJEMPLO. Sea el campo escalar
f(x, y) = x
2
+y
2
Calcular la derivada direccional de f en el punto p = (1, 3) en la direccion
= (1, 2)
Como el vector no es unitario pues [[[[ =
5, hemos de hacerlo
unitario mediante la cadena de igualdades,
=
[[[[
=
(1, 2)
5
=
_
1
5
,
2
5
_
De esta manera,
D
f
p
= f
p
, ) =
_
(2x, 2y) [
(1,3)
,
_
1
5
,
2
5
__
178 Campos escalares en R
3
=
_
(2, 6),
_
1
5
,
2
5
__
=
2
5
+
12
5
=
10
5
= 2
5
OBSERVACI
f
p
= f
p
, ) = [[f
p
[[ [[[[ cos = [[f
p
[[ cos
donde es el angulo formado por f
p
y el vector unitario , se tiene una
funcion en la variable denida por,
h() = [[f[[ cos
Sabiendo que la relacion de con esta determinada de manera biun-
voca, tenemos que
a. h tiene un valor maximo en = 0, es decir, cuando esta en el mismo
sentido y direccion que f
p
.
b. h tiene un valor mnimo en = , y se obtiene es decir, cuando esta
en direccion de f
p
pero con sentido contrario.
De esta manera, la funci on f crece m as r apidamente alrededor del punto
p en direcci on del vector gradiente f
p
, y decrece m as r apidamente en
direcci on del vector f
p
.
EJEMPLO. Sea el campo escalar
f(x, y) = x
2
+xy +y
2
De la anterior discusion, en el punto p = (1, 1) la funcion crece mas
rapidamente en direccion del vector
= f
p
= (2x +y, 2y +x)
(1,1)
= (1, 1)
4.7 El Teorema de Taylor 179
Al normalizar obtenemos el vector unitario
=
[[[[
=
(1, 1)
2
=
_
1
2
,
1
2
_
que nos permite calcular la derivada direccional en direccion de , mediante
D
f
p
=< f
p
, >=
_
(1, 1),
_
1
2
,
1
2
__
=
1
2
+
1
2
=
2
2
=
2
Por otro lado, la funcion f decrece mas rapidamente en p en la direccion
del vector = f
p
= (1, 1). La derivada direccional de la funcion f
en el punto p, en tal direccion es, en este caso,
D
f
p
=< f
p
, >=
_
(1, 1),
_
1
2
,
1
2
__
=
1
2
=
2
4.7 El Teorema de Taylor
En esta parte generalizamos El teorema de Taylor, para funciones reales
con variable vectorial que estan denidas en regiones del espacio euclidiano.
Lo hacemos apenas para funciones suaves de dos variables, suponiendo una
extension natural para el caso de mas variables.
La idea basica del teorema consiste en aproximar una funcion de cierta
clase de diferenciabilidad por un polinomio en el n umero de variables inde-
pendientes, de la misma forma que para el caso de una sola variable (vease
Reyes, 1996).
Comenzamos la seccion con el concepto de derivada parcial de orden
superior.
EJEMPLO. Sea el campo escalar diferenciable
f(x, y) = e
x
2
+y
2
Al calcular sus derivadas parciales se obtienen las nuevas funciones
f
x
(x, y) = 2xe
x
2
+y
2
= g
1
(x, y)
f
y
(x, y) = 2y e
x
2
+y
2
= g
2
(x, y)
180 Campos escalares en R
3
Claramente g
1
y g
2
tambien son funciones diferenciables y se puede
calcular sus derivadas parciales
g
1
x
(x, y) = 2e
x
2
+y
2
+ 2x2xe
x
2
+y
2
= (2 + 4x
2
)e
x
2
+y
2
g
1
y
(x, y) = 2y2xe
x
2
+y
2
= 4xye
x
2
+y
2
g
2
x
(x, y) = 2x2ye
x
2
+y
2
= 4xye
x
2
+y
2
g
2
y
(x, y) = 2e
x
2
+y
2
+ 2y 2ye
x
2
+y
2
= (2 + 4y
2
)e
x
2
+y
2
que resultan ser nuevamente funciones diferenciables.
Al omitir (por notacion) las funciones g
1
, g
2
de las ecuaciones anteriores,
estas se pueden escribir,
x
_
f
x
_
= (2 + 4x
2
)e
x
2
+y
2
y
_
f
x
_
= 4xye
x
2
+y
2
x
_
f
y
_
= 4xye
x
2
+y
2
y
_
f
y
_
= (2 + 4y
2
)e
x
2
+y
2
De ahora y en adelante, adoptaremos la siguiente notacion para las
llamadas segundas derivadas parciales de la funcion f,
x
_
f
x
_
=
2
f
xx
=
2
f
x
2
y
_
f
x
_
=
2
f
yx
x
_
f
y
_
=
2
f
xy
y
_
f
y
_
=
2
f
yy
=
2
f
y
2
4.7 El Teorema de Taylor 181
Con esta notacion, las segundas derivadas parciales de la funcion dada
f se escriben,
2
f
x
2
= (2 + 4x
2
)e
x
2
+y
2
2
f
yx
= 4xye
x
2
+y
2
2
f
xy
= 4xye
x
2
+y
2
2
f
y
2
= (2 + 4y
2
)e
x
2
+y
2
Observamos que para este caso se cumple la igualdad de las relaciones
obtenidas para las segundas derivadas parciales mixtas:
2
f
yx
=
2
f
xy
= 4xye
x
2
+y
2
DEFINICI
ON. Si la funcion f : R
2
R es tal que sus derivadas
parciales existen
f
x
: R
f
y
: R
y como funciones denidas en son continuas, se dice que la funcion es de
clase C
1
. Si ademas las funciones
f
x
,
f
y
son diferenciables y sus derivadas
parciales (segundas derivadas parciales de la funcion f)
2
f
x
2
: R
2
f
yx
: R
2
f
xy
: R
2
f
y
2
: R
son continuas, entonces f se dira una funcion de clase C
2
.
Las derivadas parciales segundas
2
f
yx
,
2
f
xy
182 Campos escalares en R
3
se llaman las segundas derivadas parciales mixtas.
En el ejemplo anterior se indico una propiedad de igualdad de tales
parciales mixtas. Una condicion suciente para la igualdad en general se
tiene el teorema siguiente, cuya prueba es muy tecnica y la omitimos (vease
Lima, 1992).
TEOREMA 4.4 (Conmutatividad de las segundas parciales mix-
tas). Sea f : R campo escalar de clase C
2
, esto es, las funciones
obtenidas para las segundas derivadas parciales son continuas (vease el
captulo 8), entonces se cumple la igualdad de conmutatividad,
2
f
yx
=
2
f
xx
EJEMPLO. Dada la funcion
f(x, y) = x
2
y
3
+ 3xy
mostramos la validez del teorema 4.4 para este campo escalar.
Al calcular la derivada parcial de la funcion respecto a x se tiene
f
x
= 2xy
3
+ 3y
y consecuentemente, al derivar esta ultima funcion respecto a y obtenemos
2
f
yx
= 6xy
2
+ 3
Por otro lado,
f
y
= 3x
2
y
2
+ 3x
lo que implica
2
f
xy
= 6xy
2
+ 3 =
2
f
xy
Inductivamente, podemos denir a una funcion f(x, y) de clase C
r
(con
r 1), si para cualquier particion del entero r en los enteros s y m, la
derivada parcial resima de f dada por
r
f
y
m
x
s
: R
existe y es una funcion continua. Aqu, 0 s r, 0 m r y r = m+s.
4.7 El Teorema de Taylor 183
En la expresion
r
f
y
m
x
s
se entiende que se calcula mderivadas parciales de f respecto a la variable
y y sderivadas parciales respecto a x, realizando en total un calculo de
m+s = r derivadas parciales.
La extension de la denicion de clase de diferenciabilidad para un campo
escalar de mas variables es una analoga a la dada para apenas dos variables.
El Teorema 4.4 se puede extender para una funcion que depende de
mas variables. Esto es, si f(x, y, z) es una funcion que satisface las condi-
ciones dadas de diferenciabilidad, el teorema de conmutatividad se cumple
tambien.
De hecho, por ejemplo,
2
f
xz
=
2
f
zx
2
f
xy
=
2
f
yx
2
f
zy
=
2
f
yz
Si la misma funcion f(x, y, z) es de clase C
3
, entonces la conmutatividad
se extiende de manera natural.
EJEMPLO. Consideremos a f(x, y, z) un campo escalar funcion de clase
C
3
denido en alguna region del espacio.
Se tiene la siguiente cadena de igualdades,
3
f
yx
2
=
2
yx
_
f
x
_
=
2
xy
_
f
x
_
=
x
_
2
f
yx
_
=
x
_
2
f
xy
_
=
3
f
x
2
y
Tambien se cumplen las igualdades,
3
f
zyx
=
3
f
zxy
=
3
f
xyz
=
3
f
xzy
as como la igualdad,
3
f
yz
2
=
3
f
z
2
y
184 Campos escalares en R
3
Si f(x, y, z) es una funcion de clase C
4
, tambien se cumple el teorema
de conmutatividad de las derivadas parciales. Por ejemplo, son justas las
igualdades
4
f
zyx
2
=
4
f
x
2
zy
=
4
f
yx
2
z
4
f
xz
3
=
4
f
z
3
x
=
4
f
zxz
2
4
f
y
2
x
2
=
4
f
x
2
y
2
=
4
f
yxyx
Generalizando lo anterior, si f(x, y, z) es una funcion de clase C
r
con
(r 1), el teorema de conmutatividad tambien se extiende. Por ejemplo,
r
f
z
y
m
x
n
=
r
f
y
m
x
n
z
=
r
f
x
n
z
y
m
donde + m + n = r. Aqu se entiende que la funcion f se va a derivar
parcialmente r veces en total: veces respecto a la variable z, m veces
respecto a la variable y y m veces respecto a la variable x.
EJEMPLO. Calcular las derivadas parciales
3
f
xyz
,
3
f
zyx
para la funcion
f(x, y, z) = e
xyz
En la notacion dada, tenemos que
f
z
= xye
xyz
2
f
yz
= xe
xyz
+x
2
yze
xyz
= (x +x
2
yz)e
xyz
de donde,
3
f
xyz
= (1 + 2xyz)e
xyz
+ (x +x
2
yz)yze
xyz
= (1 + 3xyz +x
2
y
2
z
2
)e
xyz
Por otro lado,
f
x
= yze
xyz
4.7 El Teorema de Taylor 185
2
f
yx
= ze
xyz
+yz
2
xe
xyz
= (z +yxz
2
)e
xyz
3
f
zyx
= (1 + 2xyz)e
xyz
+ (z +yxz
2
)xye
xyz
= (1 + 3xyz +x
2
y
2
z
2
)e
xyz
lo que verica las igualdades de las parciales mixtas.
Ahora construimos el polinomio de Taylor de una funcion suave con dos
variables.
Recordamos que para funciones reales de variable real se tena que si la
funcion f : (a, b) R es de clase C
r
, entonces, por El teorema de Taylor,
alrededor del punto p (a, b) la funcion f se escribe localmente
f(x) = f(p) +
f
(p)
1!
(x p) +
f
(p)
2!
(x p)
2
+
f
(p)
3!
(x p)
3
+ +
f
(r)
(p)
r!
(x p)
r
+o((x p)
r+1
)
donde o((x p)
r+1
) signica un error en el monomio x p de orden r + 1
(vease Reyes, 1996).
Aqu, la expresion polinomial de grado r en el monomio x p
f(p) +
f
(p)
1!
(xp) +
f
(p)
2!
(xp)
2
+
f
(p)
3!
(xp)
3
+ +
f
(r)
(p)
r!
(xp)
r
se llama El polinomio de Taylor de grado r de la funcion f en el punto
p.
Generalizamos la idea de aproximar una funcion en dos variables f(x, y)
mediante un polinomio de grado r en dos variables x, y, para cuando la
funcion dada es de clase C
r
.
Un polinomio lineal en las variables x, y es del tipo
P
1
(x, y) = c
00
+c
10
(x a) +c
01
(y b)
donde, los coecientes c
ij
son constantes reales, al igual que a y b.
Un polinomio cuadratico en las variables x, y es del tipo:
P
2
(x, y) = c
00
+c
10
(x a) +c
01
(y b)
+c
20
(x a)
2
+c
11
(x a)(y b) +c
02
(y b)
2
donde, nuevamente, los coecientes c
ij
son constantes reales.
186 Campos escalares en R
3
Un polinomio c ubico tiene la forma
P
3
(x, y) = c
00
+c
10
(x a) +c
01
(y b)
. .
parte lineal
+c
20
(x a)
2
+c
11
(x a)(y b) +c
02
(y b)
2
. .
parte cuadratica
+c
30
(x a)
3
+c
21
(x a)
2
(y b) +c
12
(x a)(y b)
2
+c
03
(y b)
3
. .
parte c ubica
Observamos que, en general, un polinomio de grado r en las variables
x, y se escribe,
P
r
(x, y) =
r
k=1
_
_
k=i+j
c
ij
(x a)
i
(y b)
j
_
_
+c
00
Iniciamos un proceso de aproximacion de cualquier funcion de dos va-
riables que sea suave, por un polinomio en dos variables.
Sea f(x, y) una funcion arbitraria de clase C
r
denida en una region ,
en el punto p = (a, b) y sea (x, y) cualquier punto cercano a p.
Primeramente intentamos aproximar a f linealmente en una cercana
del punto p, mediante el polinomio
f(x, y) = f(p) +c
10
(x a) +c
01
(x b)
. .
parte lineal
+o((x a)
2
, (y b)
2
)
donde la expresion o((x a)
2
, (x b)
2
) dene un error en los monomios
x a y y b de orden dos.
Calculamos los coecientes c
ij
apropiados, calculando primeramente
f
x
= c
10
+o((x a), (y b)
2
),
lo que nos dice que, al calcular en p = (a, b), esto es, en x = a, y = b,
f
x
(a, b) = c
10
+o((x a), (y b))[
x=a, y=b
= c
10
lo que nos da el primer coeciente.
4.7 El Teorema de Taylor 187
Igualmente, de la relacion
f
y
= c
01
+o((x a)
2
, (y b))
se obtiene, al evaluar en p = (a, b),
f
y
(a, b) = c
01
Por lo tanto, la aproximacion lineal de f alrededor de p sera mediante
la expresion
f(x, y) = f(a, b)+
f
x
(a, b)(xa)+
f
y
(a, b)(yb)+o((xa)
2
, (yb)
2
)
Aproximamos ahora a la funcion f(x, y) hasta el orden dos, mediante
el polinomio cuadratico
f(x, y) = f(a, b) +
f
x
(a, b)(x a) +
f
y
(a, b)(y b)
+c
20
(x a)
2
+c
11
(x a)(y b) +c
02
(y b)
2
. .
parte cuadratica
+o((x a)
3
, (y b)
3
)
donde la expresion o((x a)
3
, (y b)
3
) dene un error de orden c ubico en
los monomios indicados.
Procedemos a calcular las constantes c
20
, c
11
, c
02
apropiadas del poli-
nomio.
f
x
=
f
x
(a, b) + 2c
20
(x a) +c
11
(y b) +o((x a)
2
, (y b)
3
)
donde la expresion o((x a)
2
, (y b)
3
) dene un error de orden dos en el
monomio x a junto con un error de orden tres en el monomio y b.
Por lo tanto,
2
f
x
2
= 2c
20
+o((x a), (y b)
3
)
lo que al evaluar en el punto (a, b) nos dice que
2
f
x
2
(a, b) = 2c
20
es decir,
c
20
=
1
2
2
f
x
2
(a, b)
188 Campos escalares en R
3
Ademas, se tiene
2
f
yx
= c
11
+o((x a)
2
, (y b)
2
)
lo que nos indica, al elvaluar en el punto (a, b),
2
f
yx
(a, b) = c
11
Por otro lado, al derivar parcialmente respecto a y la funcion inicial f
se tiene
f
y
=
f
y
(a, b) +c
11
(x a) + 2c
02
(y b) +o((x a)
3
, (y b)
2
)
con lo que,
2
f
y
2
= 2c
02
+o((x a)
3
, (y b))
Al evaluar en el punto p = (a, b) esta expresion se obtiene,
2
f
y
2
(a, b) = 2c
02
y por lo tanto,
c
02
=
1
2
2
f
y
2
(a, b)
De esta forma, hasta el orden dos la aproximacion de la funcion f es,
f(x, y) = f(p) +
f
x
(p)(x a) +
f
y
(p)(y b)
+
1
2
2
f
x
2
(p)(x a)
2
+
2
f
yx
(p)(x a)(y b) +
1
2
2
f
y
2
(p)(y b)
2
+o((x a)
3
, (y b)
3
)
Un intento de aproximacion a orden tres para f sera dada por el poli-
nomio,
f(x, y) = f(a, b) +
f
x
(a, b) (x a) +
f
y
(a, b)(y b)
+
1
2
2
f
x
2
(a, b)(x a)
2
+
2
f
yx
(a, b)(x a)(y b) +
1
2
2
f
y
2
(a, b)(y b)
2
4.7 El Teorema de Taylor 189
+c
30
(x a)
3
+c
21
(x a)
2
(y b) +c
12
(x a)(y b)
2
+c
03
(y b)
3
+o((x a)
4
, (y b)
4
)
donde o((x a)
4
, (y b)
4
) es un error de orden cuatro en los monomios
dados.
Calculamos los coecientes c
30
, c
21
, c
12
, c
03
de tal expresion utilizando
el mismo procedimiento.
Derivando parcialmente la igualdad respecto a la variable x, tenemos
f
x
=
f
x
(a, b) +
2
f
x
2
(a, b)(x a) +
2
f
yx
(a, b)(y b)
+3c
30
(x a)
2
+ 2c
21
(x a)(y b) +c
12
(y b)
2
+o((x a)
3
, (y b)
4
)
de donde,
2
f
x
2
=
2
f
x
2
(a, b) + 3! c
30
(x a) + 2c
21
(y b) +o((x a)
2
, (y b)
4
)
y entonces,
3
f
x
3
= 3!c
30
+o((x a), (y b)
4
)
lo que nos indica, al evaluar el punto (a, b)
3
f
x
3
(a, b) = 3!c
30
As, podemos calcular c
30
por
c
30
=
3
f
x
3
(a, b)
3!
Por otro lado,
3
f
yx
2
= 2c
21
+o((x a)
2
, (y b)
3
)
de donde,
3
f
yx
2
(a, b) = 2c
21
lo que implica
c
21
=
3
f
yx
2
(a, b)
2
190 Campos escalares en R
3
Ademas, de
f
x
podemos obtener
2
f
yx
=
2
f
yx
(a, b) + 2c
21
(x a) + 2c
12
(y b) +o((x a)
3
, (y b)
3
)
y de esto,
3
f
y
2
x
= 2c
12
+o((x a)
3
, (y b)
2
)
Por lo tanto,
3
f
y
2
x
(a, b) = 2c
12
con lo que se obtiene el coeciente
c
12
=
3
f
y
2
x
(a, b)
2
Otro calculo analogo prueba que,
3
f
y
3
(a, b) = 3!c
03
es decir,
c
03
=
3
f
y
3
(a, b)
3!
Por lo tanto, el desarrollo a orden tres nos quedara, al sustituir tales
coecientes,
f(x, y) = f(a, b) +
f
x
(a, b)(x a) +
f
y
(a, b)(y b)
+
1
2
2
f
x
2
(a, b)(x a)
2
+
2
f
yx
(a, b)(x a)(y b) +
1
2
2
f
y
2
(a, b)(y b)
2
+
3
f
x
3
(a, b)
3!
(xa)
3
+
3
f
yx
2
(a, b)
2
(xa)
2
(y b) +
3
f
y
2
x
(a, b)
2
(xa)(y b)
2
+
3
f
y
3
(a, b)
3!
(y b)
3
+o((x a)
4
, (y b
4
))
Observamos que la relacion anterior se puede escribir, al tomar p =
(a, b), tambien como
f(x, y) = f(p) +
f
x
(p)
1!0!
(x a) +
f
y
(p)
0!1!
(y b)
4.7 El Teorema de Taylor 191
+
2
f
x
2
(p)
2!0!
(x a)
2
+
2
f
yx
(p)
1!1!
(x a)(y b) +
2
f
y
2
(p)
0! 2!
(y b)
2
+
3
f
x
3
(p)
3!0!
(x a)
3
+
3
f
yx
2
(p)
2! 1!
(x a)
2
(y b) +
3
f
y
2
x
(p)
1! 2!
(x a)(y b)
2
+
3
f
y
3
(p)
0!3!
(y b)
3
+o((x a)
4
, (y b)
4
).
Procediendo inductivamente, es facil ver que la parte cuartica del poli-
nomio buscado es,
4
f
x
4
(p)
4!0!
(x a)
4
+
4
f
yx
3
(p)
3!1!
(x a)
3
(y b) +
4
f
y
2
x
2
(p)
2!2!
(x a)
2
(y b)
2
+
4
f
y
3
x
(p)
1!3!
(x a)(y b)
3
+
4
f
y
4
(p)
0!4!
(y b)
4
k=1
_
_
i+j=k
k
f
y
j
x
i
(p)
i!j!
(x a)
i
(y b)
j
_
_
+o((x a)
r+1
, (y b)
r+1
)
donde la cantidad o((x a)
r+1
, (y b)
r+1
) es un error de orden r + 1 en
los monomios x a y y b.
DEFINICI
2
f
x
2
= y
2
sen(xy),
f
y
= xcos(xy),
2
f
y
2
= x
2
sen(xy)
Por lo tanto, los coecientes se calculan evaluando en el punto (a, b) =
(0, 0),
f
x
(0, 0) = 0,
2
f
x
2
(0, 0) = 0,
2
f
yx
(0, 0) = 1,
f
y
(0, 0) = 0,
2
f
y
2
(0, 0) = 0
y por la formula de Taylor del teorema 5.2 se tiene que,
f(x, y) = f(0, 0) +
f
x
(0, 0)
1!0!
(x 0) +
f
y
(0, 0)
0!1!
(y 0) +
2
f
x
2
(0, 0)
2!0!
(x 0)
2
+
2
f
yx
(0, 0)
1!1!
(x 0)(y 0) +
2
f
y
2
(0, 0)
0!2!
(y 0)
2
+o((x 0)
3
, (y 0)
3
)
= xy +o(x
3
, y
3
)
Esto es, hasta orden dos la funcion dada se escribe
sen(xy) = xy +o(x
3
, y
3
)
Otra forma de realizar el desarrollo anterior, es observando que para
una variable z real el desarrollo de la funcion seno alrededor de z
0
= 0 es
senz = z
z
3
3!
+
z
5
5!
z
7
7!
+o(8)
Ahora, defnase z = xy, y considerese p = (0, 0). Entonces, z(0, 0) =
0 = z
0
, y sustituyendo la variable z, hasta el orden dos, se obtiene
sen(xy) = (xy)
(xy)
3
3!
+o(7) = xy +o(3)
que es la misma expresion obtenida.
La forma de desarrollar las funciones en varias variables utilizando los
desarrollos conocidos de Taylor para una variable, ayudan en general para
omitir una buena cantidad de calculos. No obstante hay que tener practica
para reconocer las sustituciones apropiadas y los puntos alrededor de los
cuales se esta desarrollando. Esto se ha mostrado en el ejemplo anterior y
se muestra nuevamente en el siguiente.
EJEMPLO. Desarrollar la funcion
f(x, y) = ln(1 +xy)
4.7 El Teorema de Taylor 193
en polinomio de Taylor hasta orden tres alrededor del punto p = (0, 0).
Calculamos las derivadas parciales hasta orden tres,
f
x
=
y
1 +xy
f
y
=
x
1 +xy
2
f
yx
=
(1 +xy) yx
(1 +xy)
2
=
1
(1 +xy)
2
2
f
x
2
=
y
2
(1 +xy)
2
2
f
y
2
=
x
2
(1 +xy)
2
3
f
x
3
=
2y
3
(1 +xy)
3
3
f
y
3
=
2x
3
(1 +xy)
3
3
f
y
2
x
= 2(1 +xy)
3
x =
2x
(1 +xy)
3
3
f
yx
2
=
2y(1 +xy)
2
+y
2
2(1 +yx)x
(1 +xy)
4
=
2y
(1 +xy)
3
De esta manera,
f
x
(0, 0) = 0,
f
y
(0, 0) = 0
2
f
x
2
(0, 0) = 0,
2
f
yx
(0, 0) = 1,
2
f
y
2
(0, 0) = 0
2
f
x
3
(0, 0) = 0,
3
f
yx
(0, 0) = 0,
3
f
yx
(0, 0) = 0,
3
f
y
3
(0, 0) = 0
Por lo tanto, alrededor de p = (0, 0) se tiene que la funcion f(x, y) =
ln(1 +xy) se escribe
ln(1 +xy) = ln(1 + 0) +
f
x
(0, 0)(x 0) +
f
y
(0, 0)(y 0)
+
2
f
x
2
(0, 0)
2!0!
(x 0)
2
+
2
f
yx
(0, 0)
1!1!
(x 0)(y 0) +
2
f
y
2
(0, 0)
0!2!
(y 0)
2
194 Campos escalares en R
3
+
3
f
x
3
(0, 0)
3!0!
(x0)
3
+
3
f
yx
2
(0, 0)
2!1!
(x0)(y 0) +
3
f
y
2
x
(0, 0)
1!2!
(x0)(y 0)
2
+
3
f
y
3
(0, 0)
0!3!
(y 0)
3
+o((x 0)
4
, (y 0)
4
) = xy +o(x
4
, y
4
)
Por otro lado, el desarrollo alrededor de z
0
= 0 de la funcion ln(1 + z)
esta dado por la igualdad
ln(1 +z) = z
z
2
2
+o(3)
Por eso, si ponemos z = xy entonces el punto (a, b) = (0, 0) corresponde
al punto z
0
= 0 y entonces
ln(1 +xy) = xy
(xy)
2
2
+o(3) = xy
x
2
y
2
z
+o(5)
= xy +o(3)
igualdad que se ha obtenido ya, utilizando el teorema 4.5.
Damos ahora un ejemplo del desarrollo de un polinomio alrededor de
un punto.
EJEMPLO. Dar el polinomio de Taylor alrededor del punto p = (1, 2) de
la funcion polinominal
f(x, y) = x
3
2y
3
+ 3xy
Calculamos todas las posibles derivadas parciales, obteniendo,
f
x
= 3x
2
3y,
f
y
= 6y
2
+ 3x
2
f
x
2
= 6x,
2
f
yx
= 3,
2
f
y
2
= 12y
3
f
x
3
= 6,
3
f
yx
2
= 0,
3
f
y
2
x
= 0,
3
f
y
3
= 12
De esta forma, al evaluar cada derivada obtenida en el punto p se tiene
f
x
(1, 2) = 3,
f
y
(1, 2) = 21
2
f
x
2
(1, 2) = 6,
2
f
yx
(1, 2) = 3,
2
f
y
2
(1, 2) = 24
4.8 Diferencial total de un campo escalar 195
3
f
x
3
(1, 2) = 6,
3
f
yx
2
(1, 2) = 0,
3
f
y
2
x
(1, 2) = 0,
3
f
y
3
(1, 2) = 12
Por lo tanto, por el teorema 4.5, alrededor de (1, 2) la funcion f se escribe
f(x, y) = f(1, 2)
3(x 1)
1!0!
21(y 2)
0!1!
