UNAJ Mate 2 PDF

Matemática II
Tema 1: vectores, combinaciones lineales

y producto punto
2012–2013
Índice
Vectores y combinaciones lineales 1

Vectores en R2 y producto por un escalar 1
Combinaciones lineales de vectores 3
Vectores en R3 3
Longitud y producto punto 5
Producto punto 5
Longitud y vectores unitarios 6
Ángulo entre dos vectores 8
Trabajo práctico 11
Ejemplos con Sage 12
Operaciones con vectores de Rn 12
Representación gráfica de vectores en R2 y R3 13
Vectores y combinaciones lineales
Vectores en R2 y producto por un escalar

Vector columna de R2
¿Qué es un vector?
v1 v1 = primera componente
v=
v2 v2 = segunda componente
Tenemos dos números separados v1 y v2 .
Este par produce un vector de dos dimensiones v.
Vector columna
!
v=
v2 v2 = segunda componente
Escribimos v como una columna, no como una fila.
Decimos que v ∈ R2 (tiene dos números reales).
Lo importante es que necesitamos una sola letra v para indicar

este par de números v1 y v2 .
tema 1: vectores 2
Suma de vectores
Podemos sumar dos vectores v y w.
La primeras componentes de v y w no se mezclan nunca con las

segundas componentes.
Suma de vectores
! ! !
v1 w1 v 1 + w1
v= y w= suman v + w =
v2 w2 v 2 + w2
La resta de vectores sigue la misma idea, las componentes de

v − w son v1 − w1 y v2 − w2 .
Suma de vectores columna en R2

v 1 + w1
v+w =
Multiplicación por un escalar v 2 + w2
Multiplicación de un vector columna
La otra operación básica es la multiplicación escalar. de R2 por un escalar c ∈ R

cv1
Los vectores pueden ser multiplicados por 2, por −1, o por cual- cv =
cv2
quier otro número c ∈ R.
Hay dos maneras de duplicar un vector: sumar v + v o (más

fácil) multiplicar cada componete por 2.
Multiplicación escalar
! !
2v1 − v1
2v = y −v =
2v2 − v2
Las componentes de cv son cv1 y cv2 .
El número c es llamado escalar.
Comentarios sobre la suma y la multiplicación escalar
Hay que notar que la suma de −v y v es el vector cero.

!
0
¡Esto es el vector 0 = , que es distinto del número 0!
0
Todas las ideas del álgebra lineal se basan en operaciones v + w y

cv (suma de vectores y multiplicación por escalares).
El orden de la suma no altera el resultado: v + w es igual a

w + v.
! ! ! ! ! !
1 3 4 3 1 4
v+w = + = w+v = + =
5 3 8 3 5 8
tema 1: vectores 3
Combinaciones lineales de vectores

Combinación lineal de dos vectores
¿Qué es una combinación lineal? columna en R2

cv1 + dw1
Combinando la suma vectorial y la multiplicación por un escalar cv + dw =
cv2 + dw2
se forman combinaciones lineales de v y w.
Esto se hace multiplicando v por c, multiplicando w por d, y

luego sumando cv + dw.
Definición 1. La operación cv + dw es una combinación lineal de

v y w.
Hay cuatro combinaciones lineales especiales: suma, resta, cero y

múltiplo escalar.
1v + 1w = suma de vectores
1v − 1w = resta de vectores
0v + 0w = vector cero
cv + 0w = vector cv múltiplo de v
Comentarios sobre las combinaciones lineales
El vector 0 (cero) siempre es un resultado posible de una combi- y

nación lineal de vectores. 4
Siempre que hablemos de un espacio (lleno) de vectores, el vector
2w
3
cero estará incluido.
+
3v
2
=
El álgebra lineal consiste en trabajar sobre todas las posibles 3v u 2w
combinaciones lineales de v y w. 1
v w x
Representación de vectores en R2
−1 1 2 3 4
−1
! !
− 13 2
v= w=
2 1 Figura 1: representación de
3
una combinación lineal de vec-
! ! tores columna de R2 .
− 13 2
3v + 2w = 3 2
+2
3
1
 
3 · − 31 + 2 · 2
= 
3 · 23 + 2 · 1
!
3
= =u
4
Vector columna de R3
 
Vectores en R3 v =  v2  v2 = segunda componente
v3 v3 = tercera componente
Extensión de la idea de vector a más dimensiones Vector columna de Rn
 
Podemos pensar también en vectores que tengan tres componen-  v2  v2 = segunda componente
 
tes v1 , v2 , y v3 . v= . 
 .. 
.
..
vn vn = n-esima componente
tema 1: vectores 4
El plano xy es reemplazado por el espacio xyz.
Una combinación lineal de dos vectores en R3 es

       
1 1 2·1+4·1 6
       
2 0 + 4 2 = 2 · 0 + 4 · 2 =  8 
3 1 2·3+4·1 10
v = (4, 2) o w = (1, 2, 1) son vectores columna, de R2 y R3 ,

representados como números separados por coma para simplificar
la escritura. ¡No son vectores fila!
Vector fila de R3
a1 = primera componente
Representación de vectores en R3 a = a1 a2 a3 a2 = segunda componente
a3 = tercera componente
    ¡Sin separar con comas!

1
1 Vector fila de Rn
1 3
v = 2 w = 2 a = a1 a2 ··· an
1 1 ¡Sin separar con comas!
   
1 Combinación lineal de dos vectores
1
1 1 1 3 columna en R3
2v + w = 2  2  +  2   
2 2 cv1 + dw1
1 1 cv + dw = cv2 + dw2 
  cv3 + dw3
1 1
2·1+ ·
 1 21 3 
=2 · 2 + 2 · 2

2 · 1 + 12 · 1
 
13
6
= 
2=u
5
2
Ejemplo 1. Las combinaciones lineales de estos vectores de R3

   
1 0
   
v = 1 y w = 1
0 1 Figura 2: representación de
llenan un plano. Describir este plano. Encontrar un vector que no una combinación lineal de vec-
sea una combinación lineal de v y w. tores columna de R3 .
Los vectores en el plano corresponden a todas las combinaciones

lineales posibles de la forma
     
1 0 c
     
cv + dw = c 1 + d 1 = c + d
0 1 d
para números cualesquiera c y d pertenecientes a R.
Los vectores del plano son entonces u = (c, c + d, d).
Cuatro vectores particulares de este plano son (0, 0, 0), (1, 2, 1),
(−2, −1, 1) y (−1, 0, 1).
tema 1: vectores 5
La segunda componente c + d es siempre la suma de la primera

y la tercera.
El vector (2, 0, 1) no es una combinación lineal de v y w, debido a

que 0 6= 2 + 1.
Ejemplo 2. Encontrar dos ecuaciones para las incógnitas c y d tales

que la combinación lineal cv + dw sea igual al vector b
! ! !
2 −1 1
v= w= b=
−1 2 0 Figura 3: vectores que pertene-
La ecuación vectorial del problema es cen al plano cv + dw (verdes),
! ! ! y un vector que no pertenece a
2 −1 1 este plano (azul).
c +d =
−1 2 0
El sistema de ecuaciones lineales para c y d es

