Libro Docente Andres Duran Poblete - Image.marked

C
alculo en varias variables

para Ciencias Qumicas y Ambiental
Andr
es Dur
an Poblete
Concepci
on, Enero de 2008
PROLOGO
Este texto es para ser usado como apoyo por los alumnos de Ciencias
Qumicas e Ingeniera Ambiental, que cursan las asignaturas de Calculo o
Matematica III que dicta el Departamento de Ingeniera Matematica de la
Facultad de Ciencias Fsicas y Matematicas de la Universidad de Concepcion.
Los diferentes contenidos involucrados en el curso al igual que los ejercicios
son desarrollados en un lenguaje simple y de una manera directa, lo que facilita
la comprension a los alumnos.
Tambien, para cada captulo desarrollado en este libro, se incluye una
seccion donde se desarrollan algunos ejercicios computacionalmente, situacion
que resultara muy interesante para el alumno, sobre todo con lo que tiene que
ver con la parte grafica; lo cual se da mucho en los captulos 2 y 3. El lenguaje
de computacion que se ha elegido para tales efectos es el lenguaje Maple, que es
de un manejo relativamente facil; dado que dispone de librerias para distintos
temas que facilitan mucho la programacion. Aparte de lo anterior, se incluye
un disco compacto con un software para varias materias desarrolladas en los
cursos, en que cada programa puede ser usado en forma directa e interactiva
por el alumno.
Deseo hacer notar que todo este trabajo es un Proyecto de Docencia que
nacio de la idea en conjunto con el Profesor Francisco Cheuquepan (q.e.p.d.)
y por lo tanto deseo dedicarle en parte a el dicho trabajo.
Deseo expresar tambien, mis agradecimientos a mis ex-alumnas, ahora
ingenieros matematicos, Marcela Torrejon y Fabiola Lobos, por sus apoyos en
el area computacional y aporte de ideas.
Andres Duran P.
Indice general
1. ALGEBRA LINEAL
1.1. ESPACIOS VECTORIALES . . . . . . . . . . . . . . . . . . . .
1.1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2. Definicion y Propiedades . . . . . . . . . . . . . . . . . .
1.1.3. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.4. Bases y Dimension de un Espacio Vectorial . . . . . . . .
1.2. TRANSFORMACIONES LINEALES . . . . . . . . . . . . . . .
1.2.1. Definiciones y Ejemplos . . . . . . . . . . . . . . . . . .
1.2.2. Representacion Matricial de una Transformacion Lineal
1.3. VALORES Y VECTORES PROPIOS . . . . . . . . . . . . . .
1.4. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . . .
1.5. EJERCICIOS PROPUESTOS . . . . . . . . . . . . . . . . . . .
1
1
1
2
6
10
20
21
29
36
39
45
2. FUNCIONES EN VARIAS VARIABLES

2.1. INTRODUCCION . . . . . . . . . . . . .
2.2. LIMITES Y CONTINUIDAD . . . . . . .
2.3. DERIVADAS PARCIALES . . . . . . . .
2.4. GRADIENTE Y DIFERENCIAL TOTAL
2.5. ROTOR Y DIVERGENCIA . . . . . . . .
2.6. REGLA DE LA CADENA . . . . . . . . .
2.7. VALORES EXTREMOS . . . . . . . . . .
2.8. MULTIPLICADORES DE LAGRANGE .
2.9. APLICACION DE MAPLE . . . . . . . .
2.10. EJERCICIOS PROPUESTOS . . . . . . .
51
51
55
60
65
73
76
80
88
91
96
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3. INTEGRALES MULTIPLES
3.1. INTEGRALES DOBLES . . . . . . . . . . . . . . . . . . . . .
3.2. INTEGRALES TRIPLES . . . . . . . . . . . . . . . . . . . .
3.3. CAMBIO DE VARIABLES EN INTEGRALES MULTIPLES
3.4. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . .
3.5. EJERCICIOS PROPUESTOS . . . . . . . . . . . . . . . . . .
103
. 103
. 113
. 120
. 128
. 132
4. SERIES INFINITAS
4.1. SUCESIONES INFINITAS . . . . . . . .
4.2. SERIES INFINITAS . . . . . . . . . . .
4.3. SERIES DE POTENCIAS . . . . . . . .
4.4. SERIES DE TAYLOR Y MACLAURIN
135
. 135
. 140
. 148
. 152
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ii
INDICE GENERAL
4.5. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . . . 156
4.6. EJERCICIOS PROPUESTOS . . . . . . . . . . . . . . . . . . . 162
Captulo 1
ALGEBRA LINEAL
1.1.
ESPACIOS VECTORIALES
1.1.1.
Introducci
on
Los conjuntos IR2 de puntos en el plano y IR3 de puntos en el espacio

pueden representar vectores en el plano y en el espacio, respectivamente. As,
un punto (a, b) en IR2 representa a un vector v en el plano si es definido como
v = (a, b) y geometricamente corresponde a un segmento de recta dirigido
que va desde el origen, el punto (0, 0), al punto (a, b). Analogamente, el punto
(a, b, c) de IR3 representa un vector v en el espacio si es definido como v =
(a, b, c) y geometricamente corresponde a un segmento de recta dirigido que va
desde el origen, el punto (0, 0, 0), al punto (a, b, c).
y
c
v
v
b
De acuerdo a lo anterior, los conjuntos IR2 y IR3 pueden ser definidos

como el conjunto de vectores en el plano y el conjunto de vectores en el espacio,
respectivamente. Dados estos conjuntos, se pueden definir algunas operaciones.
Definici
on 1.1. Sean u = (a, b) y v = (c, d) dos vectores de IR2 y un n
umero
real, entonces se define la suma de u y v, denotada por u + v, como:
u + v = (a + c, b + d)
1
CAPITULO 1. ALGEBRA LINEAL
y la multplicaci
on por escalar de y u, denotada por u, como:
u = (a, b)
Observaci
on 1.1. En forma totalmente analoga estas dos operaciones pueden
ser definidas para vectores en IR3 .
Las operaciones de suma y multiplicacion por escalar para vectores de IR2
y IR3 tienen muchas propiedades interesantes. Por ejemplo, se puede verificar
facilmente que, con respecto a la suma, los vectores de IR2 cumplen las leyes
conmutativa y asociativa.
Si u es un vector de IR2 entonces
u + = ;
donde = (0, 0), llamado el vector nulo o vector cero. Tambien,
u + (u) = ;
donde u es el llamado vector inverso del vector u. As, si u = (a, b),
entonces u = (a, b). Con respecto a la multiplicacion por escalar, se
pueden obtener leyes distributivas.
Las propiedades para la suma y multiplcacion por escalar en IR2 , tambien
son cumplidas por los vectores en IR3 .
Los conjuntos IR2 y IR3 , con las operaciones de suma y multiplicacion por
escalar definidas, constituyen lo que se llama un espacio vectorial.
1.1.2.
Definici
on y Propiedades
Antes de definir un espacio vectorial, se hacen algunos alcances:

i) En general, los espacios vectoriales estan definidos sobre conjuntos de
elementos que deben cumplir ciertas propiedades para constituirse en lo
que se denomina un cuerpo. Los elementos de un cuerpo generalmente
reciben el nombre de escalares. En este libro, los espacios vectoriales
seran referidos sobre el cuerpo de los n
umeros reales IR y que por ende
seran llamados espacios vectoriales reales.
ii) En la definicion de un espacio vectorial hay involucradas dos operaciones:
suma y mutiplicacion por escalar, de tal manera que para dos elementos
u y v de un espacio vectorial y un escalar, entonces la suma de u y
v se escribira como u + v y la multiplicacion por escalar de y u se
escribira como u.
Definici
on 1.2. Un espacio vectorial V es un conjunto no vaco de elementos, llamados vectores, que junto con las operaciones suma y multiplicaci
on
por escalar satisfacen las siguientes propiedades:
1.-) u y v V u + v V .
1.1. ESPACIOS VECTORIALES
2.-) u y v V u + v = v + u.
3.-) u, v y w V (u + v) + w = u + (v + w).
4.-) En V existe un u
nico vector , llamado vector cero, tal que para todo
u en V , u + = u.
5.-) Si u esta en V existe un u
nico vector u en V , llamado el inverso
aditivo de u, tal que u + (u) = .
6.-) Si u esta en V y es un escalar, entonces el producto por escalar u
esta en V .
7.-) Si u y v estan en V y es un escalar entonces (u + v) = u + v.
8.-) Si u esta en V , y son escalares entonces ( + )u = u + u.
9.-) Si u esta en V , y son escalares entonces (u) = ()u.
10.-) Para todo vector u que esta en V , 1u = u.
Observaci
on 1.2.
1.- De la propiedad 4.-), el conjunto V no debe ser vaco (V 6= ).
2.- Para todo par de vectores u y v de un espacio vectorial V , u + (v) se
escribe como u v y se denomina diferencia entre u y v.
Ejemplo 1.1. Sea V = IR3 el conjunto que representa los puntos (o vectores)
en el espacio; es decir,
IR3 = {(x, y, z) : x IR, y IR, z IR}
Entonces, IR3 con las operaciones de suma y producto por escalar siguientes:
- Si u = (x1 , y1 , z1 ) y v = (x2 , y2, z2 ) son dos elementos de IR3 , entonces:
u + v = (x1 , y1, z1 ) + (x2 , y2, z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
- Si es un n
umero real y u = (x, y, z) es un elemento de IR3 , entonces:
u = (x, y, z) = (x, y, z)
es un espacio vectorial.
Aqu, el vector cero es el elemento (0, 0, 0) y para cualquier elemento
u = (x, y, z) de IR3 , el inverso aditivo de u es u = (x, y, z). Con
estos elementos es facil verificar las propiedades 1.-) a 10.-) de los espacios
vectoriales.
Ejemplo 1.2. En general, el conjunto V = IRn , n IN, que denota el conjunto de las n-uplas de n
umeros reales;
IRn = {(x1 , x2 , ..., xn ) : x1 IR, x2 IR, ..., xn IR},
IRn constituye un espacio vectorial con las operaciones de suma y producto por
escalar siguientes:
- Si u = (x1 , x2 , ..., xn ), v = (y1 , y2, ..., yn ) son dos elementos de IRn entonces:
u + v = (x1 + y1 , x2 + y2 , ..., xn + yn )
- Si es un n
umero real, u = (x1 , x2 , ..., xn ) es un elemento de IRn entonces:
u = (x1 , x2 , ..., xn ).
Las operaciones recien definidas sobre IRn son las llamadas operaciones usuales.

De manera similar al ejemplo anterior, se tiene que el vector cero es =
(0, 0, ..., 0) y para cualquier elemento u = (x1 , x2 , ....., xn ) el inverso aditivo de
u es u = (x1 , x2 , ..., xn ). Dados estos elementos, es sencillo verificar las
propiedades de espacios vectoriales.
Ejemplo 1.3. Sea V = Pn , n IN, el conjunto de polinomios con coeficientes
reales de grado menor o igual que n; es decir, si p Pn entonces:
p = an xn + an1 xn1 + ... + a1 x + a0 ,
donde a1 , a2 , ..., an son n
umeros reales. Sobre el conjunto V se definen las
siguientes operaciones de suma y producto por escalar:
- Si p = an xn +an1 xn1 +...+a1x+a0 y q = bn xn +bn1 xn1 +...+b1 x+b0
son dos elementos de V , entonces:
p + q = (an + bn )xn + (an1 + bn1 )xn1 + ... + (a1 + b1 )x + a0 + b0

- Si es un n
umero real y p = an xn + an1 xn1 + ... + a1 x + a0 es un
elemento de V , entonces:
p = (an )xn + (an1 )xn1 + ... + (a1 )x + a0
El conjunto V con estas dos operaciones cumple las propiedades de la Definicion 1.2 y es un espacio vectorial. Notemos que tanto la suma de dos polinomios de grado menor o igual que n como el producto por escalar de un n
umero
real por un polinomio de grado menor o igual que n son tambien polinomios
de grado menor o igual que n. El vector cero corresponde al polinomio nulo
= 0xn + 0xn1 + .... + 0x + 0. Ademas si p = an xn + an1 xn1 + ... + a1 x + a0
es un elemento de V , entonces el inverso aditivo p esta dado por p =
an xn an1 xn1 ... a1 x a0 .
Las operaciones definidas son las llamadas operaciones usuales para
los polinomios de orden menor o igual que n

Ejemplo 1.4. Sea V = Mmxn (IR), m IN y n IN; el conjunto de las
matrices de orden m por n con elementos reales. Con las operaciones de suma
y producto por escalar conocidas, V es un espacio vectorial para todo entero
positivo m y n.
En este caso, el vector cero es la matriz de orden m por n con todos sus
elementos iguales a cero. Si A = (aij ), entonces el inverso aditivo de la matriz
A es A = (aij ).

En el siguiente resultado se enuncian, sin demostracion, algunas propiedades basicas que cumplen los espacios vectoriales y que se utilizan regularmanete.
Teorema 1.1. Sea V un espacio vectorial, entonces:
1. Para todo escalar y , el vector cero de V , se tiene que
=
2.- Sea u un vector cualquiera de V , entonces
0u = .
3.- Sea un escalar y u un elemento de V , se tiene que:
Si u = , entonces = 0 o u = .
4.- Sea un escalar y u un vector de V , se tiene que
()u = (u).
5.- Dados los vectores u, v y w de V ,entonces
u + v = u + w = v = w.
1.1.3.
Subespacios
En muchas situaciones puede darse que un subconjunto de un espacio vectorial tambien sea un espacio vectorial. Por ejemplo, de la subseccion anterior,
se sabe que el conjunto M2x2 (IR) es un espacio vectorial. Ahora, si se toma el
conjunto D22 (IR), que denota el conjunto de las matrices diagonales de 2x2
con elementos reales; es decir,

a 0
: a y b son n
umeros reales ;
D22 (IR) =
0 b
D22 (IR) es un subconjunto de M22 (IR). Es claro tambien que sumar dos matrices diagonales de 2 por 2 da una matriz diagonal e igualmente al multiplicar
un escalar por un matriz diagonal de 2 por 2. Tanto el vector cero (matriz
nula) como el vector inverso aditivo de cualquier elemento de S son obtenidos
a partir del caso general del espacio vectorial M22 (IR). Con estos alcances,
se puede verificar que el conjunto D22 (IR) cumple las diez propiedades de
espacio vectorial.
De acuerdo a lo anterior, se tiene la siguiente definicion respecto de estos
subconjuntos.
Definici
on 1.3. Un subconjunto S, no vaco, de un espacio vectorial V , se
dice que es un subespacio vectorial o subespacio de V si, S es un espacio
vectorial bajo las operaciones de suma y producto por escalar definidas en V.
De esta manera se puede decir entonces que que el conjunto de las matrices
diagonales de 2 por 2 es un subespacio vectorial de M2x2 (IR)
Observaci
on 1.3. Para todo espacio vectorial V , el subconjunto S que contiene solo el vector cero de V ; es decir S = {}, y el mismo espacio vectorial
V son subespacios vectoriales de V llamados subespacios triviales.
A continuacion se presenta un resultado, sin demostracion, que hace relativamente sencillo averiguar cuando un subconjunto de un espacio vectorial
es un subespacio vectorial.
Teorema 1.2. Sea V un espacio vectorial. Un subconjunto S no vaco de V
es un subespacio vectorial de V s y solo si:
1.- Si u S, v S, entonces u + v S.
2.- Para cualquier escalar y cualquier vector u en S, entonces u S.
Observaci
on 1.4. Del resultado anterior se tiene que todo subespacio S de
un espacio vectorial contiene al vector cero; ya que si u es un elemento de S
entonces por el punto 2, del Teorema 1.1, se tiene que 0u = y por el punto
2, del Teorema 1.2, este debe ser un elemento de S. Es decir, para que un
subconjunto de un espacio vectorial sea un subespacio, este debe contener el
vector cero.
Anteriormente, se dijo que el conjunto de las matrices diagonales de 2

por 2 era un subespacio de M2x2 (IR) y se mostro que la suma de dos matrices diagonales de 2 por 2 tambien era una matriz diagonal de 2 por 2 y lo
mismo sucede al multiplicar un escalar por una matriz de este tipo. Las dos
afirmaciones anteriores tienen que ver con las condiciones 1 y 2 del Teorema
1.2, respectivamente.
A continuacion se presentan otros ejemplos de subespacios.
Ejemplo 1.5. Sea S un subconjunto de IR3 definido por
S = {(a, b, b) : a IR, b IR}
Entonces, S es un subespacio vectorial con las operaciones de suma y producto

por escalar usuales en IR3 .
En efecto,
1.- Sean u = (a, b, b) y
entonces
v = (r, s, s) dos elementos cualesquiera de S,
u + v = (a, b, b) + (r, s, s) = (a + r, b + s, b s)
Si se denota a = a + r
= (a + r, b + s, (b + s))
y b = b + s, se tiene que:
u + v = (a , b , b ),
y as u + v S.
2.- Sea un n
umero real cualquiera y u = (a, b, b) un elemento cualquiera
de S, entonces:
u = (a, b, b) = (a, b, b)
Denotando a = a y b = b, se tiene que
u = (a , b , b )
y as u es un elemento de S.
De esta manera, el subconjunto S de IR3 satisface las dos condiciones del
Teorema 1.2 y por lo tanto S es un subespacio vectorial de IR3 .

Ejemplo 1.6. Consideremos el espacio vectorial P2 , el conjunto de los polinomios de grado menor o igual que 2 con coeficientes reales; es decir, si p P2
entonces p = ax2 + bx + c; donde a, b y c son n
umeros reales. Sea S el subconjunto de P2 definido como
S = {ax2 + bx + b a : a y b IR}
Entonces, S es un subespacio de P2 con las operaciones de suma y producto

por escalar conocidas.
8
En efecto,
1.- Sean p y q dos elementos de S, entonces p = ax2 + bx + b a y q =

cx2 + dx + d c; a, b, c y d n
umeros reales.
p + q = (ax2 + bx + b a) + (cx2 + dx + d c)
= (a + c)x2 + (b + d)x + (b a) + (d c)
= (a + c)x2 + (b + d)x + (b + d) (a + c),
Denotando a = a + c, b = b + d, entonces a y b IR y se tiene que:
p + q = a x2 + b x + b a
Luego, p + q S.
2.- Sea un escalar y p un elemento de S; esto es, p = ax2 + b + b a; a y

b n
umeros rales, entonces:
p = (ax2 + bx + b a)
= (a)x2 + (b)x + (b a)
= (a)x2 + (b)x + b a,
Si se denota a = a y b = b, entonces a y b son n

umeros reales y
p = a x2 + b x + b a
y p S.
Dado que S cumple las condiciones 1 y 2 del Teorema 1.2, S es un subespacio

de P2 .

Ejemplo 1.7. El conjunto de puntos en el plano, representado por IR2 , es un
espacio vectorial. Si consideramos el conjunto de puntos de una recta en el
plano que pasa por el origen, entonces dicho conjunto de puntos constituye un
subespacio vectorial de IR2 . Este conjunto puede ser definido como:
S = {(x, y) IR2 : y = mx, m n
umero real fijo}
Facilmente pueden ser verificadas las dos condiciones del Teorema 1.2 y as concluir que el conjunto S es un subespacio de IR2 .

Observaci
on 1.5. De acuerdo al ejemplo anterior, se puede analizar que pasa
con el conjunto de puntos de una recta del plano que no pasa por el origen; es
decir, el subconjunto S de IR2 defnido como:
S = {(x, y) IR2 : y = mx + b, m y b n
umeros reales fijos, b 6= 0}.
Si la recta no pasa por el origen no va a contener al vector nulo y por lo tanto
no puede ser subespacio vectorial.
Dados dos subespacio de un espacio vectorial, sera interesentante preguntarse que pasa con la union e interseccion de estos subespacios; seran
subespacio?. Para contestar a esta interrogante se considera el siguiente resultado y mas adelante una observacion.
Teorema 1.3. Sean S1 y S2 dos subespacios de un espacio vectorial V , entonces S1 S2 es un subespacio de V .
Demostracion En primer lugar se sabe que la interseccion de S1 y S2 , es un
subconjunto de V , dado que cada uno de estos conjuntos esta incluido en V .
Ahora veamos que se cumplen las dos propiedades de Teorema 1.2:
1.- Sean u y v dos elementos de S1 S2 , entonces u S1 , u S2 y tambien
v S1 , v S2 . Ahora, u S1 y v S1 entonces u + v S1 , S1 es
un subespacio. Tambien, u S2 y v S2 entonces u + v S2 , S2 es
un subespacio. De lo anterior, se concluye que u + v S1 S2 .
2.- Si es un escalar y u es un elemento de S1 S2 entonces u S1 y
u S2 . Ahora, como tanto S1 y S2 son subespacios entonces u S1
y u S2 lo que se concluye que u S1 S2
De 1.- y 2.- S1 S2 es un subespacio vectorial de V .

Ahora, con repecto a la union de dos subespacio de un espacio vectorial
se tiene la siguiente observacion.
Observaci
on 1.6. Si S1 y S2 son dos subespacios de un espacio vectorial V ,
no necesariamente S1 S2 es un subespacio de V . En efecto, consideremos los
conjuntos S1 y S2 , ambos subconjuntos de IR2 , definidos por,
S1 = {(x, y) : y = x}
S2 = {(x, y) : y = 2x}
Geometricamente, tanto S1 como S2 son rectas en el plano que pasan por el
origen y por lo tanto son subespacio de IR2 , con las operaciones de suma y
producto por escalar usuales en IR2 .
El punto (1, 1) es un elemento de S1 y por lo tanto (1, 1) es un elemento de
S1 S2 . El punto (1, 2) es un elemento de S2 y por lo tanto es un elemento de
S1 S2 . Ahora,
(1, 1) + (1, 2) = (2, 3),
pero (2, 3) no es un punto ni de S1 ni de S2 , con lo cual la suma entre los
elementos (1, 1) y (1, 2) no esta en S1 S2 y este u
ltimo conjunto no estara
cumpliendo con la condicion 1.- del Teorema 1.2. Entonces S1 S2 no es
subespacio de IR2 .
10
1.1.4.
Bases y Dimensi
on de un Espacio Vectorial
En el espacio vectorial IR2 , con las operaciones de suma y producto por

escalar usuales, el elemento (8, 5) puede ser escrito como:
(8, 5) = 2(1, 1) + (3)(2, 1);
con lo que se dice que (8, 5) es una combinacion lineal de (1, 1) y (2, 1).
Esta situacion origina la siguiente definicion.
Definici
on 1.4. Sea V un espacio vectorial y sean v1 , v2 ,..., vn elementos de
V . Si 1 , 2 ,..., n son escalares, entonces un elemento de la forma
1 v1 + 2 v2 + ... + n vn
se llama una combinaci
on lineal de v1 , v2 ,..., vn .
A continuacion se daran algunos ejemplos de combinaciones lineales.

5 10
es
Ejemplo 1.8. En el espacio vectorial M2x2 (IR), el elemento
7 0

1 3
0 3
1
2
; ya
y
,
combinacion lineal de las matrices
1 2
2 4
4 1
que:

5 10
7 0
=2
1
2
4 1
0 3
2 4
+3
1 3
1 2

Ejemplo 1.9. En el espacio vectorial P2 ; el conjunto de los polinomios de

grado menor o igual que 2, el polinomio 52 x2 2x + 12 es combinacion lineal de
los polinomios x2 + 1 y x2 + x; ya que:
5 2
1
1
x 2x + = (x2 + 1) 2(x2 + x)
2
2
2

Observaci
on 1.7. En cualquier espacio vectorial V , el vector cero es combinacion lineal de cualquier conjunto de vectores. En efecto, si v1 , v2 ,..., vn
son elementos de V , entonces
= 0v1 + 0v2 + ... + 0vn
En el siguiente ejemplo se muestra si un cierto vector puede ser una combinacion lineal de un conjunto de vectores.
Ejemplo 1.10. Averiguar si en el espacio vectorial IR2 el vector (7, 7) es
combinacion lineal de los vectores (1, 2) y (5, 3).
11
Si (7, 7) es combinacion lineal de los vectores (1, 2) y (5, 3), entonces

deben existir escalares 1 y 2 tales que
(7, 7) = 1 (1, 2) + 2 (5, 3);
es decir,
(7, 7) = (1 , 21 ) + (52 , 32 )
o bien,
(7, 7) = (1 + 52 , 21 32 )
de donde:
1 + 52 = 7
21 32 =
7
(1.1)
El sistema (1.1) es un sistema de ecuaciones lineales en las variables 1 y 2

cuya u
nica solucion es 1 = 2, 2 = 1. Con esto se verifica que el vector
(7, 7) es combinacion lineal de los vectores (1, 2) y (5, 3).

Definici
on 1.5. Un grupo de vectores v1 , v2 ,...,vn de un espacio vectorial
V se dice que generan a V si todo elemento de V puede ser escrito como
combinacion lineal de ellos; es decir, para v un elemento cualquiera de V ,
existen escalares 1 , 2 ,.....,n tal que:
v = 1 v1 + 2 v2 + ..... + n vn
Algunos ejemplos sencillos de conjuntos generadores de un espacio vectorial son.
Ejemplo 1.11. En el espacio vectorial IR3 , los vectores (1,0, 0), (0, 1, 0), (0, 0, 1)
generan IR3 .
En efecto:
Cualquiera sea el vector (a, b, c) en IR3 , se tiene que
(a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1).
Notemos que los escalares involucrados en la combinacion lineal corresponden
a las coordenadas del elemento dado.

Ejemplo 1.12. En el espacio vectorial P3 , conjunto de los polinomios de grado
menor o igual que 3 con coeficientes reales, los elementos x3 , x2 , x, 1, son
polinomios de grado menor o igual que 3 y generan P3 ; ya que para p = ax3 +
bx2 + cx + d vector de P3 , se tiene que
12
p = a(x3 ) + b(x2 ) + c(x) + d(1);

donde, los escalares son los coeficientes de las potencias del polinomio dado.

Ejemplo 1.13. En el espacio vectorial D22 (IR) se tiene que las matrices

1 0
0 0
y
0 0
0 1

a 0
es una matriz
generan el mencionado espacio vectorial; ya que si
0 b
diagonal con elementos reales, entonces

a 0
1 0
0 0
=a
+b
0 b
0 0
0 1

A partir del concepto de combinacion lineal se pueden obtener subespacios
de un espacio vectorial V . Se da antes la siguiente definicion.
Definici
on 1.6. Sean v1 , v2 ,...,vr ; r vectores de un espacio vectorial V . Entonces el espacio generado por estos vectores, denotado por gen{v1 , v2 , ....., vr },
es el conjunto de todas las combinaciones lineales de v1 , v2 ,.....,vr ; es decir,
gen{v1 , v2 , ..., vr } = {v : v = 1 v1 + 2 v2 + ... + r vr , 1 , 2 , ..., r ,
escalares arbitrarios};
En relacion a los espacios generados por un conjunto de vectores de un espacio vectorial se tiene el siguiente resultado, cuya demostracion quedara para
que sea realizada por el lector.
Teorema 1.4. Dados los vectores v1 , v2 ,.....,vr de un espacio vectorial V ,
gen{v1 , v2 , ....., vr } es un subespacio de V .
En seguida, se muestran algunos ejemplos de subespacios generados.
Ejemplo 1.14. En el Ejemplo 1.13 se verifico que las matrices

1 0
0 0
y
0 0
0 1
generan las matrices diagonales de 2x2 con elementos reales. Pero se sabe
que este conjunto es subespacio de M2x2 (IR). Es decir, que las dos matrices
mencionadas generan el subespacio de las matrices diagonales de dos por dos
de M2x2 (IR); esto es, si S es dicho subespacio, entonces:

0 0
1 0
,
S = gen
0 1
0 0
13
Ejemplo 1.15. Consideremos el espacio vectorial IR3 y los vectores v1 =

(2, 0, 4) y v2 = (1, 2, 0). La idea es buscar el subespacio generado por esos
dos vectores.
Sea v = (a, b, c) un elemento que esta en el subespacio generado por los
elementos v1 y v2 , entonces existen escalares 1 y 2 tales que
(a, b, c) = 1 v1 + 2 v2
= 1 (2, 0, 4) + 2 (1, 2, 0)
= (21 2 , 22 , 41)
con lo cual se llega al siguiente sistema de ecuaciones lineales
21 2 = a
+ 22 = b
41
= c
De la segunda y tercera ecuacion del sistema se tiene que
b
y
1 =
2
respectivamente. Reemplazando estos valores en
a:
2 =
c
,
4
la primera ecuacion se llega
c b
=a
2 2
o equivalentemente
2a + b c = 0
con lo cual se tiene finalmente que
gen{(2, 0, 4), (1, 2, 0)} = {(a, b, c) IR3 : 2a + b c = 0}
Se nota que, geometricamente, el conjunto gen{v1 , v2 } representa un plano en
el espacio que pasa por el origen.

Observaci
on 1.8. Referente a este u
ltimo ejemplo, se verifica que dos vectores
no paralelos, en el espacio vectorial IR3 , generan un plano que pasa por el
origen.
Entre los conceptos mas importantes y usados dentro de los espacios vectoriales, estan los conceptos de dependencias lineal e independencia lineal. Para
ir visualizando este tema veamos la siguiente situacion: si en el espacio vectorial IR3 se toman los vectores u1 = (1, 1, 1), u2 = (1, 0, 2) y u3 = (1, 3, 1)
entonces se verifica que 3u1 2u2 = u3 o equivalentemente:
3u1 2u2 u3 = ;
14
lo que significa que el vector cero, , es escrito como una combinacion lineal de
los vectores u1 , u2 y u3 sin que necesariamente los escalares correspondientes
sean ceros.
Al respecto, se entrega la siguiente la definicion.
Definici
on 1.7. Sea V un espacio vectorial y sean v1 , v2 ,...,vn n vectores de
V . Entonces se dice que estos vectores son linealmente dependientes si
existen n escalares 1 , 2 ,.....,n , no todos nulos, tales que
1 v1 + 2 v2 + ... + n vn =
(1.2)
Si dichos vectores no son linealmente dependientes se dicen que son linealmente independientes.
Observaci
on 1.9. Una forma alternativa de decir que los vectores son linealmente independientes es que si se tiene la ecuacion (1.2), entonces
1 = 2 = ... = n = 0
Ejemplo 1.16. En el espacio vectorial IR3 los vectores (1, 1, 1), (1, 1, 0) y
(1, 0, 0) son linealmente independientes.
En efecto:
Sean 1 , 2 y 3 tales que
1 (1, 1, 1) + 2 (1, 1, 0) + 3 (1, 0, 0) = (0, 0, 0)
(1.3)
entonces:
(1 + 2 + 3 , 1 + 2 , 1 ) = (0, 0, 0).
Se recuerda que dos elementos de IR3 son iguales si son iguales componente a
componente; es decir, de la igualdad anterior, debe tenerse que:
1 + 2 + 3 = 0
1 + 2
= 0
1
= 0
con lo que, resolviendo este sistema de ecuaciones lineales, se llega a la u
nica
solucion:
1 = 0,
2 = 0,
3 = 0
Luego, la u
nica posibilidad en obtener la ecuacion (1.3) es que los escalares que
intervienen sean todos iguales a cero; lo que verifica que los elementos (1, 1, 1),
(1, 1, 0) y (1, 0, 0) son linealmente independientes.

Ejemplo 1.17. Consideremos el espacio vectorial P2 y el subconjunto {x2
3x, 3x2 + 4, 11x2 6x + 12} de este espacio. Entonces dicho subconjunto constituye un conjunto linealmente denpendiente de P2 .
15
En efecto:
Si 1 , 2 y 3 son escalares tales que:
1 (x2 3x) + 2 (3x2 + 4) + 3 (11x2 6x + 12) = 0t2 + 0t + 0
(1.4)
o sea:
(1 + 32 + 113 )x2 + (31 63 )x + 42 + 123 = 0t2 + 0t + 0
Ahora, utilizando el hecho de que dos polinomios son iguales si los coeficientes
de las potencias correspondientes son iguales, se tiene el siguiente sistema de
ecuaciones lineales:
1
+ 32 + 113 = 0
31
63 = 0
42 + 123 = 0
De la segunda ecuacion del sistema se tiene que 1 = 23 , con lo cual reemplazando 1 en la primera ecuacion, el sistema de tres ecuaciones lineales
anterior queda reducido al siguiente sistema de dos ecuaciones lineales:
32 + 93 = 0
42 + 123 = 0
Claramente, las dos ecuaciones son iguales y se tiene que 2 = 33 . Entonces
el sistema original tiene infinitas soluciones dadas por:
1 = 23 ,
2 = 33
As, por ejemplo, si 3 = 1 entonces 1 = 2 y 2 = 3, con lo cual para

que la ecuacion (1.4) se satisfaga no todos los escalares involucrados deben ser
nulos y por tanto el conjunto {x2 3x, 3x2 + 4, 11x2 6x + 12} es un conjunto
linealmente dependiente.

La nocion de independencia lineal tiene especial importancia en lo que
constituye una base de un espacio vectorial, que puede ser considerado como
el conjunto que representa a un espacio vectorial.
Por ejemplo, en el espacio IR3 cualquier vector (a, b, c) puede ser escrito
como
(a, b, c) = ai + bj + ck;
donde i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1) son los llamados vectores
unitarios. Estos vectores generan IR3 y tambien se verifica, facilmente, que son
linealmente independientes.
De la idea anterior surge la siguiente definicion de base de un espacio
vectorial.
16
Definici
on 1.8. Sea V un espacio vectorial. Un conjunto de vectores
{v1 , v2 , ..., vn },
subconjunto de V , se dice base de V si:
i) {v1 , v2 , ..., vn } es un conjunto linealmente independiente.
ii) {v1 , v2 , ..., vn } genera a V .
Ejemplo 1.18. En un ejemplo anterior (Ejemplo 1.11) se vio que en el espacio
vectorial IR3 el conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} genera dicho espacio.
Pues bien, si se tienen escalares 1 , 2 y 3 tales que:
1 (1, 0, 0) + 2 (0, 1, 0) + 3 (0, 0, 1) = (0, 0, 0)
(1.5)
lo que equivale a:
(1 , 2 , 3 ) = (0, 0, 0)
obteniendose que:
1 = 0,
2 = 0,
3 = 0
Es decir, la u
nica forma de que se cumpla la ecuacion (1.5) es que los escalares
involucrados sean todos nulos, lo que nos dice que el conjunto
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}
es un conjunto linealmente independiente.
Dado que el conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} genera el espacio vectorial IR3 y ademas es un conjunto linealmente independiente, entonces resulta
ser una base de IR3 .