+
6(x 1)
2
2!0!
3(x 1)(y 2)
1!1!
24(y 2)
2
0!2!
+
6(x 1)
3
3!0!
+
0(x 1)
2
(y 2)
2!1!
+
0(x 1)(y 2)
2
1!2!
12(y 2)
3
0!3!
= 9 3(x 1) 21(y 2) + 3(x 1)
2
3(x 1)(y 2) 12(y 2)
2
+(x 1)
3
2(y 2)
3
debido a que las derivadas parciales de orden cuatro en adelante se anulan
todas.
4.8 Diferencial total de un campo escalar
Para el campo escalar f : D R
2
R y el punto arbitrario p = (x, y) D,
se tiene el incremento total de f en p dado por
f = f(x +h, y +k) f(x, y)
donde h = x y k = y son incrementos arbitrarios en las variables dadas.
De la denicion de diferenciabilidad de f en p, dada en la seccion 4.4, se
tiene que f es diferenciable en p si el incremento total f puede escribirse
en la forma
f =
f
x
(p)x +
f
y
(p)y +o([[(x, y)[[
2
)
cuando [[(x, y)[[ 0. Podemos escribir lo anterior mediante la notacion
convencional
df =
f
x
dx +
f
y
dy
en virtud de que o([[(x, y)[[
2
) 0.
DEFINICI
x
_
y
_
=
2
yx
=
2
xy
=
y
_
x
_
EJEMPLO. Sea u = cos x cos y. Calcular d
2
u.
Calculamos las derivadas parciales, obteniendo,
u
x
= senxcos y,
u
y
= cos xseny
2
u
x
2
= cos x cos y,
2
u
yx
= senxseny,
2
u
y
2
= cos x cos y,
lo que indica que
du
2
= cos x cos ydx
2
+ 2 sen xsenydxdy cos x cos ydy
2
2
u
x
2
=
y
x
2
,
2
u
yx
=
1
x
,
2
u
y
2
= 0
3
u
x
3
=
2y
x
3
,
3
u
yx
2
=
1
x
2
,
3
u
y
2
x
= 0,
3
u
y
3
= 0
4
u
x
4
=
6y
x
4
,
4
u
yx
3
=
2
x
3
,
4
u
y
2
x
2
=
4
u
y
3
x
=
4
u
y
4
0
y sustituirlas se obtiene
d
4
u =
6y
x
4
dx
4
+ 4
_
2
x
3
_
dx
3
dy =
6y
x
4
dx
4
+
8
x
3
dx
3
dy
Si consideramos el elemento vectorial diferencial en R
3
, en la base
canonica e
1
, e
2
, e
3
dado por el vector simbolico
dr = (dx, dy, dz)
entonces la diferencial total de un campo escalar f esta dada por
df =
f
x
dx +
f
y
dy +
f
z
=
__
f
x
,
f
y
,
f
z
_
, (dx, dy, dz)
_
=< grad f, dr >
4.8 Diferencial total de un campo escalar 199
Ejercicios
1. Cuales de los siguientes subconjuntos son abiertos? Cuales son cerra-
dos? Cuales son conexos? Haga un dibujo para cada conjunto dado.
a. = (x, y)[ [x[ 1
b. = (x, y)[ x +y < 1
c. = (x, y)[ [x[ +[y[ 1
d. = (x, y)[ [sen x[ >
2
2
e. = (x, y, z)[ x +y + 2z < 2
f. = (x, y, z)[ x
2
y
2
z
2
1
g. = (x, y, z)[ [[(x, y, z)[[ < 1 o 4 [[(x, y, z)[[
h. = (x, y, z)[ x
2
+y
2
< z <
_
4 x
2
y
2
4x
2
y
2
c. f
3
(x, y) = arccos(2x y)
d. f
4
(x, y) = ln(y
2
x)
e. f
5
(x, y) = y +
x
f. g
1
(x, y, z) =
_
16 x
2
y
2
z
2
g. g
2
(x, y, z) = arcsen
_
3x
y
2
+z
2
_
h. g
3
(x, y, z) =
1
ln(9x
2
y
2
z
2
)
i. g
4
(x, y, z) =
x + 2y 3z
3. Dibujar las curvas de nivel de las siguientes funciones denidas en do-
minios del plano. Hallar tales dominios.
a. f
1
(x, y) = 4x y
b. f
2
(x, y) =
2y
x
c. f
3
(x, y) = ln
_
1x
1y
_
d. f
4
(x, y) = e
x+y
4. Hallar las supercies de nivel de las siguientes funciones denidas en
dominios de R
3
.
a. f
1
(x, y, z) = 6x 3y + 2z
200 Campos escalares en R
3
b. f
2
(x, y, z) = 3x
2
+ 3y
2
+z
c. f
3
(x, y, z) =
_
x
2
+y
2
+z
2
d. f
4
(x, y, z) = x
2
y
2
z
2
5. Calcular las derivadas parciales
x
,
y
,
z
de cada una de las funciones
indicadas.
a. f
1
(x, y, z) = x
3
y
4
+xyz
2
3z
3
y
3
b. f
2
(x, y, z) = sen(xyz) +xseny +ysenz
c. f
3
(x, y, z) = xsen(y z) +z arctan(xy)
d. f
4
(x, y, z) =
_
x
2
+y
2
e
yz
+
x
2
+z
2
ln(xy)
e. f
5
(x, y, z) =
xy+z
x
2
+y
2
z
2
6. a. Mostrar que la funcion z = y
y/x
sen
_
y
x
_
satisface la ecuacion
x
2
z
x
+xy
z
y
= yz
b. Probar que la funcion z =
x
2
2y
+
x
2
+
1
x
1
y
satisface la ecuacion
x
2
z
x
+y
2
z
y
=
x
3
y
7. Para los incisos del ejercicio 5. correspondientes, calcular el gradiente
de la funcion correspondiente en el punto dado.
a. f
1
(x, y, z) en p = (1, 1, 1)
b. f
2
(x, y, z) en p =
_
1,
2
,
4
_
c. f
3
(x, y, z) en p =
_
0,
2
,
4
_
d. f
4
(x, y, z) en p = (1, 0, 1)
e. f
5
(x, y, z) en p = (1, 2, 3)
8. a. Sean _
_
_
x = t + 2s
y = s
2
t
z = t
2
+s
2
y la funcion u = x
2
+ 2xy + y
2
+ z
2
. Calcular
u
s
y
u
t
mediante la regla
de la cadena.
b. Dados
x = sen(t +s), y = cos(t +s)
y la funcion u =
x+xy
x
2
+y
2
, calcular
u
t
,
u
s
mediante la regla de la cadena.
4.8 Diferencial total de un campo escalar 201
c. Dado u = (x
2
+y
2
+z
2
)
3/2
, calcular
u
x
,
u
y
,
u
z
d. Sea la funcion u = f(r s, s t, t r), demostrar que
u
s
+
u
r
+
u
t
= 0
e. Sea u = f
_
x
2
y
2
x
2
+y
2
_
, demostrar que
x
u
x
+y
u
y
= 0
f. Dada la funcion g(x, y) = f(x +y, x y), demostrar la igualdad
g
x
g
y
=
_
f
u
_
2
_
f
v
_
2
donde u = x +y, v = x y.
g. Dado el angulo constante y las relaciones
_
x = ucos v sen
y = usen +v cos
demostrar que la funcion compuesta f(x, y) = g(u, v) satisface la relacion
_
g
u
_
2
+
_
g
v
_
2
=
_
f
x
_
2
+
_
f
y
_
2
h. Calcular el gradiente f
p
para las siguientes funciones, si
r =
_
x
2
+y
2
+z
2
y f(x, y, z) = h(r)
donde,
i) h(r) = r
2
ii) h(r) = ln r
iii) h(r) = e
r
2
9. Calcular la derivada direccional D
f
p
para las funciones, puntos y vec-
tores dados.
202 Campos escalares en R
3
a. f(x, y) = xy
2
, p = (1, 1), = (1, 3)
b. f(x, y) = arctan (xy), p = (1, 1), = (1, 2)
c. f(x, y) = e
(x
2
+y
2
)
, p = (0, 0), = (1, 1)
d. f(x, y, z) = y arctan(xz), p = (1, 1, 1), = (1, 0, 2)
e. f(x, y, z) = xy +yz +zx, p = (1, 1, 1), = (1, 1, 2)
10. a. Dada la funcion f(x, y, z) = x
2
+ xy + z
2
dar la direccion en la
que crece mas rapidamente f en el punto p = (1, 1, 1). Calcular D
f
p
para estos elementos.
b. Sea la funcion
f(x, y) =
x
_
x
2
+y
2
En que direccion crece mas rapidamente f en el punto p = (1, 0)?
11. a. Calcular
2
f
yx
y
2
f
xy
para f(x, y) = ln tan(y +x)
b. Calcular
2
f
yx
y
2
f
xy
para f(x, y) = arctan
_
x+y
1+xy
_
c. Calcular
2
f
x
2
,
2
f
y
2
y
2
f
yx
para f(x, y) = y senxy +xcos xy
d. Calcular
3
u
yx
2
,
3
u
y
2
x
y
3
u
x
2
y
para u = sen(2x +y
2
)
e. Dada la funcion u = x
3
y
2
demostrar la validez de la igualdad
5
u
y
2
x
3
=
5
u
x
3
y
2
f. Sea la funcion u =
1
t
e
x
2
4t
2
. Probar que satisface la ecuacion
u
t
=
2
u
x
2
12. Sea f(x, y) = g(r, ) donde
_
x = r cos
y = rsen
demostrar que se cumple la igualdad
2
g
r
2
+
1
r
g
r
+
1
r
2
2
g
2
=
2
f
x
2
+
2
f
y
2
4.8 Diferencial total de un campo escalar 203
13. Sea f(x, y) una funcion tal que para cualquier n umero real t se cumple
que en todo el dominio de f es justa la igualdad f(tx, ty) = t
n
f(x, y),
donde n es un n umero entero.
a. Demostrar que se cumple la igualdad
x
f
x
+y
f
y
= nf(x, y)
b. Mostrar ademas que tambien se cumple que
x
2
2
f
x
2
+ 2xy
2
f
xy
+y
2
2
f
y
2
= n(n 1)f(x, y)
14. Demostrar que la funcion u = e
3x+4y
cos(5z) satisface La ecuacion
diferencial de Laplace,
2
u
x
2
+
2
u
y
2
+
2
u
z
2
= 0
15. Desarrollar hasta orden tres en formula de Taylor las funciones indi-
cadas en los puntos indicados.
a. f(x, y) = e
2x
sen2y en el punto p = (1, /2).
b. f(x, y) = cos(x
2
y) en el punto p = (0, ).
c. f(x, y) = ln(1 +x +y) en el punto p = (1, 1).
d. f(x, y) = x
2
+xy +y
3
en el punto p = (0, 0)
e. f(x, y) = x
2
+xy +y
2
en el punto p = (1, 1)
16. Dado el polinomio
f(x, y) = y
3
+ 4xy
5
+ 4x
2
y
4
Cual es el termino de orden cuatro de su expresion de Taylor en el punto
p = (0, 0)?
17. Calcular df, df
2
y d
3
f para las funciones a.-e. del ejercicio 15.
204 Campos escalares en R
3
Captulo 5
Campos vectoriales en R
3
5.1 Funciones del tipo R
n
R
m
En este captulo hacemos un estudio de los aspectos basicos de las funciones
vectoriales con argumento vectorial del tipo R
n
R
m
, llamadas tambien
campos vectoriales denidos en R
n
con valores vectoriales en R
m
. De
hecho, los dominios de tales funciones en general seran regiones contenidas
en el espacio de dimension n.
Dada la region (conjunto abierto conexo) R
n
, una funcion de tipo
f : R
m
a cada punto p le asocia el punto q = f(p) en R
m
.
En los correspondientes sistemas de coordenadas, si p = (x
1
, , x
n
),
q = (y
1
, , y
m
) entonces tal funcion se escribira
(y
1
, y
2
, , y
m
) = f(x
1
, , x
n
)
Como las coordenadas y
i
s dependen de p, entonces cada una de ellas
es una funcion real dependiente de p,
_
_
y
1
= f
1
(p) = f
1
(x
1
, , x
n
)
y
2
= f
2
(p) = f
2
(x
1
, , x
n
)
.
.
.
y
m
= f
m
(p) = f
m
(x
1
, , x
n
)
siendo cada una de las fi, funciones reales de variable vectorial denidas
en , para i = 1, 2, , m,
f
i
: R
206 Campos vectoriales en R
3
p
f(p)
n
m
Figura 5.1: Funcion de R
n
R
m
.
y son llamadas las funciones coordenadas de la funcion f (vease la gura
5.1).
Esto es, la funcion f se escribe en coordenadas, como
f(x
1
, , x
n
) = (f
1
(x
1
, , x
n
), f
2
(x
1
, , x
n
), , f
m
(x
1
, , x
n
))
EJEMPLO. Sea la funcion f cuya regla de correspondencia esta dada por
f(x, y) =
_
xy, ln xy
2
,
y
1 +x
2
_
,
Entonces f esta denida en una region de R
2
y toma valores en R
3
.
Procedamos a calcular el dominio de la funcion, analizando cada
funcion coordenada.
Ciertamente la coordenada primera xy y la tercera
y
1+x
2
no ofrecen
alguna restriccion. La segunda funcion coordenada impone la condicion de
que el argumento xy
2
debera ser positivo.
Como xy
2
> 0, necesariamente cuando x > 0, y ,= 0, el dominio es
entonces
= (x, y)[ x > 0, y ,= 0
y la funcion f esta bien denida en . Las funciones coordenadas se es-
criben explcitamente,
f
1
(x, y) = xy, f
2
(x, y) = lnxy
2
, f
3
(x, y) =
y
1 +x
2
La gura 5.2 ilustra el dominio de la funcion.
EJEMPLO. Sea la funcion vectorial de argumento real
(t) = (t
2
+ 1,
1 t, sent)
5.1 Funciones del tipo R
n
R
m
207
x
y
Figura 5.2: Dominio de (x, y)
_
xy, ln xy
2
,
y
1+x
2
_
.
Claramente, es una funcion real con valores en R
3
, esto es, tiene la
forma R R
3
.
Se condiciona la variable t a que 1 t 0, lo que nos dice que 1 t,
de donde el dominio de es entonces,
= t R [ t 1 = (, 1]
( ]
1
( ) t
( ) t
Figura 5.3: Curva espacial.
Las funciones coordenadas de vienen dadas por
f
1
(t) = t
2
+ 1, f
2
(t) =
1 t, f
3
(t) = sent
La gura 5.3 ilustra la imagen de en el espacio de dimension tres.
EJEMPLO. Sea la funcion dada por
f(x, y, z) = (x
2
+y
2
, ln xz +y)
208 Campos vectoriales en R
3
Esta funcion esta denida en una region espacial y toma valores en R
2
,
esto es, f es de la forma
R
3
R
2
.
Para calcular su dominio imponemos la condicion xz > 0, lo que
equivale a
_
_
_
x > 0 y z > 0
o
x < 0 y z < 0
lo que implica que el dominio es la region espacial
= (x, y, z) [ x > 0 y z > 0, o x < 0 y z < 0, y R
La gura 5.4 ilustra el dominio de la funcion, que es la union de cuatro
octantes en R
3
.
x
y
z
Figura 5.4: Dominio del campo (x
2
+y
2
, ln xz +y).
Las funciones coordenadas del campo vectorial f son, en este caso
f
1
(x, y, z) = x
2
+y
2
, f
2
(x, y, z) = ln xz +y
EJEMPLO. El campo escalar f : R
3
R dado por la regla de correspon-
dencia
f(x, y, z) =
_
x
2
+y
2
+z
2
esta denido en R
3
(n = 3, m = 1), y tiene solo una funcion coordenada.
Le damos una estructura aritmetica al conjunto de funciones del tipo
R
n
R
m
mediante las propiedades vectoriales del codominio R
m
.
5.1 Funciones del tipo R
n
R
m
209
Si f, g : R
m
son dos funciones denidas en el mismo dominio en
R
n
, se puede denir la suma de ellas
f +g : R
m
como la funcion que en coordenadas del dominio y codominio se calcula
por
(f +g)(x
1
, , x
n
) = f(x
1
, x
n
) +g(x
1
, , x
n
)
= (f
1
(x
1
, , x
n
), , f
m
(x
1
, , x
n
))
(g
1
(x
1
, , x
n
), , g
m
(x
1
, , x
n
))
= (f
1
(x
1
, , x
n
) +g
1
(x
1
, , x
n
), , f
m
(x
1
, x
n
) +g
m
(x
1
, , x
n
))
Si es un escalar, se dene la funcion nueva
f : R
m
como aquella que en coordenadas se escribe
(f)(x
1
, , x
n
) = f(x
1
, , x
n
) = (f
1
(x
1
, x
n
), , f
m
(x
1
, , x
n
))
= (f
1
(x
1
, , x
n
), , f
m
(x
1
, , x
m
))
Tambien denimos una categora de las funciones vectoriales mediante la
composicion ordinaria de funciones.
Sean las funciones f : R
n
R
m
, g : U R
m
R
k
de tal forma
que la imagen de bajo f este contenida en U, es decir, f() U. Se
dene la composicion de la funcion f con g
g f : R
k
a traves de la igualdad,
(g f)(p) = g(f(p))
vease la gura 5.5.
A continuacion damos ejemplos de la composicion de funciones vecto-
riales de argumento vectorial.
EJEMPLO. Sean las funciones vectoriales dadas por
f(x, y, z) = (x
2
, y
2
+z
2
)
210 Campos vectoriales en R
3
p f(p)
f g
U
g(f(p))
n m k
g f
Figura 5.5: Composicion de funciones.
g(u, v) = (ln(u +v), e
uv
, uv)
a. Calculemos g f en un punto arbitrario (x, y, z) del dominio de
esta composicion.
(g f)(x, y, z) = g(f(x, y, z)) = g(x
2
, y
2
+z
2
)
= (ln(x
2
+y
2
+z
2
), e
x
2
(y
2
+z
2
)
, x
2
(y
2
+z
2
))
de donde, la composicion es del tipo
g f :
1
R
3
R
3
b. Calculamos f g en un punto arbitrario (u, w) del dominio correspon-
diente.
(fg)(u, v) = f(g(u, v)) = f(ln(u+v), e
uv
, uv) = (ln
2
(u+v), (e
uv
)
2
+(uv)
2
)
= (ln
2
(u +v), e
2uv
+u
2
v
2
)
composicion que tiene el tipo
f g :
2
R
2
R
2
e
e
e
1
1
1
2
2
2
1
1
2
1
2
2
Figura 5.6: Geometra de una transformacion lineal.
Si consideramos un vector en el plano R
2
, este se puede escribir como
una combinacion lineal de los vectores basicos,
=
1
e
1
+
2
e
2
De esta manera, su imagen bajo L se escribira como
L() = L(
1
e
1
+
2
e
2
) = L(
1
e
1
) +L(
2
e
2
) =
1
L(e
1
) +
2
L(e
2
)
lo que nos dice que la imagen de es una combinacion lineal de los vectores
imagenes de los basicos, en R
3
(vease la gura 5.6).
De esta manera, la imagen del cuadrado en el plano R
2
generado por los
vectores e
1
, e
2
bajo la transformacion L es el paralelogramo en R
3
tendido
sobre los vectores L(e
1
) y L(e
2
), como lo muestra la gura 5.6.
En general, si L : R
n
R
m
es una transformacion lineal y R
n
es
un vector posicionado en el origen, entonces L() es tambien un vector en
R
m
posicionado en el origen.
Obtenemos ahora una matriz asociada a la composicion de transforma-
ciones lineales, en terminos de las matrices asociadas a cada una de las
5.1 Funciones del tipo R
n
R
m
217
transformaciones que intervienen en la composicion. Lo hacemos apenas
para el caso especial de las transformaciones lineales del tipo R
2
R
2
,
generalizando el resultado de manera natural.
Consideremos dos transformaciones lineales del plano en el plano, dadas
por
L
1
(x, y) = (ax +by, cx +dy)
L
2
(u, v) = (u +v, u +v)
donde a, b, c, d, , , , son n umeros reales.
Al realizar su composicion tenemos para un vector (x, y) R
2
,
(L
2
L
1
)(x, y) = L
2
(L
1
(x, y)) = L
2
(ax +by, cx +dy)
= ((ax +by) +(cx +dy), (ax +by) +(cx +dy))
= (ax +by +cx +dy, ax +by +cx +dy)
= ((a +c)x + (b +d)y, (a +c)x + (b +d)y)
Como se cumple la igualdad matricial
_
a +c b +d
a +c b +d
__
x
y
_
=
_
(a +c)x + (b +d)y
((a +c)x + (b +d)y
_
entonces la matriz asociada a la composicion L
2
o L
1
es
C =
_
a +c b +d
a +c b +d
_
Por otro lado, las matrices asociadas a L
1
y L
2
son
A =
_
a b
c d
_
, B =
_
_
respectivamente, y un calculo prueba que el producto
BA =
_
__
a b
c d
_
=
_
a +c b +d
a +c b +d
_
= C
lo que nos dice que la composicion L
2
o L
1
tiene asociada al producto de
las matrices correspondientes en el mismo orden.
Generalizamos la anterior discusion en el siguiente resultado.
218 Campos vectoriales en R
3
TEOREMA 5.2 Para una pareja de transformaciones lineales
L
1
: R
n
R
m
, L
2
: R
m
R
k
cuyas matrices asociadas son respectivamente
A = A
mn
(para L
1
) y B = B
km
(para L
2
)
La composici on L
2
L
1
tiene asociada a la matriz producto
C = BA = B
km
A
mn
= C
kn
EJEMPLO. Sean dadas las transformaciones lineales
L
1
(x, y) = (2x y, y +x, 4y)
L
2
(x, y, z) = (x y z, z + 3x)
Las matrices asociadas respectivas son
A =
_
_
2 1
1 1
0 4
_
_
(para L
1
)
B =
_
1 1 1
3 0 1
_
(para L
2
)
y por el teorema 5.3, la matriz de la composicion L
2
o L
1
es entonces,
C = BA =
_
1 1 1
3 0 1
_
_
_
2 1
1 1
0 4
_
_
=
_
3 4
6 1
_
Por lo tanto, al aplicar convencionalmente en un vector se tiene,
(L
2
L
1
)(x, y) =
_
3 4
6 1
__
x
y
_
=
_
3x 4y
6x +y
_
lo cual se puede escribir en forma transpuesta como
(L
2
L
1
)(x, y) = (3x 4y, 6x +y)
5.2 La matriz jacobiana 219
5.2 La matriz jacobiana
Comenzamos en esta seccion, a discutir la propiedad de diferenciabilidad de
una funcion vectorial de variable vectorial, generalizando lo que se obtuvo
para caso de funciones reales de variable vectorial, donde intervena fuerte-
mente la continuidad de las derivadas parciales que conforman el gradiente.
El objeto matematico necesario para generalizar el gradiente viene dado por
una matriz cuyas entradas en cada punto son las derivadas parciales de las
funciones coordenadas, respecto a todas las variables independientes. Esta
matriz lleva el nombre de Matriz Jacobiana.
Sea f : R
n
R
m
una funcion tal que en coordenadas del codominio
se escriba f(p) = (f
1
(p), , f
m
(p)), para p R
n
.
Cada funcion coordenada es real de variable vectorial
_
_
f
1
: R
f
2
: R
.
.
.
f
m
: R
Si cada funcion f
i
: R tiene un gradiente en el punto p para toda
1 = 1, 2, , m
(f
i
)
p
=
_
f
i
x
1
(p),
f
i
x
2
(p), ,
f
i
x
n
(p)
_
entonces podemos formar la siguiente matriz mn,
Df
p
=
_
_
_
_
_
_
f1
x1
(p)
f1
x2
(p)
f1
xn
(p)
f2
x1
(p)
f2
x2
(p)
f2
xn
(p)
.
.
.
.
.
.
fm
x1
(p)
fm
x2
(p)
fm
xn
(p)
_
_
_
_
_
_
mn
llamada La matriz Jacobiana de la funcion f en el punto p.
Damos ahora algunos ejemplos en dimensiones bajas, esto es, para
cuando n, m 3.
EJEMPLO. Sea la funcion f : R
2
R
2
dada por la regla de correspon-
dencia.
f(x, y) = (x +y, x
2
y)
Debido a que las funciones coordenadas son
f
1
(x, y) = x +y, f
2
(x, y) = x
2
y
220 Campos vectoriales en R
3
La matriz Jacobiana en cualquier p R
2
es
Df
p
=
_
f1
x
f1
y
f2
x
f2
y
_
=
_
1 1
2xy x
2
_
p
De esta manera, en el punto particular del dominio p = (1, 2), se tiene
la matriz Jacobiana de 2 2,
Df
(1,2)
=
_
1 1
2xy x
2
_
(1,2)
=
_
1 1
4 1
_
EJEMPLO. Sea la funcion f : R
2
R
3
dada por la regla,
g(x, y) = (xy, senx, x
2
+y
2
)
Ya que las funciones coordenadas son
g
1
(x, y) = xy, g
2
(x, y) = senx, g
3
(x, y) = x
2
+y
2
entonces en cualquier punto p del codominio se tiene una Matriz Jacobiana
de 3 2,
Dg
p
=
_
_
_
g1
x
g1
y
g2
x
g2
y
g3
x
g3
y
_
_
_
p
=
_
_
y x
cos x 0
2x 2y
_
_
p
Por ejemplo, si p = (, /2) entonces, al evaluar se obtiene la matriz
Dg
(,/2)
=
_
_
y x
cos x 0
2x 2y
_
_
(,/2)
=
_
_
/2
1 0
2
_
_
En este momento damos pauta para iniciar el estudio de la propiedad
de diferenciabilidad de una funcion vectorial de argumento vectorial exten-
diendo la denicion de diferenciabilidad de un campo escalar.
DEFINICI
ON. Sean f : R
n
R
m
, una funcion vectorial de argu-
mento vectorial y un punto p . Se dice que f es diferenciable en p si ex-
isten, una funcion g : R
n
R
m
y una transformacion lineal L
p
: R
n
R
m
tales que
_
_
_
f(p +h) f(p) = L
p
(h) +[[h[[g(h)
y
lim
||h||0
g(h) = 0
A continuacion se propone una condicion suciente y necesaria para la
diferenciabilidad de un campo vectorial.
5.2 La matriz jacobiana 221
TEOREMA 5.3 (de diferenciabilidad) Una funci on f : R
m
es
diferenciable en el punto p, si y s olo s, La matriz Jacobiana de f en p
existe y las entradas
Df
p
=
_
f
i
x
j
_
p
, i = 1, 2, , m j = 1, 2 , n
son continuas,
Esto es, cada funci on
fi
xj
es continua en p. En este caso, la transfor-
maci on lineal L
p
: R
n
R
m
tiene como asociada a La matriz Jacobiana.
DEFINICI
p
p
f
f(p)
df
n
m
()
Figura 5.7: Aplicacion de un vector bajo la diferencial df
p
.
Observemos en realidad que la diferencial L
p
L
p
: R
n
R
m
se aplica en los vectores de posicion con extremo en p,
L
p
()
bajo La matriz Jacobiana Df
p
.
222 Campos vectoriales en R
3
Entenderemos por L
p
= df
p
a la transformacion lineal asociada a Df
p
,
df
p
: R
n
R
m
que dene una transformacion lineal entre los espacios R
n
y R
m
. Esto es,
si es un vector de R
n
entonces df
p
() es un vector de R
m
(vease la gura
5.7).