2c − d = 1
−c + 2d = 0
Repaso de ideas clave

1. Un vector v en el espacio de vectores R2 tiene dos componentes
v1 y v2 .
! !
v 1 + w1 cv1
2. v + w = y cv =
v 2 + w2 cv2
3. Un vector v en el espacio de vectores R3 tiene tres componentes

v1 , v2 y v3 .
   
v 1 + w1 cv1
   
4. v + w = v2 + w2  y cv = cv2 
v 3 + w3 cv3
5. Una combinación lineal de tres vectores u, v y w, en cualquier
espacio de vectores, es cu + dv + ew.
Longitud y producto punto
Producto punto
El producto punto de dos vectores de
Una nueva operación con vectores R2 es el número
En la sección anterior no hablamos de multiplicación entre vecto- v · w = v 1 w1 + v 2 w2
res. El producto punto de dos vectores de

R3 es el número
Ahora definiremos un producto punto entre v y w.
v · w = v 1 w1 + v 2 w2 + v 3 w3
Esta multiplicación implica calcular los productos v1 w1 y v2 w2 , El producto punto de dos vectores de
pero no solo eso. Rn es el número
v · w = v 1 w1 + v 2 w2 + · · · + v n w n
Estos dos números deben sumarse para obtener un único núme-
n
ro v · w. = ∑ v i wi
i =1
El producto punto nos brinda información geométrica (longitud y
ángulo entre vectores).
tema 1: vectores 6
Definición del producto punto
Definición 2. El producto punto de dos vectores columna de R2

! !
v1 w1
v= y w=
v2 w2
es el número v · w
v · w = v 1 w1 + v 2 w2
Ejemplo 3. Los vectores v = (−1, 2) y w = (4, 2) tienen producto

punto cero
! !
−1 4
v·w = · = (−1) · 4 + 2 · 2 = −4 + 4 = 0
2 2
En matemáticas, el número cero suele tener un significado espe- y

cial. 4
Con el producto punto, significa que estos dos vectores son per- 3
pendiculares (simbolizado con ⊥).
2
Osea que el ángulo entre ellos es de π
2 radianes (= 90◦ ).
v 1
w
x
Comentarios acerca del producto punto
−1 1 2 3 4
El ejemplo más evidente de vectores ⊥ es i = (1, 0), a lo largo del
eje x, y j = (0, 1), a lo largo del eje y Figura 4: el producto punto de
dos vectores perpendiculares
El producto i · j = 1 · 0 + 0 · 1 = 0. Estos vectores forman es v · w = 0.
evidentemente un ángulo recto. y
Longitud y vectores unitarios

1
Producto punto de un vector con sí mismo
Un caso importante es el producto punto de un vector con sí j

mismo. En este caso v y w son iguales.
x
Si tenemos v = (1, 3, 2), el producto con sí mismo es v · v = i 1
|v|2 = 14.
Longitud al cuadrado
Figura 5: i y j son los vectores
    estándar o canónicos en R2 .
1 1
2    
|v| = 3 · 3 = 1 · 1 + 3 · 3 + 2 · 2 = 1 + 9 + 4 = 14
2 2 Según el contexto, y según la biblio-
grafía, los vectores estándar se escriben
de diversas formas (todas equivalen-
En vez de 90◦ , entre los vectores tenemos 0◦ . El producto punto tes)
es 14 6= 0, porque v no es ⊥ a sí mismo.
i = ~i = e x = e1 = ~ex = ~e1
El producto punto v · v es la longitud al cuadrado de v. j = ~j = ey = e2 = ~ey = ~e2
tema 1: vectores 7
Longitud de un vector
Definición 3. La longitud (o norma) |v| de un vector v es la raíz

cuadrada de v · v
√
longitud de v = |v| = v · v
q
En dos dimensiones la longitud es v21 + v22 .
q
En tres dimensiones es v21 + v22 + v23 .
√
En el ejemplo la longitud de v = (1, 3, 2) es |v| = 14.
√
La |v| = v · v es simplemente la longitud de la flecha que
representa al vector.
La longitud de un vector v ∈ R2 es
√ q
|v| = v · v = v21 + v22
Los vectores unitarios
Definición 4. Un vector unitario u es un vector cuya longitud es q
√
igual a 1. Entonces u · u = 1. |v| = v · v = v21 + v22 + v23
Un ejemplo en R4 es u = 12 , 12 , 12 , 21 . q
√
q |v| = v · v = v21 + v22 + v23 + v24
√ 1
√
Tenemos que |u| = u·u = 4 + 14 + 41 + 1
4 = 1 = 1.
La longitud de un vector v ∈ Rn es
√ q
Para obtener u podríamos haber dividido el vector v = (1, 1, 1, 1) |v| = v · v = v21 + v22 + · · · + v2n
por su longitud s
n
p √ = ∑ v2i
|v| = 12 + 12 + 12 + 12 = 4 = 2 i =1
y
v v 1
u= = j
|v| 2
1
=
sin θ
u
|u|
θ x
Vectores unitarios en el plano R2
−1 cos θ i 1
Ejemplo 4. Los vectores unitarios a lo largo de los ejes x e y se es-
criben i y j. En el plano xy, aquel vector unitario u que forme un
ángulo θ con el eje x es u = (cos θ, sin θ ).
−1
! ! !
1 0 cos θ
i= j= u=
0 1 sin θ Figura 6: vectores unitarios en
el plano R2 .
Si θ = 0 el vector horizontal u es i.
Si θ = π
2 radianes (= 90◦ ), el vector vertical u es j.
A cualquier ángulo, las componentes cos θ y sin θ hacen que

u · u = 1, porque sin2 θ + cos2 θ = 1.
Los puntos que representan estos vectores unitarios forman un

círculo de radio unidad.
tema 1: vectores 8
y
Vectores unitarios en el plano R2
1
Vector unitario v
u= √
√
2
u = |vv| es un vector unitario en la misma dirección que v. 2
1
|=
|=
|u
|v
x
Ángulo entre dos vectores −1 1
!
Teorema 1. El producto punto v · w = 0 cuando v es perpendicular a w. √1
2 1
u= v=
√1 1
2
−1
v w
Figura 7: para encontrar un
vector u con el mismo sentido
Demostración: y dirección que v, pero que sea
unitario, hay que dividir v por
1. Si v ⊥ w, entonces v y w forman dos catetos de un triángulo su longitud.
rectángulo, y la hipotenusa es |v + w|. Por ejemplo y
! ! ! 4
−1 4 3
v= w= v+w =
w
|
2 2 4 |w
v+
3
| v |2 = 5 |w|2 = 20 |v + w|2 = 25 2
w
|
v w
+
a2 + b2 c2 ,
|v
2. La fórmula de Pitágoras es = entonces 1
|v|
x
| v |2 + | w |2 = | v + w |2
−1 1 2 3 4
v21 + v22 + w12 + w22 = (v1 + w1 )2 + (v2 + w2 )2 −1
v21 + v22 + w12 + w22 = v21 + 2v1 w1 + w12 + v22 + 2v2 w2 + w22
Figura 8: la fórmula de Pitágo-
0 = 2v1 w1 + 2v2 w2
ras aplicada a la suma de dos
0 = v 1 w1 + v 2 w2 vectores ⊥.
0 = v·w
Teorema 2. Si v y w son vectores unitarios, entonces
v · w = cos θ
v
θ
w
r=
1
Demostración
! !
1 cos θ
1. Tomemos i = yu= .
0 sin θ
tema 1: vectores 9
2. El producto punto es i · u = cos θ.
3. Si rotamos ambos vectores un ángulo α obtenemos v = (cos α, sin α)

y w = (cos β, sin β), donde θ = β − α. Sigue siendo cierto que v y
w son unitarios.
w
u
β
θ α v
θ
i
4. v · w = cos α cos β + sin α sin β = cos ( β − α) = cos θ.