Ejemplo 1.19. Con relacion al ejemplo anterior se tiene que, en general, si
se define e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0, ..., 0), e3 = (0, 0, 1, 0, ..., 0),..., en =
(0, 0, 0, ..., 1), elementos de IRn , entonces el conjunto {e1 , e2 , .., en } constituye
una base para el espacio vectorial IRn . El conjunto {e1 , e2 , .., en } es la llamada
base can
onica de IRn .

Ejemplo 1.20. En el espacio vectorial M22 (IR), el conjunto:

1 0
0 1
0 0
0 0
,
,
,
0 0
0 0
1 0
0 1
es una base para dicho espacio vectorial. Se puede verificar de forma simple
que es un conjunto generador de M2x2 (IR) y que es un conjunto linealmente
independiente.
17
En efecto,
Si se tienen los escalares 1 , 2 , 3 y 4 tales que:
1 0
0 0
+ 2
0 1
0 0
+ 3
0 0
1 0
1 2
3 4
+ 4
0 0
0 1
0 0
0 0
o equivalentemente:

0 0
0 0
entonces, claramente 1 = 2 = 3 = 4 = 0; lo que indica que se trata de un

conjunto linealmente independiente.
Por otro lado, cualquier elemento de M2x2 (IR):

a b
c d
puede ser escrito como

1 0
a b
0 1
0 0
0 0
=a
+b
+c
+d
c d
0 0
0 0
1 0
0 1
lo que indica que el conjunto genera M22 (IR). Dicha base recibe el nombre
de base can
onica de M22 (IR).

Ejemplo 1.21. En el Ejemplo 1.12 se verifico que el conjunto {x3 , x2 , x, 1}
es un conjunto generador de P3 ; el conjunto de polinomios de grado menor o
igual a 3 con coeficientes reales. Tambien, en forma analoga se puede verificar
que es un conjunto linealmente independiente. Por lo tanto, dicho conjunto
constituye una base para P3 .
En general se verifica que el conjunto {xn , xn1 , ....., x, 1} es un base para
Pn ; el conjunto de polinomios de grado menor o igual que n con coeficientes
reales, con n un n
umero natural. En forma analoga a los ejemplos anteriores,
esta base recibe el nombre de base can
onica de Pn .

A continuacion se presentan ejemplos en la cual se verifica que existen
bases en los espacios vectoriales en la cual no son conjuntos canonicos.
Ejemplo 1.22. Si se consideran el espacio vectorial IR3 y el subconjunto de
este espacio vectorial A = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}. Entonces A es una base
de IR3 .
En efecto:
i) En el Ejemplo 1.16 se probo que los elementos de IR3 del conjunto A
eran linealmente independientes; es decir, el conjunto A es linealmente
independiente.
18
ii) Sea (x, y, z) cualquier elemento de IR3 y supongamos que existen 1 , 2

y 3 tales que:
1 (1, 1, 1) + 2 (1, 1, 0) + 3 (1, 0, 0) = (x, y, z);
o equivalentemente:
(1 + 2 + 3 , 1 + 2 , 1 ) = (x, y, z);
con lo que se obtiene el siguiente sistema de ecuaciones lineales en las
incognitas 1 , 2 y 3 :
1 + 2 + 3 = x
1 + 2
= y
1
= z
Resolviendo este sistema se tiene que:
1 = z,
2 = y z,
3 = x y
Esto prueba que el conjunto A genera a IR3 .

i) y ii) verifican que A es base para el espacio vectorial IR3

Ejemplo 1.23. En el espacio vectorial P3 , el conjunto {1, t2 + 1, t3 + t2 , t3 + t}
de elementos de P3 , es una base para este espacio vectorial.
En efecto,
i) Sean 1 , 2 , 3 y 4 , tales que:

1 (1) + 2 (t2 + 1) + 3 (t3 + t2 ) + 4 (t3 + t) = 0t3 + 0t2 + 0t + 0,
y operando en el primer miembro se tiene:
(3 + 4 )t3 + (2 + 3 )t2 + 4 t + 1 + 2 = 0t3 + 0t2 + 0t + 0
De la igualdad de polinomios, se llega al siguiente sistema de ecuaciones
lineales:
3 + 4
2 + 3
4
+ 2
=
=
=
=
0
0
0
0
De la tercera ecuacion se tiene que 4 = 0. Reemplazando este valor en la

primera ecuacion, 3 = 0. Si los dos valores anteriores son reemplazados
en la segunda y cuarta ecuacion se obtiene: 2 = 0 y 1 = 0. Lo anterior
indica que el conjunto en cuestion es linealmente independiente.
19
ii) Sea at3 + bt2 + ct + d cualquier elemento de P3 . Supongamos que existem

escalares 1 , 2 , 3 y 4 tales que:
1 (1) + 2 (t2 + 1) + 3 (t3 + t2 ) + 4 (t3 + t) = at3 + bt2 + ct + d,

y operando en el primer miembro se tiene:
(3 + 4 )t3 + (2 + 3 )t2 + 4 t + 1 + 2 = at3 + bt2 + bt + d
Nuevamente, de la igualdad de polinomios se llega al siguiente sistema
de ecuaciones lineales:
3 + 4
2 + 3
4
+ 2
=
=
=
=
a
b
c
d
Resolviendo este sistema se obtiene:

1 = a b c + d,
2 = a + b + c,
3 = a c,
4 = c
Lo anterior indica que cualquier polinomio de grado menor o igual que

tres puede ser escrito como una combinacion lineal de los elementos
1, t2 + 1, t3 + t2 y t3 + t. As, dichos elementos generan P3
i) y ii) verifican que el conjunto {1, t2 + 1, t3 + t2 , t3 + t} es una base para P3 .

Ejemplo 1.24. En el Ejemplo 1.15 se demostr
o que los vectores en IR3 ,
(2, 0, 4) y (1, 0, 3) generan el plano de ecuacion 2x + y z = 0, que corresponde a un subespacio del espacio vectorial IR3 . Estos vectores, aparte de
generar este plano, forman un conjunto linealmente independiente. Lo anterior
nos lleva a concluir que el conjunto {(2, 0, 4), (1, 0, 3)} constituye una base
para el plano de ecuacion 2x + y z = 0.

A continuacion se entrega un resultado importante sobre bases de un
espacio vectorial lo que dara origen al concepto de dimension de un espacio
vectorial.
Teorema 1.5. Toda base de un espacio vectorial V tiene el mismo n
umero de
elementos.
Definici
on 1.9. El n
umero de elementos de cualquier base de un espacio vectorial V recibe el nombre de dimensi
on de V y se denota por dim(V).
De acuerdo a los ejemplos anteriores se tiene entonces que:
20
1.- dim(IR3 ) = 3. En general, para cualquier n

umero natural n,
n
dim(IR ) = n
2.- dim(P3 ) = 4. En general para cualquier n
umero natural n,
dim(Pn ) = n + 1.
3.- dim(M2x2 (IR)) = 4.
Con respecto de los conceptos de base y dimension se tiene el siguiente
resultado importante.
Teorema 1.6. Sea V un espacio vectorial de dimension n. Si el conjunto de
elementos de V , A = {v1 , v2 , ....., vn } es linealmente independiente, entonces
A es una base para V .
Ejemplo 1.25. En el espacio vectorial IR3 , el conjunto
B = {(1, 1, 1), (1, 0, 1), (0, 0, 1)}
es un conjunto linealmente independiente y por lo tanto una base de IR3 .
En efecto,
Sean los escalares 1 , 2 y 3 tales que
1 (1, 1, 1) + 2 (1, 0, 1) + 3 (0, 0, 1) = (0, 0, 0),
con lo cual se tiene que:
(1 + 2 , 1 , 1 + 2 + 3 ) = (0, 0, 0);
obteniendo el siguiente sistema de ecuaciones lineales:
1 + 2
= 0
1
= 0
1 + 2 + 3 = 0
De la segunda ecuacion se tiene que 1 = 0. Si se reemplaza este valor en
la primera ecuacion y despues en la tercera se llega a que 2 = 0 y 3 = 0,
respectivamente. Esto verifica que B es un conjunto linealmente independiente.
Como se sabe que dim(IR3 ) = 3 y B es un conjunto linealmente independiente
con tres elementos; constituyendo una base para IR3 .
1.2.
TRANSFORMACIONES LINEALES
Esta seccion se abocara a estudiar un tipo especial de funciones. Aparte de

tener que cumplir unas condiciones diferentes a las funciones reales valuadas
conocidas, la particularidad que tendran dichas funciones es que van de un
espacio vectorial en otro.
1.2. TRANSFORMACIONES LINEALES
1.2.1.
21
Definiciones y Ejemplos
Definici
on 1.10. Sean V y W dos espacios vectoriales sobre un cuerpo K.
Una Transformacion Lineal (T.L.) T es una funcion que asigna a cada vector
v V un u
nico vector T (v) W y que satisface , para cada u, v en V y
cada K :
1. T (u + v) = T (u) + T (v)
2. T (u) = T (u)
Observaci
on 1.10. En lo que sigue V y W denotaran espacios vectoriales
sobre el cuerpo de los n
umeros reales IR.
Ejemplo 1.26. Sea T : IR2 IR3 definida por T (x, y) = (x + y, x y, 3y).
Entonces T es una transformacion lineal.
En efecto:
Sean (x1 , y1 ) y (x2 , y2 ) en IR2 y en IR
i) T ((x1 , y1 ) + (x2 , y2)) = T (x1 + x2 , y1 + y2 )
=((x1 +x2 )+(y1 +y2 ), (x1 +x2 )(y1 +y2 ), 3(y1 +y2 ))
=((x1 +y1 )+(x2 +y2 ), (x1 y1 )+(x2 y2 ), 3y1 +3y2 )
=(x1 + y1 , x1 y1 , 3y1) + (x2 + y2 , x2 y2 , 3y2)
=T (x1 , y1 ) + T (x2 , y2)
As T ((x1 , y1 ) + (x2 , y2)) = T (x1 , y1 ) + T (x2 , y2 )
ii) T ((x1 , y1)) = T (x1 , y1)
= (x1 + y1 , x1 y1, 3y1)
= ((x1 + y1 ), (x1 y1 ), 3y1)
= (x1 + y1 , x1 y1 , 3y1 )
= T (x1 , y1)
As T ((x1 , y1)) = T (x1 , y1)
Por lo tanto, i) y ii) verifican que T es una transformacion lineal.

Ejemplo 1.27. Sea I : V V definida por I(v) = v, entonces I es una
transformacion lineal.
Para todo u y v en V y en IR se tiene que:
i) I(u + v) = u + v = I(u) + I(v)
ii) I(u) = u = I(u)
As i) y ii) verifican que I es una transformacion lineal.
22
Ejemplo 1.28. Sea T : M2x2 (IR) IR2 ; donde M2x2 (IR) es el conjunto de
las matrices cuadradas de orden 2, tal que:

a b
= (a + c, b + d)
T
c d
Entonces T definida de esta manera es un transformacion lineal.
En efecto:

a b
e f
Sean
y
en M2x2 (IR) y sea en IR, luego:
c d
g h

a b
e f
a+e b+f
i) T
+
=T
c d
g h
c+g d+h
= ((a + e) + (c + g), (b + f ) + (d + h))
= ((a + c) + (e + g), (b + d) + (f + h))
ii)
= (a + c, b + d) + (e + g, f + h)

a b
e f
=T
+T
c d
g h

a b
a b
T
=T
c d
c d
= (a + c, b + d)
= ((a + c), (b + d))
= (a+ c, b +d)
a b
= T
c d
i) y ii) verifican que T es una transformacion lineal.

A continuacion se daran algunas propiedades basicas de las transformaciones lineales:
Proposici
on 1.1. Sean T y L dos transformaciones lineales de V en W ,
entonces:
a) T (v) = T (v), para todo v en V .
b) T (V ) = W ; donde V es el vector nulo del espacio vectorial V y W es
el vector nulo del espacio vectorial W .
c) T + L es una T.L..
d) T es una transformacion lineal, para todo escalar .
Demostracion
a) De la definicion de transformacion lineal.
b) Sea v en V , entonces:
T (V ) = T (v + (v))
23
= T (v) + T (v),
(por ser T T.L..)
= T (v) + (T (v)),
(de la definicion de transformacion lineal.)
= T (v) T (v), (por propiedad de espacios vectoriales, (T (v) W ))
= W
c) Sean u, v vectores cualesquiera de V y un escalar, entonces:
i) (T + L)(u + v) = T (u + v) + L(u + v),
(por definicion de suma de

funciones).
= (T (u) + T (v)) + (L(u) + L(v)),
(T y L son T.L.).
= (T (u) + L(u)) + (T (v) + L(v)),
(por conmutatividad y
asociatividad en un espacio vectorial).
= (T + L)(u) + (T + L)(v),
(por definicion de suma de

funciones).
ii) (T + L)(u) = T (u) + L(u),
(por definicion de suma de funciones).
= T (u) + L(u),
(T y L T.L.).
= (T (u) + L(u))
= (T + L)(u),
(por definicion de suma de funciones).
De i) y ii) se tiene que T + L es una T.L. de V en W .

d) Sean u, v vectores cualesquiera de V y un escalar, entonces:
i) (T )(u + v) = T (u + v),
= (T (u) + T (v)),
(por propiedades de funciones).

(T es una T.L.).
= T (u) + T (v).
= (T )(u) + (T )(v),
(por propiedad de funciones).
ii) (T )(u) = T (u).

= (T (u)),
(T es T.L.).
= (T (u)) = (T )(u).
De i) y ii) se tiene que T es una T.L..

Proposici
on 1.2. Si T : V W y L : W Z son transformaciones
lineales, entonces:
L T : V Z
es una transformacion lineal.
Demostracion. Cualesquiera sean u, v en V y cualquier escalar se tiene:
24
i) (L T )(u + v) = L(T (u + v)), (por definicion de composicion de funciones).

= L(T (u) + T (v)),
(T es una T.L.).
= L(T (u)) + L(T (v)),
(L es una T.L.).
= (L T )(u) + (L T )(v), (por definicion de composicion de

funciones).
ii) (L T )(u) = L(T (u)),
(por defincion de composicion de funciones).
= L(T (u)),
(T es una T.L.).
= L(T (u)),
(L es una T.L.).
= (L T )(u),
(por definicion de composicion de funciones).
De i) y ii) se tiene que L T es una transformacion lineal.
Proposici
on 1.3. Sea T : V W una transformacion lineal. Entonces para todos los vectores u, v, v1, v2 , . . . . . . , vn en V y todos los escalares
1 , 2 , . . . .., n se tiene que:
a) T (u v) = T (u) T (v)
b) T (1 v1 + 2 v2 + . . . .. + n vn ) = 1 T (v1 ) + 2 T (v2 ) + . . . .. + n T (vn )
Observaci
on 1.11. Esta u
ltima proposicion puede ser verificada facilmente.
La demostracion de parte a) se basa en la demostracion de la Proposicion 1.1
parte a) y la parte b) se realiza por induccion.
Definici
on 1.11. Sea T : V W una transformacion lineal. Se llama
Kernel o N
ucleo de T al conjunto de todos los vectores v tales que su imagen
es el vector nulo de W y se denota por Ker(T ); es decir,
Ker(T ) = {v V : T (v) = W }
Definici
on 1.12. Sea T : V W una transformacion lineal. Se llama
Imagen de T al conjunto de las imagenes de todos los vectores de V ; es decir,
al recorrido de la funcion T y se denota por Im(T ). As:
Im(T ) = {y W : x V, T (x) = y}
o tambien
Im(T ) = {T (x) : x V }
Para los conjuntos Ker(T ) e Im(T ) recien definidos, se tiene el siguiente
resultado importante.
Teorema 1.7. Si T : V W es una transformacion lineal, entonces
25
a) Ker(T ) es un subespacio de V .
b) Im(T ) es un subespacio de W .
Demostracion
a)
i) Si u y v son elementos del Ker(T ), entonces T (u) = W y T (v) =

W . Luego T (u + v) = T (u) + T (v) = W + W = W , con lo cual
u + v es un elemento del Ker(T ).
ii) Si es un escalar y u es un elemento del Ker(T ), entonces T (u) =
T (u) = W = W , y as u es un elemento del Ker(T ).
De i) y ii) Ker(T ) es un subespacio de V
b)
i) Si w1 y w2 son elementos del Im(T ), entonces existen u y v en V tal

que T (u) = w1 y T (v) = w2 . Luego w1 +w2 = T (u)+T (v) = T (u+v)
y como u+v es un elemento del V , w1 +w2 es un elemento de Im(T ).
ii) Si es un escalar y w es un elemento del Im(T ), entonces existe u
en V tal que T (u) = w, con lo cual T (u) = T (u) = w y como
u es un elemento de V , entonces w es un elemento de Im(T ).
As de i) y ii) se verifica que Im(T ) es un subespacio de W .
Ejemplo 1.29. Sea T : V V , la transformacion lineal identidad; es decir

T (v) = v, entonces Ker(T ) = {V } e Im(T ) = V
Ejemplo 1.30. Sea T : IR3 IR3 definida por T (x, y, z) = (x, y, 0). Si
T (x, y, z) = (0, 0, 0) entonces, (x, y, 0) = (0, 0, 0), con lo cual x = 0 e y = 0 y
as Ker(T ) = {(0, 0, z) : z IR}. Por la definicion de T , Im(T ) = {(x, y, 0) :
x, y IR} = IR2 .

Definici
on 1.13. Si T es una transformacion lineal de V en W , entonces
se define Nulidad de T , denotado por (T ), a la dimension de Ker(T ) y
Rango de T, denotado por (T ), a la dimension de Im(T ).
A modo de ilustracion, para la transformacion lineal del Ejemplo 1.30, se
tiene (T ) = 1 y (T ) = 2.
La siguiente proposicion sirve para obtener de una manera facil un conjunto generador del subespacio Im(T ) .
Proposici
on 1.4. Si {v1 , v2 , . . . , vn } es una base de un espacio vectorial V y
T : V W una transformacion lineal, entonces {T (v1 ), T (v2 ), . . . , T (vn )}
genera Im(T ).
26
Demostracion. Sea w un elemento de la Im(T ), entonces existe v en V tal que

T (v) = w. Como v es un elemento de V existen escalares 1 , 2 , . . . .n tales
que
v = 1 v1 + 2 v2 + . . . . + n vn ;
de donde,
w = T (v) = T (1 v1 + 2 v2 + . . . . + n vn )
Por propiedad de transformacion lineal se tiene que:
w = 1 T (v1 ) + 2 T (v2 ) + . . . + n T (vn )
con lo cual el vector w es una combinacion lineal de T (v1 ), T (v2 ), ..., T (vn ). Como w es un elemento arbitrario en el espacio Im(T ), {T (v1 ), T (v2 ), ..., T (vn )}
genera Im(T ).

Ejemplo 1.31.
1.-Sea T : IR2 IR3 definida por T (x, y) = (x + y, x y, 3y), una transformacion lineal. Tomemos la base canonica de IR2 ; es decir, el conjunto
{(1, 0), (0, 1)}. Ahora, T (1, 0) = (1, 1, 0), T (0, 1) = (1, 1, 3). Por proposicion
anterior, se tiene que Im(T ) es el conjunto generado por los elementos (1, 1, 0)
y (1, 1, 3); siendo estos elementos linealmente independientes y por lo tanto
forman una base para Im(T ).
2.- Sea T : IR3 IR2 definida por T (x, y, z) = (x, y + z), una transformacion lineal. Consideremos la base canonica {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de
IR3 . Al evaluar T en cada elemento de la base se tiene que T (1, 0, 0) = (1, 0),
T (0, 1, 0) = (0, 1) y T (0, 0, 1) = (0, 1); es decir Im(T ) es generada por los elementos (1, 0) y (0, 1), que conforman la base canonica de IR2 . As Im(T ) = IR2 .

La siguiente proposicion, establece que una transformacion inyectiva transforma una base de V en una base de Im(T ). La subsiguiente proposicion, da
un criterio para determinar cuando una transformacion lineal es inyectiva.
Proposici
on 1.5. Si {v1 , v2 , . . . , vn } es una base de un espacio vectorial V y
T : V W una transformacion lineal inyectiva, entonces {T (v1 ), T (v2 ), . . . , T (vn )}
es una base de Im(T ).
Demostracion.
Sean k1 , k2 , . . . , kn n escalares tales que:
k1 T (v1 ) + k2 T (v2 ) + + kn T (vn ) = W .
27
De la linealidad de T y T (V ) = W , podemos reescribir la identidad anterior

como,
T (k1 v1 + k2 v2 + kn vn ) = T (V ).
Como T es inyectiva se tiene que
k1 v1 + k2 v2 + kn vn = V .
Pero como{v1 , v2 , . . . , vn } es una base de V , se deduce que k1 = k2 = = kn =
0; con lo cual el conjunto {T (v1 ), T (v2 ), . . . , T (vn )} es un conjunto linealmente independiente. De la Proposicion 1.4 el conjunto {T (v1 ), T (v2 ), . . . , T (vn )}
genera Im(T ) y por lo tanto es una base de Im(T ).

Proposici
on 1.6. Sea T : V W una transformacion lineal. Entonces, T
es inyectiva s y solo si Ker(T ) = {V }.
Demostracion. La demostracion se realizara por doble implicacion
=) Supongamos que T es una transformacion lineal inyectiva. Luego
u Ker(T ) se tiene que
T (u) = W o T (u) = T (V ),
dado que T (V ) = W . De la inyectividad de T resulta u = V , con lo
cual Ker(T ) = {V }.
=) Supongamos ahora que Ker(T ) = {V }. Sean u y v V tal que
T (u) = T (v), luego:
T (u) T (v) = W
y como T es una transformacion lineal implica que
T (u v) = W
Esta u
ltima ecuacion dice que u v Ker(T ) y como supusimos que
Ker(T ) = {V } se tiene que u = v, lo que indica que T es inyectiva.

Observaci
on 1.12. La inyectividad de una transformacion lineal queda sujeta
a si el Kernel va ser el conjunto que solo contiene al vector nulo. La sobreyectividad va a depender si la Imagen es todo el co-dominmio de la transformacion.
De lo anterior se puede decir que una transformacion lineal es biyectiva si
el Kernel es el conjunto que solo contiene al vector nulo y la Imagen es el
espacio vectorial de llegada de la transformacion.
28
Proposici
on 1.7. Sea T : V W una transformacion lineal biyectiva. Entonces la transformacion inversa T 1 : W V es tambien una trasformacion
lineal.
La demostracion de la proposicion anterior se deja como ejercicio.
A continuacion se enuncian dos resultados importantes de transformaciones lineales y cuyas demostraciones no seran desarrolladas:
Teorema 1.8. (Teorema de las dimensiones). Si T : V W es una transformacion lineal, entonces:
dim(V ) = dim(Ker(T )) + dim(Im(T ))
En referencia al teorema anterior, si se considera el Ejemplo 1.30 en el
cual se tiene la transformacion lineal T : IR3 IR3 , definida por T (x, y, z) =
(x, y, 0), se obtuvo que Ker(T ) = {(0, 0, z) : z IR} y Im(T ) = IR2 ; de
donde se tiene que:
dim(IR3 ) = dim(Kert(T )) + dim(Im(T ))
3
Teorema 1.9. (Teorema Fundamental del Algebra Lineal). Sean {v1 , v2 , . . . .vn },
una base de V y {w1 , w2, . . . ., wn } un conjunto arbitrario de vectores de W . Entonces existe una u
nica transformacion lineal T : V W , tal que T (vi ) = wi ,
i = 1, 2, . . . ., n.
Ejemplo 1.32. Sea la transformacion lineal T : P2 IR2 tal que T (t + 1) =
(1, 1), T (t2 + 1) = (0, 1) y T (t2 t) = (1, 0). Bajo estas condiciones se
puede obtener la ecuacion que define la transformacion.
En efecto:
Se verifica que el conjunto {t + 1, t2 + 1, t2 t} es una base de P2 y de
hecho cualquier vector at2 +bt+c de P2 se puede escribir como una combinacion
lineal de los elementos de esta base de la siguiente manera:
a+b+c
a+bc
ab+c 2
(t + 1)
(t2 + 1) +
(t t)
2
2
2
Aplicando la transformacion T en ambos miembros:
at2 + bt + c =
T (at2 + bt + c) =
a+bc
a+b+c
T (t + 1)
T (t2 + 1)
2
2
+
ab+c
T (t2 t)
2
a+b+c
a+bc
ab+c
(1, 1)
(0, 1) +
(1, 0)
2
2
2
= (a + c, c)
1.2.2.
29
Representaci
on Matricial de una Transformaci
on
Lineal
El operar con transformaciones lineales a veces puede resultar un poco

dificultoso. En esta subseccion veremos que cualquier transformacion lineal
puede ser representada por una matriz y, que de acuerdo a algunos resultados,
el operar con transformaciones lineales es equivalente a operar con matrices
asociadas, resultando esto u
ltimo mas sencillo.
Sean B1 = {v1 , v2 , . . . ., vn } y B2 = {w1 , w2 , . . . ., wm }, bases de V y W ,
respectivamente. Consideremos una transformacion lineal T : V W . Entonces se tendra lo siguiente: si aij son escalares, i = 1, ..., m; j = 1, ..n,
entonces
T (v1 ) = a11 w1 + a21 w2 + . . . . . . . + am1 wm
T (v2 ) = a12 w1 + a22 w2 + . . . . . . . + am2 wm
.......................................
.......................................
T (vn ) = a1n w1 + a2n w2 + . . . . . . . + amn wm
La matriz:
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
. . . a1n
. . . a2n
..
..
.
.
. . . amn
cuya j-esima columna esta formada por los escalares a1j , a2j , . . . , amj del transformado por T del j-esimo elemento de la base B1 con respecto de la base B2 ,
se llama Matriz Asociada a T con respecto de las bases B1 y B2 .
La matriz as definida es denotada por M[T ]B1 B2 o [T ]B1 B2 . Se puede
observar que el orden de dicha matriz es de m n, donde m es la dimension
de W y n es la dimension de V .
Ejemplo 1.33. Sea T : IR3 IR2 una transformacion lineal, tal que:
T (x, y, z) = (x+y, z). Consideremos las bases B1 = {(3, 0, 0), (1, 2, 1), (0, 1, 5)}
de IR3 y B2 = {(1, 1), (2, 3)} de IR2 . Entonces:
T (3, 0, 0) = (3, 0) = 9(1, 1) 3(2, 3)
T (1, 2, 1) = (3, 1) = 7(1, 1) 2(2, 3)
T (0, 1, 5) = (1, 5) = 13(1, 1) 6(2, 3)
As, la matriz asociada a la transformacion es:

9
7
13
[T ]B1 B2 =
3 2 6
30

Ejemplo 1.34. Sea la transformacion lineal T : P3 (t) P2 (t), definida por
T (p(t)) = p (t). Considerando las bases canonicas B1 = {1, t, t2 , t3 } en P3 (t) y
B2 = {1, t, t2 } en P2 (t), se tiene que:
T (1) = 0 = 0(1) + 0(t) + 0(t2 )
T (t) = 1 = 1(1) + 0(t) + 0(t2 )
T (t2 ) = 2t = 0(1) + 2(t) + 0(t2 )
T (t3 ) = 3t2 = 0(1) + 0(t) + 3(t2 )
con lo cual, la matriz asociada a la transformacion lineal es:
0 1 0 0
[T ]B1 B2 = 0 0 2 0
0 0 0 3
Observaci
on 1.13. Notemos que si se cambia el orden en las bases, la matriz
asociada a la transformacion tambien cambia.
En lo que resta enunciamos dos proposiciones, de una cierta importancia
teorica y, que para efecto de este material, no se requiere de sus demostraciones.
Proposici
on 1.8. Sean B1 = {v1 , v2 , . . . . . . , vn }, B2 = {w1, w2 , . . . . . . , wm }
bases de V y W , respectivamente, y A una matriz de orden mn con elementos
en IR. Entonces existe una u
nica transformacion lineal T de V en W tal que
[T ]B1 B2 = A.
Ejemplo 1.35. Consideremos la matriz con elementos reales:
2 1 3
A = 4 2 6
6 3 9
Cual sera la transformacion lineal T de IR3 en IR3 y cuya matriz asociada

sea A con respecto de la base canonica de IR3 ?.
De la definicion de matriz asociada a una transformacion lineal, la transformacion T debe ser tal que:
T (1, 0, 0) = 2(1, 0, 0) + 4(0, 1, 0) 6(0, 0, 1) = (2, 4, 6)
T (0, 1, 0) = 1(1, 0, 0) 2(0, 1, 0) 3(0, 0, 1) = (1, 2, 3)
T (0, 0, 1) = 3(1, 0, 0) + 6(0, 1, 0) 9(0, 0, 1) = (3, 6, 9)
Por otra parte si (x, y, z) IR3 , entonces:
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
31
con lo cual:
T (x, y, z) = T (x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1))
= xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)
por propiedad de transformaciones lineales. O sea se tiene que:
T (x, y, z) = x(2, 4, 6) + y(1, 2, 3) + z(3, 6, 9)
= (2x y + 3z, 4x 2y + 6z, 6x + 3y 9z)
que corresponde a la expresion de la transformacion lineal buscada.

Ejemplo 1.36. Sea la matriz:
1
2
A=
0
3
0
1
0
2
0
4
3
0
Entonces se desea encontrar la transformacion lineal T : IR3 P3 (t); con

respecto de las base B1 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} de IR3 y B2 = {1, t, t2 , t3 }
de P3 (t).
De partida se tiene que
T (1, 1, 1) = 1(1) + 2(t) + 0(t2 ) + 3(t3 ) = 1 + 2t + 3t3
T (1, 1, 0) = 0(1) + 1(t) + 0(t2 ) + 2(t3 ) = t + 2t3
T (1, 0, 0) = 0(1) + 4(t) + 3(t2 ) + 0(t3 ) = 4t + 3t2
Ahora, (x, y, z) IR3 implica que:
(x, y, z) = z(1, 1, 1) + (y z)(1, 1, 0) + (x y)(1, 0, 0)
y por lo tanto:
T (x, y, z) = T (z(1, 1, 1) + (y z)(1, 1, 0) + (x y)(1, 0, 0))
= zT (1, 1, 1) + (y z)T (1, 1, 0) + (x y)T (1, 0, 0)
= z(1 + 2t + 3t3 ) + (y z)(t + 2t3 ) + (x y)(4t + 3t2 )
= z + (4x 3y + z)t + 3(x y)t2 + (z + 2y)t3
Y as se ha obtenido la transformacion lineal.

Observaci
on 1.14. El vector coordenado de un elemento v de V con respecto de una base B corresponde a un vector columna cuyos elementos son los
escalares de la combinacion lineal de los elementos de la base B que da origen
a v y se denota por [v]B .
Por ejemplo, en el espacio vectorial IR3 si se tienen la base B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
y v = (2, 0, 1), un elemento de IR3 , entonces:
v = (2, 0, 1) = 1(1, 1, 1) + 1(1, 1, 0) + 2(1, 0, 0),
con lo cual
32
1
[v]B = 1
2
Proposici
on 1.9. Sean B1 = {v1 , v2 , . . . . . . , vn }, B2 = {w1 , w2 , . . . . . . wm }
bases de V y W , respectivamente. Si T : V W es una transformacion
lineal, entonces:
[T ]B1 B2 [v]B1 = [T (v)]B2
Es decir, al multiplicar la matriz asociada a T , con respecto de las bases B1
y B2 , por el vector coordenado de v, con respecto de la base B1 se obtiene el
vector coordenado de la imagen de v por T respecto de la base B2 .
Ejemplo 1.37. Consideremos la transformacion lineal T : IR3 IR2 tal que

T (x, y, z) = (xy+z, 2x+2y2z) y las bases B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},
B2 = {(1, 1), (2, 3)} de IR3 y IR2 , respectivamente. Entonces, veamos que la
Proposicion 1.9 se verifica
En efecto:
T (1, 0, 0) = (1, 2) = 57 (1, 1) 15 (2, 3)
T (0, 1, 0) = (1, 2) = 75 (1, 1) + 15 (2, 3)
T (0, 0, 1) = (1, 2) = 75 (1, 1) 15 (2, 3)
Luego la matriz asociada a la transformacion T es :
7
7
75
5
5
[T ]B1 B2 =
1
1
1
5
5
5
Por otro lado si (x, y, z) IR3 , entonces:
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1),

con lo cual
[(x, y, z)]B1
x
= y
z
Tambien si (a, b) IR2 , cualquiera, se tiene que:

(a, b) =
y entonces
a+b
3a 2b
(1, 1) +
(2, 3)
5
5
[(a, b)]B2 =
As,
[T ]B1 B2 [(x, y, z)]B1
7
5
7
5
3a2b
5
a+b
5
x 57 y + 75 z
x
5
y =
=
1
1
1
1
1
1
5
5x + 5y 5z
5
z
5
7
(x y + z)
5
=
1
(x + y z)
5
75
33
Ahora,
T (x, y, z) = (x y + z, 2x + 2y 2z)
= 57 (x y + z)(1, 1) + 51 (x + y z)(2, 3)
por lo que:
[T (x, y, z)]B2 =
7
(x
5
y + z)
1
(x
5
+ y z)
y as la igualdad mencionada en la proposicion anterior se cumple.