A una funcion que es diferenciable en cada punto de su dominio se le
llamara diferenciable.
EJEMPLO. Sean, la funcion diferenciable
f(x, y) = (xcos x, sen x)
el punto p =
_
2
,
_
, y el vector = (1, 2). Calcular df
p
().
Calculamos La matriz Jacobiana de la funcion en el punto p,
Df
p
=
_
cos y x sen y
xcos z sen x
_
p
y la evaluamos en el punto p =
_
2
,
_
, obteniendo,
Df
(/2,)
=
_
cos /2 sen
cos /2 sen /2
__
1 0
0 1
_
Por lo tanto, para = (1, 2) se tiene, al aplicar convencionalmente,
que
df
p
(1, 2) =
_
1 0
0 1
__
1
2
_
=
_
1
2
_
= (1, 2)
EJEMPLO. Sean, la funcion diferenciable,
f(x, y) = (ln xy, x
2
+y
2
,
xy),
el punto p = (4, 3), y el vector = (2, 1). Calcular df
p
().
Calculamos La matriz Jacobiana de la funcion en el punto arbitrario
p,
Df
p
=
_
_
_
1
x
1
y
2x 2y
1
2
_
y
x
1
2
_
x
y
_
_
_
p
5.3 La regla de la cadena 223
de donde, al evaluar en p = (4, 3) se tiene que
Df
(4,3)
=
_
_
_
1
4
1
3
8 6
1
2
_
3
4
1
2
_
4
3
_
_
_
p
=
_
_
1
4
1
3
8 6
3
4
3
3
_
_
Por lo tanto, al aplicar en el vector = (2, 1) de manera convencional,
se obtiene,
df
(4,3)
() =
_
_
1
4
1
3
8 6
3
4
3
3
_
_
_
2
1
_
=
_
_
5
6
22
5
3
6
_
_
=
_
5
6
, 22,
5
3
6
_
5.3 La regla de la cadena
En el captulo 4 hemos dado una version mas general del teorema de dife-
renciabilidad, para la composicion de funciones, para cuando eran del tipo
R R
3
R. En esta seccion damos un resultado mas general acerca de
la diferenciabilidad de la composicion de funciones diferenciables del tipo
R
n
R
m
R
k
(k, n, m enteros arbitrarios), llamada tambien Regla de
la cadena (vease la gura 5.8).
p
f(p)
g(f(p))
p
p
f(p)
f(p)
df
dg
dg
p
p
df
(df
()
())
f) d(gO
Figura 5.8: Regla de la cadena.
EJEMPLO. Sea la pareja de funciones vectoriales
f(x, y) =
_
y
1 +x
2
, xy +y
2
_
g(u, v, w) = (uv w, u +v +w)
Las matrices Jacobianas respectivas estan dadas por,
Df
q
=
_
2xy
(1+x
2
)
2
1
1+x
2
y x + 2y
_
q
224 Campos vectoriales en R
3
Dg
p
=
_
v u 1
1 1 1
_
p
Observamos que solo tiene sentido la composicion dada por
f g : R
3
R
2
R
2
la cual ya ha sido calculada y esta denida por la regla
(f g)(u, v, w) =
_
u +v +w
1 + (uv w)
2
, (u +v +w)(uv +u +v)
_
y cuya matriz Jacobiana se calcula en un punto p R
3
por
D(f g)
p
=
_
1+(uvw)(uv+w+2v
2
+2vw)
(1+(uvw)
2
)
2
1+(uvw)(uv+w+2u
2
+2uv)
(1+(uvw)
2
)
2
v
2
+ 2u + 2v + 2uv +w +w u
2
+ 2uv + 2u + 2v +uw +w
1+(uvw)(u+uv+2w+2v)
(1+(uvw
2
)
2
uv +u +v
_
cuyo calculo resulta ser muy complicado.
Por ejemplo, si se toma el punto p = (1, 1, 1) entonces,
D(f g)
(1,1,1)
=
_
1 1 1
9 9 3
_
Por otro lado, sabiendo que g(p) = g(1, 1, 1) = (0, 3) = q se tendra
Df
q
= Df
(0,3)
=
_
0 1
3 6
_
Dg
p
= Dg
(1,1,1)
=
_
1 1 1
1 1 1
_
Pero al realizar el producto de matrices se tiene que
Df
q
Dg
p
=
_
0 1
3 6
__
1 1 1
1 1 1
_
=
_
1 1 1
9 9 3
_
= D(f g)
p
lo que nos indica que
Df
q
Dg
p
= D(f g)
p
5.3 La regla de la cadena 225
Ya que el punto q = g(p), entonces lo anterior se escribe de manera mas
explcita y en terminos de p como
D(f g)
p
= Df
g(p)
Dg
p
La formula que se ha obtenido al nal del ejemplo sera propuesta como
La regla de la cadena. El enunciado sera dado en terminos de diferen-
ciales, lo cual no nos causa problema alguno, ya que la prueba involucrara
sus matrices Jacobianas asociadas.
TEOREMA 5.4 (Regla de la cadena). Sean dos funciones diferencia-
bles
f : R
n
R
m
g : U R
m
R
k
de tal forma que la imagen de bajo la funci on f este contenida en U
R
m
.
Si p es un punto arbitrario, entonces la funci on compuesta
g f : U R
k
es diferenciable en el punto p y la diferencial de tal composici on en el punto
p cumple la igualdad
d(g f)
p
= dg
f(p)
df
p
Como las matrices asociadas a las diferenciales son las Jacobianas,
sera suciente con demostrar la igualdad
D(g f)
p
= Dg
f(p)
Df
p
Ya que f es diferenciable en p , existe una funcion : R
n
R
m
tal
que
_
f(p +h) f(p) = Df
p
(h) +[[h[[(h)
lim
||h||0
(h) = 0
Analogamente, como g es diferenciable en el punto q U, existe una
funcion : R
n
R
tal que
_
g(p +k) g(q) = Dg
q
(k) +[[k[[(k)
lim
||h||0
(k) = 0
Sea ahora, q = f(p) y considerese el incremento k = f(p + h) f(p),
entonces
k = f(p +h) f(p) = Df
p
(h) +[[h[[(h)
226 Campos vectoriales en R
3
y ademas
g(f(p +h)) = g(f(p) +k) = g(f(p)) +Dg
f(p)
((Df
p
(h) +[[h[[(h))
+[[Df
p
(h) +[[h[[(h)[[ (Df
p
(h) +[[h[[(h))
Por lo tanto, de la linealidad de Dg
f(p)
se tiene que
g(f(p +h)) g(f(p)) = Dg
f(p)
Df
p
(h) +(h)
donde
(h) = [[h[[Dg
f(p)
((h)) +[[Df
p
(h) +[[h[[(h)[[(Df
p
(h) +[[h[[(h))
Como lim
||h||0
(h) = 0 y k 0 h 0, se tiene que
lim
||h||0
(h) = 0
sabiendo que : R
n
R
.
De esta manera, se cumple la pareja de igualdades
_
g(f(p +h)) g(f(p)) = Dg
f(p)
Df
p
(h) +(h)
lim
||h||0
(h) = 0
o equivalentemente,
_
(g f)(p +h) (g f)(p) = Dg
f(p)
Df
p
(h) +(h)
lim
||h||0
(h) = 0
lo que demuestra el teorema.
EJEMPLO. Dada la pareja de funciones,
f(x, y, z) = (x
2
, y
2
+z
2
)
g(u, v) = (ln(u +v), e
uv
, uv)
calcular D(f g)
p
, donde p = (1, 1).
Las matrices Jacobianas estan dadas por
Dg
p
=
_
_
1
u+v
1
u+v
ve
uv
ue
uv
v u
_
_
p
Df
q
=
_
1 0 0
0 2y 2z
_
q
5.3 La regla de la cadena 227
Ya que g(p) = g(1, 1) = (ln 2, e, 1) = q se tiene que
Dg
(1,1,1)
=
_
_
1
2
1
2
e e
1 1
_
_
Df
(ln 2,e,1)
=
_
1 0 0
0 2e 2
_
Por La regla de la cadena, tenemos nalmente,
D(f g)
(1,1)
= Df
(ln 2,e,1)
Dg
(1,1)
=
_
1 0 0
0 2e 2
_
_
_
1
2
1
2
e e
1 1
_
_
=
_
1/2 1/2
2e
2
+ 2 2e
2
+ 2
_
EJEMPLO. Sean (t) = (x(t), y(t), z(t)) una curva diferenciable y w =
f(x, y, z) una funcion arbitraria real de variable vectorial.
Si (t) , siendo el dominio de f en R
3
entonces,
w((t)) = f(x(t), y(t), z(t))
es una funcion real de variable real diferenciable, w : R R.
Si p = (t) es un punto sobre la curva, por La regla de la cadena se
tiene
d(w((t))
dt
= D(w )
t
= Dw
(t)
D(t) = Df
(t)
D(t)
=
_
f
x
f
y
f
z
_
(t)
_
_
dx
dt
dy
dt
dz
dt
_
_
t
=
f
x
dx
dt
+
f
y
dy
dy
+
f
z
dz
dt
=< f
(t)
, (t) >
Notamos que esta igualdad es la que se obtiene en el captulo 4 como
un caso especial del teorema de La regla de la cadena establecido en este
captulo.
228 Campos vectoriales en R
3
5.4 Cambios de coordenadas
En esta seccion mostramos uno de los resultados mas importantes del
analisis matematico moderno, el teorema de la Funcion Inversa. Aunque
se omite su demostracion, se ilustra su alcance con ejemplos y se dan refe-
rencias para los lectores interesados en la parte teorica.
EJEMPLO. Consideremos el siguiente sistema lineal de ecuaciones de
3 3,
_
_
_
x + 2y + 3z = 1
2x + 5y + 3z = 2
x + 8z = 3
Si se consiera la matriz del sistema,
A =
_
_
1 2 3
2 5 3
1 0 8
_
_
se tiene que detA = 1, de donde A es invertible con inversa,
A
1
=
_
_
40 16 9
13 5 3
5 2 1
_
_
que puede ser calculada mediante El metodo de Gauss-Jordan.
Ya que el sistema dado se puede escribir matricialmente
_
_
1 2 3
2 5 3
1 0 8
_
_
_
_
x
y
z
_
_
=
_
_
1
2
3
_
_
A
_
_
x
y
z
_
_
=
_
_
1
2
3
_
_
entonces el vector columna con las incognitas puede despejarse mediante
la multiplicacion de A
1
, esto es,
A
1
A
_
_
x
y
z
_
_
= A
1
_
_
1
2
3
_
_
_
_
x
y
z
_
_
= A
1
_
_
1
2
3
_
_
lo que nos indica que
_
_
x
y
z
_
_
=
_
_
40 16 9
13 5 3
5 2 1
_
_
_
_
1
2
3
_
_
=
_
_
3
6
2
_
_
y, por lo tanto, que el punto con coordenadas (x, y, z) = (3, 6 2) es la
solucion a tal sistema.
5.4 Cambios de coordenadas 229
Veamos el problema inicial desde otro angulo.
Si consideremos a L
A
: R
2
R
3
la transformacion lineal asociada a la
matriz A, entonces el sistema de ecuaciones inicial puede ser visto mediante
la ecuacion funcional (con notacion convencional),
L
A
(x, y, z) = A
_
_
x
y
z
_
_
=
_
_
1
2
3
_
_
= (1, 2, 3)
es decir, el problema consiste en encontrar un punto (x, y, z) del dominio
de L
A
tal que bajo la aplicacion de la transformacion tenga imagen en el
punto dado (1, 2, 3),
L
A
(x, y, z) = (1, 2, 3)
Por el proceso mostrado, se tiene que si detA ,= 0, y L
A
1 es la trans-
formacion lineal asociada a la matriz A
1
, entonces el punto buscado es
(x, y, z) = L
A
1(1, 2, 3) = (3, 3, 2).
Si se analiza un sistema de ecuaciones mas general,
_
_
_
a
11
x +a
12
y +a
13
z = u
a
21
x +a
22
y +a
23
z = v
a
31
x +a
32
y +a
33
z = w
con la matriz asociada al sistema dada por
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
entonces, una condicion para que el sistema tenga solucion para las incog-
nitas (x, y, z) en terminos de los n umeros (u, v, w) es que detA ,= 0. Si este
es el caso y se dene por
A
1
=
_
_
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
_
_
entonces la solucion al sistema de ecuaciones viene dado por la ecuacion
matricial
_
_
x
y
z
_
_
=
_
_
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
_
_
_
_
u
v
w
_
_
230 Campos vectoriales en R
3
En terminos funcionales, si L
A
: R
3
R
3
es la transformacion lineal
asociada a la matriz A y L
A
1 : R
3
R
3
es la transformacion lineal
asociada a la matriz A
1
, el sistema de ecuaciones en las incognitas (x, y, z)
y su solucion en terminos de (u, v, w) vienen dados por la equivalencia
funcional
L
A
(x, y, z) = (u, v, w) (x, y, z) = L
A
1(u, v, w)
Esta equivalencia se nala explcitamente las propiedades de invertibili-
dad de cada transformacion lineal mencionada.
De hecho, de la igualdad AA
1
= A
1
A = I, donde I es la matriz
identidad se tiene que
L
A
L
A
1
= L
AA
1 = L
I
= I
L
A
1 L
A
= L
A
1
A
= L
I
= I
lo que nos dice que L
A
y L
A
1 son mutuamente inversas y que
L
A
1 = (L
A
)
1
ON. Sea f : R
n
R
n
una funcion vectorial de variable
vectorial. La funcion g : f() R
n
se dice ser una funcion inversa
de la funcion si se cumple que
f g : f() f(), es tal que f g = 1
g f : f() , es tal que g f = 1
siendo I la funcion identidad (vease la gura 5.9).
EJEMPLO. Sea la funcion f : R
2
R
2
dada por la regla de correspon-
dencia
f(x, y) = (e
x
cos y, e
x
seny)
Si se escriben las coordenadas de la imagen,
_
u = e
x
cos y
v = e
x
seny
5.4 Cambios de coordenadas 231
p
f
g
f(p)
n
m
f()
Figura 5.9: Invertibilidad de una funcion.
entonces, al dividir la segunda ecuacion por la primera se obtiene
v
u
= tan y y = arctan
_
u
v
_
Si se elevan al cuadrado las igualdades en ambos miembros y se suman
los lados respectivos se tendra que
u
2
+v
2
= e
2x
cos
2
y +e
2x
sen
2
y = e
2x
lo que implica que
x = ln
_
u
2
+v
2
De esta manera, con base en un calculo realizado mediante despejes, se
obtiene una funcion
(x, y) = g(u, v) =
_
ln
_
u
2
+v
2
, arctan
_
v
u
__
la cual tiene un dominio de denicion
D
1
= R
2
(u, v)[ u ,= 0 = R
2
eje v
En otras palabras, bajo esta regla g obtenida, no todo punto (u, v) R
2
acepta solucion para la equivalencia
f(x, y) = (u, v) (x, y) = g(u, v).
Por eso es que llamamos a g una funcion inversa, porque esta denida
no en toda la imagen de f.
Otro calculo simple nos muestra que la funcion,
h(u, v) =
_
ln
_
u
2
+v
2
, arccot
_
u
v
__
232 Campos vectoriales en R
3
es una funcion obtenida mediante el metodo similar, y que es inversa para
f denida en el conjunto
D
2
= R
2
eje u
Lo que es claro, es que un calculo directo nos mostrara que en el con-
junto
D
1
D
2
= D = R
2
ejes u, v
las funciones h y g coinciden en sus valores.
EJEMPLO. Sea f : D R R una funcion diferenciable real de variable
real y sea p D un punto regular de f, es decir la derivada f
(p) no se
anula.
Por el teorema de la funcion inversa (Captulo 3 Reyes, 1996) se tiene
que existen intervalos J
p
alrededor de p y J
q
alrededor de q = f(p) de tal
forma que la restriccion de la funcion f a esos intervalos
f : J
p
J
q
es invertible y su inversa es diferenciable. Mas a un, si g : J
q
J
p
es la
funcion inversa local de f alrededor de q = f(p), entonces la ecuacion
(g f)(x) = x
implica, por La regla de la cadena
1 = (g f)
(x) = g
(f(x))f
(x)
Al evaluar en x = p se tiene que la derivada de la funcion inversa g en
el punto q = f(p) se calcula,
g
(q) = (f
(p))
1
=
1
f
(p)
Decimos en este caso que la funcion f es una invertible local pues
tiene una inversa local g que tambien es diferenciable.
El siguiente resultado generaliza el ejemplo anterior y nos provee de una
gran cantidad de funciones localmente invertibles de clase C
r
. La prueba se
omite, pero el lector interesado puede referirse al trabajo de Lima (1992).
Para una funcion de clase C
r
, f : R
n
R
m
entenderemos a una funcion
cuyas funciones coordenadas f
i
: R
n
Rm son de clase C
r
.
5.4 Cambios de coordenadas 233
TEOREMA 5.5 (de la funcion inversa local) Sean, f : R
n
R
n
una funci on de clase C
r
(r 1) y p un punto tal que La matriz
Jacobiana
A = Df
p
=
_
f
i
x
j
_
p
tenga un determinante no nulo: detA ,= 0. Entonces f es una funci on
localmente invertible en p. Esto es, en una vecindad de p y en otra vecindad
de q = f(p), la funci on tiene una inversa local g que es de clase C
r
.
M as a un, si q = f(p) es la imagen se tiene que La matriz Jacobiana de
g en q se calcula invirtiendo la matriz Df
p
, es decir,
Dg
q
= (Df
p
)
1
EJEMPLO. Considerar nuevamente la funcion f : R
2
R
2
f(x, y) = (e
x
cos y, e
x
seny)
de la cual no se puede obtener una funcion inversa global explcita.
Sea p = (x, y) R
2
un punto arbitrario del dominio. Su matriz
Jacobiana viene dada por
Df
p
=
_
e
x
cos y e
x
seny
e
x
seny e
x
cos y
_
lo que nos dice que
det(Df
p
) =
e
x
cos y e
x
seny
e
x
seny e
x
cos y
= e
x
,= 0
Por lo tanto, la funcion f es invertible localmente en cada punto y de-
pendiendo de este, tendra una funcion inversa local como alguna de las dos
diferentes halladas anteriormente, seg un la forma de despejar las variables.
DEFINICI
u
x
u
y
v
x
v
y
e
x
cos y e
x
seny
e
x
seny e
x
cos y
= e
x
,= 0
Particularmente, en el punto p = (1, 1) se tiene que
Jf
(1,1)
= e
1
= e
de donde f es invertible alrededor del punto (1, 1) con una inversa local
g(u, v) =
_
ln
_
u
2
+v
2
, arctan
_
u
v
__
denida alrededor del punto f(1, 1) = (e cos 1, e sen 1).
EJEMPLO. Dada la funcion
f(x, y, z) = (xz, xy, yz)
vericar su invertibilidad alrededor del punto p = (1, 1, 1).
5.4 Cambios de coordenadas 235
Si calculamos por (u, v, w) = f(x, y, z) = (xz, xy, yz), es decir,
_
_
_
u = xz
v = xy
w = yz
entonces
Jf
p
=
D(u, v, w)
D(x, y, z)
=
u
x
u
y
u
z
v
x
v
y
v
z
w
x
w
y
w
z
z 0 x
y x 0
0 z y
= 2xyz
De esta manera, el Jacobiano se anula solo en los planos coordenados
x = y = z = 0.
Por lo tanto, Jf
(1,1,1)
= 2 ,= 0, lo que nos dice que f es invertible en
una localidad del punto (1, 1, 1), y procedemos a calcular en este caso una
funcion inversa local de f.
De las ecuaciones u = xz, v = xy se obtiene que uv = x
2
zy. Al utilizar
ahora w = yz en uv = x
2
zy se tiene que uv = x
2
w lo que nos dice que
x
2
=
uv
w
x =
_
uv
w
Analogamente, se obtienen,
y =
_
vw
u
, z =
_
uw
v
.
Ya que q = (1, 1, 1) = f(1, 1, 1) esta en el dominio para cualquier
eleccion de signos, se tiene, al elegir los apropiados, que la inversa local g
tiene la forma,
g(u, v, w) =
_
_
vv
w
,
_
vw
u
,
_
uw
v
_
en virtud de los signos del punto p = (1, 1, 1).
En muchas ocasiones, el sistema cartesiano de coordenadas no es bueno
para describir objetos geometricos o mecanicos que estan incluidos en el
espacio vectorial R
3
. Por eso, es preciso utilizar otro tipo de coordenadas
que describen con formulas mas simples tales objetos. De esta forma, si se
conocen las coordenadas que se van a utilizar en lugar de las cartesianas,
236 Campos vectoriales en R
3
1
1
1
+
H
a. b.
Figura 5.10: Regiones en R
3
y R
2
.
justo es que se establezca una relacion biunvoca entre las colecciones co-
rrespondientes a tales sistemas de coordenadas.
Cabe mencionar que en muchas ocasiones, tal relacion biunvoca entre
tales sistemas puede establecerse entre regiones.
EJEMPLO. Sea el campo escalar
F(x, y, z) = x
2
+y
2
+z
2
Ya que F es una funcion suave (por lo tanto, continua) se tiene que
1
= F
1
(, 1) = (x, y, z)[ x
2
+y
2
+z
2
< 1
es una region abierta de R
3
Esto, es la bola de radio 1 con centro en (0, 0, 0)
de R
3
es una region abierta (vease gura 5.10 a).
EJEMPLO. Considere el semiplano superior
H
+
= (x, y) R
2
[ y > 0
Este conjunto es una region abierta en R
2
, pues la funcion F(x, y) = y es
continua y H
+
= F
1
(0, ) (vease gura 5.10 b). Claramente la cerradura
del semiplano superior
H
+
= (x, y) R
2
[ y 0
es una region con frontera en el plano R
2
.
En algunas ocasiones, una region esta denida por varias desigualdades.
Esto es, cada punto de la region satisface un n umero nito de desigualdades
del tipo
_
_
F
1
(x, y, z) a
1
F
2
(x, y, z) a
2
.
.
.
F
n
(x, y, z) a
n
5.4 Cambios de coordenadas 237
donde las funciones F
1
, , F
n
son continuas en el espacio R
3
, y a
1
, , a
n
son n umeros reales.
EJEMPLO. Consideremos la region en el plano R
2
acotada por la elipse
x
2
4
+
y
2
2
= 1
De la gura 5.11 se puede observar que la variable x esta necesaria-
mente en el intervalo [2, 2] y que la variable y esta encerrada desde la
curva y =
1
4 x
2
hasta la curva y =
1
4 x
2
.
La denicion de y se obtiene al despejar a y de la ecuacion inicial,
y =
1
2
_
4 x
2
x -2 2 x
y
y
2
2
4-x
4-x
1
-1
2
2
y=
y=
2
_
4 x
2
y
1
2
_
4 x
2
.
Estas desigualdades son equivalentes al sistema de desigualdades
_
_
F
1
(x, y) = x 2
F
2
(x, y) = x 2
F
3
(x, y) =
_
y +
4x
2
2
_
0
F
4
(x, y) = y
4x
2
2
0
que provienen del par de desigualdades obtenido.
238 Campos vectoriales en R
3
En general, entender un sistema de desigualdades como el que se obtuvo
en la parte nal del ejemplo anterior es dcil, y es mas comodo describir a
una region por desigualdades como las que se obtuvieron directamente en
el ejemplo anterior, las cuales se nalan los conjuntos donde era permisible
tomar cada una de las variables.
EJEMPLO. Considerese la region en el plano denida por desigualdades
y x
2
, y 4 x
2
La gura 5.12 nos muestra que la primer desigualdad se reere a la
region por encima de la parabola y = x
2
, mientras que la segunda desigual-
dad se reere a la region por debajo de la parabola y = 4 x
2
. Por lo
tanto, la region es aquella acotada inferiormente por y = x
2
y acotada
superiormente por y = 4 x
2
.
y
y=
y=
x
-
[ [
2 2
2
2
4-x
x
Figura 5.12: Region del plano R
2
.
Los puntos de interseccion entre las parabolas satisfacen las ecuaciones
_
y = x
2
y = 4 x
2
que al igualar: x
2
= 4 x
2
, nos da los puntos x =
2.
Esto hace que x este en el intervalo [
2,
2 x
2, x
2
y 4 x
2
.
EJEMPLO. Sea V R
3
la region espacial acotada por los planos
x = 0, y = 0, z = 0, x +y +z = 1
5.4 Cambios de coordenadas 239
Una inspeccion a la ecuacion del plano x+y+z = 1, nos muestra que
los puntos de interseccion con los ejes coordenados son (1, 0, 0), (0, 1, 0) y
(0, 0, 1), como se muestra en la gura 5.13, quedando tal porcion del plano
en el primer octante: x 0, y 0, z 0
Si en la ecuacion x+y +z = 1, ponemos y = 0 y z = 0, entonces x = 1,
lo que determina para x el intervalo [0, 1].
z=0
1
1
1
x
x
y
z
z=1-x-y
y=1-x
y
0
1
Figura 5.13: Region espacial acotada por planos.
Para determinar el dominio de y, hacemos z = 0 en la ecuacion x +y +
z = 1, obteniendo x + y = 1 o y = 1 x, lo que seg un se muestra en la
misma gura, e indica que
0 y 1 x
Finalmente, al despejar z de la ecuacion x+y+z = 1, se obtiene z = 1xy,
lo que dice que la variable z debe satisfacer la desigualdad
0 z 1 x y
Por lo tanto, la region espacial V se describe por el conjunto
V = (x, y, z)[ 0 x 1, 0 y 1 x, 0 z 1 x y.
EJEMPLO. Consideremos la region espacial acotada por la parte superior
de la esfera
x
2
+y
2
+z
2
= 4.
Al proceder por analoga al ejemplo anterior haciendo y = 0, z = 0
en la ecuacion dada, se obtiene que x
2
= 4 o x = 2. Al observar la gura
5.14, tenemos que el intervalo numerico para x es [2, 2].
240 Campos vectoriales en R
3
Por otra parte, si se anula z en la ecuacion, se tiene que x
2
+y
2
= 4 lo
que al despejar a y en terminos de x nos da y =
4 x
2
, que seg un la
gura 5.17, nos indica el dominio para la variable y,
_
4 x
2
y
_
4 x
2
Finalmente, si en la ecuacion inicial se despeja a z, se obtiene que
z =
_
4 x
2
y
2
, lo que seg un la misma gura 5.17, la variable z debera
satisfacer la desigualdad
0 z
_
4 x
2
y
2
pues se considera la parte superior de la esfera.
x
-2 2
2
2 2
2
4-x
4-x -y
4-x
y=
z=
z=0
y=-
y
y
Figura 5.14: Semiesfera superior R
3
.
De esta manera, la region V R
3
acotada de esta forma, esta total-
mente descrita por las desigualdades
2 x 2,
_
4 x
2
y
_
4 x
2
, 0 z
_
4 x
2
y
2
Como se menciono antes, situaremos un cambio de sistemas coordenados
en regiones contenidas en R
3
(o en R
2
).
DEFINICI
ON. El punto p
0
se llama un valor regular para el
cambio de coordenadas, s la matriz
A =
_
_
x
u
x
v
x
w
y
u
y
v
y
w
z
u
z
v
z
w
_
_
q0
es no singular, es decir, det A ,= 0. El punto q
0
se llamara punto regular.