La fórmula del coseno
Teorema 3. Si v y w son un par de vectores no nulos cualesquiera, v · w = |v||w| cos θ
entonces permite encontrar el ángulo entre dos

vectores.
v · w = |v||w| cos θ
w
r=
1
Utilización de la fórmula del coseno

Ejemplo 5. Encontrar cos θ para v = (2, 1) y w = (1, 2).
El producto punto es v · w = 4.
√
Tanto v como w tienen longitud 5.
4
El coseno es 5
v·w 4 4
cos θ = = √ √ =
|v||w| 5 5 5
Entonces el ángulo será

4
θ = arc cos ≈ 36◦ 8698 . . .
5
tema 1: vectores 10
1. El producto punto v · w multiplica cada vi por wi y luego suma

todos los vi wi .
2. La longitud |v| de un vector es la raíz cuadrada de v · v.

v
3. u = |v|
es un vector unitario. Su longitud es 1.
4. El producto punto v · w = 0 cuando los vectores v y w son

perpendiculares.
5. El coseno de θ (el ángulo entre dos vectores v y w no nulos)

puede calcularse a partir de
v · w = |v||w| cos θ
tema 1: vectores 11
Trabajo práctico
! !
4 −2
1. Representar gráficamente v = yw = , así como
1 2
también v + w y v − w, todos en el mismo plano xy.
! !
2 1
2. Dados v = yw = , calcular las componentes de
1 2
3v + w y de cv + dw.
3. Calcular los productos punto u · v, u · w, u · (v + w) y v · w

! ! !
−0, 6 3 8
u= v= w=
0,8 4 6
Dados dos vectores u y v cualesquiera,
4. Calcular las longitudes |u|, |v| y |w| de los vectores del ejercicio siempre se cumple la desigualdad de
Schwarz
anterior. Luego comprobar que efectivamente se cumplen las
|u · v| ≤ |u||v|
siguientes desigualdades
a) |u · v| ≤ |u||v|
b) |v · w| ≤ |v||w|
5. Calcular vectores unitarios en las direcciones de los vectores v y
w del ejercicio anterior, y el coseno del ángulo θ formado entre
ellos. Pensar y escribir tres vectores a, b y c que formen 0◦ , 90◦ y
180◦ con el vector w (representar gráficamente los vectores en el
plano xy puede ayudar).
6. Dados un par de vectores unitarios v y w cualesquiera, calcular
el valor de los productos punto siguientes
a) v · w b) (v + w) · (v − w) c) (v − 2w) · (v + 2w)
Pista: se debe trabajar “con letras”, recordando que v = (v1 , v2 ),

w = (w1 , w2 ) y que |v| = 1 y |w| = 1 (por ser vectores unitarios).
7. Calcular el ángulo θ, a partir del valor de cos θ, entre estos pares
de vectores:
   
! ! 2 2
1 1    
a) v = √ yw= b) v =  2  y w =  −1 
3 0
−1 2
! ! ! !
1 −1 3 −1
c) v = √ yw= √ d) v = yw=
3 3 1 −2
tema 1: vectores 12
Ejemplos con Sage

. El código Sage en los siguientes
Operaciones con vectores de Rn recuadros puede ser seleccionado,
copiado y pegado en una hoja de
Hacer combinaciones lineales de vectores trabajo de Sage, para ejecutarlo y así
obtener los resultados y los gráficos.
# crear el vector u ∈ R3
u = vector((1,1,0))
# crear el vector v ∈ R3
v = vector((0,1,1))
√
# producto por un escalar: a = 2u
a = sqrt(2)*u
# suma: b = u + v
b = u+v
# resta: c = v−u
c = v-u
# combinación lineal: d = 2u + 3v
d = 2*u+3*v
# mostrar los resultados
print a;b;c;d
. Puede utilizar estos ejemplos de
código Sage como base para compro-
bar los resultados de los ejercicios del
Calcular el producto punto y la longitud trabajo práctico.
u = vector((1,1,1,-1,3))
√
# la longitud es |u| = 13
print u.norm()
# crear dos vectores v y w de R2
v = vector((4,2))
w = vector((2,-4))
√
# la longitud es |v| =2 5
print v.norm()
# el producto es v · w = 0
print v.dot_product(w)
Calcular el vector unitario

u = vector((1,-2,2))
print u
# la longitud es |u| =3
print u.norm()
# crear el vector U = |uu| unitario
# en la dirección de u
U = u/u.norm()
print U
tema 1: vectores 13
Calcular el ángulo entre dos vectores

# crear dos vectores de R2
u = vector((2,1))
v = vector((1,2))
print u;v
# calcular cos θ = |uu||·vv|
c = u.dot_product(v)/u.norm()/v.norm()
print c
# resultado en rad (con decimales)
print acos(c).n()
# resultado en grados (con decimales)
print (180/pi*acos(c)).n()
Representación gráfica de vectores en R2 y R3

Graficar vectores en R2
v = vector((-1/3,2/3))
w = vector((2,1))
# calcular u = v+w
u = v + w
# crear "flechas" para cada vector
fv = arrow2d((0,0), v, color="red")
fw = arrow2d((0,0), w, color="red")
fu = arrow2d((0,0), u, color="blue")
# crear el gráfico
grafico = fv + fw + fu
# mostrar el gráfico
grafico.show()
Graficar vectores en R3
v = vector((1,1/2,1))
w = vector((1/3,2,1))
# calcular u = v+w
u = v + w
# crear "flechas" para cada vector
fv = arrow3d((0,0,0), v, color="red")
fw = arrow3d((0,0,0), w, color="red")
fu = arrow3d((0,0,0), u, color="blue")
# crear el gráfico
grafico = fv + fw + fu
# mostrar el gráfico
grafico.show()
Matemática II
Tema 2: matrices y operaciones con matrices
2012–2013
Índice
Matrices y vectores 1
Operaciones básicas 1
Producto entre una matriz y un vector 3
Operaciones con matrices 5
Producto de matrices 5
Transpuesta de una matriz 6
Trabajo práctico 8
Operaciones con matrices de Rm×n 10
Matrices y vectores
Operaciones básicas
Matriz de R2×2
¿Qué es una matriz?
a11 a12

A=
a21 a22
Tenemos dos vectores columna u y v.
donde a11 y a22 son los elementos
diagonales.
Estos producen una matriz de dos columnas y tres filas A.
Matriz de R3×3
 