A continuacion se enuncian algunas propiedades interesantes, sin demostrar, y se muestran algunos ejemplos en la cual se puede visualizar la utilidad
que puede prestar una matriz asociada a una transformacion lineal cuando se
desea operar con transformaciones lineales.
Proposici
on 1.10. Sean L y T dos transformaciones lineales de V en W .
Sean B1 y B2 base de V y W , respectivamente y un escalar. Entonces:
i) [L + T ]B1 B2 = [L]B1 B2 + [T ]B1 B2
ii) [L]B1 B2 = [L]B1 B2
Proposici
on 1.11. Sean T : V W y L : W Z dos tranformaciones
lineales. Sean B1 , B2 y B3 bases de V , W y Z, respectivamente. Entonces:
[L T ]B1 B3 = [L]B2 B3 [T ]B1 B2
Respecto del resultado anterior, se presenta el siguiente ejemplo.
Ejemplo 1.38. Sean las transformaciones lineales T : IR IR2 y
L : IR2 IR3 , definidas como:
T (x) = (x, x),
L(x, y) = (x, y, x y)
Si se consideran las bases B1 = {1}, B2 = {(1, 2), (1, 0)} y B3 = {(1, 0, 0),
(0, 1, 0), (0, 0, 1)} de IR, IR2 y IR3 , respectivamente, entonces se quiere encontrar la matriz asociada a la transformacion lineal L T y a partir de ella
obtener la ecuacion que rige dicha transformacion.
34
Para obtener primero la matriz asociada a T se ve que

1
3
T (1) = (1, 1) = (1, 2) (1, 0),
2
2
de donde
[T ]B1 B2 =
12
32
es la matriz asociada a la transformacion lineal T con respecto de las bases B1

y B2 . Por otro lado se tiene que
L(1, 2) = (1, 2, 1) = 1(1, 0, 0) + 2(0, 1, 0) 1(0, 0, 1)
L(1, 0) = (1, 0, 1) = 1(1, 0, 0) + 0(0, 1, 0) 1(0, 0, 1)
con lo que
[L]B2 B3
1 1
= 2
0
1 1
por la Proposicion 1.11 se tiene que
[L T ]B1 B3 = [L]B2 B3 [T ]B1 B2

1
1 1
2
= 2
0
3
2
1 1
1
= 1
2
De la matriz asociada a la transformacion L T : IR IR3 , se tiene que

(L T )(1) = 1(1, 0, 0) 1(0, 1, 0) + 2(0, 0, 1) = (1, 1, 2)
Luego para cualquier x en IR
(L T )(x) = (L T )(x 1) = x(L T )(1) = x(1, 1, 2)
De esta manera la ecuacion de la transformacion lineal es
(L T )(x) = (x, x, 2x)
35
Observaci
on 1.15. Para la transformacion lineal identidad I : V V ;
donde V es un espacio vectorial de dimension n, la matriz asociada a I con
respecto de una base B es la matriz identidad de orden n. Es decir,
1 0 ... 0
0 1 ... 0
[I]BB = .. .. . . ..
. .
. .
0 0 ... 1
Proposici
on 1.12. Sea T : V V una transformacion lineal biyectiva. Si
B es una base de V entonces [T ]BB es una matriz invertible y
1
[T ]1
]BB
BB = [T
Ejemplo 1.39. Sea T : IR2 IR2 una transformacion lineal definida por
T (x, y) = (x, x + y)
1
Usando la propiedad [T ]1
]BB ; donde [T ]BB es la matriz asociada a T
BB = [T
con respecto de la base B = {(1, 0), (1, 2)}, la idea es encontrar la aplicacion
inversa T 1 .
En efecto:
Evaluando T en los dos elementos de la base se tiene:
T (1, 0) = (1, 1),
T (1, 2) = (1, 3)
Escribiendo estos elementos como combinacion lineal de los elementos de B se

tiene:
(1, 1) = 1/2(1, 0) + 1/2(1, 2)
(1, 3) = 1/2(1, 0) + 3/2(1, 2)
Con lo cual se tiene que:
[T ]BB =
1
2
12
1
2
3
2
Calculando la matriz inversa de esta matriz, se obtiene que:

3 1
[T ]1
BB =
12
1
2
De la Proposicion 1.12, se tiene que:
[T 1 ]BB =
3
2
1
2
12
1
2
36
es la matriz asociada a la transformacion lineal de T 1 . Luego, de la definicion

de matriz asociada, se tiene que:
3
1
T 1 (1, 0) = (1, 0) (1, 2) = (1, 1)
2
2
T 1 (1, 2) = 1/2(1, 0) + 1/2(1, 2) = (1, 1)
Por otro lado se tiene que:
(x, y) =
2xy
(1, 0)
2
= T 1 (x, y) = T 1
= T 1 (x, y) =
=
+ y2 (1, 2)
2xy
(1, 0)
2
2xy 1
T (1, 0)
2
2xy
(1, 1)
2
+ y2 (1, 2)
+ y2 T 1 (1, 2)
+ y2 (1, 1)
= (x, y x)
1.3.
VALORES Y VECTORES PROPIOS
Definici
on 1.14. Sea A una matriz cuadrada de orden n con elementos en
un cuerpo K (conjunto de los n
umeros reales o conjunto de los n
umeros complejos). Un escalar se denomina un valor propio de A si existe un vector
no nulo x K n tal que Ax = x, y en tal caso x se llama vector propio de
A asociado a .
Observaci
on 1.16. Para el objetivo a cumplir en este material se conciderara solo el cuerpo de los n
umeros reales, IR; teniendo tambien especial cuidado
que las componentes de un vector propio sean n
umeros reales, dado el procedimento a seguir mas adelante en la obtencion de estos elementos. Ademas,
para efecto de calculo, los vectores propios son puestos como vectores columnas,
como se muestra en el siguiente ejemplo.
Ejemplo 1.40. Consideremos la matriz:

1 4
A=
2 3
Entonces = 1 es un valor propio de A y x = (4, 2) su vector propio
asociado.
En efecto:
Ax =
y
1 4
2 3

4
2
4
2
1.3. VALORES Y VECTORES PROPIOS

x = (1)
4
2
4
2
37
de donde Ax = x.

Definici
on 1.15. Sea un valor propio de una matriz A. Se llama espacio
propio asociado a al conjunto de todos los vectores propios asociados a
dicho valor propio (mas el vector nulo de IRn ), es decir, si el espacio propio lo
denotamos por E , entonces
E = {x IRn : Ax = x}
Si es un valor propio de una matriz A, de orden n n, entonces debe
existir un vector propio x asociado a ; es decir, debe cumplirse la ecuacion
Ax = x o equivalentemente (A I)x = , donde I es la matriz identidad
de orden n. Como x debe ser distinto del vector nulo, entonces det(A I)
debe ser distinto de cero; ya que de lo contrario, tendramos solo la solucion
trivial (vector nulo). Tambien si dicho determinante no es cero la solucion no
es u
nica, lo cual, aparte de la solucion trivial, habran otras soluciones. De lo
anterior, se tiene la siguiente proposicion:
Proposici
on 1.13. Sea A una matriz cuadrada de orden n. Un escalar es
valor propio de A s y solo si
det(A I) = 0,
donde I es la matriz identidad de orden n.
La expresion:
fA () = det(A I)
es un polinomio de orden n en y recibe el nombre de polinomio caracterstico. Este polinomio se puede escribir entonces como:
fA () = (1)n (n + an1 n1 + . . . a0 )
Si 1 , 2 , . . . , k son los ceros del polinomio carasterstico, entonces fA () puede ser factorizado de la siguiente manera:
fA () = (1)n ( 1 )1 ( 2 )2 . . . ( k )k
donde 1 , 2 , . . . , k son n
umeros naturales tales que:
1 + 2 + . . . + k = n
El n
umero i , i = 1, 2 . . . , k, corresponde al n
umero de veces que se repite
el factor ( i ) y se le llama multiplicidad algebraica de i . Por otra
38
parte, la dimension del espacio propio asociado a un valor propio , recibe el

nombre de multiplicidad geom
etrica y se denota por ().
Existe un resultado del algebra lineal que dice que al valor propio i le
pueden corresponder a lo mas i vectores propios linealmente independiente.
Ahora, el n
umero maximo de vectores propios de una matriz A asociado a un
valor propio i y que son linealmente independiente es igual a (i ); dado que
este valor es la dimension del espacio propio asociado a ese valor propio. En
otras palabras se tiene que
(i ) i ,
i = 1, 2, . . . . . . , k;
lo que quiere decir que la multiplicidad geometrica de i no excede a su multiplicidad algebraica.

Ejemplo 1.41. Consideremos la matriz:
1 2 3
A= 1 2 3
1 5 6
Entonces se requiere obtener los valores propio de la matriz A.
En efecto:
Por Proposicion 1.13, los valores propios de la matriz A son obtenidos de
det(A I) = 0. As
1 2 3
1 0 0
A I = 1 2 3 0 1 0
1 5 6
0 0 1
1
2
3
2
3
= 1
1
5
6
con lo cual det(A I) = 0 implica que:

1
2
3

1
2
3

1
5
6
con lo que:

=0

(1 )[(2 )(6 ) 15] 2[(6 ) 3] + 3[5 (2 )] = 0

y haciendo el desarrollo en el primer miembro se llega a que:
3 + 92 = 0
2 ( 9) = 0
con lo que las races son = 0 y = 9 y por lo tanto los valores propios
de la matriz A son 0, con multiplicidad algebraica 2, y 9, con multplicidad
algebraica 1.
1.4. APLICACION DE MAPLE
39
Obtengamos ahora los vectores propios, y por ende los espacios propios asociados a los valores propios. Para ello, reemplazamos los valores correspondientes
de en (A I)x =
Para = 0, el sistema (A I)x = queda como:
x1 + 2x2 + 3x3 = 0
x1 + 2x2 + 3x3 = 0
x1 + 5x2 + 6x3 = 0
con lo cual el sistema anterior solo se reduce a:
x1 + 2x2 + 3x3 = 0
x1 + 5x2 + 6x3 = 0
De la primera ecuacion se tiene que x1 = 2x2 3x3 , con lo que reemplazando x1 en la segunda se llega a 3x2 + 3x3 = 0 o bien x2 = x3 .
Ahora, si reemplazamos x2 en x1 = 2x2 3x3 se obtiene que x1 = x3 .
As los vectores propios para = 0 son de la forma (x3 , x3 , x3 ) y
por ende una base para el espacio propio asociado a este valor propio es
{(1, 1, 1)}.
Para = 9, el sistema (A I)x = es:
8x1 + 2x2 + 3x3 = 0
x1
7x2 + 3x3 = 0
x1
+ 5x2 3x3 = 0
De la segunda y tercera ecuacion se llega a 7x2 3x3 = 5x2 + 3x3 ,
de donde x3 = 2x2 . Reemplazando x3 en la primera ecuacion resulta
que x1 = x2 . Entonces los vectores propios para = 9 tienen la forma
(x2 , x2 , 2x2 ) y as una base para el espacio propio correspondiente es
{(1, 1, 2)}.
1.4.
APLICACION DE MAPLE
Espacios Vectoriales
El lenguaje Maple tiene implementada la librera linalg, que es cargada en
memoria, previo a una seccion de algebra lineal, con el comando with(linalg);
que contiene los comandos referente al algebra matricial y que es aplicable
a la teora de Algebra Lineal (espacios vectoriales, transformaciones lineales,
valores y vectores propios).
Comencemos por chequear, por ejemplo, que el vector (7, 7, 7) es combinacion lineal de los vectores (1, 2, 4) y (5, 3, 1)
> with(linalg):
> v1:=vector([-1,2,4]);
40
v1 := [1, 2, 4]
> v2:=vector([5,-3,1]);
v2 := [5, 3, 1]
> v:=vector([-7,7,7]):
v := [7, 7, 7]
> A:=matrix([v1,v2]);
A :=
1
2 4
5 3 1
> At:=transpose(A); # transpuesta de la matriz A
1
5
At := 2 3
4
1
> rank(At); # rango de la matriz At
2
> AA:=augment(At,v); # se agrega el vector columna v a la matriz At
1
5 7
7
AA := 2 3
4
1
7
> rank(AA);
2
Dado que el rango de At, la matriz de coeficientes del sistema de ecuaciones
lineales que resuelve este problema, es igual al rango de su matriz ampliada
AA , entonces se verifica que este sistema tiene solucion y por lo tanto el vector
v es combinacion lineal de los vectores v1 y v2. Para encontrar los escalares
correspondientes, la sentencia es:
> linsolve(At,v);
[2, 1]
Se puede encontrar una base para un espacio generado por un conjunto de
vectores usando el comando basis. Por ejemplo, para encontrar una base para
el espacio generado en IR3 por los vectores (1, 1, 1), (1, 1, 0) y (1, 0, 0) entonces
se escribe:
41
> with(linalg):
> v1:=vector([1,1,1]):
> v2:=vector([1,1,0]):
> v3:=vector([1,0,0]):
> basis({v1,v2,v3});
{v1, v2, v3}
Lo anterior indica que los vectores son linealmente idependientes y por lo tanto
los tres vectores costituyen una base para el espacio; en este caso IR3 . Ahora,
si se quiere saber el espacio generado por (1, 1, 1), (1, 0, 0) y (1, 2, 2), se
digita:
> with(linalg):
> v1:=vector([1,1,1]):
> v2:=vector([1,0,0]):
> v3:=vector([-1,-2,-2]):
> basis({v1,v2,v3});
{v1, v3}
Esto indica que (1, 0, 0) (v2) es combinacion lineal de (1, 1, 1) (v1) y (1, 2, 2)
(v3); siendo estos u
ltimos linealmente indepedientes y por tanto una base para
el espacio generado por los tres vectores, que obviamente va ser un subespacio
(no trivial) de IR3 .
Transformaciones Lineales
Sea T la transformacion lineal de IR2 en IR3 , definida por T (x, y) = (x, x+
y, x y), entonces una rutina para obtener la matriz asociada con respecto de
las bases canonicas es la siguiente:
> with(linalg):
> T:=(x,y)->[x,x+y,y-x]; # definicion de la transformacion lineal T
T := (x, y) > [x, x + y, y x]
> a:=(1,0); # primer vector de la base
a := 1, 0
> b:=(0,1); # segundo vector de la base
b := 0, 1
> v1:=T(a); # evaluacion de T en el primer vector de la base
42
v1 := [1, 1, 1]
> v2:=T(b); # evaluacion de T en el segundo vector de la base
v2 := [0, 1, 1]
> A:=matrix([v1,v2]):
> AT:=transpose(A);
1
0
1
AT := 1
1 1
As, la matriz AT resultante es la matriz asociada.

Tambien a partir de la matriz asociada se puede obtener unn base para
el Kernel o N
ucleo de T con el comando nullspace. En el ejemplo anterior, el
Kernel es el conjunto que solo contiene al vector nulo, con lo cual al ejecutar
el comando no se va a obtener respuesta. Pero, para la transformacion lineal
L de IR3 en IR2 , definida por L(x, y, z) = (x, y z) y que tiene un Kernel
distinto al conjunto que contiene al vector nulo, la matriz asociada a L con
respecto de las bases canonica es:

1 0
0
[L] =
0 1 1
Ahora, para obtener una base para Kernel de L, se ejecuta:
> with(linalg):
> AL:=matrix([[1,0,0],[0,1,-1]]); # ingreso de la matriz asociada de L

1 0
0
AL :=
0 1 1
> nullspace(AL);
[0, 1, 1]
Por lo tanto el conjunto {(0, 1, 1)} constituye una base para el Kernel de L.
Ahora, a partir de una matriz de orden m n y de las bases canonicas
de IRm y IRn se puede obtener una transformacion lineal de IRn en IRm . Por
ejemplo, sea la matrix A de 3x3:
1
1 1
A = 2 1 0
1
0 1
Si se considera que A es la matriz asociada a una transformacion lineal con

respecto de las bases canonicas, entonces la transformacion puede obtenerse
como:
43
> with(linalg):
> A:=matrix([[1,1,1],[2,-1,0],[-1,0,1]]); # ingreso de la matriz asociada
1
1 1
A := 2 1 0
1
0 1
> T:=x->multiply(A,x):
> T([x,y,z]);
[x + y + z, 2x y, x + z]
lo cual la transformacion lineal, de IR3 en IR3 correspondiente, esta dada por

T (x, y, z) = (x + y + z, 2x y, x + z).
Valores y Vectores Propios
El Maple puede entregar una variada informacion acerca de los valores y
vectores propios. Por ejemplo, puede entregar directamente los valores propios
de una matriz. As, dada la matriz
3 1
0
A = 1
2 1
0 1
3
entonces los valores propios de A puueden obtenerse con:
> with(linalg):
> A:=matrix([[3,-1,0],[-1,2,-1],[0,-1,3]]);
3 1
0
A := 1
2 1
0 1
3
44
> eigenvals(A); # entrega los valores propios de la matriz A

1, 3, 4
Lo anterior indica que los valores propios de la matriz A son los n
umeros 1, 3 y
4. Otra cosa interesante puede ser conocer le polinomio carasterstico asociado
a la matriz A, el cual se puede obtener con:
> charpoly(A,lambda);
3 82 + 19 12
La sentencia eigenvects entrega, para cada valor propio, una base para el espacio propio asociado:
> eigenvects(A); # entrega una base para el espacio propio de cada valor propio
[1, 1, {[1, 2, 1]}], [3, 1, {[1, 0, 1]}], [4, 1, {[1, 1, 1]}]
El resultado que nos entrega la sentencia nos dice que el valor propio 1 tiene
multiplicidad algebraica 1 y el espacio propio asociado a esta valor propio tiene
como base a {(1, 2, 1)}, el valor propio 3 tiene multiplicidad algebraica 1 y el
espacio propio asociado tiene como base a {(1, 0, 1)} y, finalmente, el valor
propio 4 tambien tiene multiplicidad algebraica 1 y su espacio propio tiene
como base a {(1, 1, 1)}.
1.5. EJERCICIOS PROPUESTOS
1.5.
45
EJERCICIOS PROPUESTOS
1.- En cada uno de los casos explicar porque el conjunto V dado no es un

espacio vectorial, sobre el cuerpo de los n
umeros reales, con las operaciones de
suma y producto por escalar indicadas.
a) V = IR2 . Si (x, y) y (z, w) V , K entonces:
(x, y) + (z, w) = (x + z, y + 1)
(x, y) = (x, y)
b) V = IR3 . Si (x1 , x2 , x3 ) y (y1 , y2, y3 ) V , K entonces:

(x1 , x2 , x3 ) + (y1 , y2, y3 ) = (x1 + y1 , x2 + y2 , x3 + y3 )
(x1 , x2 , x3 ) = (x1 , x2 , 0)
c) V = M22 (IR). Si A y B V , K entonces:

A + B = BAt
A = (aij )
2.- Verifique que los siguientes subconjuntos S de un espacio vectorial V son

subespacios de V , con las operaciones de suma y producto por escalar usuales,
para los dintintos espacios vectoriales mencionados:
a) V = IR2 ; S = {(x, y) V : y = 2x}
b) V = IR3 ; S = {(x, y, z) / y = x 2z}
c) V = M22 (IR), conjunto de matrices cuadradas de orden 2;

a b
S=
/ d = 2a + b .
c d
d) V = P3 , conjunto de los polinomios de grado menor o igual que 3 con
coeficientes reales;
S = {at3 + bt2 + (a + b)t + (a b) / a y b reales }.
e) V = IR4 ; S = {(a, 0, b, 0) / a y b IR}.
f) V = C(IR), el conjunto de las funciones continuas de IR en IR;
S = {f C(IR) / f (x) = f (x), x IR}
46
3.- Analice por que los siguientes subconjuntos del espacio vectorial dado no
constituyen un subespacio, con las operaciones de suma y producto por escalar
usuales para los ditintos espacios mencionados.
a) V = IR3 ; S = {(x, y, z) / x y z}.
b) V = M22 (IR), conjunto de matrices cuadradas de orden 2;

a b
S=
/ d = 1, b = c .
c d
c) V = P3 (t); S = {at3 + bt2 + ct + d / a 0 y b 0}.
4.- Verifique que:
a) en el espacio vectorial IR3 , ( 47 , 2, 10) es una combinacion lineal de ( 21 , 2, 4)
y (1, 21 , 4).
b) en el espacio vectorial M22 (IR), la matriz

0 0
7 2
es combinacion lineal de las matrices:

1 2
1 3

3 0
2 1
,
,
2 1
4 1
5.- Encuentre un conjunto de generadores para los siguientes subespacios:

a) S = {(x, y, z) IR3 / x 2y + 3z = 0}
b) S = {p(t) P2 / p(t) = at2 + bt + c, a = c}

a b
M22 (IR)/ a 2b = 0, d = c
c) S =
c d
6.- Verifique que el conjunto del espacio vectorial mencionado es linealmente
independientes.
a) {(1, 0, 0, 1), (1, 1, 0, 0), (1, 1, 1, 1)} en IR4 .
b) { 23 t2 + 3t + 21 , t2 + 12 t + 21 , 31 t2 21 } en P2 .
47
7.- Verifique que el conjunto de matrices de 2 2

3 2
2 0
1 2
,
,
2 3
1 2
0
1
es un conjunto linealmente dependiente.
8.- En cada uno de los siguientes casos, verifique que el conjunto B dado es
una base del espacio V que se indica.
a) B = {(1, 0, 1), (0, 1, 0)}, V = IR3 .
b) B = {3t, t2 + 1, t2 5}, V = P2 .

3 1
3 2
1 1
1
1
c) B =
,
,
,
, V = M22 (IR).
0 0
0 0
0 3
1 2
9- Cuales de los siguientes conjuntos forman un base de IR3 ?. Expresar el
vector (1, 1, 2) como una combinacion lineal de los vectores de cada conjunto
que sea base.
a) {(1, 2, 1), (1, 2, 3), (0, 1, 1)}
b){(1, 1, 3), (1, 1, 1), (3, 1, 7)}
c) {(1, 0, 1), (2, 2, 1), (3, 2, 1)}

10.- Para los siguientes subespacios, determine una base y su dimension:
a) S = {(x, y, z)/z = 2x + y} IR3

a b c
b) S =
/a + b + c = 0, d = 2f M23 (IR).
d e f
c) S = {at3 + bt2 + ct + d/a 2b = 0, c = d} P3
11.- Dadas las siguientes aplicaciones, verifique que ellas son Transformaciones
Lineales..
a) T : IR2 IR2 ,
T (x, y) = (x, x + y)
b) T : P2 (t) IR3 ,
T (at2 + bt + c) = (a + c, a + b, b + c)

x y z
3
c) T : IR M23 (IR), T (x, y, z) =
2x 2y z
d) T : IR4 IR3 ,
T (x, y, z, w) = (x + y, z w, y + z)

a
b
e) T : IR3 M22 (IR), T (a, b, c) =
c a
48
12.- Para las siguientes Transformaciones Lineales, encuentre su Kernel e Imagen. De acuerdo a lo anterior, diga si alguna de ellas es inyectiva.
a) T : IR3 IR3 ; T (x, y, z) = (x, z + y, y).
b) T : P3 IR4 ;
T (at3 + bt2 + ct + d) = (a + d, b, d c, b)
c) T : P3 IR3 ;
T (at3 + bt2 + ct + d) = (a + c, b, 2b)
13.- En los siguientes casos, encuentre la transformacion lineal T tal que:

a) T : IR2 P2 con T (1, 2) = t2 1 y T (0, 2) = t2 + 2t.
b) T : IR3 IR3 con
T (1, 0, 0) = (1, 1, 1)
T (1, 1, 1) = (0, 0, 1), T (1, 1, 0) = (0, 1, 1) y
14.- En los siguientes problemas encuentre la matriz asociada a la Transformacion Lineal T , com respecto de las bases B1 y B2 que se indican.
a) T : IR2 IR3 : T (x, y) = (x 2y, x + y, 3y)
B1 = {(1, 2), (1, 1)}, B2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
b) T : IR3 P2 (t) : T (x, y, z) = 2xt2 + (x + y)t + 2z
B1 = {(1, 0, 1), (1, 0, 0), (1, 1, 1)}, B2 = {3, t 1, t2 + t}
c) T : IR3 IR2 : T (x, y, z) = (x + y + z, y 3z + 2x)
B1 = {(0, 1, 1), (2, 1, 0), (1, 0, 1)}, B2 = {(1, 1), (2, 3)}
15.- Sean B1 = {(1, 1, 1), (1, 1, 1), (1, 0, 0)} y

1 0
1 1
0 1
0 0
,
,
,
B2 =
1 0
0 0
0 1
0 1
bases de IR3 y M2 (IR), respectivamente. Encontrar la Transformacion Lineal

T de IR3 en M2 (IR) cuya matriz asociada, con respecto de las bases B1 y B2 ,
es:
2
1 1
1
0
2
A=
2 4
0
0
3
2
49
16.- Sean las transformaciones lineales T , de IR2 en P2 , y L, de P2 en IR4 ,

definidas por:
T (x, y) = xt2 + yt + y x
L(at2 + bt + ct) = (a, b, c, a b)
Determine la trasformacion lineal compuesta L T usando la matriz asociada
respecto de las bases canonicas.
17.- Considere el espacio IR3 y la base B
T : IR3 IR3 es una transformacion lineal
1 1
1 1
[T ]BB =
1 0
Encuentre la ecuacion que define a T 1 .
= {(1, 0, 0), (1, 1, 0), (1, 1, 1)}. Si

tal que
1
0
0
18.- Para las matrices dada a continuacion, encontrar los valores propios y sus
espacios propios asociados:

2 2
5
1
1 1
0
1
2 1
0 1
1
50
Captulo 2
FUNCIONES EN VARIAS
VARIABLES
2.1.
INTRODUCCION
Muchos fenomenos de las ciencias pueden ser descritos por una funcion en
una variable, pero muchas otras cantidades dependen de mas de una variable.
Por ejemplo:
El area de un rectangulo depende de dos cantidades: largo y ancho.
El volumen de una caja rectangular depende de tres cantidades: largo,
ancho y alto.
En general, la temperatura de un punto P de un objeto en el espacio puede depender de la tres coordenadas rectangulares: x, y, z y del tiempo
t.
En esta seccion nos abocaremos a definir funciones de varias variables; dos y
tres, y se analizaran algunas de sus propiedades.
Definici
on 2.1. Una funci
on en varias variables es una relacion que asigna
a cada elemento de un conjunto D, llamado dominio, uno y solo un elemento
de un conjunto E, denominado co-dominio.
El estudio estara abocado solo a las llamadas funciones reales; es decir,
a funciones cuyo dominio va a ser un subconjunto de IRn y co-dominio un
subconjunto de los n
umeros reales, IR. Mas especficamente, se estudiaran las
funciones con dominio en IR2 y IR3 . De esta manera, se hablara de una funci
on
de dos variables como la funcion cuyo dominio sea un conjunto de puntos en
el plano y de una funci
on de tres variables como la funcion cuyo dominio
sea un conjunto de puntos en el espacio.
Una funcion en varias variables es denotada usualmente por letras min
usculas (f, g, h, . . .). El valor de una funcion f de dos variables en el punto
(x, y) es denotado por f (x, y) y el valor de una funcion f de tres variables en
el punto (x, y, z) es denotado por f (x, y, z).
51
CAPITULO 2. FUNCIONES EN VARIAS VARIABLES
52
Por ejemplo, consideremos como aplicacion a una lamina delgada tendida

el el plano xy en el cual a cada punto (x, y) le corresponde una temperatura
con valor f (x, y) que puede ser medida con un termometro. Este valor se puede
representar en otro eje perpendicular a los ejes anteriores que llamamos el eje
z.
y
(x,y)
(a,b)
f (x,y)
f (a,b)
A continuacion se presentan algunos ejemplos de funciones de dos y tres

variables. Dependiendo de la ecuacion que represente a la funcion, se visualizara si el dominio va a corresponder a todo IR2 o solo un subconjunto de el,
para el caso de funciones de dos variables, o a todo IR3 o un subconjunto de
el, para funciones de tres variables.
Ejemplo 2.1.
p
1.- Sea la funcion f , de dos variables, dada por f (x, y) = 9 4x2 y 2.
Entonces, el dominio de la funcion son todos los puntos (x, y) del plano
tales que 4x2 +y 2 9; debido a que en los n
umeros reales el argumento de
la raz cuadrada no debe ser negativo. Geometricamente, el dominio de
la funcion corresponde a la elipse que se muestra en la siguiente figura:
y
3
3/2
3/2
Ahora, evaluando la funcion en algunos puntos se tiene:
2.1. INTRODUCCION
53
p
9 4(0)2 (0)2 = 3
p
f (1, 1) = 9 4(1)2 (1)2 = 2
p
f (1, 2) = 9 4(1)2 (2)2 = 1
f (0, 0) =
xy
2.- Consideremos la funcion f de dos variables definida por yx
2 . Luego, su
dominio es el conjunto de todos los puntos (x, y) tales que y 6= x2 ; debido
a que el denominador no debe hacerse nulo. Graficamente se tiene:
Por ejemplo, algunos valores de la funcion son:

f (2, 1) =
2 (1)
2
=
2
12
3
f (2, 3) =
2 (3)
= 6
3 22
p
3.- Sea g una funcion de tres variables dada por g(x, y, z) = x2 + y 2 + z 2 .
Claramente, el dominio consiste de todos los puntos del espacio IR3 , (x2 +
y 2 + z 2 0 para todo punto (x, y, z)).

La suma, producto y cuociente de dos funciones f y g en varias variables
son definidas analogamente como en las funciones de una variable. As, las
propiedades para funciones de dos variables son:
(f g)(x, y) = f (x, y) g(x, y)
(f g)(x, y) = f (x, y)g(x, y)
( fg )(x, y) =
f (x,y)
,
g(x,y)
g 6= 0
Ahora nos proponemos a graficar una funcion de dos variables; esto es, dibujar la coleccion de puntos (x, y, f (x, y)), para lo cual (x, y) esta en el dominio
de f . Lo que se hace para esto es poner z = f (x, y) para constituir un sistema
de coordenadas rectangulares de tres dimensiones, con ejes coordenados x, y, z,
perpendicularmente entre s. De esta manera, la ecuacion z = f (x, y) representara una superficie S en el espacio. Si D es una region en el plano xy, entonces
el par (x, y) en D queda representado por (x, y, 0). Los valores de la funcion
54
z=f(x,y)
..
(x,y,0)
Figura 2.1: Grafica de f de dominio D en el plano x-y

f (x, y) son las distancias (con signo) del plano xy a S, como se muestra en la
Figura 2.1.
Un metodo que es u
til para describir la grafica de una superficie dada por
una funcion f de dos variables, de la forma z = f (x, y), consiste en trazar en
el plano xy la grafica de la ecuaciones f (x, y) = k para varios valores de k. Las
curvas que se obtienen de esta manera son las llamadas curvas de nivel de
la funcion f .
Ejemplo 2.2. Sea f la funcion de dos variables definida por f (x, y) = 6
2x 3y. Tomando z = f (x, y) = 6 2x 3y, las curvas de nivel, en el plano
xy, van a estar dadas por las ecuaciones 6 x 3y = c, para c IR dado; o
equivalentemente por x + 3y = 6 c.
Estas curvas son rectas que cortan al eje x en 6 c y al eje y en
6c
:
3
c = 3
c=0
c=3
c=9
Entonces a traves de las curvas de nivel se puede dibujar la superficie. Los

valores de c representan, en tres demensiones, los valores sobre el eje z. Claramente, las curvas de nivel son rectas con pendientes negativas, de tal manera
2.2. LIMITES Y CONTINUIDAD
55
que la superficie correspondiente en el espacio va a corresponder a un plano

como el que se muestra en la siguiente figura:
z
En general en IR3 , un plano esta dado por la ecuacion:

ax + by + cz = d,
a, b, c, d IR, constantes
Ejemplo 2.3. Consideremos ahora la funcion f tal que f (x, y) = x2 + y 2.

Entonces, se denota por z = f (x, y); es decir, z = x2 + y 2, y por lo tanto las
curvas de nivel van a estar dadas por las ecuaciones x2 + y 2 = c, c 0, dado,
(figura 2.2).
As, las curvas de nivel corresponden a circunferencias de radios c:

Para graficar en tres dimensiones, vemos que a medida que aumenta c, las
circunferencias se hacen mas grandes; es decir, a medida que z aumenta a partir
del plano xy, se obtienen circunferencias mas grandes sobre planos paralelos
al plano xy y as en el espacio se produce un cono que se encuentra sobre el
plano xy (figura 2.3).
2.2.
LIMITES Y CONTINUIDAD
Consideremos f una funcion de dos variables y sea f (x, y) el valor de f

para un punto (x, y) cualquiera en su dominio. Si el valor de f (x, y) se acerca
a un valor real fijo L cuando (x, y) se aproxima cada vez mas a un punto fijo
(x0 , y0 ), entonces esto se denota por:
lm
(x,y) (x0 ,y0 )
f (x, y) = L
56
c=9
c=4
c=1
Figura 2.2: Curvas de nivel

y se lee: el lmite de f (x, y) cuando (x, y) tiende a (x0 , y0 ) es L. Con la idea de
formalizar matematicamente el concepto anterior, la distancia entre el punto
(x, y) y (x0 , y0 ), en el plano, es menor que es denotado por:
p
(x x0 )2 + (y y0 )2 <
Bajo la nocion anterior, se entrega la definicion de lmite.

Definici
on 2.2. Sea f una funcion definida en un conjunto de IR2 , (x0 , y0 )
un elemento de dicho conjunto y L un n
umero real. Entonces L es el lmite
de f en (x0 , y0 ), si para todo > 0 existe un n
umero > 0, tal que si:
p
se tiene que:
(x x0 )2 + (y y0 )2 <
|f (x, y) L| < .
En el caso que se den las condicones de la definicion anterior, escribimos:

lm
(x,y) (x0 ,y0 )
y se dice que
lm
(x,y) (x0 ,y0 )
f (x, y) = L
f (x, y) existe.
Los lmites de una suma, un producto, un cuociente de funciones en varias variables tienen las mismas propiedades que los lmites de operaciones de
funciones de una variable; vale decir, que para funciones de dos variables se
tiene que si
lm
f (x, y) y
lm
g(x, y) existen, entonces:
(x,y) (x0 ,y0 )
(x,y) (x0 ,y0 )
57
x
Figura 2.3: Cono sobre el plano xy
lm
[f (x, y) g(x, y)] =
lm
[f (x, y) g(x, y)] =
(x,y) (x0 ,y0 )
(x,y) (x0 ,y0 )
f (x, y)
lm
(x,y) (x0 ,y0 ) g(x, y)
lm
(x,y) (x0 ,y0 )
(x,y) (x0 ,y0 )
f (x, y)
(x,y) (x0 ,y0 )
; si
lm
lm
f (x, y)
lm
g(x, y)
lm
f (x, y); si
(x,y) (x0 ,y0 )
f (x, y)
(x,y) (x0 ,y0 )
(x,y) (x0 ,y0 )
f (x, y) =
lm
(x,y) (x0 ,y0 )
(x,y) (x0 ,y0 )
lm
g(x, y).
lm
g(x, y).
(x,y) (x0 ,y0 )
lm
g(x, y) 6= 0.
lm
f (x, y) > 0,
(x,y) (x0 ,y0 )
entre otras propiedades.