En otras palabras, p
0
es un valor regular para el sistema de coordenadas
(u, v, w) si la parte lineal A es una matriz invertible.
El siguiente resultado nos habla de la invertibilidad local alrededor de
un punto regular de un cambio de coordenadas.
Este se sigue del Teorema
de la funcion inversa.
TEOREMA 5.6 Si p
0
es un punto regular para el cambio de coordenadas,
entonces en una vecindad de p
0
en se puede denir una transformaci on
inversa.
En otras palabras, la parte lineal del cambio de coordenadas en q
0
de-
ne su invertibilidad localmente. Esto es, dene localmente un cambio de
coordenadas.
A continuacion damos ejemplos de cambios de coordenadas en el plano
R
2
y en el espacio R
3
. Se hara uso del Teorema 5.6 en cada uno de ellos.
Coordenadas polares
Considerese en el plano R
2
el sistema de coordenadas cartesianas (x, y).
Introducimos ahora en el mismo plano otro sistema de coordenadas (r, ),
donde r 0 y (0, 2). La relacion entre los sistemas de coordenadas
es
_
x = r cos
y = r sen
242 Campos vectoriales en R
3
Dado un punto (r
0
,
0
) = q
0
, procedemos a vericar la condicion de
invertibilidad local, y para ello necesitamos calcular la matriz Jacobiana en
q
0
A =
_
x
r
x
y
r
y
_
q0
=
_
cos
0
r
0
sen
0
sen
0
r
0
cos
0
_
.
De esta forma, el determinante de la parte lineal A se calcula
D(x, y)
D(r, )
= detA =
cos
0
r
0
sen
0
sen
0
r
0
cos
0
= r
0
(cos
2
0
+ sen
2
0
) = r
0
,
con lo que, detA ,= 0 en R
+
(0, 2).
Una funcion que da un cambio inverso de coordenadas esta dado por
_
r =
_
x
2
+y
2
= arctan (y/x)
que no esta denido cuando x = 0. De esta manera, ya que la imagen
corresponde al eje y (donde =
2
,
3
2
), se tiene una correspondencia de
coordenadas (x, y) y (r, ) en apenas los cuadrantes (sin los ejes) del plano.
La gura 5.15 ilustra esto. Al sistema de coordenadas (r, ) se le llama de
coordenadas polares.
x
r
(r, )
cos r sen 0
sen r cos 0
0 0 1
cos r sen
sen r cos
= r
y este es diferente de cero, si r > 0. Este conjunto corresponde a todo el
espacio con excepcion del eje z. Una funcion inversa es calculada por
_
_
_
r =
_
x
2
+y
2
= arctan(y/x)
z = z
denida cuando x ,= 0. Como (0, 2), entonces se tiene un cambio
de coordenadas (x, y, z) por (r, , z), y viceversa, solo cuando el punto es
tomado fuera de los planos x = 0, y = 0 en R
3
.
5.4 Cambios de coordenadas 245
( , ) r
( , ,z) r
x
y
z
z
Figura 5.16: Coordenadas cilndricas.
Este sistema se conoce como coordenadas cilndricas. La gura 5.16
ilustra este
EJEMPLO. Considerese la relacion dada en coordenadas cartesianas por
x
2
+y
2
2z
2
= 0
En coordenadas cilndricas (r, , z) esta relacion se escribe
0 = (x
2
+y
2
) 2z
2
= r
2
2z
2
,
es decir, r
2
= 2z
2
o bien, r =
2z
EJEMPLO. Consideremos la funcion denida por
F(x, y, z) =
_
z x
2
y
2
en la region = (x, y, z)[ z x
2
+y
2
R
3
.
En coordenadas cilndricas la funcion se escribe de forma mas simple
_
r =
_
x
2
+y
2
+z
2
= arctan
_
y
x
_
= arccos
_
z
x
2
+y
2
+z
2
_
Este sistema se conoce como coordenadas co-geogracas esfericas,
y se ilustra en la gura 5.17.
EJEMPLO. Consideremos la ecuacion espacial en coordenadas carte-
sianas dada por
x
2
+y
2
+z
2
4 = 0
En coordenadas esfericas (r, , ), tal ecuacion se escribe
0 = (r cos sen )
2
+ (r sen sen)
2
+ (r cos )
2
4
= r
2
cos
2
sen
2
+r
2
sen
2
sen
2
+r
2
cos 4
= r
2
sen
2
(cos
2
+ sen
2
) +r
2
cos
2
4 = r
2
sen
2
+r
2
cos
2
4
= r
2
( sen
2
+ cos
2
) 4 = r
2
4
5.4 Cambios de coordenadas 247
(r, , )
, b
)
pasando por p, coincide con en (a, b) (a
, b
, b
).
La prueba de este teorema es objeto de La Teora de las Ecuaciones
Diferenciales y sale del alcance de este libro.
Otra forma de determinar las curvas del ujo del campo vectorial
X = P(x, y, z)e
1
+Q(x, y, z)e
2
+R(x, y, z)e
3
es resolver las ecuaciones diferenciales equivalentes,
dx
P(x, y, z)
=
dy
Q(x, y, z)
=
dz
R(x, y, z)
254 Campos vectoriales en R
3
pero en este caso, las soluciones estan determinadas sin el parametro tem-
poral t.
A continuacion, damos ejemplos de curvas integrales para campos vec-
toriales en el plano. La b usqueda de tales curvas integrales obedece en
general a la solucion del sistema de ecuaciones diferenciales mencionado.
Se hace mencion al lector que en general no es simple resolver un sistema
de este tipo para encontrar las curvas integrales del campo que act ua en la
region , ademas de que los metodos de solucion que se conocen merecen
un trabajo aparte.
EJEMPLO. Consideremos en = R
2
el campo de vectores constante
X(x, y) = (1, 0)
esto es, P(x, y) = 1 y Q(x, y) = 0.
Entonces sus curvas integrales deberan de satisfacer el sistema de
ecuaciones diferenciales
_
x = P = 1
y = Q = 0
cuyas soluciones para cualquier punto (x
0
, y
0
) tienen la forma
(t) :
_
x(t) = t +x
0
y(t) = y
0
Esta curva integral
t (t) = (x(t), y(t)) = (t +x
0
, y
0
)
corresponde a una recta paralela al eje x, que en el tiempo t = 0 pasa por
el punto (x
0
, y
0
) .
La gura 5.21 ilustra el campo vectorial de este ejemplo, junto con sus
curvas integrales (ujo del campo).
EJEMPLO. Sea en = R
2
el campo vectorial dado por
X(x, y) = (y, x)
es decir, P(x, y) = y, Q(x, y) = x.
El sistema de ecuaciones diferenciales asociado al campo es
_
x = P(x, y) = y
y = Q(x, y) = x
Mediante metodos del
Algebra lineal se puede comprobar que la curva
integral al tiempo t = 0 pasando por el punto (x
0
, y
0
) , tiene la forma
(t) :
_
x(t) = x
0
cos t y
0
sent
y(t) = x
0
sen t +y
0
cos t
, t R
5.5 Campos vectoriales en R
2
y R
3
255
0 0 0 0
(x (x
) )
X=(1,0)
+t
,y ,y
Figura 5.21: Campo constante X = (1, 0).
Por ejemplo, para el punto (x
0
, y
0
) = (1, 1) se tiene que la curva integral
pasando por el esta denida por
(t) = (cos t sent, sent + cos t)
Ya que
[[(t)[[
2
= (cos t sent)
2
+ (sent + cos t)
2
= 2
se tiene que tal curva integral por (1, 1) es una circunferencia de radio
2
con centro en el origen. De manera analoga, la curva integral de X que
pasa por el punto arbitrario (x
0
, y
0
) satisface que
[[(t)[[
2
= (x
0
cos t y
0
sent)
2
+ (x
0
sent +y
0
cos t)
2
= x
2
0
+y
2
0
lo que nos indica que tambien es una circunferencia con centro en el origen
de radio
_
x
2
0
+y
2
0
.
La gura 5.22 nos ilustra este campo vectorial junto con sus curvas
integrales, que conforman una familia de crculos concentricos, sobre los
cuales se mueve el campo en direccion contraria a las manecillas del reloj.
(x,y)
X(x,y)
( ) t
( ) t
Figura 5.22: Curvas integrales del campo X(x, y) = (y, x).
256 Campos vectoriales en R
3
Una forma mas simple de obtener las curvas integrales sin la expresion
explcita del parametro t para el campo del ejemplo anterior, se muestra a
continuacion
EJEMPLO. Determine las lneas de ujo del campo vectorial plano del
ejemplo anterior,
X = ye
1
+xe
2
Para encontrar las lneas de ujo del campo vectorial plano
X = P(x, y)e
1
+Q(x, y)e
2
debemos resolver la ecuacion diferencial
dx
P(x, y)
=
dy
Q(x, y)
es decir,
dy
dx
=
Q(x, y)
P(x, y)
En nuestro ejemplo P(x, y) = y, Q(x, y) = x, y, por lo tanto, obtene-
mos
dy
dx
=
x
y
o equivalentemente
_
(y)dy =
_
xdz
y
2
2
+c
1
=
x
2
2
+c
2
Reacomodando los terminos, concluimos que las lneas de ujo son de
la forma
x
2
+y
2
= c
es decir, son circunferencias con centro en el origen.
EJEMPLO. Encuentre las lneas de ujo del campo vectorial
X = e
1
+x(y 1)e
2
Las lneas de ujo se obtienen resolviendo la ecuacion diferencial
dx
1
=
dy
x(y 1)
es decir xdx =
dy
y1
.
5.5 Campos vectoriales en R
2
y R
3
257
Integrando en ambos lados obtenemos
_
xdx =
_
dy
y 1
,
es decir, siendo c una constante de integracion, la solucion se escribe im-
plcitamente,
x
2
2
= ln [y 1[ +c
EJEMPLO. (Campo gradiente). Considere un campo escalar F, y el
campo gradiente asociado en la region de R
3
en las coordenadas x, y, z.
X(x, y, z) = grad F(x, y, z) =
_
F
x
,
F
y
,
F
z
_
[
(x,y,z)
Entonces las ecuaciones diferenciales para este campo gradiente vie-
nen dadas por
_
_
_
x =
F
x
y =
F
y
z =
F
z
Como es sabido, el vector tangente de una curva integral
(t) = (x(t), y(t), z(t))
es el vector
(t) = gradF(x(t), y(t), z(t))
y este es ortogonal al conjunto de nivel donde se encuentra el punto (t).
Ya que el campo gradiente es ortogonal a los conjuntos de nivel de F,
entonces el ujo (conjunto de curvas integrales) de X = gradF es ortogonal
a los conjuntos de nivel de F.
Particularmente si F = T es el campo de temperaturas, entonces un
objeto situado sobre un conjunto de nivel T
1
(T
0
) tendera a moverse de
manera natural hacia la direccion del gradiente X = gradT para ganar
calor, llevado por la accion misma del campo gradiente.
DEFINICI
46
9
e
2
+ 0e
3
De este ultimo se sigue que la temperatura aumenta mas rapido en la
direccion =
_
46
9
,
46
9
, 0
_
El teorema 5.7 muestra que cuando en una region act ua un campo
de vectores, la accion de este en cualquier punto conlleva a movimientos
naturales va las curvas integrales del campo. Cualquier otra trayectoria
que no sea dentro de una curva integral debera requerir de un trabajo.
5.6 Divergencia, gradiente y rotor
En esta seccion damos algunas formulas que son importantes para la teora
del analisis vectorial, y se hace con el espritu de desarrollar un calculo ope-
racional en los campos escalares y vectoriales mediante el vector simbolico
de Hamilton.
260 Campos vectoriales en R
3
El vector de Hamilton denido por
=
_
x
,
y
,
z
_
act ua en los campos vectoriales X por las ecuaciones convencionales si-
guientes.
Para un campo vectorial X = (P, Q, R) se dene su divergencia, de-
nida por div X, como el campo escalar denido por
div X =< , X >
donde el producto escalar se calcula convencionalmente,
div X =< , X >=
__
x
,
y
,
z
_
, (P, Q, R)
_
=
P
x
+
Q
y
+
R
z
Este campo escalar div X mide, cuando se eval ua en el punto p, los
posibles desag ues o manantiales del campo X en tal punto, como se muestra
en la gura 5.23. Un analisis mas profundo de este concepto se realiza
mediante los metodos del analisis vectorial.
Figura 5.23: Divergencia de un campo vectorial.
Para el campo vectorial X = (P, Q, R) se dene su campo de rotacion
o rotor, denido por rot X, como el campo vectorial
rot X = [, X]
donde el producto vectorial indicado se calcula convencionalmente
rot X = [, X] =
e
1
e
2
e
3
/x /y /z
P Q R
_
R
x
P
z
_
e
2
+
_
Q
x
P
y
_
e
3
=
_
R
y
Q
z
_
e
1
+
_
P
z
R
x
_
e
2
+
_
Q
x
P
y
_
e
3
=
_
R
y
Q
z
,
P
z
R
x
,
Q
x
P
y
_
El campo vectorial rot X mide, cuando se eval ua en el punto p, las
posibles rotaciones que tiene el campo durante su accion en tal punto. La
gura 5.24 ilustra esta idea, que puede ser estudiada mas profundamente
con la teora del analisis vectorial.
Figura 5.24: Rotor de un campo vectorial.
Si F es un campo escalar suave, podemos efectuar la operacion de en
F deniendo el campo vectorial gradiente
grad F = F
donde el vector simbolico de Hamilton act ua en F mediante la igualdad
grad F = F =
_
x
,
y
,
z
_
F =
_
F
x
,
F
y
,
F
z
_
EJEMPLO. Calcular la divergencia y el rotor del campo
X = (x
2
, xy, z
2
y) = x
2
e
1
+xye
2
+z
2
ye
3
Por calculos directos se obtiene
div X(x, y, z) =< , X >=
x
2
x
+
(xy)
y
+
(z
2
y)
z
262 Campos vectoriales en R
3
= 2x +x + 2zy = 3x + 2zy
rot X = (x, y, z) = [, X] =
e
1
e
2
e
3
/x /y /z
x
2
xy z
2
y
=
_
(z
2
y)
y
(xy)
z
_
e
1
_
(z
2
y)
x
x
2
z
_
e
2
+
_
(xy)
x
x
2
y
_
e
3
= (z
2
0)e
1
(0 0)e
2
+ (y 0)e
3
= (z
2
, 0, y)
EJEMPLO. Calcular grad (div X) y div(rot X) para el campo
X(x, y, z) = (z
2
x, x
2
y
2
, y
2
+z
2
)
Mediante calculos directos se tiene
div X(x, y, z) =< , X >=
(z
2
x)
x
+
(x
2
y
2
)
y
+
(y
2
+z
2
)
z
= z
2
2y + 2z
rot X = (x, y, z) = [, X] =
e
1
e
2
e
3
/x /y /z
z
2
x x
2
y
2
y
2
+z
2
=
_
(y
2
+z
2
)
y
(x
2
y
2
)
z
_
e
1
_
(y
2
+z
2
)
x
(z
2
x)
z
_
e
2
+
_
(x
2
y
2
)
x
(z
2
x)
y
_
e
3
= (2y 0)e
1
(0 2zx)e
2
+ (2x 0)e
3
= (2y, 2zx, 2x)
Consecuentemente,
grad (div X) = (z
2
2y + 2z)
=
_
(z
2
2y + 2z)
x
(z
2
2y + 2z)
y
,
(z
2
2y + 2z)
z
_
= (0, 2, 2z + 2)
div (rot X) =< , (2y, 2zx, 2x) >=
(2y)
y
+
(2zx)
2y
+
(2x)
z
= 0
Del ejemplo anterior, para el campo dado X se obtuvo la igualdad
div (rot X) = 0. La siguiente proposicion nos indica que esta igualdad
se cumple en general para cualquier campo vectorial. Se obtienen mas
relaciones entre los operadores grad, div y rot.
5.6 Divergencia, gradiente y rotor 263
LEMA 5.1 Para los campos vectoriales X y Y , y los campos escalares
suaves F y G actuando en una regi on V R
3
se cumplen las identidades
b asicas del c alculo operacional vectorial
a. rot (grad F) 0
b. div (rotX) 0
c. div (FX) =< F, X > +F < , X >
d. grad (FG) = FgradG+Ggrad F
e. rot (FX) = F rot X + [F, X]
f. div [X, Y ] =< Y, rot X > < X, rot Y >
g.
div (grad F) = F
donde se dene el operador Laplaciano
=
2
x
2
+
2
y
2
+
2
z
2
actuando en el campo escalar F mediante la igualdad
F =
2
F
x
2
+
2
F
y
2
+
2
F
z
2
.
Damos la demostracion de algunas de las armaciones, dejando el
resto para el lector. Como ya se menciono, el espritu de la prueba es
puramente operacional.
a. La siguiente relacion es valida,
rot (grad F) = [, F] = 0
pues los vectores y F son paralelos.
b. Por un calculo directo,
div (rot X) =< , [, X] >= (, , X) = 0
donde ( , , ) es el triple producto escalar, y en la expresion dada se repite
el vector .
c. De la relacion de divergencia, se tiene,
div (FX) =< , FX >=
x
(FP) +
y
(FQ) +
z
(FR)
= F
P
x
+F
Q
y
+F
R
z
+P
F
x
+Q
F
y
+R
F
z
264 Campos vectoriales en R
3
= F < , X > + < X, F >
f. De la denicion del triple producto escalar, se tiene,
div[X, Y ] = (, X, Y ) =
/x /y /z
P Q R
P
, Q
, R
/x /y /z
P Q R
P
/x /y /z
P Q R
P Q R
/x /y /z
P
o bien
(, X, Y ) = (X, , Y ) (Y, , X)
lo que prueba la armacion f.
Los incisos d., e. y g. se dejan al lector como ejercicio.
Consideremos un cambio de coordenadas en la region R
3
, dado por
el sistema
_
_
_
x = x(u, v, w)
y = y(u, v, w)
z = z(u, v, w),
entonces, en cada punto p , la base canonica e
1
, e
2
, e
3
se transforma,
bajo La matriz Jacobiana
A =
_
_
x
u
x
v
x
w
y
u
y
v
y
w
z
u
z
v
z
w
_
_
en el conjunto de vectores basicos Ae
1
, Ae
2
, Ae
3
, es decir, en la base
f
u
, f
v
, f
w
dada por
f
u
=
_
x
u
,
y
u
,
z
u
_
= Ae
1
f
v
=
_
x
v
,
y
v
,
z
v
_
= Ae
2
5.6 Divergencia, gradiente y rotor 265
f
w
=
_
x
w
,
y
w
,
z
w
_
= Ae
3
Al normalizar cada uno de esos vectores se tiene una base de vectores
e
u
, e
v
, e
w
, donde,
e
u
=
_
x
u
,
y
u
,
z
u
_
_
_
x
u
_
2
+
_
y
u
_
2
+
_
z
u
_
2
=
f
u
[[f
u
[[
e
v
=
_
x
v
,
y
v
,
z
v
_
_
_
x
v
_
2
+
_
y
v
_
2
+
_
z
v
_
2
=
f
v
[[f
v
[[
e
w
=
_
x
w
,
y
w
,
z
w
_
_
_
x
w
_
2
+
_
y
w
_
2
+
_
z
w
_
2
=
f
w
[[f
w
[[
Calculemos las normas de los vectores imagenes iniciales, por
h
u
=
_
x
u
_
2
+
_
y
u
_
2
+
_
z
u
_
2
= [[f
u
[[
h
v
= [[f
v
[[
h
w
= [[f
w
[[
esto es,
h
u
e
u
= f
u
, h
v
e
v
= f
v
, h
w
e
w
= f
w
Supongamos que el conjunto de vectores e
u
, e
v
, e
w
es ortogonal, es
decir, ortogonal entre s por pares.
El elemento de desplazamiento innitesimal vectorial dr, en las coorde-
nadas (x, y, z) esta dado por
dr = (dx, dy, dz) = dxe
1
+dye
2
+dze
3
Al cambiar el sistema coordenado, el desplazamiento innitesimal
vectorial dr en las coordenadas (u, v, w) esta dado en la base f
u
, f
v
, f
w
por
dr = f
u
du +f
v
dv +f
w
dw
esto es, en la base unitaria e
u
, e
v
, e
w
las coordenadas de dr son ,
dr = h
u
e
u
du +h
v
e
v
dv +h
w
e
w
dw = h
u
due
u
+h
v
dv e
v
+h
w
dwe
w
266 Campos vectoriales en R
3
= (h
u
du, h
v
dv, h
w
dw)
En otras palabras, bajo el cambio de coordenadas, los elementos in-
nitesimales son, h
u
du para la primer coordenada, h
v
dv para la segunda,
y h
w
dw para la tercera.
Sea F un campo escalar tal que su gradiente en coordenadas (x, y, z) se
escribe
grad F =
F
x
e
1
+
F
y
e
2
+
F
z
e
3
entonces, para las coordenadas (u, v, w) se tiene la relacion
dF =
F
u
du +
F
v
dv +
F
w
dw
=
_
1
h
u
F
u
_
h
u
du +
_
1
h
v
F
v
_
h
v
dv +
_
1
h
w
F
w
_
h
w
dw
lo que indica que las coordenadas del gradiente en la base e
u
, e
v
, e
w
son
necesariamente,
grad F =
_
1
h
u
F
u
,
1
h
v
F
v
,
1
h
w
F
w
_
Calculos mas complicados nos demuestran que para un campo vectorial
X = (P, Q, R), el cambio de coordenadas nos lleva la divergencia de X en
las coordenadas x, y, z,
div X =
P
x
+
Q
y
+
R
z
en la expresion
div X =
1
h
u
h
v
h
w
_
u
(P h
v
h
w
) +
v
(Qh
u
h
w
) +
w
(Rh
u
h
v
)
_
en las coordenadas (u, v, w).
Por otro lado, el rotor del campo X en las coordenadas x, y, z dado por
rot X =
_
R
y
Q
z
_
e
1
+
_
P
z
R
x
_
e
2
+
_
Q
x
P
y
_
e
3
se transforma en
rot X =
1
h
v
h
w
_
(Rh
w
)
v
(Qh
v
)
w
_
e
u
+
1
h
w
h
u
_
(P h
u
)
w
(Rh
w
)
u
_
e
v
+
1
h
u
h
v
_
(Qh
v
)
x
(P h
u
)
z
_
e
w
5.6 Divergencia, gradiente y rotor 267
en las coordenadas (u, v, w).
EJEMPLO. Sean las coordenadas esfericas co-geogracas
_
_
_
x = r cos sen
y = r sensen ,
z = r cos
Ya se ha demostrado que
A =
_
_
cos sen r sensen r cos cos
sensen r cos sen r sen cos
cos 0 r sen
_
_
lo cual implica, haciendo u = r, v = , w = ,
f
r
= (cos sen, sensen , cos )
f
= [[f
[[ = r sen
h
= [[f
[[ = r
De esta manera, los vectores basicos en las coordenadas (r, , ) son
e
r
=
f
r
h
r
= (cos sen , sensen , cos )
e
=
f
h
r
= (sen, cos , 0)
e
, e
es ortogonal.
De esta forma, para un campo escalar F, en las coordenadas (r, , ) se
tiene que
grad F =
_
1
h
r
F
r
,
1
h
,
1
h
_
=
_
F
r
,
1
r sen
F
,
1
r
F
_
268 Campos vectoriales en R
3
Mientras que para un campo vectorial X = (P, Q, R) se cumplen las
formulas
div X =
1
h
r
h
_
(Ph
)
r
+
(Qh
r
h
+
(Rh
r
h
_
=
1
r
2
sen
_
(r
2
senP)
r
+
(rQ)
+
(rsenR)
_
=
1
r
2
sen
_
sen
(r
2
P)
r
+r
Q
+r
(sen R)
_
=
1
r
2
(r
2
P)
r
+
1
rsen
Q
+
1
r sen
(senR)
rot X =
1
h
_
(Rh
(Qh
_
e
r
+
1
h
h
r
_
(Ph
r
)
(Rh
)
r
_
e
+
1
h
r
h
_
(Qh
)
r
(Ph
r
)
_
e
=
1
r
2
sen
_
(rR)
(r senQ)
_
e
r
+
1
r
_
P
(rR)
r
_
e
+
1
r sen
_
(r senQ)
r
P
_
e
=
1
r
2
sen
_
r
R
r
(sen R)
_
e
r
+
1
r
_
P
(rR)
r
_
e
+
1
r sen
_
sen
(rQ)
r
P
_
e
_
1
sen
F
_
+
_
sen
F
__
=
1
r
2
r
_
r
2
F
r
_
+
1
r
2
sen
2
2
F
2
+
1
r
2
sen
_
sen
F
_
5.6 Divergencia, gradiente y rotor 269
La ecuacion del calor
Consideremos un cuerpo fsico R
3
, y designemos su temperatura en el
punto (x, y, z) en el instante t por el campo escalar
u = u(x, y, z, t)
Armamos que el campo u satisface la ecuacion diferencial parcial lineal
de segundo orden
u
t
= a
2
_
2
u
x
2
+
2
u
y
2
+
2
u
z
2
_
donde (x, y, z) y a R.
Al utilizar el operador de Laplace,
=
2
x
2
+
2
y
2
+
2
z
2
lo anterior equivale a que la funcion u debe satisfacer la ecuacion
u
t
= a
2
u
llamada la ecuacion de conduccion de calor.
Al tomar un cubo innitesimal del cuerpo (vease la gura 5.25),
la cantidad de calor que atraviesa la cara izquierda de de derecha a
izquierda durante el tiempo (t, t + t) es, hasta, un innitesimo
u
x
(x, y, z, t)y z t
donde es el coeciente de conductibilidad termica del cuerpo que se con-
sidera constante en cualquiera de sus puntos.
x
y
z
Figura 5.25: Calor atravesando el cubo innitesimal en .
270 Campos vectoriales en R
3
Lo anterior se debe a que la cantidad indicada de calor es proporcional
al n umero , al area y z de la cara que se examina, al incremento de
tiempo t y a la velocidad de variacion de la temperatura en la direccion
del eje x que es igual a la derivada parcial
u
x
. La derivada parcial vara
dentro de los lmites de la cara, pero, despreciando innitesimos de orden
superior, se puede suponer que en toda la cara es igual a
u
x
en el punto
(x, y, z).
La cantidad de calor que pasa por la cara derecha de de derecha a
izquierda es, analogamente, igual a
u
x
(x + x, y, z, t)y z t
De esta forma, la cantidad de calor que entra en el cubo por sus caras
izquierda y derecha durante el lapso de indicado es igual a
u
x
(x + x, y, z, t)y z t
u
x
(x, y, z)y z t
pero, por el teorema del valor medio para u en la variable x, se tiene que
u
x
(x + x, y, z, t)y z t
u
x
(x, y, z)y z t
=
2
u
x
2
(x, y, z, t)xy z t.
En virtud de que en las otras caras del cubo ocurre igual, entonces la
cantidad total de calor que entra en en el lapso (t, t +t) es, la suma de
las cantidades de calor que entra durante este tiempo por todas las caras
de .
2
u
x
2
+
2
u
y
2
+
2
u
z
2
_
xy z t.
Por las mismas consideraciones, hasta un intesimo del volumen xy z
de , este n umero (cantidad de calor ) es igual tambien a
u
t
xy z t
donde es el calor especco del cuerpo que suponemos constante en todos
sus puntos.
Igualando, obtenemos, despues de las simplicaciones, la ecuacion dife-
rencial parcial lineal de segundo orden mencionada, donde
a
2
=
.