Matriz a11 a12 a13
        A =  a21 a22 a23 
u1 v1 a11 a12 e a31 a32 a33
A = u v  =  u2 v2  =  a21 a22  =  f
       
 donde a11 , a22 y a33 son los elementos
u3 v3 a31 a32 g diagonales.
Matriz de R6×3
 
Construimos A apilando dos vectores columna. a11 a12 a13
 a21 a22 a23 
 
 a31 a32 a33 
Pero es igualmente correcto pensar en A como una pila de tres A=  a41

a42 a43 
vectores fila e = (u1 v1 ), f = (u2 v2 ) y g = (u3 v3 ).
 
 a51 a52 a53 
a61 a62 a63
Según el problema del álgebra lineal que encontremos, utilizare-
que no tiene una diagonal.
mos las columnas o las filas de A indistintamente. Matriz de R2×4

a11 a12 a13 a14
A=
a21 a22 a23 a24
que no tiene una diagonal.
tema 2: matrices 2
Notación matricial
La primera fila de una matriz de 2 × 2 contiene a11 y a12 .
La segunda fila tiene a21 y a22 .
El primer subíndice da la fila: aij está en la fila i.
El segundo da la columna: aij está en la columna j.
Puede pensarse en A como una función de dos variables, que a

cada i y a cada j les asigna un escalar (un número).
! !
a11 a12 A(1, 1) A(1, 2)
A= =
a21 a22 A(2, 1) A(2, 2)
Esta notación A(i, j) es la utilizada generalmente por las aplica-

ciones informáticas (Python, Sage, Octave, Matlab, Maple, . . . ) y
por algunos libros de texto.
Matriz de Rm×n
a11 a12 ··· a1n
 
Suma de matrices  a21 a22 ··· a2n 
A= . .. .. 
 
 .. ..
. . . 
Podemos sumar dos matrices A y B. am1 am2 ··· amn
Los coeficientes nunca se mezclan. que tendrá mn coeficientes.
Suma de matrices
! !
a11 a12 b11 b12
A= yB=
a21 a22 b21 b22
!
a11 + b11 a12 + b12
suman A + B =
a21 + b21 a22 + b22
La resta de matrices sigue la misma idea, los coeficientes de

A − B serán aij − bij .
Suma de matrices en R2×2

a11 + b11 a12 + b12
A+B =
Multiplicación por un escalar a21 + b21 a22 + b22
Multiplicación de una matriz de R2×2

La otra operación básica es la multiplicación por un escalar
por un escalar c ∈ R
Las matrices pueden ser multiplicadas por 2, por −1 o por cual-

ca11 ca12
cA =
ca21 ca22
quier otro número c.
Combinación lineal de matrices
Hay dos maneras de duplicar una matriz: sumar A + A o (más de R2×2
fácil) multiplicar cada coeficiente por 2.
ca11 + db11 ca12 + db12

cA + dB =
ca21 + db21 ca22 + db22
Multiplicación escalar
! !
2a11 2a12 − a11 − a12
2A = −A =
2a21 2a22 − a21 − a22
Los coeficientes de cA son caij .

tema 2: matrices 3
Algunas observaciones
Hay que notar que la suma de −A y A es la matriz cero.
¡Esto es la matriz 0, que es distinto del número 0!
El orden de la suma no altera el resultado: A + B es igual a

B + A.
! ! !
1 2 1 0 2 2
A+B = + =
3 1 0 1 3 2
! ! !
1 0 1 2 2 2
B+A = + =
0 1 3 1 3 2
Si la cantidad de filas m y de columnas n son iguales (m = n) se

dice que A es una matriz cuadrada.
Si m 6= n se dice que A es una matriz rectangular.
Propiedades de la suma de matrices

Propiedades de la suma de matrices
A+B = B+A ley conmutativa

c (A + B) = cA + cB ley distributiva
A + (B + C) = (A + B) + C ley asociativa
Suma de matrices en R4×2
 
a11 + b11 a12 + b12
Producto entre una matriz y un vector A+B = 
 a21 + b21 a22 + b22 

 a31 + b31 a32 + b32 
Matriz multiplicando un vector columna (método 1) a41 + b41 a42 + b42
Multiplicación de una matriz de R4×2

Definición 1 (una matriz A multiplicando un vector x). por un escalar c ∈ R
    
x1 ca11 ca12
ca21 ca22 
Ax = u v w  x2  = x1 u + x2 v + x3 w = b cA = 
   
ca31 ca32 
x3 ca41 ca42
donde u, v y w son los vectores columna de A, y se utiliza la opera- Combinación lineal de matrices
de R4×2
ción combinación lineal de vectores.  
ca11 + db11 ca12 + db12
ca21 + db21 ca22 + db22 
El resultado será un vector b. cA + dB = 
ca31 + db31 ca32 + db32 

ca41 + db41 ca42 + db42

Matriz multiplicando un vector columna (método 2)
Definición 2 (una matriz A multiplicando un vector x).

    
e x1 e·x
Ax =  f   x2  =  f · x  = b
    
g x3 g·x
donde e, f y g son los vectores fila de A, y se utiliza la operación

producto punto de vectores.
El resultado será exactamente el mismo vector b.

tema 2: matrices 4
Ejemplo 1. Encontrar el vector b resultante de combinar linealmente

los vectores columna i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1) con los
escalares x1 = 0, x2 = 2 y x3 = 0.
Fabricando la matriz A y el vector x resulta

      
1 0 0 0 0 0
Ax = 0 1 0 2 = 2 1 = 2 = b
      
0 0 1 0 0 0
¡A actúa sobre x y regresa un b que es idéntico a x!
Por esto la matriz A es llamada matriz identidad I. Siempre se

comprueba que Ix = x, para cualquier x.
!
1 0
Ejemplo 2. Dados la matriz A = y el vector columna
2 3
!
2
x= , calcular Ax = b:
1
1. como combinación lineal de las columnas de A.
2. como productos punto de las filas de A.
1. La combinación lineal de columnas de A resulta

! ! ! ! !
1 0 2 1 0 2
Ax = =2 +1 = =b
2 3 1 2 3 7
2. Los productos punto con las filas de A resultan

! ! ! !
1 0 2 (1 0) · (2, 1) 2
Ax = = = =b
2 3 1 (2 3) · (2, 1) 7
1. Una matriz A de m filas y n columnas tiene mn coeficientes (se

dice que A ∈ Rm×n )
2. Las operaciones básicas son

 
a11 + b11 a12 + b12 a13 + b13
A + B =  a21 + b21 a22 + b22 a23 + b23 
 
a31 + b31 a32 + b32 a33 + b33
 
ca11 ca12 ca13
cA = ca21 ca22 ca23 
 
ca31 ca32 ca33
3. Ax = b es una combinación lineal de las columnas de A.
4. Ax = b es también el producto punto con las filas de A.

tema 2: matrices 5
Operaciones con matrices
Producto de matrices
¿Cómo pueden multiplicarse dos matrices?
Definición 3 (la matriz A multiplicando a la matriz B).