En forma analoga a la definicion de lmites para funciones de dos variables, se puede definir el lmite para funciones de tres variables. Tambien las
reglas para los lmites de funciones de tres variables son equivalentes al caso
de funciones de dos variables.
De acuerdo a las propiedades mencionadas, el evaluar lmites para funciones en varias variables es totalmente equivalente a evaluar lmites de funciones
en una variable. A continuacion se muestra el siguiente ejemplo.
Ejemplo 2.4. Evaluar:
a)
b)
lm
(x,y) (1,3)
(x2 + y 2 4)
x3 +y 3
2
2
(x,y) (1,2) x +y
lm
58
Soluci
on:
a) Aqu se puede calcular el lmite reemplazando x por 1 e y por 3:

lm
(x,y) (1,3)
b)
3 +y 3
lm
( xx2 +y
2)
(x,y) (1,2)
(x2 + y 2 4) = (1)2 + (3)2 4 = 6

lm
(x3 +y 3 )
lm
(x2 +y 2 )
(x,y) (1,2)
(x,y) (1,2)
(1)3 + (2)3
7
=
(1)2 + (2)2
5
Ejemplo 2.5. Verifique que
lm
(x,y) (0,0)
) no existe.
( xx2 y
+y 2
En efecto: aqu no se puede reemplazar x e y por cero, dado que eso dara un
denominador nulo. Entonces:
(x2 0)
f (x, 0) = 2
= 1,
(x + 0)
f (0, y) =
(0 y 2 )
= 1,
(0 + y 2)
para
x 6= 0.
para
y 6= 0.
Por lo tanto a medida que nos acercamos al punto (0, 0) la funcion f puede
tomar el valor 1 si lo hacemos a lo largo del eje x y 1 si lo hacemos a lo largo
del eje y con, lo cual no existira el lmite en (0, 0); ya que de acuerdo a la
Definicion 2.2, si se toma = 1, entonces para cualquier punto (x, y) cercano
a (0, 0) debiera tenerse que:
1 + L < f (x, y) < 1 + L;
pero, claramente no existe ning
un L tal que el intervalo (1+L, 1+L) contenga
a 1 y 1.

Lo anterior se debe a que se verifica que si el lmite existe, este es u
nico.
Ahora, en el plano xy existen infinitas trayectorias para alcanzar un punto. Lo
anterior da lugar a lo siguiente:
Regla de las trayectorias: si dos trayectorias que llevan a un punto (x0 , y0 )
producen dos valores diferentes de lmite entonces:
lm
(x,y) (x0 ,y0 )
f (x, y)
no existe. Este es el caso presentado en el Ejemplo 2.5.
59
Observaci
on 2.1. Si f es una funcion de dos variables definida en todo punto
(x, y) de una region R excepto en un punto interior (x0 , y0 ) de R, entonces,
puede usarse la Definicion 2.2 para analizar el lmite de f cuando (x, y) tiende
a (x0 , y0), pensando que a este punto se puede acercar a traves de cualquier
curva o trayectoria. Ahora, si (x0 , y0) es un punto de frontera de R se usa la
Definicion 2.2 con la restriccion adicional de que al punto (x0 , y0 ) se puede
aproximar a traves de curvas o trayectorias que solo van desde el interior de
R.
Teniendo presente la observacion anterior se da la siguiente definicion
Definici
on 2.3.
a) Una funcion f de dos variables es continua en un punto (x0 , y0) si
lm
(x,y) (x0 ,y0 )
f (x, y) = f (x0 , y0 )
b) Una funcion f de tres variables es continua en un punto (x0 , y0 , z0 ) si

lm
(x,y,z) (x0 ,y0 ,z0 )
f (x, y, z) = f (x0 , y0, z0 )
c) Una funcion en varias variables se dice continua si es continua en todo

su dominio.
Se pueden demostrar teoremas sobre la continuidad de funciones de
dos y tres variables que son analogos a los de las funciones de una variable.
En particular, los polinomios son funciones continuas en todas partes, y las
funciones racionales son continuas salvo donde el denominador es cero.
Graficamente, para el caso de funciones de dos variables, una funcion
es continua si su grafica no tiene hoyos ni saltos verticales.
Ejemplo 2.6. Analice la continuidad de la funcion f , donde
f (x, y) = ln(x + y 1)
Soluci
on:
Sabemos que el logaritmo natural esta definido y tiene un valor real cuando su argumento es positivo, es decir, cuando x + y 1 > 0; con lo cual f es
continua para todo (x, y) en el plano tal que x + y > 1.
Ejemplo 2.7. Sea la funcion f definida por
( 2 2
x y
y 6= x
xy
f (x, y) =
2
y=x
Analice la continuidad en los puntos (1, 1) y (2, 2).
(2.1)
60
Soluci
on:
lm
(x,y) (1,1)
(x2 y 2 )
(x + y)(x y)
=
lm
(x,y) (1,1)
(x,y) (1,1)
xy
(x y)
=
lm (x + y) = 2
f (x, y) =
lm
(x,y) (1,1)
Como de (2.1) f (1, 1) = 2, entonces

lm
(x,y) (1,1)
f (x, y) = f (1, 1)
y as f es continua en (1,1).
Por otro lado
lm
(x,y) (2,2)
f (x, y) =
(x2 y 2 )
=
lm (x + y) = 4
(2,2)
(x,y) (2,2)
xy
lm
(x,y)
Como de 2.1 f (2, 2) = 2, entonces:

lm
(x,y) (2,2)
f (x, y) 6= f (2, 2)
y f no es continua en (2, 2).

2.3.
DERIVADAS PARCIALES
Sea f una funcion de dos variables x e y. Si fijamos una de las dos variables, por ejemplo y = y0 , la funcion que toma los valores f (x, y0 ) es solo funcion
de x. Si la funcion con expresion f (x, y0 ) tiene derivadas en x0 , entonces diremos que dicha derivada es una derivada parcial en (x0 , y0 ). En forma analoga,
se puede concluir para la funcion en la variable y con expresion f (x0 , y).
Con la idea anterior, se define lo que es una derivada parcial para una
funcion de dos variables.
Definici
on 2.4. Sea f una funcion de dos variables x e y, y sea (x0 , y0 ) un
punto del dominio de f . La derivada parcial de f con respecto de x en
el punto (x0 , y0 ) se define como:
fx (x0 , y0 ) = lm
h 0
f (x0 + h, y0 ) f (x0 , y0 )
h
cuando este lmite existe. La derivada parcial de f con respecto de y en

el punto (x0 , y0 ) se define como:
f (x0 , y0 + h) f (x0 , y0 )
0
h
fy (x0 , y0) = lm
h
cuando este lmite existe.
2.3. DERIVADAS PARCIALES
61
A partir de la definicion anterior, se puede decir que las primeras derivadas

parciales con respecto a x e y son las funciones fx y fy definidas por:
f (x + h, y) f (x, y)
h 0
h
f (x, y + h) f (x, y)
fy (x, y) = lm
h 0
h
fx (x, y) =
lm
(2.2)
(2.3)
en los puntos del dominio de f donde estos lmites existan. Frecuentemente,

y f
, respectivamente. En (2.2)
las derivadas anteriores, son denotadas por f
x
y
se esta dejando a y como una constante y por lo tanto la funcion f se estara
considerando solo como una funcion de x, con lo cual fx (x, y) sera como una
derivada simple en x. Analogamente, en (2.3) fy (x, y) sera como una derivada
simple en y. Es decir, para calcular una derivada parcial a una funcion de dos
variables se procede en forma analoga al caso de funciones de una variable,
como se ve en el siguiente ejemplo.
Ejemplo 2.8. Dada la funcion f , de dos variables, con expresion
f (x, y) = 3xy x2 y + x3 y 2
a) Encontrar fx (x, y) y fy (x, y).
b) Calcular fx (3, 2) y fy (3, 2).
Soluci
on:
a) Dejando y constante y derivando con respecto de x, se encuentra que:
fx (x, y) = 3y 2xy + 3x2 y 2
Ahora, dejando x constante y derivando con respecto de y, se obtiene
que:
fy (x, y) = 3x x2 + 2x3 y
b) Substituyendo x = 3, y = 2 en fx (x, y) y fy (x, y) obtenidos en a), se
tiene que:
fx (3, 2) = 3(2) 2(3)(2) + 3(3)2 (2)2 = 114
fy (3, 2) = 3(3) (3)2 + 2(3)3 (2) = 108

De acuerdo a las definiones anteriores de las derivadas, las formulas para
la suma, producto y el cuociente para las derivadas parciales son equivalentes
a las formulas de las derivadas de funciones en una variable. As, si f y g son
funciones con derivadas parciales, entonces:
(f g)x = fx gx
(f g)x = fx g + f gx
62

fx g f gx
f
=
,
g x
g2
g 6= 0
Analogamente, estas formulas se cumplen para la derivada parcial fy

Ejemplo 2.9. Sea z = x2 ysen(xy). Obtener
z
x
Soluci
on: Escribiendo z como z = (x2 y)(sen(xy)), entonces:
2
z
=
(x y)(sen(xy)) + x2 y (sen(xy))
x
x
x
= 2xysen(xy) + x2 y(ycos(xy))
= 2xysen(xy) + x2 y 2cos(xy)
= xy(2sen(xy) + xycos(xy))

Ejemplo 2.10. Sea z =
xy 2
.
exy
Obtener
z
.
y
Soluci
on:
z
=
y
(xy 2 )(exy ) xy 2 y
(exy )
y
(exy )2
2xyexy xy 2 (xexy )
(exy )2
xyexy (2 xy)
=
(exy )2
xy(2 xy)
=
exy
=

Se puede pensar la derivada parcial de una funcion f con respecto de x
en un punto (x0 , y0 ), fx (x0 , y0), como el regimen de cambio de f en (x0 , y0 ) con
respecto al eje x, cuando y permanece constante. Por ejemplo, supongamos que
f (x, y) representa el valor de la temperatura en un punto (x, y) de un metal
plano tendido sobre el plano xy, entonces fx (x0 , y0) representa la razon de
cambio (instantanea) de la temperatura en el punto (x0 , y0 ) a lo largo de una
recta que pasa por dicho punto paralelo al eje x (Figura 2.4). Si la temperatura
aumenta cuando x crece entonces fx (x0 , y0 ) > 0, mientras que si la temperatura
decrece cuando x crece, entonces fx (x0 , y0) < 0.
Para un funcion f de tres variables, las derivadas parciales en un punto
(x0 , y0 , z0 ) en el dominio de f son definidas como:
2.3. DERIVADAS PARCIALES
63
.
x
(x 0 ,y0 )
y=y0
Figura 2.4: Razon de cambio cuando y permanece constante
f (x0 + h, y0 , z0 ) f (x0 , y0, z0 )

0
h
fx (x0 , y0 , z0 ) = lm
h
f (x0 , y0 + h, z0 ) f (x0 , y0 , z0 )
0
h
fy (x0 , y0 , z0 ) = lm
h
f (x0 , y0, z0 + h) f (x0 , y0 , z0 )

0
h
fz (x0 , y0 , z0 ) = lm
h
cuando estos lmites existen.

Las formulas anteriores en cualquier punto (x, y, z) denotan el valor de las
funciones derivadas parciales fx , fy y fz . Las notaciones alternativas para estas
, f y f
, respectivamente o w
, w y w
si w = w(x, y, z).
funciones son f
x y
z
x y
z
Ejemplo 2.11. Sea f (x, y, z) = e2x cosz + e3y senz. Encontrar las derivadas
parciales de f .
Soluci
on: En forma analoga a las funciones de dos variables, para obtener
las derivadas parciales de una funcion se deriva con respecto de esa variable,
considerando constantes las otras. As:
f
= 2e2x cosz, constantes y, z.
x
f
= 3e3y senz, constantes x, z.
y
f
= e2x senz + e3y cosz, constantes x, y.
z
64
Si f es una funcion de dos variables, x e y, entonces fx y fy son funciones

en las mismas variables y se pueden considerar sus derivadas parciales:

f
2f
(fx )x = fxx =
=
x x
x2

2f
f
=
(fx )y = fxy =
y x
yx

f
2f
(fy )x = fyx =
=
x y
xy

f
2f
= 2
(fy )y = fyy =
y y
y
Estas derivadas parciales son llamadas segundas derivadas parciales de
f . Las funciones fxy y fyx son usualmente llamadas derivadas parciales
mixtas.
Ejemplo 2.12. Sea f (x, y) = x2 y 3 + 3xy 2xy 2 . Obtener las segundas derivadas parciales de f .
Soluci
on: Las primeras derivadas parciales de f son:
Entonces:
fx (x, y) = 2xy 3 + 3y 2y 2 , fy (x, y) = 3x2 y 2 + 3x 4xy.
(2xy 3 + 3y 2y 2) = 2y 3
x
(2xy 3 + 3y 2y 2) = 6xy 2 + 3 4y
fxy (x, y) =
y
fyx (x, y) =
(3x2 y 2 + 3x 4xy) = 6xy 2 + 3 4y
x
(3x2 y 2 + 3x 4xy) = 6x2 y 4x

fyy (x, y) =
y
fxx (x, y) =

En el ejemplo anterior las derivadas parciales mixtas fxy y fyx resultan
ser iguales. El siguiente teorema afirma que, en condiciones adecuadas, las dos
derivadas parciales mixtas son iguales; es decir, el orden de la derivacion no
altera el resultado.
Teorema 2.1. Sea f una funcion de dos variables x e y. Asumamos que fxy
y fyx son continuas en un punto (x0 , y0 ) del plano xy, entonces
fxy (x0 , y0 ) = fyx (x0 , y0 )
A partir del resultado anterior, se puede afirmar que si fxy y fyx son
funciones continuas en una region R del plano xy, entonces fxy = fyx en R.
Las segundas derivadas parciales de una funcion f de tres variables; x, y, z
son definidas de manera equivalente al caso de funciones de dos variables.
Ademas, si fxy y fyx son continuas en un punto (x0 , y0 , z0 ), entonces:
fxy (x0 , y0 , z0 ) = fyx (x0 , y0 , z0 )
En forma analoga estos resultados se cumplen para fxz , fzx y fzy , fyz .
2.4.
65
GRADIENTE Y DIFERENCIAL TOTAL
A traves de las derivadas parciales de primer orden puede ser definido

un vector que, como se vera mas adelante, juega un papel importante en la
definicion de un plano tangente al grafico de una supeficie de tres dimensiones. Dicho vector, que definimos a continuacion, tiene especial significacion en
algunas aplicaciones fsicas.
Definici
on 2.5. Sea f una funcion de dos variables x, y que tiene derivadas
parciales de primer orden, en un punto (x0 , y0 ). El gradiente de f en (x0 , y0),
es el vector denotado por f (x0 , y0 ) y definido por:
f (x0 , y0 ) = fx (x0 , y0)i + fy (x0 , y0 )j
(2.4)
En general, de la Definicion 2.4, se puede decir que si f posee primeras

derivadas parciales en una region R del plano xy, el gradiente de f es una
funcion vectorial; es decir, una aplicacion que asigna a cada punto uno y solo
un vector, definida como:
f (x, y) = fx (x, y)i + fy (x, y)j, (x, y) R.
Tambien el gradiente f (x, y) es denotado a veces por gradf (x, y).
Ejemplo 2.13. Sea f (x, y) = y 2 2x2 y. Encontrar el gradiente de f en el
punto (1, 1) y representarlo graficamente.
Soluci
on: Las primeras derivadas de f son:
fx (x, y) = 4xy, fy (x, y) = 2y 2x2 .
Entonces:
f (x, y) = 4xyi + (2y 2x2 )j
Por lo tanto:
f (1, 1) = 4i 4j
con lo cual es representado en la Figura 2.5.

En forma analoga a la definicion de gradiente de funciones de dos variables, se define el gradiente de una funcion f de tres variables, x, y, z en un
punto (x0 , y0 , z0 ) del espacio por:
f (x0 , y0 , z0 ) = fx (x0 , y0 , z0 )i + fy (x0 , y0 , z0 )j + fz (x0 , y0 , z0 )k.
Tambien, en una region R de IR3 , donde f tiene primeras derivadas parciales, se tiene la funcion vectorial gradiente de f dada por:
f (x, y, z) = fx (x, y, z)i + fy (x, y, z)j + fz (x, y, z)k.
(2.5)
Ejemplo 2.14. Sea f (x, y, z) = xy 3 z 2 . Obtener y graficar el vector f (1, 1, 1).
66
Figura 2.5: f (1, 1) = 4i 4j

Soluci
on: De acuerdo a la ecuacion (2.5) se tiene que:
Entonces:
f (x, y, z) = y 3 z 2 i + 3xy 2 z 2 j + 2xy 3zk

f (1, 1, 1) = i + 3j + 2k
Este vector esta representado en la figura 2.6.

Como se menciona al principio de esta seccion, una de las aplicaciones
mas importantes del vector gradiente es el papel que juega en la obtencion del
plano tangente a una supeficie.
Para llegar a lo anterior, comencemos diciendo que si C es una curva
suave en el plano xy dada por una funcion f que es diferenciable en un punto
(x0 , y0 ), cuya ecuacion es de la forma f (x, y) = c, c una constante, entonces se
puede demostrar que si f (x0 , y0 ) 6= (0i + 0j), entonces f (x0 , y0) es normal o
perpendicular a la pendiente a la curva en el punto (x0 , y0 ). Geometricamente,
esta situacion es mostrada en la figura 2.7.
Ejemplo 2.15. Considere la curva en el plano xy, dada por la ecuacion:
x3 y 2xy + y 2 = 6
Encuentre un vector perpendicular a la pendiente a la curva en el punto (1, 3).
Soluci
on: Si ponemos
f (x, y) = x3 y 2xy + y 2
Entonces la ecuacion de la curva queda como f (x, y) = 6. Ahora
fx (x, y) = 3x2 y 2y,
fy (x, y) = x3 2x + 2y
67
1
1
f(1,1,1)
x
Figura 2.6: f (1, 1, 1) = i + 3j + 2k
con lo cual:
f (x, y) = (3x2 y 2y)i + (x3 2x + 2y)j
y as:
f (1, 3) = 3i + 5j
Resultando el vector 3i + 5j normal a la pendiente en la curva en el punto
(1, 3).

Observaci
on 2.2. Generalmente, para mencionar estos vectores, se habla de
vectores normales o perpendiculares a la curva en el punto.
Ahora, consideremos una superficie S cuya grafica esta dada por la ecuacion F (x, y, z) = c, c una constante; donde F tiene primeras derivadas continuas. Sea (x0 , y0 , z0 ) un punto de S en que Fx , Fy y Fz no son todas nulas.
Entonces se demuestra que el vector F (x0 , y0 , z0 ) es perpendicular al plano
tangente a S en (x0 , y0 , z0 ) (Figura 2.8).
Por otra parte, el plano que pasa por (x0 , y0, z0 ) y tiene como vector
normal a F (x0 , y0 , z0 ) es el plano tangente a S en (x0 , y0 , z0 ) y se dice que
dicho vector es un vector normal a la superficie S en (x0 , y0 , z0 ). Todo esto
lo resumimos en el siguiente resultado.
Teorema 2.2. Sea F una funcion de tres variables x, y, z, con primeras
derivadas parciales continuas y sea (x0 , y0 , z0 ) un punto de la grafica de
F (x, y, z) = 0. Si Fx , Fy y Fz no son todas nulas en (x0 , y0, z0 ), entonces
el vector F (x0 , y0 , z0 ) es perpendicular o normal al plano tangente a S en
(x0 , y0 , z0 ).
68
y
f(x0 ,y 0 )
(x 0 ,y 0)
Figura 2.7: Vector gradiente perpendicular a una curva

A partir de las condiciones del teorema anterior, se puede probar que la
ecuacion del plano tangente a una superficie S de ecuacion F (x, y, z) = 0 en
un punto (x0 , y0 , z0 ) es:
Fx (x0 , y0 , z0 )(x x0 ) + Fy (x0 , y0, z0 )(y y0 ) + Fz (x0 , y0 , z0 )(z z0 ) = 0
Ejemplo 2.16. Encontrar
la ecuacion del plano tangente a la esfera x2 + y 2 +
z 2 = 9 en el punto (1, 1, 7).

Soluci
on: La ecuacion de la esfera se puede escribir como F (x, y, z) = 0;
donde:
F (x, y, z) = x2 + y 2 + z 2 9
Las derivadas parciales de F son:
Fx (x, y, z) = 2x, Fy (x, y, z) = 2y, Fz (x, y, z) = 2z
En este caso se tiene que (x0 , y0, z0 ) = (1, 1, 7)
Fx (1, 1, 7) = 2, Fy (1, 1, 7) = 2, Fz (1, 1, 7) = 2 7.
Entonces, la ecuacion del plano tangente a la superficie en el punto (1, 1, 7)

es:
2(x 1) + 2(y 1) + 2 7(z 7) = 0
2x + 2y + 2 7z = 18
La grafica se representa en la figura 2.9.
69
z
f(x0,y0,z0)
(x0,y0,z0)
x
Figura 2.8: Gradiente de F perpendicular al plano tangente a S, en (x0 , y0 , z0 )
Ahora, empezamos a introducirnos en el concepto de diferenciabilidad
total. Consideremos una funcion f de dos variables x, y. Ademas denotemos
por x y y a los incrementos de x e y, respectivamente
Definici
on 2.6. Sea z = f (x, y) y sea x0 y y0 los incrementos de x0 e y0 ,
coordenadas de un punto del dominio de f . Entonces, el incremento z0 se
define como:
z0 = f (x0 + x0 , y0 + y0 ) f (x0 , y0 )
Observemos que el incremento z0 es el cambio en el valor de la funcion cuando
(x0 , y0 ) vara a (x0 + x0 , y0 + y0 ); donde este u
ltimo punto tambien debe
estar en el dominio de f . En general, para cualquier punto (x, y) en el dominio
de una funcion f tal que (x + x, y + y) sea tambien un punto del dominio,
el incremento z se define como
z = f (x + x, y + y) f (x, y)
Ejemplo 2.17. Sea z = f (x, y) = 2y 2 xy. Calcule el incremento z
Soluci
on:
z = f (x + x, y + y) f (x, y)
70
f(1,1, 7)
(1,1, 7)
.
3
y
3
Figura 2.9: Plano tangente a la esfera en el punto (1, 1, 7)

donde x y y son los incrementos de x e y respectivamente. As:
z =
=
=
=
f (x + x, y + y) f (x, y)
2(y + y)2 (x + x)(y + y) (2y 2 xy)
2(y 2 + 2yy + (y)2 ) (xy + xy + yx + xy) 2y 2 + xy
4yy + 2(y)2 xy yx xy
Ahora si (x, y) vara de (1,1) a (0.99,1.02), entonces la variable x tiene un

incremento de x = 0.01 y la variable y tiene un incremento de y = 0.02;
con lo cual, para esta situacion se tiene que:
z = 4(1)(0.02) + 2(0.02)2 1(0.02) 1(0.01) (0.01)(0.02) = 0.071
Claramente, este valor se puede obtener calculando f (0.99, 1.02) f(1, 1).

La Definicion 2.6 de z0 entrega solo la forma de calcular la diferencia
de los valores funcionales entre dos puntos que se suponen cercanos; no siendo adecuada para obtener resultados sobre la variacion de f en esos puntos.
Al respecto, para derivar a una formula mas u
til se entrega la definicion de
diferenciabilidad, para una funcion de dos variables.
Definici
on 2.7. Una funcion f de dos variables es diferenciable en un punto
(x0 , y0 ) si existen un disco D centrado en (x0 , y0) y funciones 1 y 2 de dos
variables tal que:
f (x, y) f (x0 , y0) =
fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 )
+1 (x, y)(x x0 ) + 2 (x, y)(y y0 ), (x, y) D
(2.6)
71
donde:
lm
(x,y) (x0 ,y0 )
1 (x, y) = 0
lm
(x,y) (x0 ,y0 )
2 (x, y) = 0
Puesto que los lmites mencionados, en la definicion anterior, son ceros,

entonces para puntos (x, y) muy cercanos a (x0 , y0 ) se tiene que la ecuacion
(2.6) puede ser escrita como:
f (x, y) f (x0 , y0 ) fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 )
Ahora si reemplazamos x por x0 + x e y por y0 + y la relacion anterior
queda como:
f (x0 + x, y0 + y) f (x0 , y0) fx (x0 , y0)x + fy (x0 , y0)y
(2.7)
Tomando el punto (x0 , y0 ) como cualquier punto (x, y) en el dominio de f en

el cual f es diferenciable, se tiene que (2.7) se puede escribir como:
f (x + x, y + y) f (x, y) fx (x, y)x + fy (x, y)y
El lado derecho de esta u
ltima relacion usualmente recibe el nombre de
diferencial o diferencial total de f en (x, y) con incrementos x y y;
siendo denotado por df . As:
df = fx (x, y)x + fy (x, y)y
Finalmente, definiendo x y y como las diferenciales dx y dy, respectivamente, se tiene que:
df = fx (x, y)dx + fy (x, y)dy
Observaci
on 2.3. Si ponemos z = f (x, y), entonces la diferencial de la variable dependiente z es:
dz = fx (x, y)dx + fy (x, y)dy =
z
z
dx +
dy
x
y
Ejemplo 2.18. Sea z = 2y 2 xy. Encuentre la diferencial dz y a partir de

ella obtenga en forma aproximada la variacion de z cuando (x, y) cambia de
(1,1) a (0.99,1.02)
Soluci
on:
z
z
dx +
dy
x
y
= ydx + (4y x)dy
dz =
De acuerdo a los datos del problema se tiene que el incremento de la variable

x es dx = x = 0.01, y el incremento de la variable y es dy = y = 0.02.
Ahora, evaluando dz en el punto original; es decir, en el punto (1, 1) se tiene:
72
dz = 1(0,01) + (4 1)(0.02) = 0.07

En el Ejemplo 2.17 se considero esta funcion y se llego a que z = 0.071.
Luego para el valor aproximado de z, dz, se comete un error de 0.001.

Ejemplo 2.19. Una lamina de metal se encuentra en el plano xy y la temperatura T en un punto (x, y) esta dada por
T (x, y) = 10(x2 + y 2)2
donde T se mide en o C, x e y en cms. Calcular el cambio aproximado de la
temperatura desde el punto (2, 3) al punto (2.01, 2.03).
Soluci
on: El cambio aproximado de la temperatura entre los puntos se aproxima por el diferencial dT que esta dado por
dT =
T
T
dx +
dy
x
y
De acuerdo a la variacion entre las coordenadas se tiene que dx = 0.01 y

dy = 0.97. Ahora:
T
= 2 10(x2 + y 2 ) 2x = 40x(x2 + y 2 )
x
T
= 2 10(x2 + y 2) 2y = 40y(x2 + y 2)
y
de donde:
dT = 40x(x2 + y 2 )dx + 40y(x2 + y 2)dy
Evaluando dT en el punto original (x, y) = (2, 3) se tiene que
dT = 1040(0.01) + 1560(0.97) = 1502.8
Es decir, la temperatura disminuye en 1502.8 o C cuando pasa desde el punto
(2, 3) al punto (2.01, 2.03)

Generalizando, se puede afirmar que si f es una funcion de tres variables:
x, y, z; donde fx , fy y fz existen en una region R y son continuas en (x, y, z),
el diferencial df esta dado por:
df = fx (x, y, z)dx + fy (x, y, z)dy + fz (x, y, z)dz
2.5. ROTOR Y DIVERGENCIA
2.5.
73
ROTOR Y DIVERGENCIA
En el concepto de gradiente, en la seccion anterior, se dio la idea de

que constitua, si se poda definir en cada punto de alg
un conjunto, un cierto
conjunto de vectores el cual originaba una funcion vectorial. En esta seccion, se
detallara mas este concepto que permitira definir lo que es rotor y divergencia.
Si a cada punto P de una region (del plano o del espacio) se le asocia un
u
nico vector con punto inicial P , entonces el conjunto de tales vectores es lo
que llamamos campo vectorial. Por ejemplo, en un rio a cada partcula de
agua que se mueve en el le podemos asociar un vector velocidad. Dicho campo
vectorial es un campo de velocidad o de velocidades.
Otro tipo muy com
un de campos vectoriales es el campo de fuerzas,
utilizado en el estudio de la mecanica. En este contexto, se puede mencionar el
campo gravitatorio de fuerzas de la tierra; ya que asocia a cada punto (x, y, z)
del espacio, un vector que representa la fuerza que ejerce la tierra sobre una
unidad de masa ubicada en (x, y, z).
Definici
on 2.8. Un campo vectorial en tres dimensiones F es una funcion cuyo dominio es un subconjunto D de IR3 el cual asigna a cada punto
(x, y, z) en D uno y solamente un vector F (x, y, z) que se indica como:
F (x, y, z) = M(x, y, z)i + N(x, y, z)j + P (x, y, z)k;
donde M, N y P son funciones reales de tres variables.
Ejemplo 2.20. Si F (x, y, z) = j, entonces el campo vectorial se trata de vectores de magnitud 1 y cuya direccion es la direccion positiva del eje y:
x
74
Ejemplo 2.21. Si F (x, y, z) = yk, entonces el campo vectorial se trata de

vectores de magnitud |y| y de direccion a lo largo del eje z (positiva o negativa):

Un caso especial es aquel en que el dominio es una region en el plano xy y
el codominio es un conjunto de vectores en el plano. Dicho caso corresponde a
un campo vectorial F en dos dimensiones, que es una funcion dada por:
F (x, y) = M(x, y)i + N(x, y)j .
donde M y N son funciones reales de dos variables:
Ejemplo 2.22. Si F (x, y) = xi+yj, entonces este campo vectorial esta descrito
en el siguiente grafico:
2.5. ROTOR Y DIVERGENCIA
75

Existen dos tipos de derivadas que se obtienen a partir de un campo
vectorial, una que es una funcion real evaluada y la otra que es un campo
vectorial. Se comienza difiniendo la funcion real evaluada.
Definici
on 2.9. Sea F (x, y, z) = M(x, y, z)i + N(x, y, z)j + P (x, y, z)k, un
campo vectorial tal que Mx , Ny y Pz existen. Entonces la divergencia de F ,
es denotada por div F , y esta dada por:
div F =
M
N
P
(x, y, z) +
(x, y, z) +
(x, y, z) .
x
y
z
Ejemplo 2.23. Sea F un campo vectorial definido por F (x, y, z) = xyi +

(2y 2z + x2 )j + 4x3 z 2 k. Encontrar div F .
Soluci
on: Si se define:
M(x, y, z) = xy, N (x, y, z) = 2y 2 z + x2 , P (x, y, z) = 4x3 z 2
Entonces:
N
P
M
(x, y, z) +
(x, y, z) +
(x, y, z)
x
y
z
= y + 4yz + 8x3 z
div F =

Una aplicacion fsica de la divergencia puede observarse en el siguiente
ejemplo.
Ejemplo 2.24. Si F representa un campo de velocidades en un fluido, entonces
la div F entrega informacion acerca del flujo o desplazamiento de la masa. Si
div F < 0 en un punto (x, y, z) del fluido, entonces la masa fluye hacia el punto
y se dice que hay un sumidero en el punto. Ahora, si div F > 0, entonces
la masa fluye desde el punto y se dice que hay una fuente en el punto. Si
div F = 0 para cualquier punto del fluido, entonces se dice que el fluido es
incompresible.
El segundo tipo de derivada, que se obtiene a partir de un campo vectorial,
constituye otro campo vectorial que se define a continuacion.
Definici
on 2.10. Sea F un campo vectorial en tres dimensiones dado por:
F (x, y, z) = M(x, y, z)i + N(x, y, z)j + P (x, y, z)k,
tal que las primeras derivadas parciales de M, N y P existen. El rotor de F ,
denotado por rot F , es definido por:

M
N
N
P
M
P
i+
j+
k
rot F =
y
z
z
x
x
y
76
El rotor de F tambien puede ser considerado como un determinante de

una matriz de tres por tres:

i

j k

rot F = x y z
M N P
Ejemplo 2.25. Sea F un campo vectorial definido por F (x, y, z) = (2xy 2 +

2
z)i + x2 yzj ex k. Encontrar rot F
Soluci
on: Tomando M(x, y, z) = 2xy 2 + z,
2
P (x, y, z) = ex , se tiene que:
P
y
= 0,
P
x
= 2xex ,
N(x, y, z) = x2 yz y
N
z
= x2 y,
M
z
=1
N
x
= 2xyz,
M
y
= 4xy
Entonces:
rot F = x2 yi + (1 + 2xex )j + (2xyz 4xy)k

Nuevamente, si se supone que F representa el campo de velocidades de
un fluido, que se mueve a traves de una region solida, entonces las partculas
en el fluido tienden a rotar con la maxima rapidez alrededor de un eje en la
direccion de rot F (x, y, z), como se muestra el Figura 2.10; donde (x, y, z) es
un punto del fluido.
Si rot F (x, y, z) = 0, entonces el campo vectorial F se dice irrotacional,
independientemente si F representa o no un campo de velocidades.
De las distintas relaciones entre el gradiente, divergencia y rotor, las mas
frecuentes son:
div(rot F ) = 0
rot(grad F ) =
Otra formula importante es:
div(grad f ) =
2f
2f
2f
+
+
x2
y 2
z 2
El lado derecho de esta u

ltima relacion se llama Laplaciano de f y usualmente
2
se denota por f
2.6.
REGLA DE LA CADENA
Si f y g son funciones de una variable tales que:

w = f (u) y u = g(x)
entonces la funcion compuesta f g esta dada por:
w(x) = f (g(x))
2.6. REGLA DE LA CADENA
77
rot F(x, y, z)
(x, y, z)
Figura 2.10: rotor de un campo vectorial
y la derivada de w con respecto de x se encuentra aplicando la regla de la

cadena:
dw
dw du
=
dx
du dx
Las funciones compuestas en varias variables tienen su propia version de
la regla de la cadena, en el cual se involucran derivadas y derivadas parciales.
A continuacion se entregan algunos resultados de la regla de la cadena para
funciones de dos y tres variables, suponiendo que en cada caso las funciones
tienen las derivadas requeridas. Estos resultados se obtienen a partir de propiedades importantes del Calculo Superior.
1.- Sean z = f (x, y), x = g1 (t),
f (g1 (t), g2 (t)) F (t) y
y = g2 (t). Entonces se tiene que z =
z dx z dy
dz
=
+
dt
x dt
y dt
(2.8)
2.- Sean z = f (x, y), x = g1 (u, v), y = g2 (u, v). Entonces se tiene que
z = f (g1 (u, v), g2(u, v)) F (u, v) y
z x z y
z
=
+
u
x u y u
z x z y
z
=
+
v
x v y v
(2.9)
(2.10)
78
3.- Sean w = f (x, y, z), x = g1 (t), y = g2 (t), z = g3 (t). Entonces se tiene

que w = f (g1 (t), g2 (t), g3 (t)) F (t) y
dw
w dx w dy w dz
=
+
+
dt
x dt
y dt
z dt
(2.11)
4.- Sean w = f (x, y, z), x = g1 (u, v), y = g2 (u, v) z = g3 (u, v). Entonces
se tiene que w = f (g1 (u, v), g2(u, v), g3(u, v)) F (u, v) y
w x w y w z
w
=
+
+
u
x u
y u
z u
w x w y w z
w
=
+
+
v
x v
y v
z v
Ejemplo 2.26. Sea z = x2 ey ; x = sent, y = t3 . Encontrar
(2.12)
(2.13)
dz
.
dt
Soluci
on: La variable z resulta ser finalmente funcion de t. Aplicando (2.8)
se llega a que:
dz
= (2xey )(cos t) + (x2 ey )(3t2 )
dt
= 2xey cos t + 3x2 t2 ey
Ahora se debe reemplazar x por sent e y por t3 , obteniendose finalmente:
dz
3
3
= 2et sen t cos t + 3t2 et sen2 t
dt

Ejemplo 2.27. Suponga que z = xlny, x = u2 + v 2 , y = u2 v 2 . Encontrar
z
z
y v
.
u
Soluci
on: Aqu se debe usar relaciones (2.8) y (2.9), ya que a traves de x e y,
z resulta ser funcion de u y v, con lo que se llega a que:
x
z
= (ln y)(2u) + 2u
u
y
x
= 2uln y + 2u
y
Haciendo x = u2 + v 2 , y = u2 v 2 se obtiene finalmente:
z
u2 + v 2
= 2uln(u2 v 2 ) + 2u 2
u
u v2
Analogamente, se tiene que:
z
x
= (ln y)2v + (2v)
v
y
= 2vln(u2 v 2 ) 2v
u2 + v 2
u2 v 2

A continuacion, vemos un ejemplo de la regla de la cadena aplicado a un
problema de la qumica.
2.6. REGLA DE LA CADENA
79
Ejemplo 2.28. La presion P , el volumen V y la temperatura T , de un gas

encerrado, estan relacionados por la ley del gas ideal P V = kT , donde k es
una constante. Suponiendo que P y V varan con rapidez dP
y dV
, respectivadt
dt
mente, encuentre una formula que permita evaluar la rapidez de cambio de la
temperatura dT
, usando la regla de la cadena.
dt
Soluci
on: De la ecuacion P V = kT , se tiene que:
PV
;
k
o sea, T es funcion de P y V . Entonces, aplicando la regla de la cadena se
como:
obtiene dT
dt
T =
dT
dt
T dP
T dV
+
P dt
V dt
V dP
P dV
+
k dt
k dt
As, conociendo los valores de la rapidez de cambio de la presion y volumen, para un cierto volumen V y una presion P , se obtiene el valor de la
rapidez de variacion de la temperatura.