5.6 Divergencia, gradiente y rotor 271
Se ha mostrado que la temperatura del cuerpo es la funcion u =
u(x, y, z, t) que satisface la ecuacion de conduccion del calor, donde a
2
es una constante positiva. Nos hemos limitado al caso cuando el cuerpo
tiene en todos sus puntos un calor especco constante y un coeciente de
conductibilidad que no vara.
La ecuacion diferencial obtenida tiene un conjunto innito de soluciones,
y para encontrar entre ellas una solucion determinada es necesario imponer
sobre la funcion u condiciones adicionales, llamadas condiciones iniciales
y de frontera. Este problema sale del alcance de este trabajo.
La distribucion del calor en un cuerpo se llama estacionaria si la tem-
peratura u del cuerpo depende de la posicion del punto (x, y, z) y no de-
pende del tiempo t. Es decir, si u = u(x, y, z), entonces
u
t
= 0
lo que implica que el campo escalar u satisface la ecuacion diferencial parcial
lineal de segundo orden
u = 0.
DEFINICI
y +
x) en p = (4, 16)
c. f(x, y) = (e
xy
, ln x) en p = (1, ln 2)
d. f(x, y, z) = (xz, xy, yz) en p = (1, 4)
f. f(x, y, z) = (y cos x, y senx, z) en p = (/4, 4, 3)
11. Dibuje e integre, sin usar el parametro temporal, los siguientes campos
vectoriales.
a. X(x, y) = (x, y)
b. X(x, y) = (x, y)
c. X(x, y) = (x, y)
d. X(x, y) = (x, y)
e. X(x, y) = (x
2
, y)
274 Campos vectoriales en R
3
f. X(x, y) = (x
2
, y)
g. X = grad F, donde F(x, y) = x
2
y
2
12. a. Calcule la divergencia y el rotor de todos los campos vectoriales del
ejercicio 11.
b. Calcule la divergencia y el rotor de los campos vectoriales siguientes.
i. X
1
(x, y, z) = (y x, x +y, yz)
ii. X
2
(x, y, z) = (x
2
e
yz
, y
2
e
xz
, z
2
e
xy
)
iii. X
3
(x, y, z) = (z
2
y x, x
2
z +y, y
2
x z)
iv. X
4
(x, y, z) = (x
x
senzy, e
y
cos xz, e
z
senyx)
13. Verique las igualdades siguientes para los campos vectoriales del
ejercicio 12.
a. div (rot X) = 0, X = X
1
, X
2
, X
3
, X
4
b. div [X
1
, X
2
] =< X
2
, rot X
1
> < X
1
, rot X
2
>
c. div [X
3
, X
4
] =< X
4
, rot X
3
> < X
3
, rot X
4
>
14. Si F(x, y, z) = x +y
2
+z
2
, verique las igualdades siguientes, usando
los campos vectoriales del ejercicio 12.
a. rot (FX) = F rot X + [F, X], X = X
1
, X
2
b. rot (grad F) = 0
c. div (grad F) = F
15. Demostrar que en las coordenadas (u, v, w) se cumple la igualdad
siguiente para el Laplaciano de un campo escalar F arbitrario.
F =
1
h
u
h
v
h
w
_
u
_
h
v
h
w
h
u
F
u
_
+
v
_
h
u
h
w
h
v
F
v
_
+
w
_
h
u
h
v
h
w
F
w
__
16. Calcule la divergencia y el rotor de cualquier campo vectorial X, y el
gradiente de un campo escalar, en los siguientes sistemas de coordenadas.
a. En coordenadas cilndricas.
b. En las coordenadas (u, v, w) donde
_
_
_
x = ue
vw
y = ve
uw
z = we
uv
c. En las coordenadas pseudoesfericas (r, , ) donde
_
_
_
x = r cosh
y = r senh cos
z = r senhsen ,
donde r > 0, > 0, 0 2.
Apendices
Captulo 6
Elementos Basicos de
Supercies en R
3
En este captulo introducimos el concepto basico de supercie en el es-
pacio euclidiano R
3
. Damos ejemplos de las supercies mas com unmente
conocidas y un tratamiento general de su estudio.
Utilizamos una notacion para denir a los planos coordenados de la
siguiente manera.
R
2
x,y
denira al plano (x, y) contenido en R
3
, R
2
x,z
, denira al plano
(x, z) contenido en R
3
, mientras que R
2
y,z
denira al plano (y, z) contenido
en R
3
.
DEFINICI
x
2
+y
2
)
Figura 6.2: Supercie de revolucion.
Esto implica que sobre tal crculo se cumple la igualdad
z
0
= f(
_
x
2
+y
2
)
Ya que (x
0
, y
0
, z
0
) es arbitrario, entonces cada punto (x, y, z) S debe
satisfacer la ecuacion
z = f(
_
x
2
+y
2
)
es decir, los puntos (x, y, z) S satisfacen ademas la relacion
R(x, y, z) = z f(
_
x
2
+y
2
) = 0
lo que hace de S una supercie.
De igual forma, si z = f(y) y se hace girar alrededor del eje z, se
obtiene la misma relacion. Esto es, si z = f(x) o z = f(y) para obtener la
ecuacion de la supercie S obtenida al girar la graca de f alrededor del
eje z es necesario reemplazar, en un caso,
x
_
x
2
+y
2
280 Elementos Basicos de Supercies en R
3
o bien, en el otro caso,
y
_
x
2
+y
2
EJEMPLO. Consideremos la curva
z = x
2
que es la ecuacion de la parabola en el plano x, z con x 0.
x
z
y
Figura 6.3: Paraboloide circular z = x
2
+y
2
.
La ecuacion de la supercie de la revolucion S (paraboloide circular)
obtenida al hacer girar tal parabola alrededor del eje z es
z = (
_
x
2
+y
2
)
2
= x
2
+y
2
o equivalentemente, la relacion
x
2
+y
2
z = 0
Vease la gura 6.3 que describe a esta supercie.
EJEMPLO. Sea
z =
1
y
la hiperbola canonica en el plano y, z con y > 0. La ecuacion de la supercie
de revolucion S obtenida al hacer girar alrededor del eje z es
z =
1
_
x
2
+y
2
que se logra al sustituir y
_
x
2
+y
2
.
6.1 Supercies de revolucion 281
x
z
y
Figura 6.4: Hiperboloide circular.
Tal supercie se llama un hiperboloide circular y se ilustra en la
gura 6.5.
EJEMPLO. Sea el semicrculo en el plano R
2
x,y
dado por la ecuacion
x =
_
R
2
y
2
donde la variable x 0.
Al hacer girar en torno al eje y (intercambiando) reemplazando en este
caso la variable
x
_
z
2
+x
2
se obtiene la supercie de revolucion
_
z
2
+x
2
=
_
R
2
y
2
o bien,
x
2
+y
2
+z
2
= R
2
que es la ya conocida esfera de radio R con centro en (0, 0, 0).
v
Figura 6.9: Supercie conica.
Una relacion R(x, y, z) en las variables x, y, z, se dice homogenea de
grado s, si para cualquier t R y cualquier punto (x, y, z) se cumple la
igualdad
R(tx, ty, tz) = t
s
R(x, y, z)
Para muestra, la relacion
R(x, y, z) = x
2
+y
2
z
2
es homogenea de grado 2. En efecto,
R(tx, ty, tz) = (tx)
2
+ (ty)
2
(tz)
2
= t
2
x
2
+t
2
y
2
t
2
z
2
= t
2
(x
2
+y
2
z
2
) = t
2
R(x, y, z)
6.3 Supercies conicas 285
Otro ejemplo, es la relacion
R(x, y, z) = xy
2
+x
2
y +y
3
z
2
y
la cual es una relacion homogenea de grado 3, como se muestra en el si-
guiente calculo.
R(tx, ty, tz) = tx(ty)
2
+ (tx)
2
(ty) + (ty)
3
(tz)
2
(ty)
= t
3
(xy
2
+x
2
y +y
3
y
2
y) = t
3
R(x, y, z)
Una relacion R(x, y, z) homogenea, dene una supercie como se mues-
tra en el siguiente Lema.
LEMA 6.1 La relaci on R(x, y, z) = 0, donde R(x, y, z) es homogenea de
grado s dene una supercie c onica.
Sea R(x, y, z) = 0 tal que R es homogenea de grado s, y supongase
que v = (0, 0, 0). Sea p
0
= (x
0
, y
0
, z
0
) tal que R(y
0
, x
0
, z
0
) = 0.
Se arma que toda la recta por p
0
y v satisface la relacion. Tal recta
tiene, en las variables x, y, la ecuacion
_
_
_
x = tx
0
y = ty
0
z = tz
0
De esta manera, si el punto (x, y, z) esta sobre la recta, entonces
R(x, y, z) = R(tx
0
, ty
0
, tz
0
) = t
s
R(x
0
, y
0
, z
0
) = t
s
(0) = 0
lo que demuestra que (x, y, z) S.
EJEMPLO. La relacion
R(x, y, z) = x
2
+y
2
z
2
es homogenea de grado 2 y por lo tanto, la relacion
x
2
+y
2
z
2
= 0
dene una supercie conica.
Claramente R(0, 0, 0) = 0
2
+0
2
0
2
= 0, lo que nos dice que el punto
(0, 0, 0) esta en la supercie y es su vertice.
De la relacion x
2
+y
2
z
2
= 0, si despejamos a z
2
, obtenemos
x
2
+y
2
= z
2
.
286 Elementos Basicos de Supercies en R
3
x
y
z
z = 1, x
2
+y
2
= 1
Figura 6.10: Cono circular.
Si tomamos z = 1, entonces x
2
+y
2
= 1 es un crculo de radio 1, lo que
nos dice que la curva , base de la supercie es un crculo.
La supercie conica S es un cono circular con vertice en (0, 0, 0). La
gura 6.10 muestra esta supercie.
EJEMPLO. Sea la relacion
R(x, y, z) =
x
2
a
2
+
y
2
b
2
z
2
c
2
homogenea de grado 2, entonces por el Lema 6.1, dene una supercie
conica.
Al hacer R(x, y, z) = 0 se obtiene la ecuacion
x
2
a
2
+
y
2
b
2
z
2
c
2
= 0
o bien, despejando los terminos en z se tiene la relacion equivalente
x
2
a
2
+
y
2
b
2
=
z
2
c
2
Si se hace z = c obtenemos una curva base de la supercie, dada por
x
2
a
2
+
y
2
b
2
= 1
que es la ecuacion de una elipse con parametros a, b, a una altura z = c.
Le llamaremos a tal supercie un cono elptico con vertice en el punto
v = (0, 0, 0), y se ilustra en la gura 6.11.
6.4 Elipsoides, Hiperboloides y Paraboloides 287
b
a
Figura 6.11: Cono elptico.
6.4 Elipsoides, Hiperboloides y Paraboloides
En esta parte denimos nuevas supercies a partir de las ya conocidas,
utilizando cambios anes de coordenadas, como la deformacion de los
ejes cordenados y las traslaciones.
Dada la esfera unitaria en R
3
,
x
2
+y
2
+z
2
= 1,
en las coordenadas cartesianas x, y, z, la podemos deformar en un elipsoide
en R
3
,
u
2
a
2
+
v
2
b
2
+
w
2
c
2
= 1
en las nuevas coordenadas u, v, w, mediante la deformacion de los ejes co-
ordenados
_
_
_
x =
u
a
y =
v
b
z =
w
c
,
donde los parametros a, b, c > 0, o bien, mediante las relaciones inversas,
_
_
_
u = ax
v = by
w = cz
lo cual se comprueba con la simple sustitucion
1 = x
2
+y
2
+z
2
=
_
u
a
_
2
+
_
v
b
_
2
+
_
w
c
_
2
=
u
2
a
2
+
v
2
b
2
+
w
2
c
2
.
La gura 6.12 ilustra al elipsoide.
288 Elementos Basicos de Supercies en R
3
Mediante procesos analogos de deformacion de los ejes y usando otras
coordenadas
1
, es posible obtener supercies nuevas a partir de supercies
ya conocidas. A continuacion damos ejemplos.
EJEMPLO. (Elipsoide circular). Sea la elipse centrada en (0, 0) del
plano R
2
x,z
, denida por la ecuacion
x
2
a
2
+
z
2
c
2
= 1, a, c > 0
Si se hace girar alrededor del eje z, al reemplazar x
_
x
2
+y
2
se obtiene la supercie de revolucion elipsoidal dada por la ecuacion
1 =
(
_
x
2
+y
2
)
2
a
2
+
z
2
c
2
=
x
2
+y
2
a
2
+
z
2
c
2
=
x
2
a
2
+
y
2
a
2
+
z
2
c
2
llamada elipsoide circular (vease la gura 6.12).
a
c
c
x
y
z
Figura 6.12: Elipsoide circular.
Al hacer una deformacion del eje y el reemplazo de la variable y por
y
ay
b
y al sustituir en la ultima ecuacion se tiene
1 =
x
2
a
2
+
_
ay
b
_
2
a
2
+
z
2
c
2
=
x
2
a
2
+
y
2
b
2
+
z
2
c
2
es decir,
x
2
a
2
+
y
2
b
2
+
z
2
c
2
= 1
que es la ecuacion de un elipsoide con parametros a, b, c (vease la gura
6.13).
1
En la seccion 5.4 damos un tratamiento mas completo a este proceso de cambiar
coordenadas en el espacio R
3
.
6.4 Elipsoides, Hiperboloides y Paraboloides 289
a
b
c
x
y
z
Figura 6.13: Elipsoide.
EJEMPLO. (Hiperboloide de una hoja). Consideremos la hiperbola
en el plano R
2
x,z
dada por la ecuacion,
x
2
a
2
z
2
c
2
= 1
donde los parametros a, b > 0.
Al hacerla girar tal curva alrededor del eje z, reemplazando x
_
x
2
+y
2
se obtiene una supercie denominada hiperboloide circular
de una hoja dado por la relacion,
1 =
(
_
x
2
+y
2
)
2
a
2
z
2
c
2
=
x
2
+y
2
a
2
z
2
c
2
es decir,
1 =
x
2
a
2
+
y
2
a
2
z
2
c
2
Como cada punto de la hiperbola genera un crculo al girarla. Esto se
ilustra en la gura 6.14.
Si se deforma el eje y con el reemplazo
y
ay
b
se obtiene la nueva relacion
1 =
x
2
a
2
+
_
ay
b
_
a
2
z
2
c
2
=
x
2
a
2
+
a
2
y
2
b
2
a
2
z
2
c
2
=
x
2
a
2
+
y
2
b
2
z
2
c
2
o equivalentemente,
x
2
a
2
+
y
2
b
2
z
2
c
2
= 1
290 Elementos Basicos de Supercies en R
3
x
y
z
Figura 6.14: Hiperboloide circular de una hoja.
que corresponde a una hiperboloide elptico de una hoja (vease la
gura 6.15).
Para muestra, la relacion
2x
2
+
1
2
y
2
3z
2
= 1
dene un hiperboloide elptico de una hoja
EJEMPLO. (Hiperboloide de dos hojas). Si la misma hiperbola del
ejemplo precedente en el plano R
2
x,z
con la ecuacion
x
2
a
2
z
2
c
2
= 1
se hace girar alrededor del eje x, al reemplazar z
_
y
2
+z
2
se obtiene la
supercie de revolucion con ecuacion
1 =
x
2
a
2
(
_
y
2
+z
2
)
2
c
2
=
x
2
a
2
y
2
+z
2
c
2
es decir,
1 =
x
2
a
2
y
2
c
2
z
2
c
2
6.4 Elipsoides, Hiperboloides y Paraboloides 291
x
y
z
Figura 6.15: Hiperboloide elptico de una hoja.
y tal supercie se llamara hiperboloide circular de dos hojas.
Al hacer la deformacion del eje y mediante el cambio coordenado
y
cy
b
se obtiene la nueva ecuacion
1 =
x
2
a
2
y
2
b
2
z
2
c
2
que corresponde a un hiperboloide elptico de dos hojas (vease la gura
6.16).
Para muestra, la ecuacion
x
2
y
2
+
1
2
z
2
= 1
es un hiperboloide elptico de dos hojas.
EJEMPLO. (Paraboloide elptico). Sea la parabola cuadratica en el
plano R
2
x,z
dada por la ecuacion
az = x
2
Si se hace girar alrededor del eje z haciendo el reemplazo canonico
x
_
x
2
+y
2
en la ultima relacion, se obtiene un paraboloide con
ecuacion
az =
_
_
x
2
+y
2
_
2
= x
2
+y
2
292 Elementos Basicos de Supercies en R
3
x
y
z
Figura 6.16: Hiperboloide elptico de dos hojas.
o equivalentemente,
z =
x
2
+y
2
a
=
x
2
a
+
y
2
a
o bien,
z =
x
2
a
+
y
2
a
llamado paraboloide circular.
Si se deforma el eje y por el cambio coordenado y
ay
b
se obtiene
nueva la ecuacion
z =
x
2
a
2
+
_
ay
b
_
2
a
=
x
2
a
+
ay
2
b
a
=
x
2
a
+
y
2
b
es decir,
z =
x
2
a
+
y
2
b
con los parametros a, b, con el mismo signo, que representa un paraboloide
elptico (vease la gura 6.17).
NOTA. Si en la ecuacion obtenida en el ejemplo anterior
z =
x
2
a
+
y
2
b
6.4 Elipsoides, Hiperboloides y Paraboloides 293
x
y
z
a a
b
Figura 6.17: Paraboloide elptico.
se tienen signos diferentes para a y b, la supercie se llamara paraboloide
hiperbolico, y su graca se muestra en la gura 6.18. A esta supercie se
le conoce tambien como silla de montar.
x
y
z
Figura 6.18: Paraboloide hiperbolico.
Observamos que hasta este punto todas nuestras supercies obtenidas
mediante la deformacion de los ejes han estado centradas en el origen de
coordenadas y todas tienen una descripcion dada por una formula cuadra-
tica. En realidad, si se tiene una expresion cuadratica del tipo
Ax
2
+By
2
+Cz
2
+Dx +Ey +Fz +G = 0
donde no hay terminos cruzados en las variables,
2
siempre es posible iden-
2
Si hay terminos cruzados el proceso de identicacion se complica y para ello es
necesario utilizar metodos del Algebra Lineal.
294 Elementos Basicos de Supercies en R
3
ticarla como una de las supercies de la lista que hemos mencionado. El
proceso para la identicacion involucra una translacion de ejes coorde-
nados del origen en R
3
a otro punto del espacio.
Si p = (h, k, l) es un punto del espacio R
3
, entonces al utilizar las
coordenadas (u, v, w) en R
3
ligadas a las coordendas cartesianas mediante
las formulas _
_
_
x = u +h
y = v +k
z = w +l
_
_
_
_
_
_
u = x h
v = y k
w = z l
_
_
_
conseguimos una translacion del punto origen (0, 0, 0) al punto p = (h, k, l)
como lo muestra un calculo simple (de hecho una sustitucion).
Si x = h, y = k, z = l, entonces u = 0, v = 0, w = 0, y reciprocamente
si u = 0, v = 0, w = 0, entonces x = h, y = k, z = l, y como lo muestra la
gura 6.19.
x
k
v
u
u
y
v
(x,y)
y
x h
Figura 6.19: Translacion de ejes coordenados.
EJEMPLO. Hacer una translacion de ejes del origen de coordenadas al
punto p = (1, 3, 2).
Al utilizar formulas se tiene que las nuevas variables u, v, w en este
sistema nuevo son dadas por,
_
_
_
u = x (1) = x + 1
v = y 3 = y 3
w = z (2) = z + 2
_
_
_
_
_
_
x = u 1
y = v + 3
z = w 2
_
_
_
6.4 Elipsoides, Hiperboloides y Paraboloides 295
EJEMPLO. Identicar a la supercie espacial dada por la ecuacion
x
2
+y
2
+z
2
x +y = 0
Hacemos un completamiento de terminos para tener trinomios cua-
drados perfectos, asociando los semejantes,
0 = x
2
+y
2
+z
2
x +y = (x
2
x) + (y
2
+y) +z
2
de donde,
_
x
2
2
_
1
2
_
x +
_
1
2
_
2
_
+
_
y
2
+ 2
_
1
2
_
y +
_
1
2
_
2
_
+z
2
=
1
4
+
1
4
o
_
x
1
2
_
2
+
_
y +
1
2
_
2
+ (z 0)
2
=
1
2
Al hacer la translacion de ejes con nuevas coordenadas u, v, w dadas por
_
_
_
u = x 1/2 = x 1/2
v = y + 1/2 = y (1/2)
z = z 0 = z 0
tenemos el nuevo origen en el punto (1/2, 1/2, 0) y la ecuacion en estas
nuevas coordenadas dada por
u
2
+v
2
+z
2
=
1
2
que es una esfera de radio
_
1
2
=
2
2
De esta manera, la ecuacion inicial describe a una esfera de radio R =
2
2
con centro en el punto c =
_
1
2
,
1
2
, 0
_
.
EJEMPLO. Identicar a la supercie en R
3
dada por la ecuacion
4x
2
+ 4z
2
y
2
8x + 8z + 4y + 4 = 0
Al agrupar terminos obtenemos que
0 = (4x
2
8x) (y
2
4y) + (4z
2
+ 8z) + 4
= 4(x
2
2x) (y
2
4y) + 4(z
2
+ 2z) + 4
= 4(x
2
2x + 1) (y
2
4y + 4) + 4(z
2
+ 2z + 1) + 4 4
296 Elementos Basicos de Supercies en R
3
o bien,
4(x 1)
2
(y + 2)
2
+ 4(z + 1)
2
= 0
Al hacer la translacion de ejes al punto (1, 2, 1) mediante las ecuaciones
_
_
_
u = x 1
v = y + 2
w = z + 1
_
_
_
x = u + 1
y = v 2
z = w 1
obtenemos la nueva ecuacion en el sistema de coordenadas u, v, w dado por
4u
2
v
2
+ 4w
2
= 0
Ya que la relacion es homogenea de grado 2, se tiene una supercie
conica, y al despejar la variable con signo negativo, se tiene
v
2
= 4u
2
+ 4w
2
De esta forma, si v = c es una constante arbitraria se obtiene la ecuacion
de la base del cono
c
2
= 4u
2
+ 4w
2
_
c
2
_
2
= u
2
+w
2
que es un crculo de radio R = c/2.
De esta manera, la ecuacion
4x
2
+ 4z
2
y
2
+ 8x + 8z + 4y + 4 = 0
dene a un cono circular en direccion del eje y con vertice en el punto
(1, 2, 1).
EJEMPLO. Identicar la supercie dada por la ecuacion
x
2
z
2
4x + 8z 2y = 0
Al completar cuadrados obtenemos
0 = (x
2
4x) (z
2
8z) 2y = (x
2
4x + 4) (z
2
8z + 16) 2y + 12
= (x 2)
2
(z + 4)
2
2(y 6)
de donde,
2(y 6) = (x 2)
2
(z + 4)
2
o bien,
(y 6) =
(x 2)
2
2
+
(z + 4)
2
2
6.4 Elipsoides, Hiperboloides y Paraboloides 297
Al realizar la translacion de ejes al punto (2, 6, 4) usando las ecuaciones
_
_
_
u = x 2
v = y 6
w = z + 4
_
_
_
x = u + 2
y = v + 6
z = w 4
se obtiene la ecuacion
v =
u
2
2
+
w
2
2
que corresponde a un paraboloide hiperbolico.
De esta manera, la ecuacion inicial describe a un paraboloide hiperbolico
centrado en el punto (2, 6, 4).
EJEMPLO. Analizar la ecuacion cuadratica
9x
2
+ 4y
2
36z
2
18x 8y 72z + 13 = 0
e identicar a la supercie que dene.
De la completacion de cuadrados en tal ecuacion se obtiene
0 = (9x
2
18x) + (4y
2
+ 8y) (36z
2
+ 72z) + 13
= 9(x
2
2x) + 4(y
2
+ 2y) 36(z
2
+ 2z) + 13
= 9(x
2
2x + 1) + 4(y
2
+ 2y + 1) 36(z
2
+ 2z + 1) + 13 9 4 + 36
es decir,
36 = 9(x 1)
2
+ 4(y + 1)
2
36(z + 1)
2
o bien,
1 =
9
36
(x 1)
2
4
36
(y + 1)
2
+ (z + 1)
2
lo que equivale a
1 = (z + 1)
2
(x 1)
2
4
(y + 1)
2
9
al efectuar la translacion de ejes al punto (1, 1 1) mediante al cambio
de coordenadas _
_
_
u = x 1
v = y + 1
w = z + 1
_
_
_
x = u + 1
y = v 1
z = w 1
obtenemos una nueva ecuacion
1 = w
2
u
2
4
v
2
9
que corresponde a un hiperboloide elptico de dos hojas.
De esta manera, la ecuacion inicial dene a un hiperboloide elptico de
dos hojas concentrado en el punto (1, 1, 1).
298 Elementos Basicos de Supercies en R
3
Ejercicios.
1. Dar las coordendas del centro y dar el radio de la esfera denida por la
ecuacion
a. x
2
+y
2
+z
2
y + 2z + 1 = 0
b. x
2
+y
2
+z
2
= 4z 3
c. 2x
2
+ 2y
2
+ 2z
2
= 3z 4y 2
2. Dado el punto p = (0, 1, 2) decir si esta dentro, fuera o sobre cada una
de las esferas dadas en los incisos del ejercicio 1.
3. Decir que supercies espaciales denen las siguientes ecuaciones
a. y
2
= 2x
b. z
2
= xz
c. y
3
= 4x
2
d. x
2
+y
2
= 4
e. x
2
y
2
= 1
f. x
2
z
2
= 0
4. Dar la ecuacion del cono cuyo vertice es el punto (0, 0, 1) y cuya base
es la curva
a. elptica
x
2
4
+
y
2
9
= 1
b. circular 4x
2
+ 4y
2
= 1
5. Calcular la ecuacion de la supercie S obtenida al hacer girar
a. La recta x +y = 1 en el plano R
2
x,y
alrededor del eje x.
b. La parabola y = z
2
en el plano R
2
y,z
alrededor del eje y.
c. La hiperbola xz = 1 en el plano R
2
x,z
alrededor del eje z.
6. a. Dar las ecuaciones de las lneas de interseccion de la supercie dada
por z = y
2
x
2
con los planos z = 1, x = 1, y = 1, respectivamente.
b. Dar la ecuacion de la lnea de interseccion de las supercies
_
z = 1 x
2
y
2
z = x
2
+y
2
7. Identicar a las siguientes supercies mediante una translacion de ejes.
a. x
2
+z
2
4x 4z + 4 = 0
b. x
2
+y
2
z
2
2y + 2z = 0
c. x
2
+ 2y
2
+ 2z
2
4y + 4z + 4 = 0
d. 4x
2
+y
2
z
2
24x 4y + 2z + 35 = 0
e. x
2
+y
2
z
2
2x 2y + 2z + 2 = 0
f. x
2
+y
2
6x + 6y 4z + 18 = 0
g. 9x z
2
18x 18y 6z = 0
Captulo 7
Orientaci on de curvas y
poligonales
7.1 Orientaci on.
En este captulo introducimos los conceptos de orientacion de una curva
suave y el de curva poligonal (curva suave por pedazos), que resulta de
gran utilidad para las aplicaciones en las ciencias naturales.