! ! !
a11 a12 b11 b12 a11 b11 + a12 b21 a11 b12 + a12 b22
=
a21 a22 b21 b22 a21 b11 + a22 b21 a21 b12 + a22 b22
Definición 4 (utilizando el producto punto).
( ab)ij = (fila i de A) · (columna j de B)

Multiplicación de A ∈ R3×2 con
B ∈ R2 × 3
 
Condición necesaria para multiplicar dos matrices a11 a12
b b12 b13

AB = a21
 a22  11
b21 b22 b23
a31 a32
Dadas matrices A de m × n y B de p × q, pueden multiplicarse 
a11 b11 + a12 b21 a11 b12 + a12 b22 a11 b13 + a12 b23

como AB solamente si n = p. =  a21 b11 + a22 b21 a21 b12 + a22 b22 a21 b13 + a22 b23 
a31 b11 + a32 b21 a31 b12 + a32 b22 a31 b13 + a32 b23
 
c11 c12 c13
O sea, solamente si el número de columnas de A es igual al = c21 c22 c23 
número de filas de B. c31 c32 c33
=C
¡Si n 6= p no puede calcularse el producto! donde C ∈ R3×3 .
Ejemplo 3. Matrices cuadradas pueden multiplicarse solamente si

tienen el mismo tamaño Multiplicación de B ∈ R2×3 con
! ! ! A ∈ R3 × 2
1 1 2 2 5 6  
=
b11 b12 b13
a11 a12
2 −1 3 4 1 0 BA =
b21 b22 b23
 a21 a22 
a31 a32

El primer producto punto es (1)(2)+(1)(3)=5, los otros tres pro- a11 b11 + a21 b12 + a31 b13 a12 b11 + a22 b12 + a32 b13
=
a11 b21 + a21 b22 + a31 b23 a12 b21 + a22 b22 + a32 b23
ductos punto dan 6, 1 y 0.
d11 d12

=
d21 d22
Si A y B son de n × n, también AB es de n × n . =D
donde D ∈ R2×2 .
AB contiene n2 productos punto, y cada producto punto requie-
re n multiplicaciones.
El cómputo de AB requiere n3 multiplicaciones.
Si n = 100 hay que multiplicar 1000000 de veces. Si n = 2, solo 8

veces.
Propiedades del producto de matrices

Propiedades del producto de matrices
AB 6= BA ley conmutativa no funciona

C(A + B) = CA + CB ley distributiva a izquierda
(A + B)C = AC + BC ley distributiva a derecha
A(BC) = (AB)C ley asociativa
tema 2: matrices 6
Ejemplo 4. Sea A una matriz fila de 1×3 y sea B una matriz colum-
na de 3×1. Entonces AB será una matriz de 1×1, mientras que BA
será una matriz de 3×3.
 
0
A= 1 2 3 B = 1
 
2
   
0 0
AB = 1 2 3 1 BA = 1 1 2 3
   
2 2
 
0 0 0
= 8 = 1 2 3
 
2 4 6
Transpuesta de una matriz

Convirtiendo las columnas en filas y viceversa
Definimos una matriz A T llamada transpuesta de A.
Las columnas de A son las filas de A T .
Si A es de m × n, la transpuesta es de n × m.
Definición 5 (traspuesta de una matriz). El coeficiente de la fila i y

la columna j de A T corresponde al de la fila j y la columna i de A

aT = a ji
ij
 
! 1 0
1 2 3
A= A T = 2 0
 
0 0 0
3 0
Transponiendo vectores columna y vectores fila
Un vector columna v se transpone en uno fila v T .
Un vector fila w se transpone en uno columna w T .
Transpuesta de un vector
 
1
0
v=  vT = 1 0 2 0
 
2
0
!

T π
w = π π2 w = π
2
tema 2: matrices 7
Propiedades de la transposición
Propiedades de la transposición
Suma: la transpuesta de A + B es A T + B T .
Producto: la transpuesta de AB es (AB) T = B T A T .
1. El ( ab)ij de AB es (fila i de A) · (columna j de B).
2. El producto AB solo puede calcularse si el número de columnas

n de A es igual el número de filas p de B.
3. La transpuesta pone las filas de A en las columnas de A T .

tema 2: matrices 8
Trabajo práctico
1. Calcular la suma A + B de los siguientes pares de matrices

(cuando esto sea posible).
! !
1 0 2 3
a) A = B=
0 1 0 2
   
2 4 6 −1 0 3
b) A =  8 10 12  B =  2 0 −2 
   
14 16 18 6 1 5
 
1 2 !
2 3 7
c) A =  3 4  B=
 
11 13 17
5 6
! !
2a − a 0 a 0 0
d) A = B=
0 0 2a 0 a −2a
2. Calcular el producto por un escalar, de cada una de las matrices

dadas, por los siguientes números: 2, 1/3, −1 y 0.
 
! a 0 0
3 2
A= B= 0 b 0 
 
1 0
0 0 c
! !
9 12 24 −1 6
C= D=
3 1 0 3 −9
3. Dadas las siguientes cuatro matrices de R2×2

! ! ! !
1 0 a 0 0 0 0 b
A= B= C= D=
0 1 0 0 0 d c d
calcular las siguientes operaciones
a) 4A + 2(B + C)
1
b) 2 (B + C + D) + A
c) (B + C) − (D + A)
4. Calcular el vector b = Ax que resultará de cada producto.

 
! ! ! ! ! 3
2 3 4 3 6 2 1 2 4
a) b) c)  1 
 
5 1 2 6 12 −1 2 0 1
1
5. Sumar AB a AC y comparar con el resultado de calcular A(B + C).

! ! !
1 5 0 2 3 1
A= B= C=
2 3 0 1 0 0
tema 2: matrices 9
6. Calcular A2 y A3 . Luego hacer una predicción para A5 y para An .

! !
1 b 2 2
a) A = b) A =
0 1 0 0
7. Verificar que (AB) T es igual a B T A T pero que ambas difieren de

AT BT .
! ! !
1 0 1 3 1 3
A= B= AB =
2 1 0 1 2 7
tema 2: matrices 10
Ejemplos con Sage

Operaciones con matrices de Rm×n recuadros puede ser seleccionado,
Hacer combinaciones lineales de matrices trabajo de Sage, para ejecutarlo y así
# crear una matriz A ∈ R2×2 , con filas (1, 2) y (3, 1)
A = matrix([(1,2),(3,1)])
# crear una matriz B ∈ R2×2 , con filas (1, 0) y (0, 1)
B = matrix([(1,0),(0,1)])
# calcular la suma y la resta
C = A + B
D = A - B
print C
print D
# calcular la combinación lineal E = 2A + 0,5B
E = 2*A + 1/2*B
print E
Producto entre una matriz y un vector trabajo práctico.
# crear una matriz A ∈ R2×2 , con filas (1, 0) y (2, 3)
A = matrix([(1,0),(2,3)])
# crear un vector x = (2, 1) ∈ R2
x = vector((2,1))
# calcular el producto b = Ax
b = A *x
print b
Producto entre dos matrices