El uso de la regla de la cadena sirve tambien para obtener las derivadas de
las funciones que estan determinadas implcitamente. Asumamos, por ejemplo,
que f es una funcion de dos variables y que la ecuacion f (x, y) = 0 define
df
dy
implcitamente a y como una funcion de x. Si dy
no es nula y si dx
existe,
dy
entonces la regla de la cadena nos permite obtener una formula para dx
. Para
ello ponemos:
=
w = f (u, y), u = x, y = y(x)

Usando la regla de la cadena y el hecho de que u e y son funciones solo de la
variable x, entonces :
dw
w du w dy
=
+
dx
u dx
y dx
Como f (x, y) = 0, para todo x, resulta que
dw
dx
= 0. Ademas:
dy
du
=1 ,
= y (x)
dx
dx
Por lo tanto, reemplazando lo anterior en ecuacion (2.14), se llega a:
0=
Como se supone que
w
y
w
w
(1) +
y (x)
u
y
no es nulo , entonces:

w
w
y (x) =
u
y

f (x, y)
f (x, y)
=
x
y
(2.14)
80
Ejemplo 2.29. Suponiendo y = y(x), encontrar y en la ecuacion:

y 3 + 3y 2 5x4 4x = 0
Soluci
on: Haciendo:
f (x, y) = y 3 + 3y 2 5x4 4x
Entonces:
y
f (x, y)
=
x
=
f (x, y)
y
20x3 4
20x3 + 4
=
3y 2 + 6y
3y 2 + 6y

En forma analoga con el caso anterior, si se tiene una funcion f de tres
variables: x, y, z, dada por la ecuacion de la forma f (x, y, z) = 0 en que fz no
z
es nula y z depende implictamente de las variables x e y se verifica que x
y
z
est
a
n
dadas
por:
y
fx (x, y, z)
z
=
,
x
fz (x, y, z)
2.7.
z
fy (x, y, z)
=
y
fz (x, y, z)
VALORES EXTREMOS
Lo mismo que para funciones de una variable, las funciones en varias

variables pueden tener valores maximos y mnimos sobre un conjunto dado.
Igual que en el caso de una variable, la nocion de valores maximos y mnimos
relativos facilita el estudio de valores maximos o mnimos en el caso de varias
variables. Dado que el problema de valores extremos (maximos o mnimos) para
funciones en varias variables es bastante mas dificultoso que para funciones de
una variable, nos limitamos solo para el caso de funciones de dos variables.
Una funcion f de dos variables tiene un m
aximo relativo en un punto
(x0 , y0 ) del plano xy si existe un disco D centrado en (x0 , y0 ) tal que f (x, y)
f (x0 , y0) para todo (x, y) en D. En forma analoga, se dice que f tiene un
mnimo relativo en un punto (x0 , y0 ) del plano xy si existe un disco D
centrado en (x0 , y0 ) tal que f (x, y) f (x0 , y0 ) para todo (x, y) en D.
Ahora, una funcion f de dos variables se dice que tiene un valor maximo
(respectivamente, un valor mnimo) en una region R contenida en el dominio de f , en un punto (x0 , y0) de R, si f (x, y) f (x0 , y0) (respectivamente,
f (x, y) f (x0 , y0 )) para todo (x, y) en R.
Observaci
on 2.4. Si la region R corresponde al dominio de f , se dice que f
tiene un valor maximo (respectivamente, un valor mnimo) en (x0 , y0 ).
Como una primera etapa, veamos la manera de identificar los valores
maximos o mnimos relativos. Asumamos que f tiene un valor extremo relativo
en un punto (x0 , y0 ) del plano xy y coloquemos:
2.7. VALORES EXTREMOS
81
g(x) = f (x, y0), h(y) = f (x0 , y)

Entonces, claramente g tiene un valor extremo relativo en x0 y h tiene un valor
extremo relativo en y0 . Por lo tanto si fx (x0 , y0 ) y fy (x0 , y0) existen se tiene
que:
fx (x0 , y0 ) = g (x0 ) = 0, fy (x0 , y0 ) = h (y0 ) = 0
Esto permite enunciar el siguiente resultado:
Teorema 2.3. Supongamos que f tieme un valor maximo relativo o un valor
mnimo relativo en un punto (x0 , y0 ), entonces
fx (x0 , y0) = fy (x0 , y0) = 0
Tambien como en el caso de funciones en una variable, los maximos y
mnimos relativos se pueden alcanzar en puntos del plano en que fx o bien fy
no existe. Esto da origen a la siguiente definicion.
Definici
on 2.11. Sea f una funcion de dos variables. Un par (x0 , y0 ) se dice
punto crtico de f si fx (x0 , y0 ) = fy (x0 , y0 ) = 0, o bien fx (x0 , y0 ) o fy (x0 , y0)
no existe.
Observaci
on 2.5. Del Teorema 2.3 se puede concluir que para que un punto
pueda ser maximo o mnimo relativo, este debe ser un punto crtico.
Ejemplo 2.30. Considere la funcion f de dos variables dada por:
f (x, y) = 3 x2 + 2x y 2 4y
Encuentre los puntos crticos de f.
Soluci
on: Los puntos crticos de f son soluciones del sistema de las dos
ecuaciones:
fx (x, y) = 0, fy (x, y) = 0;
vale decir,
2x + 2 = 0, 2y 4 = 0
El u
nico punto que satisface estas dos ecuaciones es el punto (1,-2), con lo cual
(1,-2) es el u
nico punto crtico de f .

El siguiente ejemplo muestra que pueden existir puntos que no son maximos ni mnimos relativos, aunque sean puntos crticos.
Ejemplo 2.31. Sea f (x, y) = y 2 x2 . Verificar que el punto (0,0) es el u
nico
punto crtico, pero que f (0, 0) no es un valor extremo relativo.
82
Soluci
on: En este caso
fx (x, y) = 2x,
fy (x, y) = 2y
entonces, el punto (0,0) es el u

nico punto crtico de f , con lo cual el u
nico punto
extremo posible es el punto (0,0) con valor extremo f (0, 0) = 0. Sin embargo,
debido a que f (x, 0) = x2 < 0 para x 6= 0 y f (0, y) = y 2 > 0 para y 6= 0, no
existe ningun disco D, centrado en el punto (0, 0), tal que f (0, 0) = 0 f (x, y)
o f (0, 0) = 0 f (x, y) para todo (x, y) en D. Por consiguiente, el punto (0,0)
no es maximo ni mnimo relativo. De hecho, al dibujar la grafica de la funcion
f se obtiene:
z
z=y2- x2
x
Lo que verifica que el punto (0,0) no es ni maximo ni mnimo relativo.

Debido a la forma de la superficie alrededor del punto (0,0,0) se dice que
este punto de la grafica es un punto de silla. En general, se puede decir que
si f es una funcion para la cual fx (x0 , y0 ) = fy (x0 , y0) = 0 y si existen dos
lneas en el plano xy que pasan por el punto (x0 , y0), en una de las cuales f
asume un valor maximo relativo y en la otra un valor mnimo relativo entonces
decimos que f tiene un punto de silla en (x0 , y0 ).
Una vez que se han determinados los puntos crticos de una funcion f ,
sera interesante determinar cuales de ellos es un punto extremo relativo, de
maximo o mnimo, o tambien si uno de ellos corresponde a un punto de silla. A
traves del siguiente resultado, cuya demostracion es omitida, que involucra segundas derivadas parciales, se podra concluir el tipo de punto que corresponde
a cada uno de los puntos crticos obtenidos.
Teorema 2.4. Sea f una funcion de dos variables, que tiene segundas derivadas parciales continuas en una region rectangular R y sea
D(x, y) = fxx (x, y)fyy (x, y) [fxy (x, y)]2
(2.15)
para todo (x, y) en R. Si (x0 , y0 ) esta en R y fx (x0 , y0 ) = fy (x0 , y0 ) = 0,

entonces:
83
a) Si D(x0 , y0 ) > 0 y fxx (x0 , y0 ) < 0, entonces f tiene un valor maximo

relativo en (x0 , y0).
b) Si D(x0 , y0 ) > 0 y fxx (x0 , y0 ) > 0, entonces f tiene un valor mnimo
relativo en (x0 , y0).
c) Si D(x0 , y0 ) < 0, entonces f tiene un punto de silla en (x0 , y0 ).
Si D(x0 , y0 ) = 0, el teorema no entrega informacion; con lo cual f podra
tener o no valores extremos relativos en (x0 , y0 ). La expresion D(x, y) es llamada el discriminante de f en (x, y). Un punto crtico se dice degenerado
si D(x0 , y0) = 0 y no degenerado en caso contrario.
Ejemplo 2.32. Sea f (x, y) = x2 2xy + 13 y 3 3y. Determinar si f tiene
valores extremos relativos y puntos de silla.
Soluci
on: Como fx (x, y) = 2x 2y y fy (x, y) = 2x + y 2 3, entonces los
puntos crticos se obtiene de la resolucion del sistema de ecuaciones:
2x 2y = 0
2x + y 2 3 = 0.
De la primera ecuacion se tiene que y = x, con lo que reemplazando y por x
en la segunda ecuacion queda la ecuacion en una variable:
x2 2x 3 = 0
o equivalentemente:
(x 3)(x + 1) = 0
y as x = 3 y x = 1 son soluciones de esta ecuacion. Como x = y, entonces
los puntos crticos de f son los puntos (3,3) y (-1,-1). Las segundas derivadas
parciales de f son:
fxx (x, y) = 2, fyy = 2y, fxy = 2
y por lo tanto el discriminante queda como:
D(x, y) = 2(2y) (2)2 = 4y 4.
Como D(3, 3) = 8 > 0 y fxx (3, 3) = 2 > 0, entonces f tiene un mnimo relativo
en el punto (3, 3). Puesto que D(1, 1) = 8 < 0, entonces f tiene un punto
de silla en (1, 1).

Ejemplo 2.33. Se desea construir una caja sin tapa con la forma de un paraleleppedo rectangular que tenga un volumen de 32 cms3 . Calcular las dimensiones de la caja de tal manera que el area a ocupar por ella sea mnima.
84
Soluci
on: Sean x e y las dimensiones en centmetros de los lados de la base
de la caja y sea z la altura, tambien en centmetros. Como hay dos lados de
area xz y dos lados de area yz, el area total que ocupa la caja es:
A = xy + 2xz + 2yz
donde x, y, z deben ser diferentes de cero. Ahora, el volumen de la caja es xyz
y debe ser igual a 32 cms3 , o sea
xyz = 32
de donde
z=
32
xy
Reemplazando z en la formula de A y simplificando se obtiene:

A(x, y) = xy +
64 64
+
y
x
con x > 0 e y > 0. Los puntos crticos se obtienen resolviendo el sistema de

dos ecuaciones:
Ax = y
64
64
=
0,
A
=
x
=0
y
x2
y2
con lo que x2 y = 64 y xy 2 = 64, respectivamente. De la primera ecuacion

se obtiene que y = x642 y sustituyendo y en la segunda se llega a:
2
64
x
= 64
x2
o bien
x3 = 64 = x = 4
nico punto crtico.
De y = x642 resulta que y = 4, con lo que el punto (4, 4) es el u
Determinando las segundas derivadas parciales se tiene que:
Axx =
128
128
, Ayy = 3 , Axy = 1
3
x
y
y as
D(x, y) =
128 128
1
x3 y 3
y por lo tanto
D(4, 4) = 2 2 1 = 3 > 0
luego D(4, 4) > 0 y Axx (4, 4) = 2 > 0, por lo tanto de, acuerdo al Teorema 2.4,
el punto (4, 4) es un punto de mnimo relativo. Este punto pasa a ser tambien
un mnimo global, dado que es el u
nico punto crtico.
85
32
Finalmente, reemplazando x = y = 4 en z = xy
se tiene que z = 2. As las
longitudes de la caja que minimizan su area son la base de 4 por 4 cms y la
altura de 2 cms; siendo entonces el area mnima A = 48 cms2

Hasta aqu no se ha tocado el caso en que las variables involucradas estan
restringidas a tomar valores solo dentro de un conjunto acotado del plano. Esta
situacion es abordada de la siguiente manera:
Sea S un conjunto acotado en el plano, (esto es, S esta contenido en una region
rectangular cerrada) y que contiene su borde o frontera. Bajo estas condiciones
se entrega el siguiente resultado para funciones de dos variables:
Teorema 2.5. Sea S un conjunto acotado en el plano xy que contiene su

borde y sea f una funcion de dos variables continuas en S. Entonces, f tiene
un valor maximo y un valor mnimo en S.
Por lo visto anteriormente, se ve que si S es un conjunto acotado y f
tiene un valor extremo en S en un punto (x0 , y0 ) entonces dicho punto es un
punto crtico de S o bien es un punto de frontera de S. Este hecho junto con el
Teorema 2.5 nos proporciona una metodologa para encontrar valores extremos
en un conjunto acotado S:
1. Ver la existencia de puntos crticos de f en el conjunto S.
2. Encontrar los valores extremos de f sobre la frontera S.
3. El valor maximo de f en S es obtenido como el mayor de los valores
calculados en los puntos obtenidos en 1 (si es que los hay) y 2 y el valor
mnimo de f en S se obtiene del mas peque
no de dichos valores.
Ejemplo 2.34. Sea f (x, y) = x2 4xy + y 3 + 4y. Encontrar el valor maximo
y el valor mnimo de la region triangular S que tiene como vertices los puntos
(1, 1), (7, 1) y (7, 7).
Soluci
on: Graficamente, la region S es:
y
(7,7)
l1
l3
x
(1,1)
l2
(7,1)
86
El borde de S consta de los segmentos l1 , l2 y l3 como se muestra en la figura.

Puesto que:
fx (x, y) = 2x 4y y fy (x, y) = 4x + 3y 2 + 4
se sigue que los puntos crticos se obtienen de la solucion del sistema de dos
ecuaciones:
2x 4y = 0
(2.16)
4x + 3y 2 + 4 = 0
(2.17)
De la ecuacion (2.16) se tiene que x = 2y y reemplazando x por 2y en la

ecuacion (2.17) se llega a la ecuacion en una variable.
3y 2 8y + 4 = 0
cuyas soluciones son y = 2, y = 23 . Entonces los puntos crticos de f son
(4, 2), ( 43 , 32 ). De acuerdo a la grafica de la region S, tanto el punto (4, 2) como
( 43 , 32 ) quedan dentro de S. A continuacion, se deben encontrar los maximos y
mnimos en la frontera de S:
En l1 y = x, 1 x 7 y por lo tanto la expresion de f queda dada por:
f (x, x) = x2 4x2 + x3 + 4x = x3 3x2 + 4x
Denotando
g(x) = x3 3x2 + 4x
se tiene que:
g (x) = 3x2 6x + 4
Ahora, como 3x2 6x + 4 no tiene races reales entonces g no tiene puntos
crticos. Dado que g es siempre positiva en l1 entonces g es una funcion creciente con lo que el valor mnimo se obtiene para x = 1 y el valor maximo
para x = 7. As, el valor mnimo en l1 es f (1, 1) = 8 y el valor maximo
es f (7, 7) = 224.
En l2 se tiene que y = 1, 1 x 7, entonces la expresion de f queda dada
por
f (x, 1) = x2 + 4x 1 4 = x2 + 4x 5
Denotando
g(x) = x2 + 4x 5
87
entonces
g (x) = 2x + 4
que vale cero cuando x = 2, pero este n
umero no se encuentra en el intervalo
[1, 7]. Nuevamente, vemos que g (x) es positiva en dicho intervalo con lo cual
g es creciente en el intervalo; obteniendo el valor mnimo en x = 1 y valor
maximo en x = 7. As, el valor mnimo en l2 es f (1, 1) = 8 y el valor
maximo es f (7, 1) = 72.
Finalmente, en l3 se tiene que x = 7, 1 y 7, y la funcion f queda dada
por:
f (7, y) = 49 28y + y 3 + 4y = y 3 24y + 49

Denotando
g(y) = y 3 24y + 49
entonces
g (y) = 3y 2 24
Ahora, si g (y) = 0, entonces y = 8. Como 8 queda

fuera del intervalo
[1, 7] entonces g tiene un solo punto crtico en l3 , y = 8. Como
g (y) = 6y
entonces y = 8 es un puntode mnimo. Analizando

g (y) se ve que g es
decreciente en el intervalo [1, 8) y creciente en ( 8, 7], con lo que se concluye

que el valor maximo de g esta entre
g(1)y g(7).Al evaluar se tiene que
g(1) = 72 y g(7) = 224. As, f (7, 8) = 16 2 48 2 + 49 3.75 es el valor
mnimo en l3 y f (7, 7) = 224 su valor maximo.
Ahora, resumiendo se tiene lo siguiente:
Primero, en los puntos crticos de f se tiene que f (4, 2) = 0 y f ( 34 , 32 ) = 32

27
1.1852. El valor mnimo en l1 es f (1, 1) = 8 y el valor maximo en l1 es
f (7, 7) = 224. En l2 , el valor mnimo es f (1, 1)
= 8 y el valor maximo es
f (7, 1) = 72. Y en l3 , el valor mnimo es f (7, 8) 3.75 y su valor maximo
f (7, 7) = 224. Entonces, el valor mnimo de f en S es f (1, 1) = 8 y el
valor maximo de f en S es f (7, 7) = 224.
88
2.8.
MULTIPLICADORES DE LAGRANGE
En muchas aplicaciones, para calcular valores extremos de una funcion f ,

ello debe hacerse sujeto a alguna restriccion sobre las variables involucradas.
Por ejemplo, sea f (x, y) la temperatura en el punto (x, y) de una lamina plana
de metal ubicada en el plano xy tal que sobre una curva C, dada por la ecuacion
g(x, y) = 0, como se ilustra en la figura 2.11, se desea encontrar los puntos de
C donde la temperatura sea maxima o mnima, lo que equivale a calcular los
maximos y mnimos de f (x, y) con la restricci
on g(x, y) = 0.
g(x,y) = 0
Figura 2.11: Lamina plana de metal

En algunas oportunidades, podra ser facil despejar una de las variables
en la restriccion y reemplazarla en la funcion a la que se desea calcular valores extremos, pero en otras oportunidades puede que no sea simple. Tambien
puede darse que, al hacer el reemplazo, el calculo de las derivadas parciales y
hallar los puntos crticos se haga dificultoso. Para obviar estas dificultades, a
continuacion se describe un metodo que permite encontrar valores extremos de
una funcion de dos variables, sujeta a una restriccion, de una forma directa.
Consideremos el problema de encontrar el valor extremo de una funcion
f de dos variables, sujeto a una restriccion de la forma g(x, y) = c, esto
es, se busca un valor extremo de f sobre la curva de ecuacion g(x, y) = c,
c constante. Ahora, si f tiene un valor extremo sobre la curva de ecuacion
g(x, y) = c en el punto (x0 , y0 ), bajo ciertas condiciones, existe un n
umero
tal que f (x0 , y0 ) = g(x0 , y0 ).
En la figura 2.12 se muestra la curva C, con ecuacion g(x, y) = c, con
distintas curvas de nivel de f . Si f tiene un valor extremo en el punto (x0 , y0 )
de la curva C, entonces (x0 , y0 ) pertenece a la curva de nivel f (x, y) = c3 y que
C y la curva de nivel f (x, y) = c3 tienen tangentes paralelas en (x0 , y0 ); con lo
cual, g(x0 , y0 ) debe ser paralelo a f (x0 , y0 ); es decir, existe un n
umero real
tal que f (x0 , y0 ) = g(x0 , y0).
Con la idea anterior se puede enunciar el siguiente resultado:
2.8. MULTIPLICADORES DE LAGRANGE
89
f(x,y) = c3
f (x0 ,y0)
f(x,y) = c2
g(x,y) = c
(x0 ,y0)
f(x,y) = c1
Figura 2.12: Valor extremo de f sobre la curva g(x, y) = c

Teorema 2.6. Sean f y g diferenciables en un punto (x0 , y0). Sea g(x, y) = c
una curva suave conteniendo al punto (x0 , y0 ), tal que (x0 , y0 ) no es un punto
terminal de la curva. Si g(x0 , y0 ) 6= y si f tiene un valor extremo sobre la
curva g(x, y) = c en (x0 , y0), entonces existe un n
umero real tal que:
f (x0 , y0 ) = g(x0 , y0 )
El n
umero es llamado multiplicador de Lagrange para f y g. El
metodo para determinar valores extremos por medio de multiplicadores de
Lagrange procede de la siguiente manera:
1. Asumir que f tiene un valor extremo sobre la curva g(x, y) = c.
2. Usando la ecuacion g(x, y) = c, resolver la ecuacion
f (x, y) = g(x, y)
para x e y, y si es necesario para .
3. Calcular f (x, y) para cada punto (x, y) obtenido en el punto 2. Si f tiene
un valor maximo sobre g(x, y) = c, este sera el mas grande de los valores
calculados y si f tiene un valor mnimo sobre la curva, este sera el mas
peque
no de los valores calculados.
Ejemplo 2.35. Calcular los valores extremos de f (x, y) = xy sobre la elipse
4x2 + y 2 = 4.
90
Soluci
on: Haciendo g(x, y) = 4x2 + y 2 , entonces el problema es encontrar los
valores extremos a f (x, y) sujeto a g(x, y) = 4. Ahora
f (x, y) = yi + xj
g(x, y) = 8xi + 2yj
De la igualdad f (x, y) = g(x, y) se obtiene
yi + xj = (8xi + 2yj).
Usando el hecho de que dos vectores son iguales, si son iguales componentes a
componentes, se tiene que
y = 8x, x = 2y
que sumadas a la ecuacion g(x, y) = 4, nos queda el conjunto de ecuaciones
simultaneas en x, y,
y = 8x, x = 2y y 4x2 + y 2 4 = 0.
Usando las dos primeras ecuaciones se tiene que:
x = 2y = 2(8x) = 162 x;
de donde,
y por lo tanto
x 162 x = 0 o x(1 162 ) = 0
1
4
2
2
Si x = 0, de la ecuacion 4x + y 4 = 0, se obtiene y = 2. Por lo tanto
los puntos (0,2) y (0,-2) son posibles valores extremos para f (x, y). Si =
14 , entonces de y = 8x, se obtiene y = 2x. Nuevamente, de la ecuacion
4x2 + y 2 4 = 0, resulta
x = 0 o =
4x2 + 4x2 4 = 0 8x2 = 4

o bien
2
2
con lo cual y = 2. Esto da los puntos extremos posibles
2
2
2
2
(
, 2), (
, 2), (
, 2), (
, 2)
2
2
2
2
Evaluando f en todos los puntos encontrados, se tiene
lo siguiente

2
f (0,
2) = 0,
f (0,
2) = 0,
f ( 2 , 2) = 1
2
2
f ( 2 , 2) = 1, f ( 2 , 2) = 1, f ( 22 , 2) = 1

2
2
2)
As f alcanza su valor maximo
1,
sobre
g(x,
y)
=
4,
en
(
,
,
2)
y
(
2
2
2
2
y su valor mnimo -1 en ( 2 , 2) y ( 2 , 2).

x=
2.9.
91
APLICACION DE MAPLE
Definici
on y Gr
afica
Para definir una funcion se utiliza el smbolo >. Por ejemplo, para
representar la funcion de dos variables definida por f (x, y) = xy + x2 4y 3, se
debe ejecutar:
> f:=(x,y) > x*y+x2-4*y3; # se define la expresion de la funcion f
f := (x, y) > xy + x2 4y 3
Para evaluar f en un punto (a, b) del plano, se debe poner f (a, b);. As:
> f(1,2);
29
> f(2,-1);
6
En forma analoga se definen las funciones de tres variables. Por ejemplo, para
definir la funcion g, cuya expresion es g(x, y, z) = xz x2 y + yz 2 , se ejecuta:
> g:=(x,y,z) > x*z-x2*y+y*z2; # se define la expresion de la funcion g
g := (x, y, z) > xz x2 y + yz 2
Evaluando la funcion g en algunos puntos, se tiene:
> g(-1,2,1);
1
> g(3,0,-2);
6
La manera mas simple de graficar una funcion de dos variables en el
espacio es a traves del comando plot3d. Si se desea graficar, por ejemplo, la
funcion f de dos variable con expresion f (x, y) = x2 y 2 para 10 x 10,
10 y 10, se digita lo siguiente:
> f:=(x,y) > x*2-y2; # se define la expresion de la funcion f
f := (x, y) > x2 y 2
> plot3d(f(x,y),x=-10..10,y=-10..10); # graficacion de la funcion f de forma
> # explcita
92
En ambiente Maple se pueden introducir los ejes coordenados o alg

un otro
sistema para entender mejor el grafico. Por ejemplo:
> plot3d(f(x,y),x=-10..10,y=-10..10,axes=boxed); # coloca el grafico en una
> # caja con las dimensiones de los ejes correspondientes
100
50
0
50
100
10
10
5
5
y
5
10
10
Como se puede ver en el grafico anterior se aprecia claramente las unidades

correspondientes de los ejes, con lo cual pueden ser identificados puntos sobre
la superficie. Lo anterior se debe a la opcion axes = boxed. Hay otras opciones
que se pueden agregar al comando para graficar en tres dimensiones, pero la
mayoria de ellas pueden ser manipuladas en el momento en que aparece el
dibujo, utilizando el mouse. Estas opciones aparecen al pinchar el grafico, en
93
la parte superior del ambiente Maple. Una de las que es usada comunmente es
la orientacion del grafico; ya que algunas veces la grafica que queda por defecto
no se aprecia muy clara y es necesario rotarla para una mejor visualizacion.
Para escribir dicha opcion en una sentencia, se debe poner dentro del plot3d
como orientation = [a, b]; donde a indica el angulo para mover a izquerda o
derecha y b el angulo hacia adelante o atras, los dos angulos en grados; siendo
por defecto dichos angulos 45o , ambos.
En algunas situaciones, la ecuacion a graficar viene dada de tal manera
que resulta complicado despejar la variable depediente z. Esto se resuelve con
el comando implicitplot, colocando previamente el comando with(plots). As,
si se desea graficar la superficie dada por la ecuacion x2 + y 2 + z 2 = 9, (esfera
de radio 3), para 5 x 5, 5 y 5, 5 z 5 (aqu se debe poner el
rango de la variable dependiente z), se debe digitar lo siguiente:
> with(plots):
> implicitplot3d(x2+y2+z2 = 9,x=-5..5,y=-5..5,z=-5..5,orientation=[
35,50],axes=FRAME); # realiza la gafica rotada con los ejes coordenados
4
2
z
0
2
4
4
2
4
0
2
y
2
2
4
Otra cosa bastante interesante, de las graficas en tres dimensiones, es el

dibujo de las curvas de nivel. Para ello el Maple tiene el comando contourplot.
Por ejemplo, si se desea tener las curvas de nivel del cono dado por la ecuacion
z = x2 + y 2 , para x en [10, 10] y para y en [10, 10] con 15 curvas de nivel,
se hace con la sentencia
> contourplot(x 2 + y 2,x=-10..10,y=-10..10,contours=15);
94
10
10
10
10
Derivadas Parciales
Para obtener las derivadas parciales de una funcion es utilizado el comando diff. Si se tiene la funcion f de dos variables con expresion f (x, y) =
x2 y + xy 2 , entonces para obtener f
se realiza de la siguiente manera:
x
> f:=(x,y)-x2*y+x*y2;
f := (x, y) > x2 y + xy 2
> diff(f(x,y),x);
2xy + y 2
Para obtener una derivada de orden 2, por ejemplo,
realiza como:
2f
x2
2f
,
yx
entonces se
> diff(f(x,y),x,x);
2y
> diff(f(x,y),x,y);
2x + 2y
Las derivadas parciales pueden ser evaluadas en distintos puntos con el comando subs. Por ejemplo, utilizando la funcion f anterior, fx (2, 1) y fxy (1, 5) se
obtienen como:
> subs(x=2,y=1,diff(f(x,y),x));
5
> subs(x=-1,y=5,diff(f(x,y),x,y));
8
Una aplicacion importante de la derivada parcial es la obtencion del gradiente de una funcion; siendo el comando para obtener dicho vector grad. Por
95
ejemplo, si se tiene la funcion f de dos variables dada por f (x, y) = x2 y + y 2 x,

para obtener su gradiente se hace con:
> f:=(x,y)-x2*y+x*y2;
f := (x, y) > x2 y + xy 2
> grad(f(x,y),[x,y]);
[2xy + y 2, x2 y + 2xy]
Ahora, para evaluar el gradiente en un punto, por ejemplo en (1, 2), se hace
con:
> fg:=(x,y)->grad(f(x,y),[x,y]): # se define el gradiente como una funcion
> subs(x=1,y=-2,fg(x,y));
[0, 6]
Observacion. Para evaluar el gradiente en un punto, a pesar que es definido
como una funcion, no resulta evaluarla como tal en el punto.
Analogamente, si se tiene la funcion g de tres variables definida por
g(x, y, z) = x2 y y 3 z 2 y si se desea obtener el gradiente de g para evaluarlo
en el punto (1, 2, 1), se ejecuta:
> g:=(x,y,z)-x2*y-y3*z2;
g := (x, y, z) > x2 y y 3 z 2
> grad(g(x,y,z),[x,y,z]);
[2xy, x2 3y 2z 2 , 2y 3z]
> gg:=(x,y,z)->grad(g(x,y,z),[x,y,z]):
> subs(x=1,y=2,z=-1,gg(x,y,z));
[4, 11, 16]
96
2.10.
1.- Determine el dominio de f y el valor de f en los puntos indicados:

a) f (x, y) = 2x y 2 ; (2, 5), (5, 2), (0, 2)
b) f (u, v) =
c) f (r, s) =
uv
;
u2v
(2, 3), (1, 4), (0, 1)
1 r er/s ; (1, 1), (0, 4), (3, 3)
d) f (x, y, z) = x2 sen (yz); (1, , 2), (4, 2, 4 ), (1,2, 3,1, 4,2), f (, , )

p
e) f (x, y, z) = 25 x2 y 2 z 2 ; (1, 2, 2), (3, 0, 2)
2.- En las siguientes situaciones dibuje la curva de nivel z = k para los valores
indicados de k.
a) z = 2x 3y + 4, k = 1, 3, 5, 10
b) z = 21 (x2 + y 2 ), k = 0, 2, 6, 8.
c) z =
x2
,
y
k = 4, 1, 0, 1, 4
d) z = x2 + y, k = 4, 1, 0, 1, 4
e) z = x2 + 4y 2, k = 1, 4, 9, 16
3.- Grafique las superficies en IR3 dadas por las siguientes expresiones:
a) z = 2x 3y + 4
b) x2 + y 2 + z = 9
c) z x2 = 0
d) z = y 2 x
e) z 9x2 16x2 = 36
4.- En los siguientes problemas encuentre el lmite indicado o establezca que
no existe.
a)
b)
c)
lm
(x,y)(2,1)
lm
(x,y)(1,3)
(xy 3 xy + 3y 2)
(3x2 xy 3 )
x4 y 4
(x,y)(0,0) x2 + y 2
lm
97
d)
xy 1
(x,y)(1,) cos(xy)
f)
3x3 2x2 y + 3y 2x 2y 3
(x,y)(0,0)
x2 + y 2
lm
lm
5.- Verifique que

lm
(x,y)(0,0) x2
xy
+ y2
no existe, considerando el eje x como una trayectoria y la recta y = x como la

otra.
6.- Verifique que
x2
(x,y)(0,0) x2 + xy + y 2
lm
no existe.
7.- Sea f una funcion de dos variables definida por:
f (x, y) =
x2 4y 2
x2y
x 6= 2y
x = 2y
Analice la continuidad en los puntos (2, 1) y (1, 12 ).