Dada una curva R
3
parametrizada por la funcion
: [a, b] R
3
de tal forma que [[ (t)[[ ,= 0, diremos que la orientacion de es del punto
(a) al punto (b) , y que esta inducida por la orientacion del
intervalo orientado [a, b]
+
(vease la gura 7.1).
Distinguimos a la curva orientada de esta forma por
+
. Naturalmente,
esto hace que
+
este orientada por el vector tangente (t).
Supongamos que el parametro t es una funcion de un nuevo parametro
[c, d], esto es t = t(), y que es una biyeccion diferenciable
t : [c, d] [a, b]
Entonces diremos que se puede reparametrizar por el parametro en el
intervalo [c, d] por la composicion
() = (t())
Dicho de otra forma, esta parametrizada por la funcion : [c, d] R
3
.
La funcion se dice ser una reparametrizacion de .
300 Orientacion de curvas y poligonales
x
0
z
y
2
Figura 7.1: Helice unitaria de paso 2
EJEMPLO. Sea la primera espira de la helice unitaria de paso 2, con
la parametrizacion
(t) = (cos t, sent, t)
en el intervalo [0, 2]. Esto orienta a
+
del punto (1, 0, 0) al punto
(1, 0, 2).
Sea ahora la reparametrizacion de inducida por el cambio de
parametro
t = 2
denida para [0, 2],
() = (cos t(2 ), sen(2 ), 2 )
En este caso invierte la orientacion de pues (0) = (1, 0, 2) y
(2) = (1, 0, 0).
Notamos que la funcion biyectiva que cambia los parametros
t : [0, 2] [0, 2], t = 2
es tal que
dt
d
= 1 < 0. La gura 7.1 ilustra esta situacion.
La ultima observacion en el ejemplo anterior no es extra na. De hecho, el
siguiente resultado nos impone condiciones sobre la derivada de una funcion
que cambia los parametros, para que en la reparametrizacion se conserve
la orientacion.
LEMA 7.1 Sea : [a, b] R
3
una parametrizaci on de la curva que
induce una orientaci on
+
. Si t [a, b] es el par ametro de y existe un
7.1 Orientacion. 301
cambio de par ametro t = t() denido en el intervalo [c, d], entonces la
reparametrizaci on dada por
() = (t())
es tal que,
a. conserva la orientaci on de , si
dt
d
> 0 en todo el intervalo [c, d].
b. cambia la orientaci on de , si
dt
d
< 0 en todo el intervalo [c, d].
Por la regla de la cadena, se tiene que
d
d
() = (t)
dt
d
lo que nos indica que los vectores
dt
d
y son paralelos. La cantidad
dt
d
indica el sentido de cada uno y, por lo tanto, la orientacion .
A una curva que es la union (+) de las curvas suaves
1
,
2
, ,
k
se
le llamara una curva poligonal orientada, o curva suave por pedazos
orientada (vease la gura 7.2 a.)
La denimos por simplicidad por
+
=
+
1
+
+
2
+ +
+
k
imponiendo la condicion de que la curva
+
j
inicia donde termina
+
j1
.
EJEMPLO. Sea la union (+) de los segmentos de las parabolas y
1
=
x
2
, y
2
= 2 x
2
comprendidos entre sus intersecciones en los puntos (1, 1)
y (1, 1).
Si
1
es el segmento de la parabola y = x
2
en el intervalo [1, 1] y
2
es el segmento de la parabola y = 2x
2
en el intervalo [1, 1], entonces
+
=
+
1
+
+
2
es tal que la orientacion inicia en el punto (1, 1), recorre por
+
1
hasta (1, 1) y luego recorre por
+
2
hasta (1, 1) siguiendo la orientacion
invertida del intervalo [1, 1] que denimos por [1, 1]
. La curva
+
es
en total una curva cerrada iniciandose en el punto (1, 1) y cerrando su
circuito en el mismo punto (vease la gura 7.2 b.)
Damos una parametrizacion de
+
=
+
1
+
2
2
como sigue.
1
es la curva denida por y = x
2
si x [1, 1]
+
, de donde, poniendo
x = t y y = t
2
se obtiene la curva
1
(t) = (t, t
2
) con t [1, 1]
+
que da
orientacion a
+
1
.
Para parametrizar a
2
con la orientacion que dene a la poligonal
+
,
siendo el segmento inmediato de
+
1
, consideramos su denicion.
2
es la
curva y = 2 x
2
con x [1, 1], lo que indica que
+
2
esta orientada por
el intervalo [1, 1]
= [1, 1]
+
302 Orientacion de curvas y poligonales
que lleva 1 1, 2 1 denido por,
x = x(t) = 2(t 1) + 1 = 3 2t.
Ya que los puntos sobre la curva
2
son de la forma (x, 2x
2
), entonces
2
(t) = (3 2t, 2 (3 2t)
2
) con t [1, 2] parametriza a
+
2
. Por lo tanto,
la curva = (t) que parametriza a todo el circuito con la orientacion
seguida de
+
=
+
1
+
+
2
es
(t) =
_
(t, t
2
) 1 t 1
(3 2t, 2 (3 2t)
2
) 1 t 2
donde : [1, 2] R
2
es regular por pedazos
1
2
a. b.
p
q
y=
y=2-x
x
y
(-1,1)
(1,1)
[ [
-1 1
2
2 2
1
x
Figura 7.2: a. Poligonal b. Curva cerrada orientada.
El ejemplo anterior nos da una manera de orientar a una region plana
que tiene como frontera a una curva cerrada poligonal . Para orientar
a tal region, parametrizamos a de tal forma que recorra el circuito en
sentido contrario a las manecillas del reloj (regla de la mano derecha)
. Esto es equivalente a considerar el marco dado por la pareja ordenada
de vectores n(t), (t), donde n(t) es un vector normal a (t) y (t) es
el vector tangente, satisfaciendo la relacion de orientacion
0 < det
_
n(t)
(t)
_
= det
_
(t)
n(t)
_
No es difcil ver que esto se logra al orientar la curva cerrada
+
en con-
tra de las manecillas del reloj y tomar sus vectores normales n(t) apuntando
hacia afuera de (vease la gura 7.3). Esta es una manera de orientar a
una region provista con una frontera conformada por una poligonal ce-
rrada. La deniremos por
+
.
7.2 Longitud de arco y angulo entre curvas 303
+
n
n
[[d[[ =
_
_
dx
2
+dy
2
+dz
2
Por lo tanto, si en coordenadas cartesianas = (t) parametriza a en el
intervalo [a, b],
(t) = (x(t), y(t), z(t)),
entonces
_
_
_
dx = x(t) dt
dy = y(t) dt
dz = z(t) dt,
t [a, b]
y de esta manera, la longitud de se calcula por
() =
_
_
dx
2
+dy
2
+dz
2
=
_
[a,b]
_
x(t)
2
dt
2
+ y(t)
2
dt
2
+ z(t)
2
dt
2
=
_
b
a
_
x(t)
2
+ y(t)
2
+ z(t)
2
dt.
La igualdad
x(t)
2
+ y(t)
2
+ z(t)
2
= [[v(t)[[
2
,
hace que la siguiente denicion sea natural.
DEFINICI
20dt = 2
20
El siguiente resultado nos asegura la independencia de la longitud de
una curva respecto a una parametrizacion. Esto es, la denicion de longitud
esta bien denida, pues no depende de la parametrizacion escogida de la
curva.
LEMA 7.2 Sea una curva regular parametrizada por
: [a, b] R
donde = (t), t [a, b]. Si : [c, d] , con = () es otra
parametrizaci on tal que el par ametro temporal t = t() es una funci on
del par ametro [c, d],
t : [c, d] [a, b],
306 Orientacion de curvas y poligonales
con
dt
d
> 0, entonces las longitudes del arco en las parametrizaciones res-
pectivas son las mismas, esto es,
=
_
b
a
[[ (t)[[dt =
_
d
c
[[
()[[d =
Defnase
() = (x
1
(t()), x
2
(t()), x
3
(t()) = (y
1
(), y
2
(), y
3
()),
y sea el vector velocidad
= w() =
_
dy
1
d
,
dy
2
d
,
dy
3
d
_
, c d.
Entonces, por denicion,
=
_
d
c
[[w()[[d.
Por otro lado, por La regla de la cadena,
[[w()[[ =
_
3
i=1
_
dy
i
d
_
2
=
_
3
i=1
_
dx
i
dt
dt
d
_
2
=
dt
d
_
3
i=1
_
dx
i
dt
_
2
=
dt
d
[[v(t)[[,
De esta forma, como dt/d > 0, por el teorema de cambio de variable
se tiene que
=
_
d
c
[[w()[[d =
_
d
c
[[v(t())[[
dt
d
d =
_
b
a
[[v(t)[[ dt =
lo que concluye la demostracion.
Finalizamos con el concepto de angulo entre dos curvas.
Consideremos ahora dos curvas regulares suaves
1
y
2
tal que estan
parametrizadas por
1
: [a, b] R
3
2
: [a, b] R
3
7.2 Longitud de arco y angulo entre curvas 307
respectivamente. Supongase ademas que en las imagenes del punto t
0
se
intersectan las curvas
1
y
2
, esto es,
1
(t
0
) =
2
(t
0
)
Si tales curvas estan denidas en coordenadas x, y, z por
_
1
(t) = (x
1
(t), y
2
(t), z
1
(t))
2
(t) = (x
2
(t), y
2
(t), z
2
(t))
y son tales que sus vectores tangentes en el punto com un
1
(t
0
) =
2
(t
0
)
son
=
_
dx
1
dt
,
dy
1
dt
,
dz
1
dt
_
[
t=t0
,
=
_
dx
2
dt
,
dy
2
dt
,
dz
2
dt
_
[
t=t0
,
entonces es natural denir el angulo formado por esas curvas en
1
(t
0
) =
2
(t
0
) como el angulo formado por sus vectores tangentes. Esto es, si tal
angulo es , entonces
cos =
< , >
[[[[[[[[
.
La gura 7.5 ilustra esta discusion.
2
Figura 7.5:
Angulo entre dos curvas.
EJEMPLO. Sean las curvas
1
y
2
denidas por
1
:
1
(t) = (t, t
2
) con t [0, 4]
2
:
2
(t) = (t, t
3
) con t [0, 4]
308 Orientacion de curvas y poligonales
Es claro que
1
(1) =
2
(1) = (1, 1) es el punto de interseccion de las
curvas
1
y
2
. Si nombramos a los vectores tangentes respectivos por
=
1
(1) = (1, 2)
n =
2
(1) = (1, 3)
entonces el angulo formado en (1, 1) por las curvas
1
y
2
es
= arccos
< , n >
[[[[ [[n[[
= arccos
_
< (1, 2), (1, 3) >
10
_
= arccos
_
7
50
_
= arccos
_
7
2
10
_
7.3 Ejercicios
1. De una orientacion a las curvas denidas en los incisos a, b, c y g en el
ejercicio 1. del captulo 4.
2. a. Calcule la longitud de arco de 0 a en las curvas de los incisos del
ejercicio 1.
b. Calcular el angulo entre las curvas dadas en los puntos donde se inter-
sectan.
1
(t) = (2 cos t, 2 sen t),
2
(t) = (t, t
2
)
1
(t) = (e
t
cos t, e
t
sent),
2
(t) = (t, t)
1
(t) = (t
2
, t
3
),
2
(t) = (t
3
, t
2
).
Indicacion: calcule primero los puntos de interseccion.
Captulo 8
Lmites y puntos
singulares
En este captulo discutimos someramente el concepto de lmite de una
funcion real de variable vectorial en un punto de acumulacion del do-
minio. Los temas son tratados de igual forma que en el captulo 2 de Reyes
(1996).
8.1 Puntos de acumulaci on y lmites
Sea R
n
una region del espacio euclidiano, de dimension n, donde
consideramos apenas n = 2, 3.
DEFINICI
ON. El punto p R
3
se dira que es un punto de acumu-
lacion para la region , si toda bola B
2
2
.
2
2
=
2
4
= 1/2 que es el lmite calculado
anteriormente.
EJEMPLO. Calcular el lmite
lim
(x,y)(0,0)
x
2
+y
2
_
x
2
+y
2
+ 1 1
Al usar el cambio de coordenadas (polares)
_
x = r cos
y = r sen
314 Lmites y puntos singulares
se tiene que x
2
+y
2
= r
2
, de donde
x
2
+y
2
_
x
2
+y
2
+ 1 1
=
r
2
r
2
+ 1 1
Ya que (x, y) (0, 0) r 0 se tiene que,
lim
(x,y)(0,0)
x
2
+y
2
_
x
2
+y
2
+ 1 1
= lim
r0
r
2
r
2
+ 1 1
= lim
r0
r
2
_
r
2
+ 1 + 1
_
_
r
2
+ 1 1
_ _
r
2
+ 1 + 1
_ = lim
r0
r
2
_
r
2
+ 1 + 1
_
(r
2
+ 1) 1
= lim
r0
r
2
_
r
2
+ 1 + 1
_
r
2
= lim
r0
_
_
r
2
+ 1 + 1
_
= 2
Por lo tanto,
lim
(x,y)(0,0)
x
2
+y
2
_
x
2
+y
2
+ 1 1
= 2
EJEMPLO. Calcular el lmite
lim
(x,y)(0,0)
(x +y)
2
x
2
+y
2
Nuevamente, usando el cambio de coordenadas anterior,
x = r cos , y = sen
se tiene que
(x +y)
2
x
2
+y
2
=
(r cos +r sen)
2
r
2
=
r
2
(cos + sen)
2
r
2
= (cos + sen)
2
que depende de la variable .
Si se toma por ejemplo = 0 (eje x) se tiene que,
lim
(x,y)(0,0)
(x +y)
2
x
2
+y
2
= lim
r0
(cos + sen)
2
= (cos 0 + sen0)
2
= 1
Por otro lado, si se toma = /4 (la recta y = x) se tiene que,
lim
(x,y)(0,0)
(x +y)
x
2
+y
2
= lim
r0
(cos /4+sen /4) =
_
2
2
+
2
2
_
2
= (
2)
2
= 2,
lo que nos dice que tal lmite no existe.
8.3 Continuidad 315
8.3 Continuidad
Ahora extendemos el concepto de continuidad que conocemos para fun-
ciones reales de variable real, para funciones reales de variable vectorial.
DEFINICI
ON. Sea f : R
3
R una funcion y sea p un punto
arbitrario del dominio. Decimos que la funcion f es continua en el punto
p si
a. p es un punto aislado de .
b. cuando p es punto de acumulacion de , entonces
lim
(x,y,z)p
f(x, y, z) = f(p)
Si la funcion f es continua en cada uno de los puntos de su dominio se
dira simplemente que f es continua.
Del teorema sobre la aritmetica de lmites se tiene que la suma (y di-
ferencia), el producto y el cociente de funciones continuas es una funci on
continua.
M as a un, en todas las funciones vectoriales donde intervengan las fun-
ciones cl asicas: polinomios, exponenciales, trigonometricos, etc, con varias
variables independientes, se tendr an funciones continuas.
EJEMPLO. A continuacion todas las funciones que se mencionan son
continuas (redundante decir que en sus dominios naturales).
a. f(x, y) =
x
x+y
2
b. f(x, y) = arcsen(x
2
+y
2
)
c. f(x, y, z) =
x+yz
x
2
+y
2
z
2
d. f(x, y, z) = e
x+y
2
sen
_
1
z
_
e. f(x, y) =
8x
2
y
2
+z
2
ln z+ln x
+e
cos(xyz)
Como es de dominio general, un problema interesante es aquel cuando
una funcion con una singularidad p precisa de ser extendida continuamente
en tal punto. Un resultado sobre la extension continua es el siguiente.
TEOREMA 8.2 Si f es una funci on continua en la regi on R
3
y p
es una singularidad de f, para que f tenga una extensi on continua F en el
dominio D = p es necesario y suciente que
lim
(x,y,z)p
f(x, y, z) = L
exista.
316 Lmites y puntos singulares
En este caso, la extension continua de f en p esta dada por la funcion
F(x, y, z) =
_
f(x, y, z) si (x, y, z)
L si (x, y, z) = p
A continuacion ilustramos el teorema 8.2 con un ejemplo.
EJEMPLO. Considerese la funcion
f(x, y) =
x
3
y
2
x
2
+y
2
Se puede extender continuamente la funcion en el punto singular p =
(0, 0)?
Ciertamente el dominio de la funcion f es = R
2
(0, 0), siendo
p = (0, 0) un punto singular de f.
De manera analoga al caso de una sola variable, calculamos el lmite
lim
(x,y)(0,0)
f(x, y) = lim
(x,y)(0,0)
x
3
y
2
x
2
+y
2
Usando el cambio de variables mencionado anteriormente,
_
x = r cos
y = r sen
se tiene que
x
3
y
2
x
2
+y
2
=
r
3
cos
3
r
2
sen
2
r
2
= r
3
cos
3
sen
2
.
De esta manera,
lim
(x,y)(0,0)
f(x, y) = lim
(x,y)(0,0)
x
3
y
2
x
2
+y
2
= lim
r0
r
3
cos
3
sen
2
= 0
Por lo tanto, la extension continua de la funcion f en el punto esta dada
por la nueva funcion,
F(x, y) =
_
x
3
y
2
x
2
+y
2
(x, y) ,= (0, 0)
0 (x, y) = (0, 0)
Un resultado importante de la continuidad de una funcion que es de
interes en las aplicaciones en el siguiente
8.3 Continuidad 317
TEOREMA 8.3 (del valor intermedio). Si f : R es una funci on
continua denida en una regi on (conexa) y para los puntos p, q R
3
se tiene que f(p) < f(q), entonces para todo valor c [f(p), f(q)] existe un
punto r , tal que f(r) = c.
Sea : [0, 1] una curva continua tal que una a los puntos p y
q , es decir, tal que (0) = p y (1) = q.
Consideremos ahora la composicion real de variable real,
g = f : [0, 1] R
dada por
g(t) = (f )(t) = f((t))
Entonces, es facil ver que g es una funcion real de variable real continua,
tal que g(0) = f(p), g(1) = f(q). Por el teorema del valor intermedio para
funciones continuas reales de variable real, para c [f(p), f(q)] existe un
argumento t
0
[0, 1] tal que g(t
0
) = c. Defnase r = (t
0
), entonces se
tiene que f(r) = f((t
0
)) = g(t
0
) = c, lo que termina la prueba.
Ejercicios
1. Calcular los siguientes lmites.
a. lim
(x,y)(1,2)
(4x + 6y
2
)
b. lim
(x,y)(1,1)
x
yx
c. lim
(x,y)(1,0)
=
arcsen (y/x)
1+xy
d. lim
(x,y)(2,2)
xy
y
2
+x
2
e. lim
(x,y)(0,0)
e
xy
4+xy
2. Analizar las siguientes funciones en el punto singular situado en el origen.
En cuales singularidades se puede extender continuamente la funcion?
a. f
1
(x, y) =
y
4
x
4
x
2
+y
2
b. f
2
(x, y) =
4x
2
y
x
2
+y
2
c. f
3
(x, y) =
3x
2
y
1+x
4
+2y
2
d. f
4
(x, y) =
sen (xy)
x
2
+y
2
e. f
5
(x, y) =
y
2
+xy2x
2
yx
f. f
6
(x, y) =
e
x
e
y
e
x
e
y
318 Lmites y puntos singulares
g. f
7
(x, y) = (x +y)sen
1
x
h. f
8
(x, y) = (x +y) sen
1
x+y
Captulo 9
Valores extremos de
funciones R
2
R
En este captulo hacemos el analisis local de una funcion de clase C
r
alrede-
dor de un punto p, para el caso en que la funcion esta denida en una region
del plano R
2
. Los resultados aqu obtenidos se generalizan para mas va-
riables y damos ejemplos de estas generalizaciones.
9.1 Plano tangente
En esta seccion introducimos el concepto de espacio tangente en un punto
de un conjunto de nivel de una funcion real de variable vectorial, mediante
el uso del vector gradiente.
Consideremos el caso R
n
= R
3
, y sean, f : R
3
R una funcion
suave, c un valor arbitrario en R y la supercie de nivel c de f,
S = f
1
(c) = (x, y, z) [ f(x, y, z) = c
Si : (a, b) es una curva tal que (t) S, entonces para todo
t (a, b) se cumple f((t)) = c.
Al derivar cada lado de la igualdad respecto a t se tiene
d
dt
(f )(t) = 0
y por La regla de la cadena, en todo el intervalo (a, b), se cumple la igualdad
f
((t)
, (t)
_
= 0
320 Valores extremos de funciones R
2
R
Tomemos un punto arbitrario q S y una curva tal que (0) = q.
Entonces (0) es un vector tangente a en q.
De esto, se tiene que
0 =
f
(t)
, (t)
_
[
t=0
= f
q
, (0))
Concluimos entonces que el vector gradiente f
q
es ortogonal al vector
tangente (0).
Resumiendo, dado un punto q S y una curva (t) S tal que (0) = q
se tiene que el gradiente de f en q es ortogonal al vector tangente (0) = v.
Como la curva (t) pasando por el punto q es arbitraria, entonces se puede
realizar la siguiente denicion.
p
p
f
f
-1
(c)
c
f
Figura 9.1: Plano tangente a una supercie de nivel.
DEFINICI
3 = 0
Despues, calculamos el vector gradiente f
(1,1,1)
,
f
(1,1,1)
=
_
f
x
,
f
y
,
f
z
_
[
(1,1,1)
= (2x, 2y, 2z)[
(1,1,1)
= (2, 2, 2)
Por lo tanto, la ecuacion del plano tangente a S = f
1
(0) en (1, 1, 1) se
calcula
< (2, 2, 2), (x, y, z) >=< (2, 2, 2), (1, 1, 1) >
es decir, la ecuacion buscada es,
2x + 2y + 2z = 6
Mencionamos que la metodologa utilizada para calcular planos tan-
gentes a supercies se aplica tambien para calcular en general, los espacios
tangentes de conjuntos de nivel de funciones suaves. Particularmente, el
metodo se usa para calcular rectas tangentes de curvas planas, como lo
muestra el siguiente ejemplo.
EJEMPLO. Calcular la recta tangente a la curva
C : x
2
y +y
3
= 10
en el punto (1, 2).
Consideremos la funcion f(x, y) = x
2
y +y
3
. Entonces, la curva dada
C esta denida como la curva de nivel,
f
1
(10) = (x, y)[ f(x, y) = 10 = (x, y)[ x
2
y +y
3
= 10 = C.
Vericamos primeramente que el punto (1, 2) f
1
(10), pues
1
2
(2) + (2)
3
2 + 8 = 10
y despues calculamos el gradiente
f
(1,2)
= (2xy, x
2
+ 3y
2
)
(1,2)
= (4, 13)
Por lo tanto, la ecuacion del tangente (que es una recta) T
(2,2)
C es,
< (4, 13), (x, y) >=< (4, 13)(1, 2) >
o equivalentemente,
4x + 13y = 30
322 Valores extremos de funciones R
2
R
9.2 Puntos regulares y crticos
Sean, f : R
2
R una funcion de clase C
r
y p = (a, b) un punto en
. Entonces, el desarrollo de Taylor de f alrededor de p hasta orden 2 esta
dado por
f(x, y) = f(p) +
f
x
(p)(x a) +
f
y
(p)(y b)
+
1
2
2
f
x
2
(p)(x a)
2
+
2
f
yx
(p)(x a)(y b)
+
1
2
2
f
y
2
(p)(y b)
2
+o((x a)
3
, (y b)
3
)
si el punto variable (x, y) esta proximo del punto p en .
DEFINICI
ON. Si f
p
= (0, 0), es decir, las derivadas parciales de la
funcion f se anulan en el punto p,
f
x
(p) = 0 =
f
y
(p)
entonces p se dira un punto crtico de f. Al valor f(p) se le llamara un
valor crtico.
324 Valores extremos de funciones R
2
R
Por El teorema de Taylor, alrededor del punto p la funcion f esta apro-
ximada por el polinomio cuadratico
z = f(p) +
1
2
2
f
x
2
(p)(x a)
2
+
2
f
yx
(p)(x a)(y b) +
1
2
2
f
y
2
(p)(y b)
2
= f(p) +
1
2
_
2
f
x
2
(p)(x a)
2
+ 2
2
f
yx
(p)(x a)(y b) +
2
f
y
2
(p)(y b)
2
_
lo cual puede escribirse matricialmente como
z = f(p) +
1
2
(x a y b)
_
2
f
x
2
(p)
2
f
yx
(p)
2
f
xy
(p)
2
f
y
2
(p)
_
_
x a
y b
_
Comprobamos que la multiplicacion de las matrices se naladas en
la ultima igualdad conducen a la expresion de la parte cuadratica de la
aproximacion. Al realizar el producto de las dos matrices nales, se obtiene
la expresion
(x a y b)
_
2
f
x
2
(p)(x a) +
2
f
yx
(p)(y b)
2
f
yx
(p)(x a) +
2
f
y
2
(p)(y b)
_
=
2
f
x
2
(p)(x a)
2
+
2
f
yx
(p)(y b)(x a) +
2
f
yx
(p)(x a)(y b)
+
2
f
y
2
(p)(y b)
2
=
2
f
x
2
(p)(x a)
2
+ 2
2
f
yx
(p)(x a)(y b) +
2
f
y
2
(p)(y b)
2
lo que sigue debido a la conmutatividad de las derivadas parciales mixtas
de f en p.
La matriz cuadrada obtenida de esta manera tiene un nombre y carac-
tersticas especiales.
DEFINICI
2
f
yx
(p)
2
f
y
2
(p)
_
se llamara matriz Hessiana de la funcion f en el punto crtico p.
9.3 Formas cuadraticas basicas 325
Es claro que La matriz Hessiana Hf
p
es de la forma
A =
_
M L
L N
_
y, por lo tanto, es una matriz simetrica, es decir, coincide con su trans-
puesta,
A
t
=
_
M L
L N
_
= A
Tales matrices simetricas estan estrechamente relacionadas con las lla-
madas formas cuadraticas que denen supercies cuadraticas.
Repasamos , entonces, un aspecto basico de las formas cuadraticas
mas simples en dos variables, que ya hemos estudiado en el captulo 6.
Antes de iniciar la discusion de las formas cuadraticas, denimos los
conceptos de valores maximo y mnimo local de una funcion de argumento
vectorial.
DEFINICI
ON. Sean, f : R
2
R una funcion arbitraria y p un
punto en el dominio de f. Decimos que la funcion f tiene en f(p) un
a. Valor mnimo local, si existe un n umero > 0 tal que para cualquier
punto (x, y) contenido en la bola de radio > 0 y centro en p (B
(p)), se
tiene que f(p) f(x, y)
b. Valor maximo local, si existe un n umero > 0 tal que para cualquier
(x, y) B
2
_
326 Valores extremos de funciones R
2
R
que denimos simplemente por
t
A, siendo un vector columna y
t
un
vector renglon.
As, una forma cuadratica aplicara en un solo vector = (
1
,
2
) me-
diante la formula
q() = q(, ) =
t
A = (
1
2
)
_
M L
L N
__
1
2
_
= M(
1
)
2
+ 2L
1
2
+N(
2
)
2
generando una funcion q : R
2
R que esta caracterizada por la matriz
dada A.