# crear una matriz A ∈ R3×2 ,
# con filas (2, 2), (0, 1) y (7, 9)
A = matrix([(2,2),(0,1),(7,9)])
# crear una matriz B ∈ R2 × 3 ,
# con filas (1, 2, 3) y (4, 0, 1)
B = matrix([(1,2,3),(4,0,1)])
# calcular el producto AB
print A*B
# calcular el producto BA
print B*A
# comprobar que AB 6= BA
print (B*A)!=(A*B) # el resultado será "True"
tema 2: matrices 11
Transpuesta de una matriz

# crear una matriz A ∈ R3 × 2
A = matrix([(2,2),(0,1),(7,9)])
# crear una matriz B ∈ R2 × 3
B = matrix([(1,2,3),(4,0,1)])
# calcular la transpuesta del producto ( AB)T
C = (A*B).transpose()
print C
# calcular el producto B T A T
D = B.transpose()*A.transpose()
print D
# comprobar que ( AB)T == B T A T
print C == D # el resultado será "True"
Matemática II
Tema 3: resolución de sistemas de ecuaciones linea-
les
2012–2013
Índice
Sistemas de ecuaciones lineales 1

Interpretación geométrica y definición 1
Método de eliminación 4
Resolución de sistemas de ecuaciones lineales 6
Sistemas compatibles 6
Sistemas incompatibles 9
Resolución de sistemas de ecuaciones lineales 12
Sistemas de ecuaciones lineales
Interpretación geométrica y definición

Observaciones preliminares
1. El problema central del álgebra lineal es resolver sistemas de ecua-

ciones.
2. Estas ecuaciones son siempre lineales, osea que las incógnitas

aparecen solo multiplicadas por números.
y
3. En estos sistemas de ecuaciones nunca encontraremos expresio-
√
3x
nes como x y o x o sin x o log y. 1 1

+
2 y=
2y
x−
4. Les decimos sistemas, porque la solución (si existe) debe satisfa- x
=
11
cer a todas las ecuaciones simultáneamente. 1 2 3 4
Figura 1: el único punto del

Dos ecuaciones, dos incógnitas, una solución
plano xy que pertenece a am-
bas rectas es la única solución
x − 2y = 1 del sistema de ecuaciones.
3x + 2y = 11
Cada fila (ecuación) corresponde a una recta en el plano.

tema 3: resolución de ecuaciones lineales 2
Las rectas se cortan únicamente en x = 3 e y = 1. y 1

2
y =
+2
Se dice entoces que el conjunto de soluciones S tiene solo un −x
=1
1
y
elemento x −2
x
S = {(3, 1)}
1 2 3 4
Dos ecuaciones, dos incógnitas, ninguna solución Figura 2: ningún punto del
bas rectas, por lo tanto el sis-
x − 2y = 1
tema de ecuaciones no tiene
1
− x + 2y = 2 solución.
Cada fila (ecuación) corresponde a una recta en el plano. y

= −1
Pero las rectas no se cortan, ya que son paralelas. + 2y
1
−x
El conjunto de soluciones S es entonces el conjunto vacío y =1 x
x −2
1 2 3 4
S=∅
Figura 3: infinitos puntos del

Dos ecuaciones, dos incógnitas, ∞ soluciones
bas rectas, ya que en realidad
son idénticas, por lo tanto el
x − 2y = 1 sistema de ecuaciones tiene ∞
soluciones.
− x + 2y = −1
Cada fila (ecuación) corresponde a una recta en el plano.
Las dos rectas se superponen, hay infinitas soluciones.
Por ejemplo x = 1 e y = 0, o también x = 3 e y = 1, etc.
El conjunto de soluciones S tiene ∞ elementos
S = {(1, 0), (3, 1), (5, 2), . . .}
Generalización para múltiples incógnitas
1. Los sistemas de ecuaciones lineales siempre pueden interpretarse

como el problema de encontrar intersecciones.
2. Con dos incógnitas, intersección de rectas; con más incógnitas,

intersección de “planos”.
3. Estos sistemas siempre tendrán una, ninguna o infinitas solucio-

nes.
Ejemplo 1. El sistema de ecuaciones lineales
3x +2y− z= 1
2x −2y+4z=−2
− x + y− z= 0
corresponde a la intersección de tres planos.
La única solución es
2 3
x= y=− z = −1
5 5
¿Qué es un sistema de ecuaciones lineales?

Definición 1 (sistema de ecuaciones lineales). Tenemos m núme-
ros b1 , . . . , bm .
Y también m × n números aij , con 1 ≤ i ≤ m, 1 ≤ j ≤ n.
Se buscan n números, x1 , . . . , xn , que satisfacen Figura 4: en general los sis-

temas de ecuaciones pueden
a11 x1 + a12 x2 +· · ·+ a1n xn = b1 representarse como colecciones
a21 x1 + a22 x2 +· · ·+ a2n xn = b2 de planos que se intersectan.
.. .. .. ..
. . . .
am1 x1 + am2 x2 +· · ·+ amn xn = bm
Esto es un sistema de m ecuaciones lineales con n incógnitas.
Forma matricial de un sistema
Todo sistema de ecuaciones lineales puede expresarse como el

producto entre una matriz y un vector Ax = b
A x b
z }| z }| { z }| {
{ 
a11 a12 ··· a1n x1 b1
 a21 a22 ··· a2n   x2   b2 
    
 .  =  . 
 . .. .. 
 . ..
.   ..   .. 
   
 . . .
am1 am2 ··· amn xn bm
A es la matriz de los coeficientes.
x el vector de las incógnitas.
b es el vector de los coeficientes independientes.
La matriz aumentada de un sistema
Para resolver sistemas de ecuaciones lineales utilizaremos la

matriz aumentada de coeficientes
a11 a12 · · · a1n b1

 
 a21 a22 · · · a2n b2 

 
Ab = . .. .. .. .. 
 ..

. . . . 

am1 am2 · · · amn bm

En general representaremos los sistemas por su forma matricial

Ax = b, o por medio de la matriz aumentada A b .

Ejemplo 2. Expresiones alternativas para el sistema
x − 2y = 1
3x + 2y = 11
Utilizando subíndices
x1 − 2x2 = 1
3x1 + 2x2 = 11
Como producto Ax = b
! ! !
1 −2 x1 1
=
3 2 x2 11
Con su matriz aumentada