8.- Para la funcion f de dos variables definida por:
x2 y2
(x, y) 6= (0, 0)
x+y
f (x, y) =
0
(x, y) = (0, 0)
Averigue si f es continua en (0, 0).
9.- En cada uno de los siguientes problemas encuentre las primeras derivadas
parciales de la funcion f , fx (x, y) y fy (x, y).
p
2
a) f (x, y) = x2 y + 2xe2y b) f (x, y) = x2 + y 2 c) f (x, y) = x22xy
+3y 3
d) f (x, y) = ln(2x4 + y 2 )
e) f (x, y) = xyex
2 +y 2
10.- En cada uno de los siguientes casos, encontrar las primeras derivadas
parciales de la funcion f , fx (x, y, z), fy (x, y, z) y fz (x, y, z).
a) f (x, y, z) = x3 y 2 2x2 z 3 + 3xyz
b) f (x, y, z) =
xyz
x2 +y 2 +z 2
98
11.- Si f (x, y) = 3x4 y 5 2x2 y 3 y g(x, y) = cos(2x2 y 2 ), encuentre las derivadas parciales hasta segundo orden de las funciones f y g. Eval
ue fxx (1, 2),
fxy (2, 1) y gyy (1, 0).
12.- Verificar que la funcion f , dada por f (x, y) = ex seny, satisface la ecuacion
de Laplace
2 f (x, y) 2 f (x, y)
+
=0
x2
y 2
13.- Para cada una de las funciones f , encuentre el gradiente en el punto

indicado.
p
a) f (x, y) = x2 + y 2; (4, 3)
b) f (x, y) = xln(x y); (5, 4)
c) f (x, y, z) = xy 2 + x2 y + z 3 ex ; (1, 3, 2)
d) f (x, y, z) = xy 2 ez ; (2, 1, 0)
14.- Encuentre la ecuacion del plano tangente a la superficie en el punto indicado:
a) 4x2 y 2 + 3z 2 = 10, (2, 3, 1)
b) xy + 2yz xz 2 + 10 = 0, (5, 5, 1)
c) 9x2 4y 2 25z 2 = 40, (4, 1, 2)
d) z = 2ex cosy, (0, 3 , 1)
15.- Encuentre los puntos de la superficie, dada por la ecuacion x2 2y 2 4z 2

= 16, en los que el plano tangente sea paralelo al plano 4x 2y + 4z = 5.
16.- Encuentre los puntos de la superficie z = 4x2 + 9y 2 en los que el
vector normal sea paralelo al segmento dirigido P Q; donde P = (2, 4, 3) y

Q = (5, 1, 2).
17.- Determine todos los puntos (x, y) en que el plano tangente a la grafica de
z = x2 6x + 2y 2 10y + 2xy sea horizontal.
99
18.- En los siguientes problemas use el diferencial total dz para aproximar el

cambio en z cuando (x, y) se vara de P a Q. Tambien determine el cambio
exacto correspondiente y compare con el valor de dz.
a) z = 2x2 y 3; P (1, 1), Q(0,99, 1,02)
b) z = x2 5xy + y; P (2, 3), Q(2,03, 2,98)
c) z = ln(x2 y); P (2, 4), Q(1,98, 3,96)
19.- Se desea medir indirectamente la presion ejercida dentro de un contenedor
cerrado por un mol de un gas ideal a una temperatura de 22oC. El contenedor
es un cilindro circular recto de 50 cms de altura y 15 cms de radio. El instrumento con que se midio la temperatura tiene una incertidumbre de 0,2o C,
miemtras que el utilizado para determinar las dimensiones del estanque tiene una incertidumbre de 0,001 m. Calcule el valor de la presion y el error
maximo cometido en su medicion, en funcion de n y R a partir de la ecuacion
P V = nRT .
20.- Al determinar la densidad especfica de un objeto, se encontro que su
peso en el aire era A = 26 libras y su peso en el agua de W = 20 libras, con
un posible error en cada medida de 0.02 libras. Encuentre el maximo error
aproximado posible en el calculo de su densidad especfica S, siendo
S=
A
AW
21.- En Los siguientes problemas, a traves de la regla de la cadena, obtenga

dw
.
dt
a) w = x2 y 3 ; x = t3 , y = t2
b) w = sen(xyz 2 );
x = t3 , y = t2 , z = t
22.- En Los siguientes problemas, a traves de la regla de la cadena, obtenga

w
y w
t
s
a) w = x2 yln x; x = s/t, y = s2 t
p
b) w = x2 + y 2 + z 2 ; x = cos st, y = sen st, z = s2 t
23.- La presion P y la temperatura T de un gas encerrado estan relacionadas
por la ley del gas ideal P V = kT , donde k es una constante. Suponiendo que
y dV
, respectivamente, encuentre una formula
P y V varan con la rapidez dP
dt
dt
dT
para evaluar dt , usando la regla de la cadena.
100
24.- El radio r y la altura h de un cilindro circular recto aumentat a razon de

0.01 cm/min y 0.02 cm/min, respectivamente. Use la regla de la cadena para
calcular la rapidez de crecimiento del volumen, cuando r = 4 cm y h = 7 cm.
Con que rapidez vara el area de la superficie curva ?
25.- Un gas obedece la ley del gas ideal P V = 8T . El gas se calienta a razon
de 2 o C/min y la presion razon de 0.5 (Kgf/cm2 )/min. En cierto momento, la
temperatura es de 200 o C y la pesion es de 10 kgf/cm2 . Calcular la rapidez de
cambio del volumen en ese momento.
26.- Encuentre los puntos crticos para las expresiones de funciones dadas a
continuacion. Averigue si son puntos de maximos, de mnimos o puntos de
silla.
a) f (x, y) = 6xy x3 y 3
b) f (x, y) = 4x3 2x2 y + y 2
c) f (x, y) = xy +
2
x
4
y
27.- La suma de las longitudes del largo, ancho y alto de una caja rectangular
debe dar 330 cms.. Cuantos deben medir estas longitudes para que el volumen
de la caja sea maximo?
28.- Encuentre la distancia mnima entre el punto (2, 1, 1) al plano de ecuacion 4x 3y + z = 5.
29.- Se desea construir una caja sin tapa con la forma de un paraleleppedo
rectangular que tenga un volumen de 12 pies c
ubicos. El costo por pies cuadrado del material que se usara para el fondo es de 4 dolares, el que se usara para
los lados opuesto es de 3 dolares, y el que se usara para los otros dos lados
opuesto es de 2 dolares. Calcular las dimensiones de la caja para las que el
costo sea mnimo.
30.- Para las siguientes funciones encuentre el valor maximo global y el valor
mnimo global en la region R que se indica.
a) f (x, y) = x2 + y 2 ; R = {(x, y) : 1 x 3, 1 y 4}
b) f (x, y) = x3 + 3xy y 3 ; R es la region triangular con vertices en los
puntos (1, 2), (1, 2) y (1, 2)
c) f (x, y) = 5 + 4x 2x2 + 3y y 2; R es la region triangular acotadas por
las rectas y = x, y = x, y = 2
101
31.- Suponga que la temperatura T de una lamina circular {(x, y) : x2 + y 2

1} esta dada por T = 2x2 + y 2 y. Encuentre los puntos mas calientes y mas
frios de la lamina.
32.- A traves de Multiplicadores de Lagrange, resuelva los siguientes problemas:
a) Determine el valor maximo de f (x, y) = 4x2 4xy + y 2 sujeta a la
restriccion g(x, y) = x2 + y 2 = 1.
b) Determine el valor mnimo de f (x, y) = x2 +4xy+y 2 sujeta a la restriccion
g(x, y) = x y 6 = 0.
102
Captulo 3
INTEGRALES MULTIPLES
El objetivo del captulo es estudiar las integrales de funciones de dos
y tres variables. As como la integral de funciones en una variable permite,
bajo ciertas condiciones, calcular areas; las integrales de dos y tres variables
permiten calcular areas de regiones mas complicadas, vol
umenes de muchos
tipos de regiones, solidos, etc.
3.1.
INTEGRALES DOBLES
Sea f una funcion de dos variables tal que f (x, y) existe en toda una
region R cerrada del plano xy y que esta contenida en un rectangulo cerrado
W . Si W se divide en rectangulos mas peque
nos mediante rectas paralelas a los
ejes coordenados, entonces el conjunto de todas las subregiones rectangulares
cerradas que quedan completamente contenidas en R es lo que constituye una
partici
on interna P de R:
y
W
Figura 3.1: Particion interna P de R.

Si a las subregiones rectangulares que quedan completamente dentro de R
se les denota por R1 , R2 , . . . , Rn , entonces la particion interna P puede ser
103

CAPITULO 3. INTEGRALES MULTIPLES
104
denotada por {Rk }nk=1 . Se denomina norma de la partici

on P a la mayor
de las diagonales de las subregiones Rk , k = 1, 2, ..., n, y se denota por ||P ||.
Denotemos por Ak al area de Rk y sea (xk , yk ) un punto cualquiera de Rk ,
k = 1, 2, 3, . . . , n. Con todos estos elementos se entrega la siguiente definicion.
Definici
on 3.1. Sea f una funcion de dos variables definida en una region R
y sea P = {Rk }nk=1 una partici
on interna de R. Una suma de Riemann de
f para P es una suma de la forma
X
f (xk , yk )Ak
(3.1)
k
para alg
un punto (xk , yk ) en Rk ; siendo Ak el area de Rk .
Ahora si f es una funcion continua, se puede demostrar que cuando
||P || 0, las sumas de Riemann (3.1) tienden a un n
umero real L, independientemente de los puntos (xk , yk ) elegidos en las subregiones Rk . Esto da
pie a la definicion de integral doble.
Definici
on 3.2. Sea f una funcion de dos variables que est
a definida en una
RR
region R. La integral doble de f sobre R se denota por R f (x, y)dA y se
define como
ZZ
X
f (x, y)dA = lm
f (xk , yk )Ak
(3.2)
R
||P ||0
siempre y cuando el lmite exista.

Si la integral doble de una funcion f sobre R existe, entonces se dice que
f es integrable sobre R. Si f es una funcion continua en R, entonces f es
integrable en R.
De (3.2) se puede obtener la siguiente aplicacion geometrica: sea f una
funcion continua tal que f (x, y) 0 para todo (x, y) en R. Sean S la grafica
de f y Q el solido (region en tres dimensiones) que se encuentra entre R y S
como se muestra en la figura 3.2. Si (xk , yk , 0) es un punto en la region Rk de
una particion P de R, entonces f (xk , yk ) es la distancia del plano xy al punto
Bk de la superficie S que se encuentra directamente arriba del punto (xk , yk , 0)
y de esta manera el n
umero f (xk , yk )Ak es el volumen de la columna con
base rectangular de area Ak y altura f (xk , yk ). Ahora, si se suman todos los
vol
umenes de las columnas de base rectangular en R se obtiene una aproximacion del volumen V de Q. Como la aproximacion mejora cuando ||P || tiende a
cero, V se define como el lmite de la suma de los n
umeros f (xk , yk )Ak . La
idea anterior da lugar a la siguiente definicion.
Definici
on 3.3. Sea f una funcion continua de dos variables, tal que f (x, y)
0 en una region R del plano xy. El volumen V del solido bajo la grafica de
z = f (x, y) y sobre la region R es:
ZZ
V =
f (x, y)dA
R
3.1. INTEGRALES DOBLES
105
Bk
f(xk,yk)
.R
(xk ,yk ,0)
Figura 3.2: Graficas de S y Q.

Observaci
on 3.1. En la Definicion 3.3 si f (x, y) 0 en toda la region R,
entonces la integral doble de f sobre R es igual al negativo del volumen del
solido sobre la grafica de f y bajo la region R.
Antes de analizar la manera de como se eval
uan las integrales dobles,
se mencionan algunas propiedades, que como se vera son semejantes a las
propiedades de integrales de funciones en una variable. Suponiendo que todas
las regiones y las funciones son tales que las integrales que se indican existen,
se tiene el siguiente resultado:
Teorema 3.1.
i)
ZZ
cf (x, y)dA = c
ZZ
f (x, y)dA, c R.
ii)
ZZ
[f (x, y) + g(x, y)]dA =
ZZ
f (x, y)dA +
ZZ
g(x, y)dA
iii) Si R es la union de dos regiones R1 y R2 que no se sobreponen:

ZZ
ZZ
ZZ
f (x, y)dA
f (x, y)dA +
f (x, y)dA =
R
R1
iv) Si f (x, y) 0 en toda una region R, entonces:

ZZ
f (x, y)dA 0
R
R2

106
R2
R1
Figura 3.3: Dos regiones con puntos de frontera com

un
Observaci
on 3.2. En la parte iii) del Teorema 3.1, que las regiones R1 y R2
no se sobrepongan significa que estas regiones tienen en com
un, a lo sumo,
solo los puntos de frontera, como se muestra en la figura 3.3.
Salvo en algunos casos elementales, evaluar una integral doble mediante la Definicion 3.2 es casi imposible. A continuacion se veran distintas
formas de evaluar integrales dobles, dependiendo del tipo de region donde la
integral es evaluada. Comenzamos con el caso mas simple, el de una funcion f
que es continua en una region rectangular R:
y
R
(x,y)
Figura 3.4: Funcion continua sobre una region rectangular R

La notacion
Z
f (x, y)dy
significa que x se toma como constante e y es la variable de integracion. La

evaluacion de esta integral va a corresponder a una integracion parcial con
respecto de y. Entonces, a cada x en el intervalo [a, b], le corresponde un valor
u
nico de esta integral, lo que determina una funcion A tal que el valor A(x)
esta dado por:
107
A(x) =
f (x, y)dy
(3.3)
La funcion A es continua para x en el intervalo [a, b].

En forma analoga, se puede efectuar una integracion parcial con respecto
de x denotada por:
Z
B(y) =
f (x, y)dx
(3.4)
En este caso y se considera constante y se integra con respecto de x. La funcion

B, obtenida de esta manera, es continua en el intervalo [c, d].
Ahora bien, como la funcion A definida en (3.3) es continua en el intervalo
[a, b], A(x) se puede integrar con respecto de x, resultando:
b
A(x)dx =
Z b Z
a
f (x, y)dy dx
(3.5)
Analogamente, puede integrarse B(y) en 3.4 con respecto de y y se obtiene:

d
B(y)dy =
Z

f (x, y)dx dy
(3.6)
Las integrales en el lado derecho de (3.5) y (3.6) se llaman integrales

dobles iterativas. Generalmente, se simplifica la notacion omitiendo los corchetes; vale decir,
Z bZ
Z dZ
f (x, y)dydx =
a c
Z b Z
f (x, y)dxdy =
f (x, y)dy dx
(3.7)

f (x, y)dx dy
(3.8)
Z
Notemos que, en las integrales en (3.7) y (3.8), la primera diferencial a la

derecha del integrando f (x, y) determina la variable de la primera integracion
parcial. El smbolo de integral a la izquierda de f (x, y) especfica los lmites
o extremos de integracion de la variable correspondiente. As, al evaluar una
integral iterativa se determina primero la integral de mas adentro.
Ejemplo 3.1. Evaluar la integral iterativa:
Z Z
2 2
(12xy 2 8x3 )dydx.
1 1

108
Soluci
on: Primero se debe integrar con respecto de y, entre 1 y 2, y el
resultado de esta integracion debe integrarse con respecto de x, entre 1 y 2.
As:
Z 2Z
1
(12xy 8x )dydx =
=
y=2

dx
(4xy 8x y)
3
y=1
[(32x 16x3 ) (4x + 8x3 )]dx
1
2
(36x 24x3 )dx

1
x=2

2
4
= (18x 6x ) = 36
x=1

Ahora, en el ejemplo anterior, si se cambian el orden de las integrales;
vale decir, si se eval
ua:
Z 2Z
1 1
(12xy 2 8x3 )dxdy
da el mismo valor que la integral anterior: -36. El hecho que estos dos valores
sean iguales no es una casualidad; ya que se verfica que si f es una funcion
continua, entonces las dos integrales dobles iterativas de (3.7) y (3.8) son iguales. De esta manera se dice que el resultado de la integracion es independiente
del orden en que se integre.
A continuacion, se vera la manera de calcular una integral doble iterativa
sobre regiones que no son rectangulares. Sea f una funcion de dos variables
continua en una region, que se denomina region del tipo I :
y
R
y=g 2 (x)
y=g 1 (x)
a
Figura 3.5: Region del tipo I

Entonces, la integral doble iterativa definida sobre la region R anterior se define
como:
Z bZ
109
Z b "Z
g2 (x)
f (x, y)dydx =
a g1 (x)
g2 (x)
f (x, y)dy dx
g1 (x)
(3.9)
Si consideramos ahora a f como una funcion continua en una region, que

se denomina region del tipo II, Figura 3.6, entonces la integral doble iterativa
y
R
d
x=h 1 (y)
x=h 2 (y)
Figura 3.6: Region del tipo II

de f sobre la region R anterior se define como:
Z dZ
c
h2 (y)
f (x, y)dxdy =
h1 (y)
d
c
"Z
h2 (y)
f (x, y)dx dy
h1 (y)
(3.10)
En (3.9) primero se realiza una integracion parcial con respecto de la

variable y, reemplazandola por g2 (x) y g1 (x) despues de la integracion. Luego,
la expresion en x resultante se integra entre a y b. En (3.10) se integra primero
con respecto de x y despues de reemplazar x por h2 (y) y h1 (y), se integra el
resultado con respecto de y entre c y d.
Ejemplo 3.2. Evaluar la integral doble iterativa
Z 2Z
1
x2 ydydx
1x
Soluci
on:
Z 2Z
1
x
2
x ydydx =
1x
1
=
2
x
x2 y 2
dx
2 1x

x3 x2 (1 x)2
dx
2
2
[x3 (x2 2x3 + x4 )]dx

110
Z
1 2
=
[x2 + 3x3 x4 ]dx
2 1
3
2
x
3 4 x5
1
+ x
=
2
3
4
5 1
163
=
120

Ejemplo 3.3. Evaluar la integral doble iterativa
Z 2 Z 2y
(4x y)dxdy
y2
Soluci
on:
Z 2Z
0
2y
y2
(4x y)dxdy =
=
y2
[(8y 2 2y 2 ) (2y 4 y 3 )]dy
2y

[2x yx] dy
2
(6y 2 + y 3 2y 4)dy
0

2
y 4 2 5
3
=
2y +
y
4
5
0
36
=
5
=

En la Definicion 3.3 se vio que, bajo ciertas condiciones, la integral doble
de una funcion f sobre una region R,
ZZ
f (x, y)dA,
R
corresponde al valor del volumen V del solido que se encuentra bajo la superficie de la grafica z = f (x, y) y sobre la region R. Por ejemplo, si consideramos una region R del tipo I, el volumen V que se encuentra bajo la grafica
z = f (x, y) y sobre dicha region esta dado por:
V =
Z bZ
g2 (x)
f (x, y)dydx
(3.11)
a g1 (x)
Ejemplo 3.4. Calcule el volumen del solido que se encuentra bajo la grafica
de z = 4x2 + y 2 y sobre la region triangular R en el plano xy con vertices
(0,0,0), (1,0,0) y (1,2,0).
111
y
2
Figura 3.7: Figura de ejemplo 3.4

Soluci
on: El volumen a calcular es presentado en la Figura 3.7 (izquerda). La
superficie que esta sobre el plano xy esta dada por f (x, y) = 4x2 + y 2 , entonces
el volumen V puede ser calculado por:
ZZ
V =
(4x2 + y 2 )dA
R
donde R es el triangulo representado en la Figura 3.7 (derecha). Tomando los

puntos (0,0) y (1,2) de la hipotenusa del triangulo se obtiene la ecuacion de la
recta y = 2x. Entonces, si consideramos R como una region tipo I, primero se
debera integrar con respecto de y, el cual variara entre 0 y 2x, y enseguida se
integrara con respecto de x entre 0 y 1. As, el volumen V queda dado por:
Z 1Z 2x
V =
(4x2 + y 2)dydx
0
Evaluando esta integral doble se tiene:

Z 1Z 2x
V =
(4x2 + y 2 )dydx
0 0
2x
Z 1
y 3
2
dx
=
4x y +
3 0
0

Z 1
8x3
3
dx
=
8x +
3
0
1
Z
32 1 3
32 x4
=
x dx =
3 0
3 4 0
8
=
3
Tambien se puede calcular V integrando primero con respecto de x. Al integrar
primero con respecto de x, vemos que para cualquier valor para la variable y
entre 0 y 2 se tiene que la variable x vara entre y2 y 1, con lo cual ahora el
volumen V sera calculado como:
Z 2Z 1
(4x2 + y 2)dxdy
V =
0
y
2

112
Evaluando se tiene que:
V
Z 2Z
0
=
=
=
=
=
1
y
2
(4x2 + y 2 )dxdy
1

4 3
2
x + y x dy
y
3
0

2
Z 2
4
1 3 y3
2
dy
+y
y +
3
6
2
0

Z 2
2 3
4
2
+ y y dy
3
3
0
2

y 3 y 4
4
y+
3
3
6 0
8
3
Z 2

Las integrales dobles pueden utilizarse tambien para el calculo de areas.
En efecto, si consideramos que R es una region del tipo I y tomamos f (x, y) =
1, entonces:
ZZ
f (x, y)dA =
Z bZ
g2 (x)
dydx
a g1 (x)
g2 (x)
Z b

dx =
[g2 (x) g1 (x)]dx
y
(3.12)
g1 (x)
Del calculo integral de funciones en una variable, (3.12) representa el valor

del area de la region R. Lo mismo sucede si R es una region del tipo II. Este
hecho resulta evidente a partir de la definicion de integral doble; ya que si
f (x, y) = 1, entonces cualquier suma de Riemann de una particion interna P
de R, tendra la forma:
X
Ak ;
k
donde Ak es el area de cada una de las regiones rectangulares Rk de la

particion . Ahora, cuando ||P || tiende a cero los rectangulos de la particion
van cubriendo una mayor parte de R, de tal manera que en el lmite resulta
ser igual al area de R. As, el area A de una region del tipo I queda dada por:
A=
Z bZ
g2 (x)
dydx
a g1 (x)
Ejemplo 3.5. Calcular el area de la region acotada por las graficas de

y = 2x2 4, y = 5x + 3
3.2. INTEGRALES TRIPLES
113
Soluci
on: La region se encuentra bajo la recta y = 5x + 3 y sobre la parabola
2
y = 2x 4, como se ilustra en la siguiente figura:
y
3-1
-4
Se encuentra que estas dos curvas se intersectan para x = 1 y para x = 72 .

Por lo tanto, usando integral doble, se tiene que el area A de la region achurada
se puede calcular como:
A=
Z 7Z
2
5x+3
dydx =
2x2 4
7
2
1
7
2
7
2
5x+3

dx
y
2
2x 4
[(5x + 3) (2x2 4)]dx

(7 + 5x 2x2 )dx
7

5 2 2 3 2
=
7x + x x
2
3
1
243
=
8
3.2.
INTEGRALES TRIPLES
En forma analoga a las integrales dobles, se pueden definir las integrales

triple de una funcion f de tres variables. Comencemos por el caso mas sencillo,
cuando f es continua en un paraleleppedo rectangular Q dado por:
Q = {(x, y, z) : a x b, c y d, e z f ; a, ..., f constantes}; (3.13)

114
(a,c,e)
Q
.
0
(b,d,f)
Figura 3.8: paraleleppedo rectangular

es decir, con caras paralelas a los planos coordenados, como se presenta en la
Figura 3.8.
Si se divide Q en subregiones Q1 , Q2 , . . . , Qn mediante planos paralelos
a los tres planos coordenados, entonces el conjunto {Qk }nk=1 constituye una
particion P de Q. Se define la norma de la particion P , ||P ||, como la longitud
de la mayor de las diagonales de todos los paraleleppedos peque
nos Qk . Si
denotamos por xk , yk y zk las longitudes de los lados de Qk , entonces su
volumen, que escribimos Vk , es:
Vk = xk yk zk
Ahora, una suma de Riemann de f para la particion P es una suma de la
forma:
X
f (xk , yk , zk )Vk
k
donde (xk , yk , zk ) es un punto cualquiera de Qk . Si el lmite de las sumas de

Riemann existe cuando ||P || tiende a cero, este se denota por:
ZZZ
f (x, y, z)dV
Q
y se llama integral triple de f sobre Q. Vale decir que

ZZZ
X
f (x, y, z)dV = lm
f (xk , yk , zk )Vk
Q
||P ||0
cuando este lmite existe.

En forma analoga al caso de integrales dobles, se verifica que si Q es una
region de la Figura 3.8, entonces:
ZZZ
Z fZ dZ b
f (x, y, z)dV =
f (x, y, z)dxdydz
(3.14)
Q
115
La integral iterativa del lado derecho de (3.14) se eval

ua de adentro hacia
afuera. Se integra primero con respecto de x (manteniendo y y z fijas), luego
con respecto de y (manteniendo z fija) y finalmente con respecto de z. Ahora,
al cambiar el orden de integracion el valor de la integral no es alterado; ya que
se verifica que una integral triple evaluada sobre un paraleleppedo como el
anterior, no cambia su resultado cuando se cambia el orden de integracion.
Ejemplo 3.6. Evaluar
ZZZ
(2x + y + 3z)dV
para
Q = {(x, y, z) : 0 x 4, 2 y 2, 0 z 2}.
Soluci
on: Si elegimos integrar primero con respecto de z, despues con respecto
de y y finalmente con respecto de x, la integral se calcula como:
2
Z 4Z 2Z 2
Z 4Z 2
3 2
(2x + y + 3z)dzdydx =
(2xz + yz + z ) dydx
2
0 2 0
0 2
0
Z 4Z 2
=
(4x + 2y + 6)dydx
0 2
2
Z 4

2
=
(4xy + y + 6y) dx
0
[(8x + 4 + 12) (8x + 4 12)]dx
(16x + 24)dx
4

2
= (8x + 24x)
0
= 224

Pueden definirse integrales triples sobre regiones mas complicadas. Por
ejemplo, sea R una region del plano xy, que puede ser una de los dos tipos
de regiones vistas anteriormente, tipo I o tipo II, y sea Q la region en tres
dimensiones definida por:
Q = {(x, y, z) : (x, y) R, k1 (x, y) z k2 (x, y)}
donde k1 y k2 son funciones que tienen primeras derivadas parciales continuas
en R. La region Q se encuentra entre las superficies con grafica z = k1 (x, y) y
z = k2 (x, y) y arriba de la region R como se muestra en la Figura 3.9. Si Q se
subdivide mediante planos paralelos a los tres planos coordenados, entonces los
paraleleppedos peque
nos resultantes que se encuentran completamente dentro
de Q forman una particion interna P de Q. Ahora, una suma de Riemann de
una funcion f para la particion P es una suma de la forma:
X
f (xk , yk , zk )Vk
k

116
z
Q
z=k 2 (x,y)
z=k 1 (x,y)
y
R
Figura 3.9: Regiones R bidimensional y Q tridimensional

donde (xk , yk , zk ) es un punto cualquiera del paraleleppedo Qk y Vk su volumen. La integral triple de f sobre Q es definida, igual como en el caso anterior,
por:
ZZZ
X
f (xk , yk , zk )dVk
(3.15)
f (x, y, z)dV = lm
||P ||0
cuando este lmite existe. Ahora, si f es una funcion continua en Q, se verifica

que:
#
ZZZ
ZZ "Z
k2 (x,y)
f (x, y, z)dV =
f (x, y, z)dz dA
(3.16)
k1 (x,y)
La notacion del lado derecho de (3.16) significa que se integra primero con
respecto de z y luego se eval
ua la integral doble resultante sobre la region R
del plano xy. Considerando los dos tipos de regiones, region tipo I y region
tipo II; la integral triple (3.16) queda como:
Z bZ
a
g2 (x)Z k2 (x,y)
f (x, y, z)dzdydx
h2 (y)Z k2 (x,y)
f (x, y, z)dzdxdy
g1 (x)
k1 (x,y)
si R es del tipo I, y
Z dZ
c
si R es del tipo II.
h1 (y)
k1 (x,y)
117
Ejemplo 3.7. Sea R la region en el plano xy entre las graficas y = 0 e y = x,

para 0 x 1, y sea Q la region solida entre las superficies z = y 2 y z = x2
para (x, y) R. Evaluar
ZZZ
(x + 1)dV
Soluci
on: Graficamente, la situacion tanto para el solido Q como para la
region R, es la siguiente:
y
z
Q
y=x
z=x 2
0
z=-y 2
Figura 3.10: Figura Ejemplo 3.7

La region R, en el plano xy, esta acotada por 0 x 1 y 0 y x; con lo
que, tomando a R como una region tipo I, la integral es calculada como:
x2
Z 1Z xZ x2
Z 1Z x

(x + 1)dzdydx =
[xz + z] dydx
0
y 2
=
=
=
=
=
=
Z 1Z
Z0 1Z0 x
y 2
[(x3 + x2 ) (xy 2 y 2)]dydx
(x3 + x2 + xy 2 + y 2 )dydx
0 0
x
Z 1
xy 3 y 3
3
2
dx
+
x y+x y+
3
3 0
0

Z 1
x4 x3
4
3
x +x +
dx
+
3
3
0
Z 1
4 4
(x + x3 )dx
0 3

1
4 x5 x4
+
3 5
4 0
3
5

Tambien, a traves de integrales triples, pueden calcularse vol
umenes de
solidos encerrados por superficies en el espacio. En efecto, de acuerdo a la
definicion de integral triple dada por (3.15), si f (x, y, z) = 1, entonces la
sumatoria correspondera a la suma de los vol
umenes de los paraleleppedos
peque
nos Qk que forman la particion P de Q y por lo tanto cuando ||P || tiende

118
a cero, la particion {Qk } cubrira cada vez mejor al solido Q y as, en el lmite,
la suma de los vol
umenes Qk sera al volumen de Q. Entonces, se concluye que
si f (x, y, z) = 1 en Q, la integral triple de f sobre Q se escribe como:
ZZZ
dV
Q
y su valor es el volumen de la region Q.

Ejemplo 3.8. Calcular el volumen del solido acotado por la superficie y = x2
y los planos z = 0 y y + z = 4.
Soluci
on: Graficamente, la situacion es la siguiente:
y
4
y+z=4
y=x2
-2
Geometricamente se puede decir que z se mueve entre los planos z = 0 y

z = 4 y para y entre x2 y 4 con x entre 2 y 2. As, el volumen V del solido
acotado por las superficies dadas se obtiene como:
Z 2Z 4Z 4y
Z 2Z 4 4y

V =
dzdydx =
z dydx
2 x2 0
2 x2
0
4
Z 2Z 4
Z 2
y 2
dx
=
(4 y)dydx =
4y
2 x2
2 x2
2

Z 2
x4
2
=
(16 8) 4x
dx
2
2
Z 2
x4
=
(8 4x2 + )dx
2
2

5 2
4 3 x
256
= (8x x + ) =
3
10 2 15

Algunas integrales triples se pueden evaluar mediante una integral triple
iterativa en que la primera integracion se efect
ua con respecto de y. As, sea:
Q = {(x, y, z) : a x b, h1 (x) z h2 (x), k1 (x, z) y k2 (x, z)}
donde h1 y h2 son funciones continuas en el intervalo [a, b] y k1 , k2 tienen
derivadas parciales continuas en la region R del plano xz como se muestra en
la Figura 3.11. Entonces, la integral de una funcion f , de tres variables, sobre
119
z
y=k 2 (x,z)
y=k1 (x,z)
z=h 2 (x)
z=h 1 (x)
y
a
Figura 3.11: Region Q donde se eval

ua una integral triple iterativa.
la region Q, esta dada por:
ZZZ
f (x, y, z)dV =
Q
Z bZ
h2 (x)Z k2 (x,z)
a h1 (x)
f (x, y, z)dydzdx
(3.17)
k1 (x,z)
Ejemplo 3.9. Calcular el volumen del solido del Ejemplo 3.8, usando la integral de la formula (3.17).
Soluci
on: De acuerdo al orden de integracion dado en (3.17) diremos que y
se mueve entre x2 y 4 z con lo que, haciendo la interseccion entre estas dos
superficies, tenemos que z = 4 x2 . As, z se va a mover entre 0 y 4 x2 para
x entre -2 y 2. Geometricamente, se tiene:
4
z = 4 - x2
y
x
z = 4 - x2

120
Entonces, el volumen V del solido es calculado como:

V
=
=
Z 2Z
dydzdx
x2
2 0
Z 2Z 4x2 4z

2 0
4x2Z 4z
x2
dzdx =
Z 2Z
4x2
2 0
(4 z x2 )dzdx

4x2

Z 2
2 2

z2
(4
x
)
2
2
2
2
4z
dx =
4(4 x )
x z
x (4 x ) dx
2
2
2
2
0
2
1
=
2
(4 x2 )2 dx =
256
15

En general, una integral triple puede evaluarse de varias maneras dependiendo del orden en que se integra. Obviamente que de acuerdo a la region
donde se eval
ue la integral, se eligira el orden de integracion mas conveniente.
3.3.
CAMBIO DE VARIABLES EN INTEGRALES MULTIPLES
Existen algunas situaciones que para evaluar alguna integral doble o triple es conveniente hacer un cambio de variables. Es as como existe el caso
tpico de cambiar una integral doble en coordenadas rectangulares a una integral doble equivalente en coordenadas polares. En esta seccion se presenta
un metodo general para hacer cambio de variables en las integrales m
ultiples
para el caso particular de integrales dobles. Este metodo esta basado en las
llamadas Aplicaciones o Transformaciones de un sistema de coordenadas en
otro.
Consideremos una funcion T cuyo dominio D es una region en el plano
xy y su codominio E es una region en el plano uv. Esquematicamente, se tiene
lo siguiente: como se muestra en la Figura 3.12, a cada punto (x, y) en D se
le asocia un u
nico punto (u, v) en E tal que T (x, y) = (u, v). A la funcion T
se le llama Transformaci
on de Coordenadas del plano xy al plano uv y
por lo tanto se puede decir que las coordenadas u y v son funciones de las
coordenadas x e y. As, la transformacion T puede ser definida mediante las
formulas
u = f (x, y), v = g(x, y); (x, y) D, (u, v) E;
donde, f y g son funciones que tienen el mismo dominio que T .
Una transformacion T, como la definida anteriormente, se dice que es uno
a uno si (x1 , y1 ) 6= (x2 , y2) en el plano xy, entonces T (x1 , y1 ) 6= T (x2 , y2 ) en
el plano uv. Ahora, si T es una transformacion de coordenadas uno a uno,
entonces invirtiendo la correspondencia se obtiene una transformacion T 1 del
121
v
T
E
(x,y)
(u,v)
x
Figura 3.12: Funcion T con dominio D y codominio E.
plano uv al plano xy, llamada inversa de T. Esta transformacion se puede

definir tambien mediante las formulas
x = F (u, v), y = G(u, v)
para ciertas funciones F y G:
v
T -1
E
(x,y)
(u,v)
Figura 3.13: Transformacion Inversa T 1

Obviamente, se tiene que T 1 (T (x, y)) = (x, y) y T (T 1 (u, v)) = (u, v) para
todo (x, y) en D y para todo (u, v) en E.
Ejemplo 3.10. Sea T la tranformacion de coordenadas definida por
u = x + 2y, v = x 2y
1. Encontrar la inversa de la transformacion T .
(3.18)

122
2. Obtener la curva en el plano de coordenadas uv que T 1 transforma en

la elipse x2 + 4y 2 = 1 del plano xy.
Soluci
on:
1.- Si sumamos las dos ecuaciones de (3.18) tenemos u+v = 2x y si las restamos
nos da u v = 4y. Por lo tanto T 1 queda definido por
x=
u+v
uv
, y=
2
4
2.- Si se reemplaza x por u+v

e y por uv
en la ecuacion x2 + 4y 2 = 1 se
2
4
tiene que:
2
2

1
1
(u + v) + 4 (u v) = 1
2
4
lo que haciendo las operaciones correspondientes se llega a
u2 + v 2 = 2
que corresponde a una circunsferencia de radio
el plano uv. Graficamente, se tiene:
y
2 con centro en el origen en
v
T -1
x 2 + 4y 2 =1
u 2 + v2 =2

Recordemos
que en el caso de funciones de una variable, en una integral
Rb
definida a f (x)dx, si se sustituye x = g(u) entonces dx = g (u)du con lo cual
se tiene que
Z b
Z d
f (x)dx =
f (g(u))g (u)du
a
donde a = g(c) y b = g(d). Veremos, a continuacion, como es el cambio de

variables en las integrales dobles.
Sea la integral doble de una funcion F sobre una region R del plano xy:
ZZ
F (x, y)dA
R
123
y una transformacion de coordenadas dada por

x = f (u, v), y = g(u, v)
donde f y g tienen segundas derivadas parciales continuas. As, podemos decir
que estas ecuaciones dan lugar a una transformacion L del plano uv al plano
xy. Graficamente, se tiene lo siguiente:
y
(u,v)
(x,y)
Figura 3.14: Transformacion L del plano uv al plano xy.