EJEMPLO. Sea la funcion cuadratica en las variables u, v dada por la
expresion
q
1
(u, v) = u
2
+v
2
Entonces, escribiendo al vector = (u, v), podemos escribir matri-
cialmente tal expresion como
q
1
(u, v) = u
2
+ 2(0)uv +v
2
= (u v)
_
1 0
0 1
__
u
v
_
de donde q
1
tiene asociada la matriz simetrica (forma cuadratica)
A
1
=
_
1 0
0 1
_
Por otro lado, en p = (0, 0) la funcion tiene un valor mnimo local en
q
1
(0, 0) = 0
Esto se puede apreciar observando que la cuadratica z = u
2
+ v
2
co-
rresponde a un paraboloide circular que se abre verticalmente en direccion
positiva del eje z. Si consideramos valores c R proximos de 0, entonces
las imagenes inversas bajo f (curvas de nivel) f
1
(c) corresponden a curvas
cerradas que de hecho son crculos con ecuaciones u
2
+v
2
= c.
La gura 9.4 a. ilustra a la graca de esta forma cuadratica en una
proximidad del origen de coordendas.
EJEMPLO. Ahora, consideremos la forma cuadratica dada por,
q
2
(u, v) = u
2
v
2
Esta tiene un valor maximo local en f(0, 0) = 0 y tiene asociada
la matriz simetrica
A
2
=
_
1 0
0 1
_
9.3 Formas cuadraticas basicas 327
mnimo
local
p
p
maximo local
Figura 9.3: Valores maximos y mnimos locales.
De igual forma que para el caso anterior, se observa que la graca de
q
2
(u, v) es un paraboloide circular que se abre verticalmente en direccion
negativa del eje z. Tambien, si consideramos valores negativos c R
proximos del valor maximo f(0) = 0, las curvas de nivel correspondien-
tes u
2
+v
2
= c son curvas cerradas, que ademas son crculos.
La gura 9.4 b. ilustra la graca de q
2
(u, v) es una proximidad del
origen.
u
2
+v
2
(u
2
+v
2
)
u
a. b.
u
v
v
Figura 9.4: Formas cuadraticas (u
2
+v
2
).
EJEMPLO. Consideremos la funcion cuadratica en las variables u, v dada
por
q
3
(u, v) = u
2
v
2
328 Valores extremos de funciones R
2
R
que tiene asociada la matriz simetrica
A
3
=
_
1 0
0 1
_
debido a que, si ponemos el vector = (u, v) como un vector columna,
matricialmente podramos escribir
q
3
(u, v) = u
2
v
2
= (u v)
_
1 0
0 1
__
u
v
_
=
t
A
3
_
1 0
0 1
__
M as a un se tiene que,
det
_
M L
L N
_
= det
_
1
0
0
2
_
=
1
2
330 Valores extremos de funciones R
2
R
a, b > 0 a, b < 0
a, b diferentes signos
Figura 9.6: Zoologico de formas cuadraticas basicas.
Para ilustrar el alcance del Lema de Sylvester damos el siguiente ejem-
plo.
EJEMPLO. Sea la matriz simetrica
B =
_
1 2
2 1
_
con determinante det(B) = 3.
Procedemos a diagonalizar a la matriz B, calculando sus valores
propios al resolver el polinomio cuadratico,
0 = det
__
1 2
2 1
_
_
1 0
0 1
__
= det
_
1 2
2 1
_
= (1)
2
4
=
2
2 3.
cuyas races son
1
= 1,
2
= 3.
De esta manera, la matriz diagonalizada es
A =
_
1 0
0 3
_
9.4 Puntos crticos no degenerados 331
cuyo determinante es det(A) = 3.
Por otro lado, la matriz A tiene asociada la forma cuadratica
q(u, v) = u
2
3v
2
que corresponde a un paraboloide hiperbolico (silla de montar) con un
punto silla en el origen (0, 0, 0).
Por lo tanto, la forma cuadratica asociada a la matriz B esta dada en
los vectores = (x, y) y matricialmente por,
T
B = ( x y )
_
1 2
2 1
__
x
y
_
= x
2
+ 2(2xy) +y
2
= x
2
+ 4xy +y
2
corresponde cualitativamente a un paraboloide hiperbolico con un punto
silla en el origen (0, 0, 0).
El ejemplo anterior nos muestra que para analizar y caracterizar a un
punto crtico p de una funcion f(x, y) es suciente con calcular su matriz
Hessiana B = Hf
p
que es una matriz simetrica, y despues diagonalizarla
utilizando el Lema de Sylvester. Al obtener sus valores propios, confor-
mamos la matriz diagonal
A =
_
1
0
0
2
_
que caracteriza a una forma cuadratica basica de las mencionadas, para el
caso en que los valores propios sean ambos diferentes de cero.
9.4 Puntos crticos no degenerados
DEFINICI
2
f
yx
(p)
2
f
x
2
(p)
_
,= 0
entonces llamamos al punto p un punto crtico no degenerado.
Observamos que si la matriz diagonalizada de Hf
p
es la matriz
A =
_
1
0
0
2
_
332 Valores extremos de funciones R
2
R
entonces sera suciente que ambos valores propios
1
y
2
sean diferentes
de cero para que p sea un punto crtico no degenerado, en virtud de que
por el Lema de Sylvester, det(A) = det(Hf
p
) =
1
2
.
EJEMPLO. Sea la funcion cuadratica en dos variables
f(x, y) = 3x
2
4xy +y
2
Analizar el comportamiento en sus puntos crticos mediante las matrices
Hessianas correspondientes.
El conjunto = Dom(f) = R
2
es un dominio abierto y conexo.
Realizaremos el analisis de los puntos crticos. Hallamos primeramente el
gradiente, calculando las primeras derivadas parciales.
f
x
= 6x 4y
f
y
= 4x + 12y
Es claro que
f
p
= (0, 0) si y solo si,
_
_
_
6x 4y = 0
y
4x + 2y = 0
es decir, los puntos crticos se obtienen al resolver el sistema lineal
_
6x 4y = 0
4x + 2y = 0
Como el determinante principal del sistema
D =
6 4
4 2
= 12 16 = 4 ,= 0,
entonces, x = 0, y = 0 es la unica solucion de tal sistema. Esto es, p = (0, 0)
es el unico punto crtico, con valor ctico
f(0, 0) = 3(0)
2
4(0)(0) + 0
2
= 0
Ahora calculamos las derivadas parciales segundas,
2
f
x
2
= 6,
2
f
yx
= 4,
2
f
y
2
= 2
9.4 Puntos crticos no degenerados 333
y obtenemos en el punto crtico p(0, 0),
2
f
x
2
(0, 0) = 6,
2
f
yx
(0, 0) = 4,
2
f
y
2
(0, 0) = 2
Por lo tanto la matriz Hessiana de f en el punto crtico p(0, 0) se calcula
Hf
(0,0)
=
_
6 4
4 2
_
Despues, encontramos los valores propios
1
,
2
para diagonalizar la
matriz:
0 = det
__
6 4
4 2
_
_
1 0
0 1
__
= det
_
6 4
4 2
_
=
6 4
4 2
= (6 )(2 ) 16 =
2
8 4 = 0
con lo que,
=
8
64 + 16
2
=
8
80
20
de donde,
1
=
8
80
2
< 0,
2
=
8 +
80
2
> 0
lo que implica que en el punto (0, 0, f(0, 0)) sobre la graca de f se tiene
un punto silla, y ademas que el punto crtico p = (0, 0) es no degenerado.
Analizamos algunas curvas de nivel de f utilizando los resultados de
la descripcion de una forma cuadratica alrededor del origen de cordenadas.
a. Si se toma el valor z = 1 entonces
1 = 3x
2
4xy +y
2
es la ecuacion de una hiperbola en el plano R
2
b. Al tomar el valor 1 = z entonces se tiene,
1 = 3x
2
4xy +y
2
que es la ecuacion de otra hiperbola en R
2
.
c. Si se considera z = 0 entonces se tiene la ecuacion
0 = 3x
2
4xy +y
2
334 Valores extremos de funciones R
2
R
y para resolver en terminos de la variable x nos da,
x =
4y
_
16y
2
12y
2
6
=
4y 2y
6
=
_
y
1
3
y
es decir, la pareja de rectas
_
y = x
y = 3x
que son las asntotas de las hiperbolas dadas por la familia de ecuaciones
3x
2
4xy +y
2
= c
donde c R es valor arbitrario de la funcion f.
La gura 9.7 describe la complejidad de la graca de la funcion f, as
como sus curvas de nivel.
Utilizamos el ejemplo anterior para hacer la siguiente observacion.
La funcion cuadratica inicial tena la ecuacion
f(x, y) = 3x
2
4xy +y
2
que matricialmente se puede escribir
3x
2
4xy +y
2
= 3x
2
+ 2(2)xy +y
2
= (x y)
_
3 2
2 1
__
x
y
_
siendo la matriz simetrica asociada (forma cuadratica)
A =
_
3 2
2 1
_
Por otro lado, encontramos que la matriz Hessiana en el punto crtico
era la forma cuadratica
Hf
(0,0)
=
_
6 4
4 2
_
= 2A
Esto ocurre debido a que en la construccion de la matriz Hessiana du-
rante la discusion general se factorizo el escalar
1
2
dando paso a la Hessiana
como se denio.
Utilizamos ahora toda la herramienta que se ha desarrollado, para
analizar puntos crticos de funciones suaves de dos variables.
9.4 Puntos crticos no degenerados 335
x
y
curvas de nivel graca
Figura 9.7: Curvas de nivel y graca de f(x, y) = 3x
2
4xy +y
2
.
EJEMPLO. Sea la funcion polinomial de grado 4 en dos variables dada
por la igualdad,
f(x, y) = x
4
+y
4
4xy
y cuyo dominio es = R
2
.
Calculamos sus puntos crticos, igualando las coordenadas del gra-
diente a cero,
_
f
x
= 4x
3
4y = 0
f
y
= 4y
3
4x = 0
o equivalentemente, resolviendo el sistema de ecuaciones
_
x
3
y = 0
y
3
x = 0
Al despejar la variable y de la primera ecuacion se tendra
_
y = x
3
y
3
x = 0
y si se sustituye x
3
en la segunda ecuacion se tendra (x
3
)
3
x = 0, lo que
implicara que x
9
x = 0. Por lo tanto, es necesario resolver la ecuacion
de grado 9,
x(x
8
1) = 0
Al factorizar el lado izquierdo de esta ecuacion se tiene que
x(x
4
1)(x
4
+ 1) = 0 x(x
2
+ 1)(x
2
1) = 0
lo que nos da las races x = 0, 1, 1.
336 Valores extremos de funciones R
2
R
Al sustituir tales races en la ecuacion y =
3
2
f
x
2
= 12x
2
,
2
f
yx
= 4,
2
f
y
2
= 12y
2
lo que da la matriz Hessiana en cada punto crtico p,
Hf
p
=
_
12x
2
4
4 12y
2
_
p
Procedemos a analizar cada uno de los puntos crticos obtenidos, me-
diante la diagonalizacion de su correspondiente matriz Hessiana
a. Para el punto crtico (0, 0), su matriz Hessiana es,
Hf
(0,0)
=
_
0 4
4 0
_
Para calcular los valores propios de esta matriz resolvemos la ecuacion
cuadratica caracterstica.
0 =
4
4
=
2
16
lo que implica que = 4.
De esta forma, la matriz diagonal es la forma cuadratica
A
1
=
_
4 0
0 4
_
lo que nos dice que en el punto (0, 0, f(0, 0)) = (0, 0, 0) hay un punto silla.
Ademas en una localidad del punto crtico (0, 0) las curvas de nivel
son hiperbolas cuyas separatrices son dos curvas que se intersectan en el
punto (0, 0), que es no degenerado.
b. En el punto crtico (1, 1), se tiene la matriz Hessiana
Hf
(1,1)
=
_
12 4
4 12
_
9.4 Puntos crticos no degenerados 337
Para calcular los valores propios resolvemos la ecuacion cuadratica
0 =
12 4
4 12
= (12 )
2
16 =
2
24 + 128
esto es,
1
= 16,
2
= 8.
Lo anterior implica que f(1, 1) = 2 es un mnimo local pues la matriz
diagonalizada es, en este caso,
A
2
=
_
16 0
0 8
_
En virtud de que f(1, 1) = 2 es un mnimo local, se tiene que las curvas de
nivel de valores c proximos de 2 (de hecho mayores) son curvas cerradas
que encierran al punto crtico no degenerado (1, 1)
c. Analogamente al inciso anterior, en virtud de que en el punto crtico
(1, 1) la matriz Hessiana es,
Hf
(1,1)
=
_
12 4
4 12
_
la funcion tiene un mnimo local en f(1, 1) = 2.
Una inspecccion simple de la graca de la funcion mediante los puntos
crticos y sus valores crticos nos asegura la forma de las curvas de nivel de
la funcion, las cuales vienen dadas por la familia de ecuaciones
x
4
+y
4
4xy = c
siendo c R un valor que esta condicionado a ser 2 que es el valor
mnimo de la funcion.
Cuando c = 2 las curvas de nivel se reducen a la pareja de puntos
crticos
p
1
= (1, 1) y p
2
= (1, 1).
Si 2 < c < 0 entonces la ecuacion x
4
+y
4
4xy = c describe una pareja
de curvas disconexas que son cerradas y encierran a los puntos crticos p
1
y p
2
.
Si c = 0, la ecuacion x
4
+ y
4
4xy = 0 describe una curva que es la
union de otras dos que se intersectan en el punto (0, 0) y conforman una
gura en forma de ocho.
Cuando c > 0 la curva de nivel asociada se vuelve un circuito que
encierra a la gura de ocho
338 Valores extremos de funciones R
2
R
Ya anteriormente habiamos mostrado este ejemplo, y ahora con el uso de
la Teora diferenciable se ha podido hacer un analisis mas preciso, pero que
a un no esta totalmente completado. La gura 9.8 ilustra cualitativamente
el mapa topograco de las curvas de nivel de la graca de la funcion.
mnimo
local
mnimo
local
silla
Figura 9.8: Mapa topograco de f(x, y) = x
4
+y
4
4xy.
De hecho, a un para funciones polinomiales de dos variables, el analisis
de una curva de nivel es complicado y requiere de metodologa matematica
moderna provista por areas como la Geometra Algebraica. Hablando
con la verdad, estas herramientas estan muy fuera de nuestro alcance y
apelamos a las construcciones de las gracas de funciones de dos variables
mediante las computadoras. Este analisis, aunque es cuantitativo y poco
analtico, es de gran ayuda en los problemas practicos.
Estos ejemplos muestran cuan complejos pueden ser las curvas de nivel
asociadas a una funcion de dos variables.
Es claro que el problema se complica para dimensiones mayores. As que
en los subsecuentes ejemplos analizaremos apenas la forma de los puntos
crticos, teniendo en cuenta la forma local de la graca en una vecindad de
cada uno de ellos, cuando estos son no degenerados.
EJEMPLO. Analizar los puntos crticos de la funcion
f(x, y) = x
2
+x
2
y +y
2
+ 4
Como es sabido, los puntos crticos se calculan al resolver la ecuacion
f
p
=
_
f
x
,
f
y
,
_
= (0, 0)
9.4 Puntos crticos no degenerados 339
es decir, al resolver el sistema de ecuaciones
_
f
x
= 2x + 2xy = 0
f
y
= 2y +x
2
= 0
lo que equivale a que
_
2(x +xy) = 0
2y +x
2
= 0
_
x(1 y) = 0
y = x
2
/2
_
_
_
x = 0 o y = 1
y
y =
x
2
2
de donde
_
x = 0 y y =
x
2
2
y = 1 y y =
x
2
2
_
x = 0, y = 0
y = 1, x =
2
lo que implica que los puntos crticos buscados son
p
1
= (0, 0), p
2
= (
2, 1), p
3
= (
2, 1)
Calculamos sus valores crticos correspondientes,
f(0, 0) = 4, f(
2, 1) = 5, f(
2, 1) = 5
La matriz Hessiana de f en cualquier punto crtico p es
Hf
(0,0)
=
_
2 + 2y 2x
2x 2
_
p
y pasamos ahora a analizar cada punto crtico obtenido.
a. En el punto crtico p
1
= (0, 0), tenemos la matriz Hessiana
Hf
(0,0)
=
_
2 + 2y 2x
2x 2
_
(0,0)
=
_
2 0
0 2
_
que de hecho ya es una matriz diagonal.
No obstante, para armar que su diagonalizacion es la misma, procede-
mos a realizar tal diagonalizacion.
Para calcular los valores propios de la matriz Hf
(0,0)
se tiene que re-
solver la ecuacion
0 =
2 0
0 2
= (2 )
2
340 Valores extremos de funciones R
2
R
lo que implica que
1
= 2 =
2
> 0, y por lo tanto, f(0, 0) = 4 es un valor
mnimo local.
b. Para el punto crtico p
2
= (
2,1)
=
_
0 2(
2)
2(
2) 2
_
=
_
0 2
2
2
2 2
_
Calculamos los valores propios,
0 =
0 2
2
2
2 2
2
2
2 2
=
2
2 8
de donde,
1
= 4
2
= 2. Esto es, la diagonal asociada es
A
2
=
_
4 0
0 2
_
lo que nos dice que f(
2,1)
=
_
0 2(
2)
2(
2) 2
_
Para calcular sus valores propios, es preciso resolver la ecuacion
0 =
0 2
2
2
2 2
2
2
2 2
=
2
2 8
y obtenemos nuevamente,
1
= 4,
2
= 2. Por lo tanto, f(
2, 1) = 5
corresponde tambien a un valor silla.
Observamos que todos los puntos crticos de esta funcion son no dege-
nerados, ya que todos los valores propios obtenidos no se anulan.
EJEMPLO. Dada la funcion
f(x, y) = xy(1 x y) = xy x
2
y xy
2
analizar sus puntos crticos mediante el metodo mostrado.
El gradiente de la funcion es
f
p
= (y 2xy y
2
, x x
2
2xy)
p
y se anula, si y solo si, se satisface el sistema
_
y 2xy y
2
= 0
x x
2
2xy = 0
9.4 Puntos crticos no degenerados 341
o equivalentemente,
_
y(1 2x y) = 0
x(1 x 2y) = 0
esto es,
_
_
_
y = 0 o 1 2x y = 0
y
x = 0 o 1 x 2y = 0
lo que implica que,
_
_
y = 0 y y = 0
x = 0 y 1 2x y = 0
y = 0 y 1 x 2y = 0
1 2x y = 0 y 1 x 2y = 0
de donde se obtienen los puntos crticos,
p
1
= (0, 0), p
2
= (0, 1), p
3
= (1, 0), p
4
=
_
1
3
,
1
3
_
con los valores crticos correspondientes
f(0, 0) = 0, f(0, 1) = 0, f(1, 0) = 0, f(1/3, 1/3) = 1/27
Procedemos a analizar los puntos crticos sabiendo que la matriz Hes-
siana en cada uno de ellos viene dada por
Hf
p
=
_
2y 1 2x 2y
1 2x 2y 2x
_
a. Para el punto crtico p
1
= (0, 0), la matriz Hessiana esta dada por
Hf
(0,0)
=
_
0 1
1 0
_
y sus valores propios se calculan resolviendo la ecuacion
0 =
1
1
=
2
1
de donde = 1. Esto dice que f(0, 0) = 0 corresponde a un valor silla.
b. En el punto p
2
= (0, 1), la matriz Hessiana correspondiente es,
Hf
(0,1)
=
_
2 1
1 0
_
342 Valores extremos de funciones R
2
R
y sus valores propios se calculan al resolver la ecuacion,
0 =
2 1
1
= (2 ) 1 =
2
+ 2 1
Encontramos los valores propios
1
,
2
donde,
1
=
2 +
8
2
> 0,
2
=
2
8
2
< 0
y por lo tanto f(0, 1) = 0 es un valor crtico silla.
c. El punto crtico p
3
= (1, 0) tiene asociada la matriz Hessiana
Hf
(1,0)
=
_
0 1
1 2
_
y sus valores propios se calculan mediante la ecuacion
0 =
1
1 2
=
2
+ 2 1
que tiene soluciones
1
=
2 +
8
2
> 0,
2
=
2 +
8
2
< 0
lo qua hace tambien de f(1, 0) = 0 un valor crtico silla.
d. Finalmente, el punto crtico p
4
= (1/3, 1/3) tiene la matriz Hessiana
Hf
(1/3,1/3)
=
_
2/3 1/3
1/3 2/3
_
y los valores propios se calculan al resolver la ecuacion
0 =
2/3 1/3
1/3
1
3
=
2
+
4
3
+
1
3
cuyas soluciones son
1
= 1/3,
2
= 1
que hace de f
_
1
3
,
1
3
_
= 1/27 un valor crtico mnimo.
Nuevamente, en este ejemplo nos hemos encontrado con puros puntos
crticos no degenerados, pues todos los valores propios calculados son dis-
tintos de cero.
9.4 Puntos crticos no degenerados 343
EJEMPLO. Analizar los puntos crticos de la funcion
f(x, y) = y
x y
2
x + 6y
Calculamos sus puntos crticos resolviendo el sistema,
_
f
x
=
1
2
yx
1/2
1 = 0
f
y
= x
1/2
2y + 6 = 0
que equivale a (si x ,= 0),
_
y
2
x
= 1
x = 2y 6
Al igualar las ecuaciones obtenemos
y
2
= 2y 6, y resolviendo nos da
y = 4.
Por lo tanto, obtenemos para x,
4
2
=
x
lo que nos dice que x = 4.
De esta forma el unico punto crtico de la funcion es p = (4, 4), y su
valor crtico es f(4, 4) = 12.
La matriz Hessiana viene dada por,
Hf
p
=
_
y
4
x
3
1
2
x
1
2
x
2
_
p
y de esta manera, la matriz Hessiana en el unico punto crtico es
Hf
(4,4)
=
_
1
64
1
4
1
4
2
_
cuyos valores propios se calculan mediante la solucion de la ecuacion
0 =
1
64
1
4
1
4
2
=
2
+
127
64
3
32
que al resolver nos da los valores de ,
1
=
127 +
17665
128
> 0,
2
=
127
17665
128
< 0
344 Valores extremos de funciones R
2
R
lo que hace de f(4, 4) = 12 un valor silla. Ademas, se tiene que el punto
crtico es no degenerado.
Hacemos hincapie de que el analisis de la graca de una funcion suave
alrededor de un punto crtico no degenerado es simple y esta totalmente
descrito por la zoologa de las formas cuadraticas basicas y el Lema de
Sylvester. No obstante, cuando la matriz Hessiana en el punto crtico tiene
un valor propio = 0, el analisis se complica y su estudio sale de nuestras
posibilidades. La Teora de singularidades y Catastrofes establecida
por R. Thom, provee de la herramienta moderna necesaria para analizar
el caso mencionado. A los puntos crticos tales que su matriz Hessiana tiene
un valor propio nulo, se les llama puntos crticos degenerados.
Cabe mencionar que la Teora expuesta aqu se extiende a varias varia-
bles como lo muestra el siguiente ejemplo.
EJEMPLO. Analizar los puntos crticos de la funcion
f(x, y, z) = x
2
+xy +y
2
+yz +z
2
Claramente el dominio de la funcion f es toda la region espacial
= R
3
.
Por otro lado, el gradiente de f esta dado por
f
p
= (2x +y, 2y +x +z, 2z +y)
de donde f
p
= (0, 0, 0), si y solo s, se cumple
_
_
_
2x +y = 0
x + 2y +z = 0
y + 2z = 0
El determinante de tal sistema lineal es
2 1 0
1 2 1
0 1 2
= 4 ,= 0
lo que nos dice que tal sistema solo tiene la solucion trivial p = (0, 0, 0),
que es entonces el unico punto crtico.
La matriz Hessiana es, para este caso, la matriz simetrica de 3 3
B =
_
_
_
2
f
x
2
2
f
yx
2
f
zx
2
f
xy
2
f
y
2
2
f
zy
2
f
xz
2
f
yz
2
f
z
2
_
_
_ =
_
_
2 1 0
1 2 1
0 1 2
_
_
9.5 Multiplicadores de Lagrange 345
Procedamos a calcular los valores propios de la matriz resolviendo la
ecuacion c ubica
0 = det
_
_
_
_
2 1 0
1 2 1
0 1 2
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
=
2 1 0
1 2 1
0 1 2
= (2 )
2 1
1 2
1 1
0 2
= (2 )[(2 )
2
1] (2 )
= (2 )(
2
4 + 2)
Las races de tal ecuacion c ubica son los n umeros positivos
1
= 2,
2
= 2
2,
3
= 2 +
2
como se puede comprobar facilmente.
De esta manera, la matriz diagonalizada obtenida es
A =
_
_
2 0 0
0 2
2 0
0 0 2 +
2
_
_
con la diagonal en n umeros positivos.
Esto hara que el valor crtico f(0, 0, 0) = 0 sea un valor mnimo local
y que el punto crtico p = (0, 0, 0) sea no degenerado.
9.5 Multiplicadores de Lagrange
Damos inicio ahora al estudio de los valores extremos de una funcion que
estan sujetos a un dominio restringido dentro de su dominio natural. Para
ello iniciaremos la discusion pensando que el dominio restringido men-
cionado tiene una caracterstica adecuada en su forma: es un subconjunto
del espacio, que es cerrado, y que esta acotado (limitado) en el sentido
que la norma de cada uno de sus puntos esta superada por un n umero jo
apropiado.
DEFINICI
ON. Un conjunto K R
n
que es cerrado y acotado se llamara
compacto.
Hacemos una extension del Teorema de Weierstrass (Reyes (1996)) para
el caso de una funcion en varias variables, con un dominio compacto.
TEOREMA 9.1 (Weierstrass) Toda funci on f : K R continua (con
K compacto) alcanza sus valores m aximo y su mnimo dentro de K.
346 Valores extremos de funciones R
2
R
f
max
f
min
K R
2
Figura 9.9: El Teorema de Weierstrass.
Consideremos el caso en que la funcion f no solo es continua, sino
ademas es suave de clase C
r
(r 1).
Si los puntos p
1
, p
2
, , p
k
son crticos para la funcion f en el interior
de K, calculamos sus valores crticos
f(p
1
), f(p
2
), f(p
k
)
Despues, se buscan los extremos de f en los puntos q
1
, , q
l
en la
frontera, y en tales puntos obtenemos los valores
f(q
1
), f(q
2
), , f(q
l
)
De entre el conjunto de todos los valores obtenidos
f(p
1
), , f(p
k
), f(q
1
), , f(q
l
)
se escogen el maximo y el mnimo (vease la gura 9.9).
Por el Teorema de Weierstrass, para calcular los valores extremos de una
funcion real de argumento vectorial denida en un conjunto compacto K,
es necesario buscar en su interior los puntos crticos y evaluarlos, ademas de
buscar en la frontera a aquellos puntos que pudieran dar valores extremos
(vease la gura 9.9).
Procedamos a dar un metodo para localizar a tales puntos distinguidos
en la frontera de K, suponiendo que tal frontera esta denida como una
supercie de nivel. A este metodo se le conoce como el de multiplicadores
de Lagrange.
Sea S una supercie denida por una ecuacion
g(x, y, z) = 0
9.5 Multiplicadores de Lagrange 347
donde g es una funcion suave en una region que contiene a S y tal que
g
(x,y,z)
,= (0, 0, 0)
Dada f : R donde es la region conteniendo a S, se dice que f
tiene un extremo restringido a S en el punto p S, s en una vecindad
de p S se cumple que en una vecindad de p S se cumple que
f(p) f(x, y, z)
en cuyo caso se dira que f(p) es un maximo local de f en S. Pero si en
tal vecindad ocurre que
f(p) f(x, y, z)
en este caso se dira que f(p) es un mnimo local de f en S.