!
1 −2 1
3 2 11
Método de eliminación
Introducción al método de eliminación
Volvamos al primer sistema que graficamos
x1 − 2x2 =1 Ê x1 − 2x2 =1 Ê
=⇒
3x1 + 2x2 = 11 Ë 8x2 =8 Ë
Ahora multiplicamos Ê por −3 y se la sumamos a Ë.
Luego de esta eliminación x1 no aparece en la nueva segunda

ecuación Ë.
La segunda ecuación 8x2 = 8 indica que x2 = 1. x2

3x 1
Substituyendo hacia atrás resulta x1 − 2 = 1, de donde x1 = 3. 1

=1
+
x2
−2
2x 2
x1 x1
La solución es ( x1 , x2 ) = (3, 1)
=
11
1 2 3 4
Interpretación geométrica de la eliminación Figura 5: el sistema Ax = b

puede interpretarse como la
intersección entre dos rectas.
x1 − 2x2 = 1
3x1 + 2x2 = 11
Ax = b
! ! !
1 −2 x1 1
=
3 2 x2 11
x2
x1 − 2x2 = 1 8x2 = 8
8x2 = 8
1
=1
x2
x1
−2
x1
Bx = c 1 2 3 4
! ! !
1 −2 x1 1
=
0 8 x2 8 Figura 6: el sistema Bx = c es
equivalente al sistema original
Operaciones elementales de fila Ax = b, y puede interpretarse
también como la intersección
El método de eliminación consiste en hacer combinaciones lineales entre dos rectas. ¡Aunque una
de las filas de Ax = b. de las rectas a cambiado, el
punto de intersección es el
Pueden utilizarse solamente tres operaciones elementales de fila:
mismo!
1. multiplicación de una fila por un número c no nulo
2. reemplazo de la r-esima fila, por la fila r más c veces la fila s,
con c 6= 0 y r 6= s
3. intercambio de dos filas.
Definición 2. Dado un sistema Ax = b, todo sistema Bx = c que se

obtenga aplicando las operaciones elementales de fila se denomina
sistema equivalente al original.
¿Por qué funciona la técnica de eliminación?
Bx = c se obtiene de Ax = b mediante operaciones elementales

de fila.
Entonces, Ax = b y Bx = c son equivalentes.
Teorema 1. Si dos sistemas de ecuaciones lineales son equivalentes, tienen

exactamente las mismas soluciones.
Entonces Ax = b y Bx = c tienen las mismas soluciones.
¡Pero Bx = c es más fácil de resolver!
1. Un sistema de ecuaciones lineales puede representarse siempre

como Ax = b.
2. Cada ecuación de Ax = b se corresponde a una recta (si n = 2) o

un “plano” (si n ≥ 3).
3. Utilizando operaciones elementales de fila puede encontrarse un

sistema equivalente fácil de resolver.
Resolución de sistemas de ecuaciones lineales
Sistemas compatibles
El método de eliminación de Gauss-Jordan: Ejemplo A
2x1 + 4x2 − 2x3 = 2 2x1 + 4x2 − 2x3 = 2

4x1 + 9x2 − 3x3 = 8 1x2 + 1x3 = 4
−2x1 − 3x2 + 7x3 = 10 4x3 = 8
   
2 4 −2 2 2 4 −2 2
(A b) =  4 9 −3 8  f 2 − (4/2) f 1 ;  0 1 1 4 
   
−2 −3 7 10 −2 −3 7 10 ;
   
2 4 −2 2 2 4 −2 2
 0 1 1 4   0 1 1 4  = (U c)
   
f 3 − (−2/2) f 1 ; 0 1 5 12 f 3 − (1/1) f 2 ; 0 0 4 8
Hemos encontrado una matriz triangular U.
Los números 2, 1 y 4 son los pivotes de U.
Pero para resolver el sistema debemos continuar...
2x1 + 4x2 − 2x3 = 2 x1 = −1

1x2 + 1x3 = 4 x2 = 2
4x3 = 8 x3 = 2
   
2 4 −2 2 f 1 − (4/1) f 2 ; 2 0 −6 −14 ;
(B c) =  0 1 1 4   0 1 1 4 
   
0 0 4 8 0 0 4 8
   
f 1 − (−6/4) f 3 ; 2 0 0 −2 2 0 0 −2 ;
 0 1 1 4  f 2 − (1/4) f 3 ;  0 1 0 2 
   
0 0 4 8 0 0 4 8 ;
 
(1/2) f 1 ; 1 0 0 −1
 0 1 0 2 = (R d)
 
(1/4) f 3 ; 0 0 1 2
El sistema original es
2x1 + 4x2 − 2x3 = 2

4x1 + 9x2 − 3x3 = 8
−2x1 − 3x2 + 7x3 = 10
El sistema equivalente es
x1 = −1
x2 = 2
x3 = 2
El conjunto de soluciones S tiene entonces un solo elemento
S = {(−1, 2, 2)}
Entonces este sistema de ecuaciones lineales es
1. compatible (porque tiene solución)

2. determinado (porque tiene exactamente una única solución).
El método de eliminación de Gauss-Jordan: Ejemplo B
x1 + 3x2 − x3 + x4 = 1 x1 + 3x2 − x3 + x4 = 1
−2x1 + x2 + 2x3 = 7 x2 − x4 = 0
x2 − x4 = 0 x4 = 1
   
1 3 −1 1 1 1 3 −1 1 1
( A b ) =  −2 1 2 0 7  f 2 − (−2/1) f 1 ;  0 7 0 2 9  ;
   
0 1 0 −1 0 0 1 0 −1 0
   
1 3 −1 1 1 1 3 −1 1 1
f2
f3 ;  0 1 0 −1 0   0 1 0 −1 0 
   
0 7 0 2 9 f 3 − (7/1) f 2 ; 0 0 0 9 9 ;
 
1 3 −1 1 1
 0 1 0 −1 0  = ( B c )
 
(1/9) f 3 ; 0 0 0 1 1
Hasta aquí hemos eliminado hacia abajo.
Ahora debemos continuar eliminando hacia arriba. . .
x1 + 3x2 − x3 + x4 = 1 x1 − x3 = −3
x2 − x4 = 0 x2 = 1
x4 = 1 x4 = 1
   
1 3 −1 1 1 f 1 − (1/1) f 3 ; 1 3 −1 0 0
(B c) =  0 1 0 −1 0   0 1 0 −1 0  ;
   
0 0 0 1 1 0 0 0 1 1
   
1 3 −1 0 0 f 1 − (3/1) f 2 ; 1 0 −1 0 −3
f 2 − ( /1) f 3 ;  0 1
− 1 0 0 1   0 1 0 0 1  =
   
0 0 0 1 1 0 0 0 1 1
= (R d)
x1 + 3x2 − x3 + x4 = 1
−2x1 + x2 + 2x3 = 7
x2 − x4 = 0
x1 − x3 = −3
x2 = 1
x4 = 1
Claramente x2 = 1 y x4 = 1, pero de la primer ecuación no

pueden determinarse x1 ni x3 . . .
Pero, simplemente dando un valor c a x3 , obtenemos x1 = −3 + c
El conjunto de soluciones S tiene entonces ∞ elementos

S = {(−3 + c, 1, c, 1) para todo c ∈ R}
1. compatible (porque tiene solución)

2. indeterminado (porque tiene infinitas soluciones).
Matrices escalón
Definición 3 (matriz escalón reducida por filas). Una matriz esca-
lón R tiene las siguientes características
1. Cada escalón tiene altura uno.
2. Debajo de la escalera todos los elementos de la matriz son cero.
3. En cada esquina de un escalón aparce un número 1.
4. Toda columna que contiene un 1 en una esquina de un escalón

tiene todos los demás elementos nulos.
Rango de una matriz

Definición 4 (rango de una matriz). El rango de cualquier matriz
A es igual al número de filas no nulas que tiene su matriz escalón
equivalente R reducida por filas.
Ejemplo A
 
1 0 0 −1
(R d) =  0 1 0 2 
 
0 0 1 2
R y (R d) tienen 3 filas no nulas.