Entonces, la idea es encontrar la region S en el plano uv que se transforme en
la region R bajo L, como se presenta en la Figura 3.14, tal que
ZZ
ZZ
F (x, y)dA =
F (f (u, v), g(u, v))dA
(3.19)
R
Es decir, se requiere pasar de la integral doble en las variables x e y a la integral

doble en las variables u y v, de acuerdo a la transformacion.
La funcion de u y v que se define a continuacion es utilizada en el cambio
de variables en integrales doble.
Definici
on 3.4. Sean x = f (u, v), y = g(u, v); donde f y g son funciones que
admiten primeras derivadas parciales. El Jacobiano de x e y con respecto de
(x,y)
, se define por:
u y v, que se denota por (u,v)

x
x

v
(x, y) u
= x y x y
=
u v v u
(u, v) y
y
u
Ejemplo 3.11. Supongamos la transformacion T definida por

x=
u
, y=v
v
Encontrar el Jacobiano de x e y con respecto de u y v.

Soluci
on:
1 x
u y
y
x
= ,
= 2,
= 0,
=1
u
v v
v
u
v
124
Entonces
1

(x, y) v
=
(u, v)
0

vu2
= 1
v
1

Como se deca anteriormente, se tendra que encontrar la region S en el
plano uv que se transforme en una region R del plano xy por la transformacion
de coordenada L, como lo grafica la Figura 3.14. Para la obtencion de S, tanto
R como el integrando F (x, y) de (3.19) deben cumplir algunas condiciones.
Para empezar, R debe constar de todos los puntos que estan sobre una curva
simple cerrada C que es suave por todas partes y la funcion F debe tener
primeras derivadas parciales en toda una region abierta que contenga a R.
Ademas, se requiere que L transforme la region S del plano uv en la region R
del plano xy de manera biunvoca y que S este acotada por una curva simple
K que sea suave por todas partes y que L la transforme en C.
Tambien aparte de las condiciones anteriores de tipo analticas, debe cumplirse una restriccion de tipo geometrica. Para ello, decimos que el sentido (o
direccion) positivo a lo largo de la curva C es tal que cuando un punto P recorre C, la region R queda siempre a la izquierda y con el sentido negativo,
R queda a la derecha. Entonces, la restriccion consiste en que cuando en el
plano uv se recorra la curva K una vez en el sentido positivo, la curva C debe
ser recorrida una vez; ya sea en el sentido positivo o negativo.
En el siguiente teorema, que entrega la formula para evaluar una integral
doble cuando se realiza el cambio de variables, se supone que las regiones y
funciones satisfacen las condiciones mencionadas.
Teorema 3.2. Si x = f (u, v), y = g(u, v) es una transformacion de coordenadas entonces:
ZZ
ZZ
(x, y)
F (x, y)dxdy =
F (f (u, v), g(u, v))
dudv,
(3.20)
(u, v)
R
S
donde; el signo + o el signo se elige de acuerdo a que si: cuando se recorre
la frontera K de S una vez en el sentido positivo, la curva C de R se recorre
una vez en la direccion positiva o negativa, respectivamente.
Observaci
on 3.3. En las integrales del teorema anterior se usaron las notaciones dxdy y dudv en vez de dA para evitar confusiones acerca de la region
de integracion.
Ejemplo 3.12. Eval
ue la integral

Z 1Z 2y
xy
dxdy
sen
x+y
0 y
Soluci
on: Es claro que lo que conviene es hacer la sustitucion:
u = x y, v = x + y
125
lo cual define una transformacion T del plano xy al plano uv. Al sumar y restar
estas dos ecuaciones se tiene que, respectivamente:
x=
u+v
vu
, y=
2
2
(3.21)
Estas dos ecuaciones definen la transformacion L = T 1 . Ahora de 3.21 se

tiene:

1
1

2
2
1

(x, y)
=
=
2
(u, v) 1
1
2
2
La region R esta dada por y x 2 y, para 0 y 1; lo que graficamente

es:
x=2 - y
x=y
El permetro de R es dado por las curvas de ecuaciones:

x = 0, y = x, x + y = 2
A continuacion, usando las transformaciones T y L, se obtienen las curvas
correspondientes al permetro de la region en el plano uv, de acuerdo a las
condiciones que deben satisfacerse para que el Toerema 3.2 sea aplicado :
u+v
= 0 v = u
2
vu
u+v
=
u=0
y = x
2
2
x+y = 2 v =2
x = 0
Entonces los lados de la region S en el plano uv estan dados por las curvas de
ecuaciones:
v = u, u = 0, v = 2;
lo que graficamente es:

126
v
v =2
2
u=0
v = -u
u
Se verifica que cuando se recorre la frontera de S en sentido positivo (en direccion contraria a los punteros de el reloj) una vez, entonces se recorre la frontera
de R una vez en el sentido negativo (en direccion a los punteros de el reloj).
As:

Z Z
Z 1Z 2y
1 2 0
u
x+y
dxdy =
sen( )dudv
sen
xy
2 0 v
v
0 y
0
Z 2
1
u
=
vcos( ) dv
2 0
v v
Z 2
1
(v cos(1))dv
=
2 0

2
1 v2
=
cos(1)v
2 2
0
0.4597

En la practica, a parte del sistema de coordenadas rectangulares en dos
variables, uno de los sistemas de coordenadas utilizado es el sistema de coordenadas polares, en la cual un punto P del plano queda representado por el
par (r, ); donde r es la distancia desde el origen a P y denota la medida del
angulo por el eje polar y OP
P(r,)
0
Eje Polar
Figura 3.15: Sistema de coordenadas polares

Ahora, las transformaciones entre las coordenadas rectangulares y las
coordenadas polares estan dadas como se indica a continuacion. Si (x, y) es
127
un punto en el plano xy y (r, ) su equivalente en el plano polar entonces

deben cumplirse el siguiente conjunto de ecuaciones:
x = rcos , y = rsen
(3.22)
y
, r 2 = x2 + y 2
(3.23)
x
Las ecuaciones (3.22) representan la transformacion del plano polar al plano
de coordenadas rectangulares; siendo viceversa las ecuaciones (3.23).
En condiciones adecuadas, una integral doble en coordenadas rectangulares se puede transformar en una integral doble en coordenadas polares. Muchas
veces, una integral doble en coordenadas rectangulares puede resultar compleja
su evaluacion; sin embargo, al hacer la transformacion a coordenadas polares
el calculo de la integral puede hacerse muy sencillo.
tg =
Ejemplo 3.13. Evaluar

Z Z
(x2 + y 2 ) 2 dydx
R
donde R es la region en el primer cuadrante entre x2 + y 2 = 1, x2 + y 2 = 4.

Soluci
on Esta integral puede ser cambiada a una integral en coordenadas
polares. Haciendo
x = rcos, y = rsen
entonces el jacobiano de la sustitucion es:
x
x

r
(x, y)
=
(r, )
y
y
r

cos

=
sen

rsen
=r

rcos
Por otra parte, la grafica de la region R del plano xy es:
R
1

128
Ahora, nuevamente analizando la frontera de la region R se obtiene la frontera

de la region S en el plano r:
x2 + y 2 = 1
1x2
x2 + y 2 = 4
1y2
r=1
= 0 (y = 0)
r=2
= 2 (x = 0)
As, la region S en el plano r queda definida por 1 r 2, 0

Graficamente se tiene:
.
2
Se verifica que cuando se recorre la frontera de S una vez en el sentido positivo,

tambien se recorre la frontera de R una vez en el mismo sentido. De acuerdo
al Teorema 3.2 se tiene que:
Z Z
Z 2Z
2
2
2 23
(x + y ) dydx =
r 3 rddr
R
0
1
Z 2Z
2
=
r 4 ddr
1
0

Z 2
Z 2
2
4
4
=
r dr =
r dr
1
1 2
0
2
31
5
r = 9.7389
=
10 1 10
3.4.
APLICACION DE MAPLE
Para obtener una integral doble en Maple se usa el comando Doubleint,

precedido de la sentencia with(student), que abre la libreria corespodiente. La
sentencia anterior obtiene la integral doble de una manera simbolica; usando
el comando value para obtener su valor numerico. Por ejemplo, si se desea
129
enaluar la integral doble de la funcion f definida por f (x, y) = x2 y 3y para

2 y 3, 0 x 2, entonces se ejecuta:
> with(student):
> f:=(x,y) > x2*y-3*y; # la expresion se escribe como funcion
f := (x, y) > x2 y 3y
> Doubleint(f(x,y),y=-2..3,x=0..2);
Z 2Z 3
0
> value( %);
x2 y 3ydydx
25
3
con lo cual
Z
(x2 y 3y)dydx =
25
3
Ahora, si se desea calular el area encerrada entre las curvas y = x2 ,

y = x + 6, una rutina completa sera:
> with(student):
> plot([x2,x+6],x=-5..5);
25
20
15
10
4
x
> Doubleint(1,y=x2..x+6,x=-2..3);
Z 3 Z x+6
> value( %);
x2
1dydx

130
125
6
unidades cuadradas.
y as el area entre las dos curvas anteriores es de 125
6
Observacion: Un modo de ayudarse en el calculo de areas encerrada entre
curvas, es con la sentencia intercept, que tambien esta dentro de la libreria
student; el cual encuentra las coordenadas de los puntos de interseccion entre
dos curvas. Para el calculo del area anterior, los puntos de intersecion entre las
curvas y = x2 y y = x + 6 son encontrados ejecutando:
> with(student)
> intercept(y=x**2,y=x+6,{x,y});
{y = 4, x = 2}, {y = 9, x = 3}
el cual indica que los puntos de interseccion de las dos curvas son (2, 4) y
(3, 9)
En Maple las integrales dobles pueden ser evaluadas directamente con una
sentencia de doble integral. Por ejemplo, el area anterior puede ser calculada
como:
> int(int(1,y=x2..x+6),x=-2..3);
125
6
y la primera integral como:
> f:=(x,y) > x2*y-3*y;
f := (x, y) > x2 y 3y
> int(int(f(x,y),y=-2..3),x=0..2);
25
3
Se puede realizar una peque
na rutina para calcular un volumen encerrado por
superficies. Por ejemplo, si se desea calcular el volumen de un solido, en el
primer octante, acotado por las superficies z = 9 x2 y 2 y x + y = 2,
entonces la representacion y el calculo de su volumen se hace como:
> with(student):
> with(plots):
> implicitplot3d({z=9-x2-y2,x+y=2},x=0..5,y=0..5,z=0..15,orientation=[300,45],
axes=boxed); # se representa el grafico de la superficie encerrada
131
14
12
10
z
8
6
5
4
2
0
0
3
1
2
3
1
4
5
> Doubleint( 9-x2-y2,y=0..2-x,0..2); # se representa la integral doble que

># eval
ua el volumen
Z 2 Z 2x
9 x2 y 2 dydx
0
> value( %);
46
3
Para el caso de integrales triple, se usa el comando Tripleint, tambien
precedido del comando with(student). Por ejemplo, si se desa evaluar la integral
triple de la funcion f dada por la expresion f (x, y, z) = xz + 2 para 0 z
9 y 2, y 2 x 4, 2 y 2, se hace como:
> Tripleint(x*z+2,z=0..9-y2,x=y2..4,y=-2..2);
> value( %);
2
2
4
y2
9y 2
xz + 2dzdxdy
0
319744
315
Lo anterior puede ser calculado en forma mas directa como:
> int(int(int(x*z+2,z=0..9-y2),x=y2..4),y=-2..2);
319744
315

132
3.5.
1.- Considere los conjuntos del plano:

R = {(x, y) : 0 x 2, 0 y 2}
R1 = {(x, y) : 0 x 2, 0 y 1}
R2 = {(x, y) : 0 x 2, 1 y 2}.
Ademas suponga que:

Z Z
Z Z
f (x, y)dA = 3,
g(x, y)dA = 5
R
R1
g(x, y)dA = 2
Use las propiedades de las integrales para evaluar:

Z Z
a)
(3f (x, y) g(x, y))dA
R
b)
Z Z
(2f (x, y) + 5g(x, y))dA
c)
R2
g(x, y)dA
2.- En los siguientes problemas, eval

ue las integrales iteradas.
Z 4Z 2
a)
(x + y 2) dydx
1
b)
1Z
c)
Z
Z
ln 3
d)
(xy + y 2 ) dxdy
xy 3 dxdy
xyexy dydx
3.- En cada uno de los casos, evaluar la integral doble sobre la region R encerrada por las curvas que se indican:
Z Z
a)
(x + y)dA; R es el triangulo con vertices: (0, 0), (0, 4), (1, 4)
R
b)
Z Z
xy dA;
c)
Z Z
(x2 + 2y) dA;
y = x2 , y = 1
y = x2 , y =

d)
Z Z
ex/y dA;
Z Z
ysen xdA;
y = 2x, y = x, y 1, y = 4
e)
133
x = y 2 , x = 9, y 1
4.- En los siguentes problemas, bosqueje el solido indicado. Luego, determine

el volumen mediante una integracion doble iterada.
a) El tetaedro acotado por los planos coordenados y el plano de ecuacion
z = 6 2x 3y
b) La cu
na acotada por los planos coordenados y los planos de ecuaciones
x = 5 y y + 2z 4 = 0
c) El solido acotado en el primer octante acotado por las superficies de
ecuaciones z = 4 x2 y x + y = 2.
d) El solido acotado por el cono de ecuacion z = x2 + y 2 , los planos de
ecuaciones x = 0, z = 0 y la superficie de ecuacion x = 9 y 2 .
5.- Represente la region acotada por las curvas, dadas por las ecuacioines
indicadas, y calcule el area por medio de integrales dobles:
a) y = x, 2x + 3y = 18, y = 0
b) y 2 = x, y + x = 2
c) y = x, y = 3x, x + y = 4
d) y = x, x = 1, x = 4
6.- En los siguientes problemas eval

ue las integrales iteradas.
Z 1Z 2Z 2
a)
xy 2 zdydxdz
0
b)
/2
c)
2x
e)
d)
3y+x
6xy 2z 3 dxdzdy
dzdydx
0
x1
dzdydx
sen(x + y + z)dxdydz

134
7.- Represente la region acotada por la grafica de las ecuaciones y use una
integral triple para calcular su volumen:
a) 3x + 4y + z 12 = 0, x = 0, y = 0, z = 0
b) 4 x2 = z, z = 3y, y = 0, z = 0
c) z = 4y 2, z = 2, x = 2, x = 0
d) z + x2 + y 2 = 9, x = 0, y = x, y = 2, z = 0
8.- Eval
ue la integral haciendo el cambio de variables a coordenadas rectangulares correspondiente.
Z Z
a)
sen[(y x)/(x + y)]dxdy;
S
S es el trapecio con vertices (1, 1), (2, 2), (4, 0), (2, 0).
Z Z p
1
b)
( x 2y + y 2)dxdy;
4
S
S es el triangulo con vertices (0, 0), (4, 0), (4, 2).
9.- Eval
ue la integral haciendo el cambio de variables a coordenadas polares.
Z Z
(x2 + y 2)3/2 dydx;
S
S es la region acotada por y 0 y x2 + y 2 = 9

10.- Si f es una funcion con primeras derivadas paeciales continuas tal que
f (x, y) 0 en una region S del plano xy, entonces es posible calcular el area
A de la superficie dada por la grafica de f sobre la rgion S de la siguiente
manera:
Z Z q
(fx (x, y))2 + (fy (x, y))2 + 1dA
A=
S
Entonces:
a) Sea S la region del plano xy acotada por y = 21 x, x = 0, y = 6. Calcular

el area de la superficie de la gafica dada por la ecuacion z = x + 2y 2 que
se encuentra sobre la region S.
b) Calcule el area de la superficie de la parte del paraboloide z = x2 + y 2
que se obtiene al cortarlo en plano z = 1.
Captulo 4
SERIES INFINITAS
Las series infinitas presentan bastante utilidad en la resolucion de muchos
problemas de matematica aplicada. Por ejemplo, una cierta funcion en una variable, que en el papel se ve complicada, puede ser aproximada por una suma
de terminos; en que cada uno de ellos es una potencia en la variable. Dicha
suma de terminos correspondera a una parte de una serie infinita que, generalmente, mientras mayor sea el n
umero de terminos de la suma mejor sera la
aproximacion. Otro caso importante es que la solucion de algunas ecuaciones
diferenciales, que representan alg
un fenomeno, tienen por solucion una serie
infinita.
La idea de este captulo es entregar algunos conceptos basicos de series,
desarrollando primero para ello la idea de sucesiones.
4.1.
SUCESIONES INFINITAS
En una manera simple, se puede decir que una sucesi

on infinita
a1 , a2 , a3 , . . .
es un arreglo ordenado de n
umeros reales, uno por cada entero positivo. Con
mas formalidad, una sucesion infinita (o simplemente sucesi
on o secuencia)
es una funcion cuyo dominio es el conjunto de los enteros positivos y cuyo
rango es el conjunto de los n
umeros reales. Cada n
umero real ak es un termino
de la sucesion y se dice que la sucesion es un arreglo ordenado, ya que hay un
primer termino a1 , un segundo termino a2 , y para todo entero positivo n un
n-esimo termino an . Generalmente, una sucesion a1 , a2 , . . . es denotada por
{an }.
Ejemplo 4.1.
1. Si an = 1 n1 , entonces reemplazando primero n = 1, despues n = 2,
etc, se pueden obtener los primeros terminos de la sucesion:
0,
1 2 3 4
, , , ,...
2 3 4 5
135
CAPITULO 4. SERIES INFINITAS
136
2. Si bn = (1)n + n1 , entonces los primeros terminos de la sucesion seran:

0,
2 5
4 7
6
3
, , , , , ,...
2
3 4
5 6
7
3. Si cn = 4, entonces la sucesion es:

4, 4, 4, 4, . . .

Una sucesion infinita {an } puede tener la propiedad que cuando n aumenta, el valor de el n-esimo termino, an , se acerque a un n
umero real L; es decir,
el valor de |an L| sea cercano a cero cuando n es grande. Por ejemplo, la
sucesion {an } del Ejemplo 4.1 se acerca progresivamente a 1 cuando n crece y
en este caso se dice que la sucesion {an } tiene lmite 1 o converge a 1. Tambien
es correcto decir que la sucesion {cn } converge a 4. La sucesion {bn } no se
acerca a ning
un n
umero y se dice que diverge.
Con la idea anterior, se entrega la definicion de convergencia de una sucesion.
Definici
on 4.1. Una sucesion {an } converge a L, lo cual se escribe como
lm an = L,
si para todo n
umero positivo existe un n
umero positivo N correspondiente tal
que
|an L| < , siempre que n > N
Observaci
on 4.1. Si tal n
umero L, en la definicion anterior, no existe, se
dice que la sucesion diverge o que es divergente.
Ahora, si el n-esimo termino de una sucesion {an }, an , se puede hacer
tan grande como se quisiera tomando n suficientemente grande, entonces la
sucesion diverge; usando, en este caso, la notacion de lmite y escribiendose
como
lm an =
Por otra parte, si una sucesion {an } coincide con los valores de una funcion f
en todo entero positivo n, y si f (x) tiende a un lmite cuando x , entonces
la sucesion debe converger a ese mismo lmite. A partir de esta idea, se tiene
el siguiente resultado que permite investigar la convergencia o divergencia de
una sucesion.
Teorema 4.1. Sea {an } una sucesion infinita y sea f (n) = an , para todo
entero positivo n, donde f (x) existe para todo n
umero real x 1:
i) Si lm f (x) = L, entonces lm an = L,
x
L IR
4.1. SUCESIONES INFINITAS
137
ii) Si lm f (x) = (
o ), entonces lm an = (
o )
x
Antes de revisar algunos ejemplos, se mencionan algunas propiedades sobre lmites de sucesiones las cuales son analogas a las propiedades de lmites
de funciones.
Teorema 4.2. Sean {an } y {bn } sucesiones convergentes y k cualquier n
umero
real. Entonces:
a) lm k = k
n
b) lm kan = k lm an
n
c) lm (an bn ) = lm an lm bn
n
d) lm (an bn ) = lm an lm bn
n
lm an
an
= n ; si lm bn 6= 0
n bn
n
lm bn
e) lm
Ejemplo 4.2. Determinar si son convergentes las siguientes sucesiones

a)
(1)n
4
b)
5n2
8n2 + 4
ln(n)
en
Soluci
on:
c)
a) an =
(1)n
, con lo cual la sucesion tiene terminos
4
1 1
1 1
, , , ,...
4 4
4 4
con lo cual la sucecion oscila entre los valores 14 y 14 y por lo tanto no

tiene lmite y la sucesion diverge (el lmite es u
nico).
b) Aplicando los resultados del Teorema 4.2 se tiene
5n2
=
n 8n2 + 4
lm
5
n 8 + 42
n
lm 5
n

=
lm 8 + n42
lm
5
lm 8 + lm
4
2
n n
5
5
=
8+0
8
138
c) Aqu es conveniente aplicar el Teorema 4.1 por la necesidad de aplicar la

regla de lHopital. Consideremos
f (x) =
ln(x)
,
ex
para lo cual f (x) existe para todo n

umero real x 1. Ahora, la idea es
evaluar
ln(x)
lm
x ex
Por regla de lHopital se tiene:
1
ln(x)
x
lm
= lm x = 0
x ex
x e
con lo que, por el Teorema 4.1, se concluye que

lm
es decir, la sucesion
ln(n)
= 0;
en
ln(n)
converge a cero.
en

A continuacion se ve el resultado que tiene que ver con la situacion en
que los terminos de una sucesion esten siempre intercalados entre los terminos
correspondientes de dos sucesiones que tienen el mismo lmite.
Teorema 4.3. Sean {an } y {bn } dos sucesiones tales que
lm an = L = lm bn
y supongamos que existe un n

umero entero N y una sucecion {cn } tales que
an cn bn para todo n > N, entonces
lm cn = L
Ejemplo 4.3. Calcular el lmite de la sucesion
sen3 n
2n
Soluci
on: Para n 1 se tiene que
1 sen3 n 1
de donde
1
Como lm n = 0
n
2
que
sen3 n
1
1
n , para n 1
n
n
2
2
2
1
y lm n = 0 y de acuerdo al Teorema 4.3 se tiene
n 2
sen3 n
= 0,
n
n
lm
4.1. SUCESIONES INFINITAS

con lo cual la sucesion
sen3 n
2n
139
converge a cero.

Claramente, por lo que hemos visto, se ve que si an = c, c un n
umero real
constante para todo n; con lo cual la sucesion infinita es c, c, c, . . ., entonces
lm an = c. Ademas si b es una valor real y k es un n
umero real positivo,
n
entonces:
b
lm k = 0
n n
Para sucesiones de signos variables es u
til tener el resultado que se da a continuacion y que es una consecuencia directa de la definicion de lmite de una
sucesion.
Teorema 4.4. Sea {an } una sucesion. Si lm |an | = 0, entonces lm an = 0
n
Del Teorema 4.4 se concluye lo siguiente: si se tiene una sucesion de terminos positivos y terminos negativos y si la sucesion de terminos positivos converge a cero entonces la sucesion original tambien debe converger a cero.

n (n + 1)
Ejemplo 4.4. Encuentre el lmite de la sucesion (1)
n2
Soluci
on: Algunos terminos de la sucesion son
2,
3
4 5
6 7
, ,
, ,
, ...
4
9 16
25 36
Si se considera solo la sucesion de terminos positivos, se tiene la serie

Ahora

1
1
n+1
lm
= lm
+ 2 =0
n n2
n n
n

(n + 1)
converge a cero.
y as la sucesion (1)n
n2

(n + 1)
.
n2

Sera interesante ver tambien, por ejemplo, que pasa con la sucesion
{(0.75)n } o bien con la sucesion {(1.5)n }. Al evaluar la primera sucesion para
valores de n grande (10, 100, . . .) se ve que cada vez el valor de los terminos
se va haciendo mas peque
no y la segunda sucesion marcha directo hacia .
Al respecto, se tiene el siguiente resultado:
Teorema 4.5.
1) lm r n = 0; si |r| < 1
n
2) lm |r n | = ; si |r| > 1
n
140
4.2.
SERIES INFINITAS
Una de las aplicaciones importantes de las sucesiones es que ellas sirven

para representar sumas infinitas y que dan pie a la siguiente definicion.
Definici
on 4.2. Sea {an } una sucesion infinita, entonces la expresion
X
n=1
an = a1 + a2 + + an +
se llama serie infinita (o simplemente serie).

Los n
umeros a1 , a2 , a3 , . . . de la Definicion 4.2 constituyen los t
erminos
P
de la serie y como convenio de notacion suele escribirse como
an o bien
n=1
P
an . En algunas situaciones sera conveniente comenzar la serie con n = 0.
P
Ahora, a partir de la serie
an definamos las siguientes sumas:
S1 = a1
S2 = a1 + a2
S3 = a1 + a2 + a3
.. .. ..
. . .
Sn = a1 + a2 + a3 + + an
Pensando que n puede hacerse tan grande como se quiera se puede pensar que;
de esta manera, se ha obtenido la sucecion {Sn }. Con esta idea se entrega la
siguiente definicion
Definici
on 4.3. Para la serie
an , la n-esima suma parcial viene dada por
Sn = a1 + a2 + + an
Si la sucesion de sumas parciales {Sn } converge a S, diremos que la serie
converge a S, llamando a S suma de la serie y escribiendo
S = a1 + a2 + a3 + + an +
Si {Sn } diverge, diremos que la serie es divergente.
Ejemplo 4.5. Verifique que la serie
Soluci
on:
1
P
es convergente.
n
n=1 2
X
1 1 1
1
1
= + + +
+
n
2
2 4 8 16
n=1
an
4.2. SERIES INFINITAS
141
con lo cual la sucesion de sumas parciales es:

1
1
=1
2
2
3
1
1 1
+ = =1
S2 =
2 4
4
4
7
1
1 1 1
+ + = =1
S3 =
2 4 8
8
8
..
..
. = .
etc
S1 =
Ahora, haciendo induccion sobre n, se prueba que:

Sn = 1
1
,
2n
de donde:

1
lm Sn = lm 1 n = 1
n
n
2
y as {Sn } converge a 1. Por lo tanto la serie
es 1.
1
P
es convergente y su lmite
n
n=1 2
Definici
on 4.4. Una serie de la forma
X
n=1
ar n1 = a + ar + ar 2 + ar 3 + ;
donde, a y r son n
umeros reales, con a 6= 0, se llama serie geom
etrica.
Ejemplo 4.6. La serie de el Ejemplo 4.5
efecto:
1
P
es una serie geometrica. En
n
n=1 2
n1 X
X
X
1 1
1
=
=
ar n1 ;
n
2
2 2
n=1
n=1
n=1
con lo que se puede tomar a = r =
1
2
En cuanto a la convergencia de la serie, se dispone del siguiente resultado:

Teorema 4.6. Sea a 6= 0. La serie geometrica
X
n=1
ar n1 = a + ar + ar 2 + ar 3 +
1.- es convergente y su suma vale
a
si |r| < 1.
1r
142
2.- es divergente si |r| > 1.
Ejemplo 4.7. Use el resultado del Teorema 4.6 para analizar la convergencia
de las siguientes series geometricas:
a)
n=1
5
4n1
n1
7
b)
4
n=1
Soluci
on:
a)
X
5
5
5
5
=
5
+
+
+
+
n1
2
3
4
4
4
4
n=1
2
3

1
1
1
+5
+5
+
= 5+5
4
4
4
Con lo cual se trata de una serie geometrica con a = 5 y r = 41 . Como |r| < 1
la serie es convergente y su suma S es:
S=
5
a
=
1r
1
1
4
20
3
b)
n1
2 3 4

X
7
7
7
7
7
+
=1+
+
+
+
4
4
4
4
4
n=1
siendo una serie geometrica con a = 1 y r = 74 . Como |r| =
divergente.
7
4
> 1 la serie es
Definici
on 4.5. La serie
X
1 1 1
1
= 1+ + + +
n
2 3 4
n=1
recibe el nombre de serie arm

onica.
Observaci
on 4.2. A traves de un arreglo agebraico, se verifica que la serie
armonica es una serie divergente.
En el siguiente resultado se entregan algunas propiedades de las series,
las cuales son consecuencias directas de las correspondientes propiedades de
los lmites de sucesiones.
P
P
Teorema 4.7. Si
an y
bn son series convergentes y c es una constante,
n=1
entonces las series
n=1
n=1
can y
(an + bn ) tambien convergen y ademas
n=1

a)
can = c
n=1
b)
an
n=1
(an + bn ) =
n=1
143
an +
n=1
bn
n=1
De acuerdo al Teorema 4.6, se ve que una serie geometrica converge si y

solo si el n-esimo termino converge a cero. Sera posible que esto se cumpla
P
para todas las series? La respuesta es no, aunque se sabe que si una serie
an
es convergente entonces lm an = 0. De lo anterior se obtiene el siguiente
n
resultado inmediato.
P
Teorema 4.8. Si lm an 6= 0 (o lm an no existe), la serie an es divergente.
n
Ejemplo 4.8. Consideremos la serie
X
n=1
n2
5n2 + 1
Entonces el n-esimo termino de la serie es

an =
con lo que
n2
5n2 + 1
1
n2
1
=
= lm
n 5n2 + 1
n 5 + 12
5
n
lm an = lm
Por consiguiente, el lmite del n-esimo termino no es cero y se concluye que

la serie es divergente.

A continuacion, se mencionan unos criterios de convergencia, algunos de
los cuales podran ser aplicados a series especiales que se definen mas adelante.
Muchas de las series se componen solo terminos positivos; teniendose para
estas series el siguiente criterio de convergencia llamado criterio de la razon.
P
Criterio de la Raz
on: Sea
an una serie con t
erminos positivos y
sup
ongase que
an+1
=L
lm
n an
entonces,
i) Si L < 1, la serie converge.
an+1
= , la serie diverge.
n an
ii) Si L > 1 o bi
en lm
iii) Si L = 1, no hay conclusi

on.
Ejemplo 4.9. Determinar si las siguientes series convergen.
a)
5n
P
n=1 n!
144
b)
2n
P
3
n=1 n
Soluci
on:n
5
a) an = , entonces
n!
5n+1 n!
an+1
= lm
L = lm
n (n + 1)! 5n
n an
Ahora, se sabe que (n + 1)! = (n + 1)n!, con lo cual
an+1
5
= lm
=0
n an
n n + 1
L = lm
Como L = 0 < 1, la serie es convergente.

b) an =
2n
, entonces
n3
2n+1 n3
an+1
= lm
n (n + 1)3 2n
n an
2n3
= lm 3
n n + 3n2 + 3n + 1
2
= lm
3
n 1 +
+ n32 + n13
n
= 2
L =
lm
Como L = 2 > 1, la serie es divergente.