El siguiente resultado debido a Lagrange J.L., nos indica la forma de
localizar a los puntos de S donde se encuentran los posibles extremos.
TEOREMA 9.2 (Lagrange) Si f es un extremo en el punto p S
entonces existe un escalar (llamado el multiplicador de Lagrange) tal
que en el punto p se satisface la ecuaci on,
f
p
= g
p
Sea : J S una curva diferenciable pasando por (0) = p y
tomemos la composicion
f : J R
dada por (f )(t) = f((t)).
Entonces, por la regla de la cadena, la composicion es diferenciable y
d
dt
(f )(t) =< f
(t)
, (t) >
Al evaluar en el tiempo t = 0, se obtiene que
d
dt
(f )(0) =< f
p
, (0) >
Ya que f(p) es extremo en S (es decir, un maximo o mnimo local sobre
S) se tiene
0 =
d
dt
(f )(0) =< f
p
, (0) >
348 Valores extremos de funciones R
2
R
debido a que para una funcion real de variable real, cuando alcanza un
extremo (local o global) se tiene un punto crtico en t = 0.
Como (0) es un vector tangente en p y la curva es arbitraria, entonces
esto nos dice que el vector f
p
es ortogonal al plano tangente T
p
S.
Ya que tambien g
p
T
p
S, tendremos entonces que el vector f
p
es
paralelo a g
p
.
Por lo tanto , existe un n umero real diferente de cero tal que f
p
=
g
p
(vease la gura 9.10).
f
p
g
p
g = 0
p
g
f
T
p
S 0
R
Figura 9.10: Multiplicador de Lagrange.
EJEMPLO. Hallar el maximo y el mnimo de la funcion
f(x, y) = x +y
sujetos a la restriccion x
2
+y
2
= 1. En otras palabras, encontrar los valores
maximo y mnimo de f sobre el crculo unitario S.
Por el Teorema de Lagrange, es necesario resolver la ecuacion
f
(x,y)
= g
(x,y)
con g(x, y) = x
2
+y
2
1 deniendo a S como el conjunto de nivel
g
1
(0) = (x, y)[ x
2
+y
2
1 = 0.
Al calcular los gradientes se tiene
f
(x,y)
= (1, 1), y g
(x,y)
= (2x, 2y)
y entonces, buscamos los valores de x, y y tal que satisfagan la ecuacion
(1, 1) = (2x, 2y)
9.5 Multiplicadores de Lagrange 349
sabiendo ademas que x
2
+y
2
1 = 0.
Al resolver el sistema
_
1 = 2x
1 = 2y
usando que ,= 0, se tiene que
_
_
_
1
2
= x
1
2
= y
x
2
+y
2
= 1
Por lo tanto,
_
1
2
_
2
+
_
1
2
_
2
= 1
de donde
2
4
2
= 1
es decir,
=
_
1
2
=
2
2
De esta forma, obtenemos las soluciones de x, y en el crculo dadas por,
x =
1
2
_
2
2
_ =
2
2
, y =
2
2
que implica que hay 4 puntos candidatos sobre el crculo x
2
+y
2
= 1, y que
estos sean,
_
2
2
,
2
2
_
,
_
2
2
,
2
2
_
,
_
2
2
,
2
2
_
,
_
2
2
,
2
2
_
Si evaluamos cada uno de ellos se tiene que,
f
_
2
2
,
2
2
_
=
2
2
+
2
2
= 2
2
2
=
2
f
_
2
2
,
2
2
_
= 0, f
_
2
2
,
2
2
_
= 0, f
_
2
2
,
2
2
_
=
2
350 Valores extremos de funciones R
2
R
P
m
2
2
,
2
2
P
M
2
2
,
2
2
2
2
,
2
2
_
f
min
=
2
2
,
2
2
_
La gura 9.11 ilustra este ejemplo.
EJEMPLO. Sea la funcion en dos variables,
f(x, y) = x +y
2
Calcular sus maximos y minimos sujetos a la restriccion 2x
2
+y
2
= 1.
El gradiente de la funcion f se calcula,
f
p
= (1, 2y)
y denimos la funcion auxiliar g(x, y) = 2x
2
+y
2
1 para la restriccion.
Entonces, la curva plana 2x
2
+y
2
= 1 que es una elipse, se puede escribir
como la imagen inversa de 0 bajo g, es decir g
1
(0) y ademas, sobre cada
punto (x, y) de tal curva,
g(x, y) = (4x, 2y)
Ahora buscamos ,= 0 tal que f
p
= g
p
para algunos puntos (x, y)
sobre la curva, esto es, tal que
(1, 2y) = (4x, 2y)
9.5 Multiplicadores de Lagrange 351
o equivalentemente,
_
1 = 4x
2y = 2y
sujetas a la condicion de restriccion 2x
2
+y
2
= 1.
De la segunda ecuacion, si y ,= 0 entonces = 1, y de la primer ecuacion
se tendra necesariamente que 1 = 4x, lo que implicara que x =
1
4
Al usar la condicion con x = 1/4, obtenemos,
2
_
1
4
_
2
+y
2
= 1
que al resolver para y nos da,
y =
_
7
8
Por esto, los puntos candidatos obtenidos mediante este analisis son,
_
1
4
,
_
7
8
_
,
_
1
4
,
_
7
8
_
Consideremos ahora el caso cuando y = 0. Entonces, de la primer
ecuacion ( ,= 0 ) se tiene que
1
4
= x
Como que al sustituir en la ecuacion de condicion nos da (con y = 0),
2
_
1
4
_
2
= 1
Tal ecuacion nos provee de la solucion para ,
=
_
1
8
y por lo tanto,
x =
1
4
_
_
1
8
_ =
8
4
=
2
2
352 Valores extremos de funciones R
2
R
De aqu, que los puntos candidatos sean en este caso,
_
2
2
, 0
_
,
_
2
2
, 0
_
Usando ahora el Teorema de Weierstrass, evaluamos todos los puntos
obtenidos en ambos casos,
f
_
1
4
,
_
7
8
_
=
1
4
+
7
8
=
9
8
f
_
2
2
, 0
_
=
2
2
+ 0
2
=
2
2
f
_
1
4
,
_
7
8
_
=
1
4
+
7
8
=
9
8
f
_
2
2
, 0
_
=
2
2
+ 0
2
=
2
2
y concluimos que, sobre la elipse 2x
2
+ y
2
= 1, la funcion f tiene los
extremos
f
max
=
9
8
, f
min
=
2
2
Damos ahora un ejemplo en tres variables donde se conjugan el Teorema
de Weirestrass y el metodo de los multiplicadores de Lagrange.
EJEMPLO. Sea la funcion
f(x, y, z) = x
2
+xy +y
2
+yz +z
2
Hallar sus valores maximo y mnimo dentro de la bola de radio 1 con centro
en el origen de coordenadas.
Ya que la bola de radio 1 con centro en el origen es un cerrado y
acotado, (compacto) utilizamos el Teorema de Weirestrass.
Este nos indica que hay que buscar los extremos en el interior x
2
+y
2
+
z
2
< 1 a traves de los puntos crticos , y en la frontera x
2
+ y
2
+ z
2
= 1
mediante el metodo de multiplicadores de Lagrange.
1. Los puntos crticos de la funcion
f(x, y, z) = x
2
+xy +y
2
+yz +z
2
9.5 Multiplicadores de Lagrange 353
se han localizado ya en un ejemplo previo (de hecho en todo R
3
), obte-
niendo apenas el punto crtico no degenerado q = (0, 0, 0) con valor crtico
f(0, 0, 0) = 0. Esto termina la b usqueda en el interior de la bola.
2. Procedamos entonces a buscar los extremos en la frontera x
2
+y
2
+z
2
=
1, es decir, los extremos de f sujetos a esta ultima restriccion.
La frontera de la bola, que es una esfera de radio 1, esta denida por la
ecuacion
x
2
+y
2
+z
2
= 1
Al calcular el vector gradiente de f se tiene entonces,
f
p
= (2x +y, x + 2y +z, y + 2z)
Ahora sea la funcion auxiliar g(x, y, z) = x
2
+ y
2
+ z
2
1, entonces la
esfera esta denida como el conjunto g
1
(0), y en cada punto,
g
p
= (2x, 2y, 2z)
Buscamos entonces un escalar tal que f
p
= g
p
, es decir tal que
(2x +y, x + 2y +z, y + 2z) = (2x, 2y, 2z)
o equivalentemente que satisfaga las ecuaciones del sistema,
_
_
_
2x +y = 2x
+ 2y +z = 2y
y + 2z = 2z
En otras palabras, buscamos una condicion para tal que el sistema
_
_
_
2(1 )x +y = 0
x + 2(1 )y +z = 0
y + 2(1 )z = 0
tenga soluciones no triviales. Pero, el determinante de este sistema ho-
mogeneo se anula cuando
D =
2(1 ) 1 0
1 2(1 ) 1
0 1 2(1 )
= 0 (1 )[4(1 )
2
2] = 0
lo que nos dice que hay soluciones no triviales para el sistema solo para
valores del multiplicador dados por
= 1,
2,3
= 1
2
2
354 Valores extremos de funciones R
2
R
Buscamos, consecuentemente, las soluciones no triviales considerando
el sistema lineal dado por la pareja,
_
2(1 )x +y = 0
x + 2(1 )y +z = 0
y para valores que este sistema tenga soluciones no triviales se necesita que
0 ,=
2(1 ) 1
1 2(1 )
2(1 ) 1
1 2(1 )
,= 0
y el sistema lineal inicial tiene soluciones no triviales, que a continucion
conseguimos.
Si hacemos z = t, entonces para el sistema con parametro t,
_
2(1 )x +y = 0
x + 2(1 )y = t
se tienen los determinantes
D
z
=
0 1
t 2(1 )
= t, D
y
=
2(1 ) 0
1 t
= 2t(1 )
y por lo tanto la solucion en general es la recta,
_
_
x =
t
4(1)
2
1
y =
2t(1)
4(1)
2
1
z = t
que depende de los valores encontrados de .
Ya que tenemos las soluciones del sistema, utilizamos las condiciones de
los multiplicadores obtenidos = 1,
2
,
3
.
a. Multiplicador = 1.
9.5 Multiplicadores de Lagrange 355
Se obtiene en este caso la ecuacion de la recta
_
_
_
x = t
y = 0
z = t
y ademas x
2
+y
2
+z
2
= 1, de donde t
2
+t
2
= 1, lo que implica que,
t =
_
1
2
=
2
2
Por lo tanto sustituyendo el valor de t en la ecuacion de la recta se tienen
los puntos,
p
1
=
_
2
2
, 0,
2
2
_
, p
2
=
_
2
2
, 0,
2
2
_
b. Multiplicador = 1
2
2
.
Se obtiene en este caso la ecuacion de la recta dada por,
_
_
_
x = t
y =
2t
z = t
condicionada a x
2
+y
2
+z
2
= 1, de donde,
t
2
+ 2t
2
+t
2
= 1 t
2
=
1
4
lo que implica que t =
1
2
.
De esta manera, se tienen entonces los puntos
p
3
=
_
1
2
,
2
2
,
1
2
_
, p
4
=
_
1
2
,
2
2
,
1
2
_
c. Multiplicador = 1 +
2
2
Se tiene, en este caso, el sistema solucion
_
_
_
x = t
y =
2t
z = t
y ademas x
2
+ y
2
+ z
2
= 1, de donde t
2
+ 2t
2
+ t = 1, lo que implica que
t =
1
2
.
356 Valores extremos de funciones R
2
R
Los puntos obtenidos son, en este caso,
p
5
=
_
1
2
,
2
2
,
1
2
_
, p
6
=
_
1
2
,
2
2
,
1
2
_
Se han obtenido mediante todo el proceso los puntos candidatos del Teo-
rema de Weierstrass,
_
2
2
, 0,
2
2
_
,
_
2
2
, 0,
2
2
__
1
2,
2
2
,
1
2
_
,
_
1
2
,
2
2
,
1
2
_
,
_
1
2
,
2
2
,
1
2
_
,
_
1
2
,
2
2
,
1
2
_
Al evaluar tales puntos obtenemos sus valores correspondientes
f
_
2
2
, 0,
2
2
_
= 1
f
_
2
2
, 0,
2
2
_
= 1
f
_
1
2
,
2
2
,
1
2
_
= 1
2
4
2
4
= 1
2
2
f
_
1
2
,
2
2
,
1
2
_
= 1
2
4
2
4
= 1
2
2
f
_
1
2
,
2
2
,
1
2
_
= 1 +
2
4
+
2
4
= 1 +
2
2
f
_
1
2
,
2
2
,
1
2
_
= 1 +
2
4
+
2
4
= 1 +
2
2
De esta manera, sobre la frontera (esfera) se tienen los valores maximo
y mnimo dados por
f
min
= 1
2
2
, f
max
= 1 +
2
2
Consecuentemente, ya que el interior se tena que f(0, 0, 0) = 0, en-
tonces los valores maximo y mnimo de f en toda la bola cerrada son,
f
min
= 0 y f
max
= 1 +
2
2
.
9.5 Multiplicadores de Lagrange 357
Ejercicios
1. Calcular los valores extremos locales de cada funcion dada, utilizando
para ello el Lema de Sylvester. Clasicarlos como maximos, mnimos o
sillas.
a. f(x, y) = xy
2
(1 x y)
b. f(x, y) = x
2
+ 4y
2
4x
c. f(x, y) = (x
2
+y
2
)(1 e
(x
2
+y
2
)
)
d. f(x, y) = e
x
siny
e. f(x, y) = x
3
+y
3
15xy
2. a. Dar los valores extremos de la funcion de dos variables f(x, y) = x
2
+
y
2
xy4y en la region limitada por las rectas x = 0, y = 0, x+y4 = 0
b. Dar los valores maximo y mnimo de la funcion f(x, y) = x
2
+3y
2
+xy
en el triangulo limitado por las rectas x = 1, y = 1, x +y = 1
3. Dar los valores extremos de la funcion dada, con la restriccion que se
indica.
a. f(x, y, z) = 2x
2
+ 2y
2
z
2
, x y +z = 0
b. f(x, y, z) = ze
xy
, x
2
+y
2
= z
4. a. Calcular los valores maximo y mnimo de la funcion f(x, y) = x+y
2
en el crculo unitario.
b. Calcular el valor maximo y el valor mnimo de la funcion f(x, y) =
x +y +z sobre la esfera x
2
+y
2
+z
2
= 1.
5. a. Calcular los valores extremos de la funcion f(x, y, z) = x + 2y 2z
en la bola unitaria x
2
+y
2
+z
2
1.
b. Calcular el valor maximo y el valor mnimo de la funcion f(x, z) =
x y z dentro de la bola x
2
+y
2
+z
2
1.
6. Sea un crculo de radio R. Dar las dimensiones del triangulo que se
puede inscribir dentro del crculo, y que tenga area maxima.
7. Hallar las dimensiones de un paraleleppedo de volumen maximo que
tenga ja una area dada A.
8. De entre los rectangulos con area dada A, hallar las dimensiones de
aquel que tiene perimetro con valor mnimo.
9. Dar la distancia mas corta de la elipse
x
2
4
+ y
2
= 1 hasta la recta
x +y 4 = 0.
358 Valores extremos de funciones R
2
R
Captulo 10
Funciones implcitas
Sea R
n
una region con frontera y sea f : f() un difeomorsmo
global , esto es, una funcion diferenciable, invertible con una inversa di-
ferenciable g : f() . El siguiente resultado cuya prueba se omite (pues
requiere de las herramientas de la teora de la Topologa Algebraica) nos
indica que los puntos interiores de bajo la aplicacion de f son llevados al
interior de f(), y los puntos de la frontera de son llevados en la frontera
de f(). (Vease la gura 10.1).
TEOREMA 10.1 (de la invarianza del dominio) Sean R
n
una
regi on con frontera y sea f : f() R
n
un difeomorsmo global.
Entonces f() es una regi on con frontera en R
n
. Los puntos interiores de
son llevados bajo f en puntos interiores de f() y los puntos frontera
en son llevados bajo f en la frontera f().
EJEMPLO. Sea la funcion R
2
R
2
dada por
f(x, y) = (ax, by) = (u, v), con a, b > 0.
Si se considera la region circular con frontera conformada por el disco
unitario de radio 1,
=
_
(x, y)[ x
2
+y
2
1
_
se tienen que bajo la funcion f la region es mapeado en la region elipsoidal
con frontera
f() =
_
(u, v)[
u
2
a
2
+
v
2
b
2
1
_
De las ecuaciones,
_
u = ax
v = by
360 Funciones implcitas
se obtienen las coordenadas inversas,
_
x =
u
a
y =
v
b
que dan una funcion inversa R
2
R
2
dada por,
g(u, v) =
_
u
a
,
v
b
_
= (x, y)
Claramente la funcion f : f() es difeomorsmo que lleva el
interior del disco en el interior del elipsoidal f(), llevando la frontera
del disco x
2
+y
2
= 1 en la elipse
u
2
a
2
+
v
2
b
2
= 1, cumpliendose el Teorema de
la invarianza del dominio, (vease la gura 10.1).
p
q
f(q)
f(p)
f()
f
Figura 10.1: Teorema de invarianza del dominio.
EJEMPLO. Consideremos la transformacion R
2
R
2
dada por
f(r, ) = (r cos , r sen)
donde un punto p = (r, ) toma unidades en n umeros positivos para la
primer coordenada y en radianes para la segunda.
Sea la region con frontera en el plano R
2
dada por el cuadrado
= (r, )[ 0 r 1, 0 /4
entonces, de la denicion d de la funcion f es claro que en coordenadas x, y
del codominio, las relaciones se escriben
x = r cos , y = r sen
que es el cambio de coordenadas cartesiano por coordenadas polares.
Una simple inspeccion nos muestra que la region f() es la cuarta
parte del crculo unitario en el primer cuadrante, con la frontera incluida.
Aqu nuevamente los puntos interiores del cuadrado son llevados en los
interiores de f() bajo la funcion f, y la frontera de en la frontera de
361
f(), cumpliendose totalmente el Teorema de invarianza de dominio.
c x
2
.
Si y es una coordenada positiva, entonces necesariamente y =
c x
2
.
De esta manera la variable y se puede escribir localmente como una
funcion y = h(x) en los puntos (x, y) f
1
(c), es decir para tales puntos,
c = f(x, y) = f(x, h(x))
la funcion y = h(x) se llama una funcion implcita para la funcion f.
Observamos que la derivada implcita y
= 0
o equivalentemente,
y
=
2x
2y
=
x
y
=
x
h(x)
=
x
c x
2
la cual tiene sentido para
c < x <
c.
Por ejemplo si x = 0, entonces y =
c) se
tendra una pendiente y
(0) = 0.
Enunciamos y demostramos el Teorema de la funcion implicita para
dos variables. La generalizacion se muestra apenas en los ejemplos subse-
cuentes.
TEOREMA 10.2 (de la Funcion Implcita). Sea f : R
2
R
una funci on de clase C
r
y sea p = (a, b) tal que f(a, b) = c y tal que
f
y
(a, b) ,= 0. Entonces existe una funci on y = h(x) de clase C
r
denida
en una vecindad del punto x = a en R, tal que h(a) = b y todos los puntos
362 Funciones implcitas
de la gr aca de h est an contenidos en el conjunto de nivel f
1
(c), es decir,
s el punto (x, y) = (x, h(x)) est a en la gr aca de h en el plano, entonces,
c = f(x, y) = f(x, h(x))
Sea la funcion denida por (x, y) = (x, f(x, y)). Se tiene
D
p
=
_
1 0
f
x
f
y
_
p
donde f
x
es la derivada parcial de f en la variable x, y f
y
la derivada parcial
de f respecto a la variable y. De esto, el Jacobiano es
J
p
= f
y
=
f
y
(p) ,= 0
y por el Teorema de la funcion inversa, existen, una vecindad de p en y
una vecindad de q = f(p) donde esta denida para la funcion dada , una
funcion inversa local de clase C
r
.
Sean las coordenadas (x, z) en el codominio de y pongase
(x, z) = (x, g(x, z))
Si ademas se denotan z = f(x, y) y y = g(x, z), entonces
(x, y) = (x, y) = ((x, y)) = (x, f(x, y))
(x, z) = (x, z) = ((x, z)) = (x, g(x, z))
Denamos entonces para c = f(a, b), la funcion suave de clase C
r
, en
la variable x en una vecindad de x = a, dada por
h(x) = g(x, c)
se tiene entonces
(x, h(x)) = (x, g(x, c)) = ((x, c)) = (x, c)
y por otro lado, para x en la vecindad de x = a,
(x, h(x)) = (x, f(x, h(x)))
de donde necesariamente f(x, h(x)) = c.
Ya que c = f(a, b) y f(a, h(a)) = c, se tiene que h(a) = b lo que termina
la prueba del Teorema (vease el la gura 10.2).
363
(
|
|
|
|
|
|
|
)
(|||||||)
(
|
|
|
|
|
|
|
|
|
|
|
|
|
)
b
a
(x, h(x))
f
1
(c)
f
R
c
Figura 10.2: Teorema de la funcion implcita.
Observemos que para este caso, s sobre la curva de nivel f(x, y) = c
la variable y se puede escribir implcitamente por la funcion y = h(x) en
la vecindad del punto (x = a, y = b), entonces al derivar parcialmente la
ecuacion de la curva de nivel f(x, y) = c respecto a la variable x se obtiene
la derivada implcita ordinaria y
= h
(x) respecto a x.
Si f(x, y) = c, entonces, por la regla de la cadena,
f
x
x
x
+
f
y
dy
dx
= 0
o equivalentemente, sabiendo que y = h(x)
f
x
+
f
y
y
= 0
que se puede escribir f
x
+f
y
y
= 0.
De esta manera,
y
=
f
x
f
y
sabiendo que f
y
=
f
y
,= 0.
EJEMPLO. Sea la funcion en dos variables dada por,
f(x, y) = xcos xy
Al calcular la derivada parcial respecto a la variable y se tiene
f
y
(x, y) = x
2
senxy
364 Funciones implcitas
y particularmente en el punto p = (1, /2), obtenemos
f
y
(1, /2) = 1 ,= 0
De aqu, por el Teorema de la funcion implcita, existe una funcion
y = h(x) en la cercana de x = 1, tal que h(1) = /2 y tal que la derivada
de tal funcion en x = 1 se calcula
y
(1) =
f
x
f
y
[
(1,/2)
=
cos xy xy senxy
x
2
sen xy
[
(1,/2)
=
2
Procedamos a calcular en este caso la funcion implcita resolviendo el
caso general para las curvas de nivel. Si c R, entonces,
f(x, y) = xcos xy = c
implica que, para x ,= 0, se tiene
cos xy =
c
x
o equivalentemente, al despejar la variable y obtenemos
y =
1
x
arccos
_
c
x
_
As, en x = 1, y = /2 se cumple c = f(1, /2) = 0, de donde, la
constante c = 0 y la funcion particular buscada es
y = h(x) =
1
x
arccos (0) =
/2
x
cuya derivada es,
y
= h
(x) =
/2
x
2
De esta manera, y = h(1) = /2 y y
= h
= h
(a).
a. f(x, y) = y cos xy en p = (/2, 1)
b. f(x, y) = xe
y
y + 4 en p = (2, 1)
c. f(x, y) = xy +y
4
+x
4
en p = (1, 1)
d. f(x, y) = x
2
+ 2xy +y
2
en p = (1, 1)
2. Mostrar que la funcion f(x, y, z) = c dene una funcion implcita z =
h(x, y) en una vecindad del punto dado p = (a, b, c). Calcular
h
x
(a, b) y
h
y
(a, b).
a. f(x, y, z) = z z
3
+xy senz en p = (0, 0, /2)
b. f(x, y, z) = x
2
+y
2
+z
2
+ 2xyz en p = (1, 1, 1)
c. f(x, y, z) = x y + 2z e
xyz
en p = (0, 1, 1)
Indice
INDICE 369
nula, 12, 14
operaciones elementales de, 48,
52, 53
ortogonal, 65
principal, 10
real, 11
semejante, 53, 54
simetrica, 335
submatrices, 10
transpuesta, 15
valor propio de una, 63, 100
vector propio de una, 102
metodo de Gauss-Jordan, 52
multiplicadores de Lagrange, 357
n umeros imaginarios, 101
paraboloide, 300
circular, 288, 301, 337
elptico, 301
hiperbolico, 302, 338
plano (s), 3, 285
tangente, 330
polinomio
cuadratico, 190
c ubico, 191
de Taylor, 190, 197
lineal, 190
problema de Dirichlet, 278
punto
aislado, 319
crtico, 168, 333
crtico degenerado, 354
crtico no degenerado, 341
de acumulacion, 319
frontera, 157
regular, 332
silla, 338, 346
singular, 167
recta (s), 3
region, 159
regla de la cadena, 177, 229, 231
regla de la mano derecha, 312
Reyes J.G, 319
separatrices, 347
silla de montar, 167, 302
singularidad algebraica, 322
sistema
compatible, 38, 50
de coordenadas cartesiano, 67
escalonado, 48
homogeneo, 40, 43
inconsistente, 50
parametrizado, 40
solucion
biparametrica, 53
parametrica, 53
trivial, 40, 41, 44
supercie
base de una, 292
cilndrica, 290
conica, 292
de revolucion, 286
directriz de una, 290
generatriz de una, 290
ordinaria, 285
Teorema de diferenciabilidad, 174,
227
Teorema de invarianza de dominio,
369, 371
Teorema de la funcion implcita,
371, 372, 374, 375
Teorema de La regla de Cramer,
35
Teorema de Lagrange, 357
Teorema de Pitagoras, 79
Teorema de Taylor, 196, 332
Teorema de Weierstrass, 356
Teorema del determinante de un
producto, 31
Teora de singularidades y Catastrofes,
354
Topologa Algebraica, 369
370
INDICE
tranformacion (es)
lineal, 218, 219
transformacion (es)
elementales, 31
lineal, 217, 219
traslacion de ejes coordenados, 302
valor (es)
crtico, 333
extremo restringido, 357
maximo global, 335
maximo local, 335, 337, 357
mnimo global, 335
mnimo local, 335, 336, 357
propio, 339
regular, 332
variacion, 170, 181
vector (es), 3, 72
aceleracion, 148
angulo entre, 78, 118
base canonica de, 78, 95
base de, 94, 99
canonico, 77
columna, 12
combinacion lineal de, 91
de Hamilton, 266
de posicion, 71, 73
dependencia lineal de, 93
director, 113
linealmente independientes, 94
norma del, 74, 75, 78
normal, 115, 312
orientacion negativa, 98
orientacion positiva a la derecha,
98
ortogonales, 79, 84
paralelos, 74, 85, 87
producto escalar de, 75, 89
producto mixto de, 89
producto punto de, 75
producto vectorial de, 84
proyeccion de un, 83
proyeccion ortogonal de un,
82
rapidez, 140
regla de la mano derecha, 98,
99
renglon, 11
resultante, 72
tangente, 145
unitario, 81
velocidad, 134, 140
velocidad promedio, 134
vertice, 292
Bibliografa
Anton, H., Introduccion al
Algebra Lineal, ed. Limusa, Mexico, 1981.
Lima, E.L., Curso de Analise, Projeto Eucldes, IMPA, Rio de Janeiro,
Brasil, 1992.
Reyes, J. G., Calculo Diferencial para las Ciencias Naturales, Trillas, 1996.