Consideremos ahora una serie en que tenga terminos positivos y negativos. En particular, veamos las llamadas series alternantes, cuya forma es la
siguiente:
a1 a2 + a3 a4 +
donde an es positivo, para todo n IN. Por ejemplo, la serie
1
1 1 1
+ + ;
2 3 4
se puede considerarse como la serie arm

onica alternante. Mas adelante se
vera que, a diferencia de la serie armonica, esta serie alternante es convergente.
El siguiente resultado proporciona un criterio de convergencia para las series
alternantes.
Criterio de Series Alternantes: Sea
X
(1)n1 an = a1 a2 + a3 a4 +
n
una serie alternante con an an+1 para todo n IN. Si lm an = 0 entonces

n
la serie es convergente.
145
Ejemplo 4.10. Estudiar la convergencia de las series

a)
(1)n1 (
n=1
b)
(1)n1 (
n=1
Soluci
on:
a)
1
)
n!
2n
)
4n2 3
(1)n1
n=1
1
1
1
1
1
1
1
= + + +
n!
1! 2! 3! 4! 5! 6!
Entonces la serie se puede denotar por
P
1
(1)n1 an , donde an = . Ahora
n!
1
1
, para todo n IN
(n + 1)!
n!
lo cual implica que an+1 an , para cualquier entero n. Tambien

1
=0
n n!
lm an = lm
con lo que la serie converge, de acuerdo al criterio de series alternantes.

b)
(1)n1
n=1
2n
4
2
8
10
4
=2
+
+
2
4n 3
13 11 61 97 47
Para establecer que an+1 an usemos calculo diferncial. En este caso tomemos
f (x) =
2x
, x1
3
4x2
cuya derivada es
2(4x2 3) (2x)(8x)
(4x2 3)2
2
8x 6
=
(4x2 3)2
f (x) =
la que resulta ser siempre negativa; es decir, f es decreciente, de donde se

deduce que an+1 an para n 1. Ademas:
lm
2n
n 4n2 3
2
=0
= lm
n 4n 3
n
=
lm
con lo que la serie converge, seg

un el criterio de las series alternantes.
146
A continuacion veremos un criterio para series de terminos positivos en el

cual se permite comparar, termino a termino, una serie con otra mas sencilla
cuya convergencia o divergencia ya es conocida.
Criterio de Comparaci
on Directa: Sean 0 an bn , para todo n IN.
P
P
1. Si
bn converge, entonces
an converge.
n=1
2. Si
n=1
an diverge, entonces
n=1
bn diverge.
n=1
Ejemplo 4.11. Sea la serie
X
n=1
Verificar que es convergente.

Soluci
on:
an =
2
1 + 5n
2
2
<
= bn ,
1 + 5n
5n
(4.1)
n1
Pero la serie
X 2
5n
es una serie geometrica convergente (porque?). De acuerdo al criterio de comP 2
paracion directa, la serie
es convergente.
1 + 5n

Puede ocurrir que una serie tenga terminos positivos y negativos sin ser
una serie alternante como ocurre con:
X sen(n)
sen1 sen2 sen3
=
+
+
+
2
n
1
4
9
Dada la caracterstica de este tipo de series, se podra pensar en tomar la serie
de los valores absolutos. Al respecto, se entrega la siguiente definicion.
P
Definici
on 4.6. La serie
an se dice absolutamente convergente si la
serie
X
|an | = |a1 | + |a2 | + |a3 | +
X
bn =
n=1
es convergente.
P
Observese que si
an es una serie de terminos positivos, entonces |an | =
an y, por lo tanto, la convergencia absoluta es lo mismo que la convergencia.
Antes de presentar un ejemplo de series absolutamente convergente, se entrega
el siguiente resultado.
Teorema 4.9. La serie p o serie arm
onica
X
1
1
1
1
=
1
+
+
+
+
np
2p 3p 4p
n=1
converge si p > 1 y diverge si p 1.
147
5n
converge absolutamente.
n!
n=1
P 5n
y usamos el
Soluci
on: Si consideramos la serie de valores absolutos
n!
criterio de la razon se tiene:
Ejemplo 4.12. Verifique que la serie
(1)n
5n+1 n!
5n!
lm
= lm
n (n + 1)! 5n
n (n + 1)n!
5
=0
= lm
n n + 1
P 5n
P
an+1
5n
As lm
< 1 y la serie
es convergente, con lo cual la serie (1)n
n an
n!
n!
es absolutamente convergente.

an+1
lm
=
n an
Ejemplo 4.13. Verifique la convergencia absoluta de la serie
X
sen(n)
n=1
n3
Soluci
on: Esta es una serie con terminos positivos y negativos, en la cual los
signos varan aleatoriamente. Ahora, sabemos que

sen(n)
1

n3 n3 , n = 1, 2, 3, ...
P 1
y que la serie
es convergente por ser una serie p, con p = 3 > 1, y por el
n3
criterio de comparacion directa la serie
X sen(n)

n3
es convergente. As
X
sen(n)
n=1
n3

Existe una relacion entre convergencia absoluta y convergencia. Esta relacion esta dada en el siguiente resultado.
P
Teorema 4.10. Si una serie Pan es absolutamente convergente,
entonces
P
ella es convergente. Es decir, si
|an | converge entonces
an converge.
La implicancia inversa del teorema anterior generalmente no se cumple;

es decir, que la convergencia implique la convergencia absoluta. Por ejemplo,
la serie
X (1)n
n
en la cual se puede verificar que es convergente (por el criterio de series alternantes), pero al tomar los valores absolutos resulta la serie armonica que se
sabe que es divergente. Esto da lugar a la siguiente definicion.
148
P
Definici
on 4.7. Una serie
an es condicionalmente convergente si ella
P
es convergente pero
|an | es divergente.
Ejemplo 4.14. Verificar que la serie
vergente.
P (1)n
es condicionalmente conln(n + 1)
P (1)n
es converSoluci
on: Por el criterio de series alternantes la serie
ln(n + 1)
gente. Sin embargo, la serie

X
(1)n
1
1
1

ln(n + 1) = ln2 + ln3 + ln4 +
n=1
es divergente, ya que para todo n > 1 se tiene que
1
1
<
n+1
ln(n + 1)
P
1
1
es divergente (serie armonica), entonces la serie
n=1 n + 1
n=1 ln(n + 1)
es divergente, por el criterio de comparacion directa. As, la serie es condicionalmente convergente.

De todo lo dicho anteriormente, se concluye que las series infinitas se
pueden clasificar en uno de los siguientes grupos: series absolutamente convergentes, series condicionalmente convergentes o series divergentes. Tambien las
series de terminos positivos solo pueden ser convergentes o divergentes.
Como
4.3.
SERIES DE POTENCIAS
En esta seccion nos abocaremos a las series en las que los terminos no son
n
umeros reales, sino que funciones en una variable.
Son muchas las funciones, que se utilizan para estudiar los problemas
matematicos, fsicos y qumicos, entre otros, que conviene expresar como una
suma de una serie de potencias. Para los casos en que las funciones tienen una
cierta complejidad es necesario representarlas por una de estas series; ya que
de esta manera se facilitara el estudio de ellas.
Claramente, en este tipo de series se debe delucidar cuales seran el o los
valores de la variable para lo cual la serie converge (intervalo de convergencia).
Por ejemplo, consideremos la serie geometrica:
X
n=0
xn = 1 + x + x2 + x3 + x4 +
donde x es una variable real. De acuerdo a un resultado anterior, sabemos que

esta serie es convergente si |x| < 1 y en tal caso se tiene que
X
n=0
xn =
1
1x
4.3. SERIES DE POTENCIAS
149
As, si se define la funcion f por:

f (x) =
entonces
1
, |x| < 1
1x
f (x) = 1 + x2 + x3 +
y se dice que la funcion f esta representada por esta serie de potencia infinita.
Definici
on 4.8. Sea x una variable. Una serie de potencias en x es una
serie de la forma
X
n=0
an xn = a0 + a1 x + a2 x2 + a3 x3 +
donde a0 , a1 , a2 . . . son n
umeros reales. En general, una serie del tipo
X
n=0
an (x c)n = a0 + a1 (x c) + a2 (x c)2 +
se llama una serie de potencias centrada en c, donde c es una constante

real.
Ejemplo 4.15.
1. La serie
X
xn
n=0
n!
= 1+x+
x2 x3 x4
+
+
+
2!
3!
4!
es una serie de potencias centrada en 0.

2. La serie
X
1
1
1
(x 1)n = (x 1) + (x 1)2 + (x 1)3 +
n
2
3
n=1
es una serie de potencias centrada en 1.

Una serie de potencias en x
f (x) =
X
n=0
an (x c)n
puede ser considerada como una funcion de x, cuyo dominio es el conjunto

de todos los x para los que la serie es convergente. El objetivo es entonces
determinar el dominio de las series de potencias. Particularmente, una serie de
potencias centrada en c tiene en su dominio a la constante c; ya que
f (c) =
X
n=0
an (c c)n
= a0 + 0 + + 0 +
= a0
150
con lo cual la serie converge a a0 . Para concluir lo anterior hay que hacer el
supuesto que 00 = 1.
A continuacion se enuncia un resultado, en el cual nos dice que una serie
de potencias puede converger en un punto, en un intervalo centrado en c, o en
toda la recta real.
Teorema 4.11. (Convergencias de Series de Potencias). Sea la serie de
potencias centrada en c:
f (x) =
X
n=0
an (x c)n
entonces solo ocurre una de las tres posibilidades siguientes:

a) La serie converge solo en c.
b) La serie converge absolutamente para |x c| < R y diverge para |x c| >
R, donde R es un n
umero real positivo.
c) La serie converge para todo x.
El n
umero R en el teorema anterior recibe el nombre de radio de convergencia de la serie de potencias. Si se da el caso a) diremos que R = 0 y si
se da el caso c) entonces diremos que R = . El conjunto de todos los valores
x donde la serie es convergente se llama intervalo de convergencia de la
serie de potencias.
Observaci
on 4.3. El Teorema 4.11 no dice nada acerca de la convergencia
en los valores extremos del intervalo de convergencia de radio R (0 < R <
). La convergencia de los dos puntos extremos de este tipo de intervalo de
convergencia deben estudiarse en forma separada.
Ejemplo 4.16. Encontrar los valores de x para los que la serie de potencias
centrada en 0:
X
n n 1
2
3
4
x = x + 2 x2 + 3 x3 + 4 x4 +
n
5
5
5
5
5
n=1
Soluci
on: El n-esimo termino de esta serie es
an =
n n nxn
x = n
5n
5
entonces

(n + 1)xn+1 5n
, x 6= 0
lm
n
5n+1
nxn

(n + 1)x
n
+
1
= lm
|x|
= lm
n
5n n 5n

1
1
1
= |x|
+
= |x| lm
n 5
5n
5

an+1
=
lm
n an
4.3. SERIES DE POTENCIAS
151
Luego, por el criterio de la razon con L = 15 |x|, la serie es absolutamente

convergente si
1
|x| < 1 = |x| < 5
5
y diverge cuando |x| > 5. Por lo tanto el radio de convergencia de la serie es
R = 5. Ahora, si |x| = 5 entonces x = 5 o x = 5 con lo cual la serie queda
como:
1+2+3+4+
o
1 + 2 3 + 4
con lo que claramente son series divergentes. Por lo tanto, la serie es convergente para todo x en el intervalo (5, 5) y diverge para cualquier otro valor
fuera de este intervalo.

Ejemplo 4.17. Encontrar el intervalo de convergencia de la serie
X
(1)n
n=0
1
1
1
(x 3)n = 1 (x 3) + (x 3)2 (x 3)3 +
n+1
2
3
4
Soluci
on: El n-esimo termino de la serie es
an =
(1)n
(x 3)n
n+1
entonces

(x 3)n+1 n + 1
, x 6= 3
lm
n
n + 2 (x 3)n

n + 1

= lm
(x 3)
n n + 2

n + 1
= |x 3|
= |x 3| lm
n n + 2

an+1
=
lm
n an
Luego, la serie converge si |x 3| < 1; vale decir, 1 < x 3 < 1 o 2 < x < 4
y la serie diverge para x < 2 y x > 4. Ahora si x = 2, se obtiene la serie:
1+
1 1 1
+ + +
2 3 4
lo que constituye la serie armonica y por lo tanto divergente. Si x = 4 la serie

que se obtiene es:
1
1 1 1 1
+ +
2 3 4 5
que es una serie alternante convergente. As el intervalo de convergencia de la

serie es (2,4].
152
4.4.
SERIES DE TAYLOR Y MACLAURIN
De la seccion P
anterior se sabe que el conjunto de convergencia de una
serie de potencias
an xn , en general, es un intervalo I el cual pasa a ser el
dominio de una nueva funcion S(x), la suma de la serie. As, por lo analizado
en la seccion (4.3), se tiene que:
xn =
n=0
1
= S(x) ,
1x
1 < x < 1
con
se tiene una formula mas simple para para la serie de potencias
P lo cual
n
x
.
Lo
que cabe preguntarse ahora, es que propiedades puede tener la
n=0
funcion S(x); por ejemplo, si es diferenciable o integrable. Esta interrogante
queda despejada en el siguiente resultado.
Teorema 4.12. Supongase que S(x) es la suma de una serie de potencias
sobre un intervalo I; es decir,
S(x) =
an xn
n=0
= a0 + a1 x + a2 x2 + a3 x3 + ......
Entonces si x esta en el interior de I,
i)
S (x) =
nan xn1 = a1 + 2a2 x + 3a3 x2 + ......
n=0
ii)
Z
x
0
X
an n+1
S(t)dt =
x
n+1
n=0
1
1
1
= a0 x + a1 x2 + a2 x3 + a3 x4 + ....
2
3
4
Las series que se obtienen, derivando en i) e integrandoP
en ii), del Teorema
4.12 tienen el mismo radio de convergencia que la serie
an xn , aunque la
convergencia en los extremos puede variar. Por otro lado, una consecuencia
interesante de este teorema es que se puede aplicar a una serie de potencias en
la que conocemos la formula de su suma, para obtener formulas para la suma
de otras series.
Ejemplo 4.18. Consideremos la serie geometrica
1
= 1 + x + x2 + x3 + x4 + ..., 1 < x < 1
1x
Entonces la derivacion en el primer miembro y la derivacion por terminos en
el segundo produce:
153
1
= 1 + 2x + 3x2 + 4x3 + ..., 1 < x < 1
(1 x)2
La integracion en el primer miembro y la integracion por teminos en el segundo

da:
Z x
Z x
Z x
Z x
1
dt =
1dt +
tdt +
t2 dt + ...
1
t
0
0
0
0
con lo cual:
ln(1 x) = x +
x2 x3
+
+ ..., 1 < x < 1
2
3
ln(1 x) = x
x2 x3
..., 1 < x < 1

2
3
o bien

Ahora la incognita que queda por resolver es si es posible representar una
funcion dada en una serie de potencias en x, o mas general en una serie de
terminos (x a), en algu
un intervalo en torno de a.
Supongamos una funcion f representada por una serie de potencias en
x a, de manera que
f (x) =
X
n=0
cn (x a)n
= c0 + c1 (x a) + c2 (x a)2 + c3 (x a)3 + ...;

donde, el dominio de f es un intervalo abierto que contiene a a. Entonces, por
el Teorema 4.12,
f (x) = c1 + 2c2 (x a) + 3c3 (x a)2 + 4c4 (x a)3 + ...
f (x) = +2c2 + (3 2)c3 (x a) + (4 3)c4 (x a)2 + ...
f (x) = (3 2)c3 + (4 3 2)c4 (x a) + ...
Sustituyendo x = a en cada una de las represenaciones anteriores, se obtiene:
f (a) = c0 , f (a) = c1 , f (a) = 2c2 , f (a) = (3 2)c3

y, para todo entero positivo n, se tiene que:
f n (a) = n!cn
con lo cual
cn =
f (n) (a)
n!
154
As, se verifica que los coeficientes cn quedan determinados por la funcion

f y que tambien una funcion no puede ser representada por dos series de
potencias en x a. Esto da origen al siguiente resultado:
Teorema 4.13. Si f es una funcion tal que
f (x) =
X
n=0
cn (x a)n
para todo x en un intervalo que contiene a a, entonces f (n) (a) existe para
n = 0, 1, 2, ... y
cn =
f (n) (a)
n!
con lo cual
f (a)
f (a)
(x a)2 +
(x a)3 + ......
2!
3!
La serie del Teorema 4.13 que representa la funcion f se llama serie de
Taylor de f (x) en a. Para el caso en que a = 0 la serie recibe el nombre de
serie de Macluarin, teniendose, para este caso, la siguiente igualdad:
f (x) = f (a) + f (a)(x a) +
f (0) 2 f (0) 3
f (x) = f (0) + f (0)x +
x +
x + ......
(4.2)
2!
3!
Considerando f (0) (a) = f (a), la serie de Taylor en el Teorema 4.13 se
puede escribir con la notacion de sumatoria de la siguiente manera:
f (x) =
X
f (k) (a)
k=0
k!
(x a)k
(4.3)
Ejemplo 4.19. Encuentre la serie de Taylor de f (x) = 1/x en a = 2.

Soluci
on: Calculando las primeras derivadas de f y envaluandolas en x = 2,
se tiene:
f (x) =
1
,
x
f (x) =
f (x) =
f (2) =
1
,
x2
2
,
x3
f (x) =
f iv (x) =
...
...
1
2
f (2) =
f (2) =
1
4
1
4
6
3
, f (2) =
4
x
8
24
,
x5
f iv (2) =
...
...
3
4
155
Entonces, de acuerdo a la ecuacion (4.2), se tiene que:

f (x) =
1 1
1
1
1
(x 2) + (x 2)2 (x 2)3 + (x 2)4 ...
2 4
8
16
32

x
Ejemplo 4.20. Encuentre la serie de Maclaurin para e
Soluci
on: Si f (x) = ex , entonces la k-esima derivada de f es f k (x) = ex , con
lo cual f k (0) = e0 = 1, para todo k = 0, 1, 2, .... As, de la ecuacion (4.2), se
tiene que:
1 2 1 3 1 4
x + x + x + ...
2!
3!
4!
f (x) = 1 + x +

Todava no se ha respondido la pregunta acerca de las condiciones para
la representacion de una funcion en una serie de Taylor (o Maclaurin). En el
siguiente resultado se encuentra la repuesta.
Teorema 4.14. Sea f una funcion con derivadas en todos los ordenes en alg
un
intervalo abierto I que contiene a a. Una condicion necesaria y suficiente para
que la serie de Taylor
f (a)
f (a)
(x a)2 +
(x a)3 + ...
f (a) + f (a)(x a) +
2!
3!
represente a la funcion f en el intervalo I es que
lm Rn (x) = 0
donde Rn (x) es llamado el residuo de la serie de Taylor, dado por:

Rn (x) =
f n+1 (c)
(x a)n+1
(n + 1)!
con c I.
Ejemplo 4.21. Encuentrar la serie de Maclaurin para sen x y verificar que

representa a sen x para todo n
umero real x.
Soluci
on: Obteniendo las primeras derivadas de f (x) = sen x y evaluandolas
en 0 se tiene:
f (x) = sen x,
f (0) = 0
f (0) = 1
f (0) = 0
f (x) = cos x,
f (x) = sen x,
f (x) = cos x, f (0) = 1

f iv (x) = sen x,
...
...
f iv (0) = 0
...
...
156
con lo cual, sustituyendo en la ecuacion (4.2), se llega a que:

x3 x5 x7
+
+ ...
3!
5!
7!
Ahora, |f n+1 (x)| = |sen x| o |f n+1(x)| = | cos x|. Por lo tanto, |f n+1 (c)| 1
para todo n
umero c y as, usando la formula de Rn (x) con a = 0, se tiene que:
f (x) = x
|Rn (x)| =
|f n+1 (c)| n+1

|x|n+1
|x|
(n + 1)!
(n + 1)!
Pero
|x|n
=0
n n!
P n
ya que se verifica que la serie de potencias
x /n! es absolutamente convergente para todo n
umero real x (teorema 4.8). De aqu, lmn Rn (x) = 0 y la
representacion en serie de Maclaurin de sen x es valida para todo n
umero real
x.

lm
4.5.
APLICACION DE MAPLE
Sucesiones
Una sucesion puede ser manejada a traves de las sentencias seq, subs,
limit. Por ejemplo, si se desea estudiar la convergencia de la sucesion

5n2
8n2 + 4
entonces, se puede definir como
> an:=5n2/(8n2+4); # se define el termino n-esimo de la sucecion
5n2
8n2 + 4
Para obtener valores de la sucesion para distinto valores de n, por ejemplo,
para n = 10, n = 50 y n = 200, respectivamente; se puede hacer con:
an :=
> subs(n=10,an);
125
201
> subs(n=50,an);
3125
5001
> subs(n=200,an);
50000
80001
157
Si cada vez que se ejecuta cada una de las sentencias anteriores se pone la
sentencia evalf( %) entonces aparecera la version decimal de cada una de las
fracciones; es decir, 0.6218905473, 0.6248750250, 0.6249921876, respectivamente.
Si se requiere una secuencia de, por ejemplo, los diez primeros valores de la
sucesion, entonces se ejecuta
> seq(an,n=1..10);
5 5 45 20 125 45 245 80 405 125
, , , ,
, ,
,
,
,
12 9 76 33 204 73 396 129 652 201
Finalmente, para calcular el lmite de la sucesion, se pone:
> limit(an,n=infinity);
5
8
Lo anterior indica que la sucesion converge a 58 ; es decir, 0. 625, cosa que se
instuye de acuerdo a los calculos preliminares obtenidos.
Series
La sentencia que mas se puede usar aca es la sentencia sum; que permite
sumar una secuencia de n
umeros reales. Dada la serie
X
n=1
1
n(n + 1)
entonces para analizar la convergencia se puede pensar primero en calcular

algunas sumas parciales. Por ejemplo, para los primero 10, 50 y 200 terminos
de la serie, se ejecuta, respectivamente; definiendo en primer lugar el n-esimo
termino de la serie:
> an:=1/(n*(n+1)); # se define el n-esimo termino de la serie
1
n(n + 1)
> sum(an,n=1..10);
10
11
> sum(an,n=1..50);
50
51
> sum(an,n=1..200);
200
201
Los tres calculos anteriores nos hace instuir que la serie es convergente y su
suma vale 1, lo que se comprueba con:
158
> sum(an,n=1..infinity); # se eval

ua la serie completa
1
Sea ahora la serie:
X
n2
n+1
n=1
entonces al evaluar algunas sumas parciales, se tiene:

> an:=n2/(n+1); # se define el n-esimo termino de la serie
n2
n+1
> evalf(sum(an,n=1..10)); # se calcula los primeros 10 terminos de la serie
47,01987734
1228,518813
1,247557948 105
En el calculo de las sumas anteriores, se uso el comando evalf para que los
resultados sean impresos como n
umeros decimales, dado que las fracciones
correspondientes a estos n
umeros no resultan legibles para leer. Los resultados
anteriores indican que a medida que el n
umero de terminos de la serie aumenta,
su suma se hace cada vez mas grande, lo que indica que las serie debe ser
divergente. Esto se verifica con:
> sum(an,n=1..infinity); # se eval
ua la serie completa
Observacion: En Maple, en la sumatoria hasta el infinito hay que tener cuidado.

Puede suceder que, dada una serie, a medida que se vayan calculando sumas
parciales, cada vez mas grande, los valores de las sumas vayan aumentando; lo
cual indicara que la serie tendra que ser divergente. Sin embargo, al calcular la
suma hasta el infinito no de precisamente sino que un n
umero real. En este
tipo de situaciones habra que asegurarse con alg
un criterio de convergencia
apropiado. Consideremos, por ejemplo, la serie
(1)n n
n=1
Si se maneja en Maple esta serie, como las series anteriores, se tiene lo siguiente:
> an:=(-1)n*n;
159
(1)n n
> sum(an,n=1..10);
5
> sum(an,n=1..51);
26
> sum(an,n=1..100);
50
> sum(an,n=1..501);
251
> sum(an,n=1..5000);
2500
> sum(an,n=1..10001);
5001
Se sabe que esta serie no es convergente y de acuerdo a los calculos anteriores
las sumas parciales van por un lado creciendo positivamente (cuando el n
umero
de sumandos es par) y por otro lado disminuyendo negativamente (cuando el
n
umero de sumando es impar). Sin embargo, al digitar
> evalf(sum(an,n=1..infinty));
0,25
lo que implica una contradicion.
En cuanto a las series de potencias, existen algunas de ellas que en Maple
se pueden trabajar directamente, utilizando el paquete powseries que se carga
con el comando with(powseries). Estas series tratadas en forma directa por el
Maple, pueden hacerse solamente en torno a cero.
Por ejemplo, para obetener la serie de potencias de sen x, se realiza con
el comando powsin(x) seguido del comando tpsform; que incluye el orden de la
serie:
> with(powseries):
> s:=powsin(x): # serie de potencias de sen x
> tpsform(s,x,15); # la serie asignada a la variable s es hasta la potencia 15
1
1 5
1 7
1
1
1
x x3 +
x
x +
x9
x11 +
x13 + O(15)
6
120
5040
362880
39916800
6227020800
160
El tercer caracter en el comando tpsform indica hasta que orden de potencia

se desea la serie.
Con el comando powdiff se puede obtener la derivada de una serie; es
decir, si deseamos la derivada de la serie anterior se ejecuta:
> ds:= powdiff(s):
> tpsform(ds,x,15);
1
1
1 6
1
1
1
1 x2 + x4
x +
x8
x10 +
x12
2
24
720
40320
3628800
479001600
1
x14 + O(15)
87178291200
Ejecutando el comando powint se integra la serie:

> is:= powint(s):
> tpsform(is,x,15);
1
1 6
1
1
1
1 2
x x4 +
x
x8 +
x10
x12
2
24
720
40320
3628800
479001600
1
x14 + O(15)
87178291200
Para las otras series conocidas se tiene los comandos powsqrt, powexp, powlog,
powcos para las series de las funciones raz cuadrada, exponecial, logaritmo
natural y coseno, respectivamente.
Para representar, en general, una funcion en serie de potencias se recurre
a la representacion en series de Taylor. Para ello se usa el comando taylor. Por
ejmplo, si se quiere representar la funcion f dada por la expresion
+
1
x
en torno al punto x = 2 hasta potencia de orden 8, entonces se realiza como:
f (x) =
> f:=x->1/x;
f := x >
1
x
> t:=taylor(f(x),x=2,8);
t :=
1 1
1
1
1
1
1
x 2 + (x 2)2 (x 2)3 + (x 2)4 (x 2)5 +
(x 2)6
2 4
8
16
32
64
128
1
(x 2)7 + O((x 2)8 )
256
Para obtener la derivada de la serie anterior se digita
161
> diff(t,x);
1 1
3
1
5
3
+ x 2 (x 2)2 + (x 2)3 (x 2)4 + (x 2)5
4 4
16
8
64
64
7
(x 2)6 + O((x 2)7 )
756
y para su integral
> int(t,x);
1
1
1
1
1
1
x 2 (x 2)2 + (x 2)3 (x 2)4 +
(x 2)5
(x 2)6
2
8
24
64
160
384
1
1
(x 2)7
(x 2)8 + O((x 2)9 )
896
2048
162
4.6.
1.- Para las siguientes suceciones, escriba los primeros terminos y determine
si la sucecion converge.
o
n
o
n
3n+1
n+4
nsen(n/2)
ln(n)
a) n+2
d)
b) 2n2 +1
c) n
2n+1
o
o
n
n
en
n
n3
g)
h)
e){en cos n }
f) ()
4n
2n
en
2.- Para las siguientes sucesiones encuentre una forma explcita para el n-esimo
termino an . Determine si la sucesion converge o diverge.
a) 21 , 23 , 34 , 45 ..........
b) 1, 32 , 53 , 47 , 59 ,..........
c) sen 1, 2sen 1/2, 3sen 1/3, 4sen 1/4,......
d)
1
, 2 , 3 , 4
2 12 3 13 4 14 5 15
,.......
3.- Determine si la serie converge o diverge. Si es convergente, calcule su suma.

P
P
P
3
en
n n1
a)
b)
c)
3
n=1 4n1
n=1 3n1
n=1 2

P 1 n
P n+1
P
n5
1 n
e)
5
3
f)
d)
n=1 n+2
n=1
n=1 e
2
7
4.- Verifique que las siguientes series alternantes son convergentes.
P
P
P
n+1 1
n+1 ln n
n+1 2
(1)
b)
c)
a)
n=1
n=1 (1)
n=1 (1)
3n+1
n
n
5.- En cada uno de los siguientes casos, determine si la serie es absolutamente

convergente, condicionalmenta convengente o divergente.
P
P
P
(10)n
n!
n+1 n2 +3
a)
b)
c)
n=1 (1)
n=1
n=1 (5)n
4n
n!
d)
n n
(3)n n+1
x
n
n=1 (1)
e)
n=1 (1)
n1
n
n+1
f)
n=1 (1)
n+1
n
10n+1
6.- Encuentre el intervalo de convergencia de las siguientes series de potencias:

P
P
1
n2 n
n
a)
b)
n=0 n+4 x
n=0 2n x
c)
e)
g)
n=1
1
2n+1
n=0 (4)n x
n2
n=0 23n (x
+ 4)n
d)
f)
n
n
n=1 n2 +1 x
h)
1
n=1 n5n (x
5)n
32n
n=0 n+1 (x
2)n
1
(1+x)2
c) f (x) =
7.- Determinar la representacion en serie de potencias para f (x) y especifique

el radio de convergencia.
a) f (x) =
1
1+x
b) f (x) =
1
23x

d) f (x) =
x2
1x4
e) f (x) =
163
x
(1+x)2
8.- Encuentre la serie de Maclaurin de la expresion dada y determine el radio

de convergencia.
a) x2 ex
b) xsen 3x
c) x2 sen x
d) cos x2
9.- Encuentre la serie de Taylor en el n

umero c para la expresion dada.
a) 1/x, c = 2
c) e2x , c = 1
b) cos x, c = /3
164
Bibliografa
[1] Devaud, G., otros. (2001) Algebra Lineal. Fac. Cs. Fsicas Y Matematicas, Universidad de Concepcion, (5ta edicion).
[2] Grossman, S. (1996) Algebra Lineal. McGraw-Hill, (5ta edicion).
[3] Lipschutz, S. (1992) Algebra Lineal. McGraw-Hill.
[4] Ellis, R., Gullick, D. (1986) Calculus with Analytic Geometry. Hacourt Brace Jovanovich Publishers, (3ra edicion).
[5] Swokowski, E. (1989) Calculo con Geometra Analtica. Grupo Editorial
Iberoamerica, (2da edicion).
[6] Purcell, E., Varberg, D., Rigdon S. (2000) Calculo. Prentice Hall,
(8va edicion).
[7] Thomas, G. Finney, R. (1987) Calculo con Geometra Analtica. Addison Wesley Iberoamericana.
[8] Perez, C. (1998) Metodos Matematicos y programacion. Ra-Ma.
[9] Contreras. (1998) Introduccion al uso del Software Maple en Matematica. Fac. Cs. Fsicas Y Matematicas, Universidad de Concepcion.
[10] Redfern, A. (1993) The Maple Handbook. Springer-Verlong.
165

Libro Docente Andres Duran Poblete - Image.marked

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Libro Docente Andres Duran Poblete - Image.marked

Hochgeladen von

Copyright:

Verfügbare Formate

C

alculo en varias variables

2. FUNCIONES EN VARIAS VARIABLES

Los conjuntos IR2 de puntos en el plano y IR3 de puntos en el espacio

De acuerdo a lo anterior, los conjuntos IR2 y IR3 pueden ser definidos

CAPITULO 1. ALGEBRA LINEAL

Antes de definir un espacio vectorial, se hacen algunos alcances:

1.1. ESPACIOS VECTORIALES

CAPITULO 1. ALGEBRA LINEAL

p + q = (an + bn )xn + (an1 + bn1 )xn1 + ... + (a1 + b1 )x + a0 + b0

1.1. ESPACIOS VECTORIALES

CAPITULO 1. ALGEBRA LINEAL

1.1. ESPACIOS VECTORIALES

Anteriormente, se dijo que el conjunto de las matrices diagonales de 2

Entonces, S es un subespacio vectorial con las operaciones de suma y producto

v = (r, s, s) dos elementos cualesquiera de S,

Denotando a = a y b = b, se tiene que

Entonces, S es un subespacio de P2 con las operaciones de suma y producto

CAPITULO 1. ALGEBRA LINEAL

1.- Sean p y q dos elementos de S, entonces p = ax2 + bx + b a y q =

= (a + c)x2 + (b + d)x + (b + d) (a + c),

Denotando a = a + c, b = b + d, entonces a y b IR y se tiene que:

2.- Sea un escalar y p un elemento de S; esto es, p = ax2 + b + b a; a y

Si se denota a = a y b = b, entonces a y b son n

Dado que S cumple las condiciones 1 y 2 del Teorema 1.2, S es un subespacio

1.1. ESPACIOS VECTORIALES

CAPITULO 1. ALGEBRA LINEAL

En el espacio vectorial IR2 , con las operaciones de suma y producto por

Ejemplo 1.9. En el espacio vectorial P2 ; el conjunto de los polinomios de

1.1. ESPACIOS VECTORIALES

Si (7, 7) es combinacion lineal de los vectores (1, 2) y (5, 3), entonces

El sistema (1.1) es un sistema de ecuaciones lineales en las variables 1 y 2

CAPITULO 1. ALGEBRA LINEAL

p = a(x3 ) + b(x2 ) + c(x) + d(1);

1.1. ESPACIOS VECTORIALES

Ejemplo 1.15. Consideremos el espacio vectorial IR3 y los vectores v1 =

CAPITULO 1. ALGEBRA LINEAL

1.1. ESPACIOS VECTORIALES

As, por ejemplo, si 3 = 1 entonces 1 = 2 y 2 = 3, con lo cual para

CAPITULO 1. ALGEBRA LINEAL

1.1. ESPACIOS VECTORIALES

entonces, claramente 1 = 2 = 3 = 4 = 0; lo que indica que se trata de un

CAPITULO 1. ALGEBRA LINEAL

ii) Sea (x, y, z) cualquier elemento de IR3 y supongamos que existen 1 , 2

Esto prueba que el conjunto A genera a IR3 .

i) Sean 1 , 2 , 3 y 4 , tales que:

De la tercera ecuacion se tiene que 4 = 0. Reemplazando este valor en la

1.1. ESPACIOS VECTORIALES

ii) Sea at3 + bt2 + ct + d cualquier elemento de P3 . Supongamos que existem

1 (1) + 2 (t2 + 1) + 3 (t3 + t2 ) + 4 (t3 + t) = at3 + bt2 + ct + d,

Resolviendo este sistema se obtiene:

Lo anterior indica que cualquier polinomio de grado menor o igual que

CAPITULO 1. ALGEBRA LINEAL

1.- dim(IR3 ) = 3. En general, para cualquier n

Esta seccion se abocara a estudiar un tipo especial de funciones. Aparte de

1.2. TRANSFORMACIONES LINEALES

CAPITULO 1. ALGEBRA LINEAL

i) y ii) verifican que T es una transformacion lineal.

1.2. TRANSFORMACIONES LINEALES

(por definicion de suma de

= (T (u) + T (v)) + (L(u) + L(v)),

= (T (u) + L(u)) + (T (v) + L(v)),

asociatividad en un espacio vectorial).