Entonces rango(A) = rango (A b) = 3.
Ejemplo B
 
1 0 −1 0 −3
(R d) =  0 1 0 0 1 
 
0 0 0 1 1
R y (R d) tienen 3 filas no nulas.

Entonces rango(A) = rango (A b) = 3.
Sistemas incompatibles
El método de Gauss-Jordan: Ejemplo C
x1 − x2 + x3 = 1 x1 + (2/3) x3 = 0
2x1 + x2 + 2x3 = 0 x2 − (1/3) x3 = 0
2x1 − 2x2 + 2x3 = 3 0= 1
   
1 −1 1 1 1 −1 1 1
(A b) =  2 1 1 0  f 2 − (2/1) f 1 ;  0 3 −1 −2  ;
   
2 −2 2 3 f 3 − (2/1) f 1 ; 0 0 0 1
   
1 −1 1 1 f1 + f2 ; 1 0 2/3 1/3 ;
(1/3) f 2 ;  0 1 −1/3 −2/3   0 1 −1/3 −2/3  ;
   
0 0 0 1 0 0 0 1
 
f 1 − (1/3) f 3 ; 1 0 2/3 0
f 2 − (−2/3) f 3 ;  0 1 −1/3 0  = (R d)
 
0 0 0 1
x1 − x2 + x3 = 1
2x1 + x2 + 2x3 = 0
2x1 − 2x2 + 2x3 = 3
x1 + (2/3) x3 = 0
x2 − (1/3) x3 = 0
0=1
Claramente la tercer ecuación tiene siempre valor lógico falso, ya

que 0 6= 1. . .
El conjunto de soluciones S no tiene entonces ningún elemento
S=∅
1. incompatible (porque no tiene ninguna solución)
Ejemplo C
 
1 0 2/3 0
(R d) =  0 1 −1/3 0 
 
0 0 0 1
R tiene 2 filas no nulas.

(R d) tiene 3 filas no nulas.
Entonces A tiene rango 2 pero (A b) tiene rango 3. . .
Teorema 2 (Rouche-Frobenius). Sea r el rango de A, q el rango de

(A b) y n el número de incógnitas, entonces el sistema Ax = b será:
1. compatible determinado si y solo si r = q = n
2. compatible indeterminado si y solo si r = q < n
3. incompatible si y solo si r < q.
1. Aplicando el método de eliminación de Gauss-Jordan a una

matrix A podemos encontrar su matriz escalón R equivalente.
2. Aplicando el método de eliminación de Gauss-Jordan a una

matrix (A b) podemos resolver cualquier sistema de ecuaciones
lineales Ax = b.
3. El rango de A es igual a la cantidad de filas no nulas de R.
4. Los sistemas de ecuaciones lineales tiene una, ninguna o ∞ solu-

ciones.
Trabajo práctico
1. Encontrar todas las soluciones (si existen) de cada uno de los

siguientes sistemas de ecuaciones lineales, mediante el método
de eliminación de Gauss-Jordan, y utilizando exclusivamente
notación matricial
x1 + x2 = 1 x1 + x2 = 1
a) b)
x1 − x2 = −1 2x1 + x2 = 0
Pista: comience por escribir la correspondiente matriz ampliada

( A b ).
2. Utilizar operaciones elementales de fila para encontrar las ma-

trices escalón equivalentes a las siguientes matrices. ¿Cual es el
rango de cada matriz?
   
1 3 7 4 0 0 1
a)  6 −5 −1 2  b)  0 1 0 
   
7 −2 6 1 1 0 0
3 −1 3
 
 
 1 2 3 1 −4 2
0 −1  
c)  d)  1 2 1 −2 3 
  
 3 −1 1 

1 1 0 2 1
−1 1 −1
3. Encontrar todas las soluciones (si existen) de cada uno de los

siguientes sistemas de ecuaciones lineales, mediante el método
de eliminación de Gauss-Jordan, y utilizando exclusivamente
notación matricial
2x1 + x2 + x3 = 3 x1 + 2x2 + 4x3 = 1

a) x1 − x2 + x3 = 0 b) x1 + x2 + 3x3 = 2
3x1 − x2 + 2x3 = 2 2x1 + 5x2 + 9x3 = 1
2x1 − x2 + 3x3 = 9 3x1 + x2 − x3 + 2x4 = 7

c) 3x1 − 5x2 + x3 = −4 d) 2x1 − 2x2 + 5x3 − 7x4 = 1
4x1 − 7x2 + x3 = 5 −4x1 − 4x2 + 7x3 − 11x4 = −13
x1 + x2 + x3 =3 x1 + x2 + x3 + x4 =0
2x1 − x2 + 3x3 =4 x2 − x4 =5
e) f)
3x1 + x2 − x3 =3 x1 + x3 + 2x4 =1
2x1 − 2x3 =0 x1 + 2x2 =0
Pista: comience por escribir la correspondiente matriz ampliada

( A b ).
Ejemplos con Sage

Resolución de sistemas de ecuaciones lineales recuadros puede ser seleccionado,
Calcular el rango de matrices trabajo de Sage, para ejecutarlo y así
# crear la matriz A
A = matrix([(1,1,1),(1,-1,6),(-1,-1,-1)])
# calcular r = rango(A)
r = A.rank()
print "r =", r # la respuesta es r =2
# crear la matriz B
B = matrix([(1,1,1),(1,-1,6),(-1,-1,1)])
# calcular q = rango(B)
q = B.rank()
print "q =",q # la respuesta es q =3
Determinar si un sistema es compatible o incompatible trabajo práctico.
# crear la matriz A y el vector b
A = matrix([(1,-1,1),(2,1,2),(2,-2,2)])
b = vector((1,0,3))
# crear la matriz aumentada
B = A.augment(b)
# guardar n y calcular los rangos
n = A.ncols(); r = A.rank(); q = B.rank()
print "El sistema es",
if (r == q):
if (r == n):
print "compatible determinado."
else:
print "compatible indeterminado."
else:
print "incompatible."
Resolver un sistema por Gauss-Jordan

# crear la matriz de los coeficientes A
A = matrix([(2,4,-2),(4,9,-3),(-2,-3,7)])
# crear el vector independiente b
b = vector((2,8,10))
# crear la matriz aumentada
B = A.augment(b)
# comprobar que el sistema es compatible
# con la expresión rango(A) = rango(B)
print A.rank() == B.rank()
# si es compatible, la respuesta será "True"
# encontrar la matriz escalón equivalente a B
R = B.rref()
# mostrar R para ver la solución
print R
Matemática II
Tema 4: matriz inversa y determinante
2012–2013
Índice
Matriz invertible 1
Definición y propiedades 1
Cómputo de la matriz inversa 3
Determinante de una matriz 4
Propiedades de los determinantes 4
Cómputo del determinante 7
Cálculo de la inversa de una matriz 11
Cálculo del determinante de una matriz 11
Matriz invertible
Definición y propiedades
Dada una matriz cuadrada A, buscamos una matriz inversa A−1

del mismo tamaño.
Queremos que  
1 ··· 0
−1
. .. .
A A = I =  ..
 . .. 

0 ··· 1
donde I es llamada matriz identidad.
El producto A−1 A no debe tener efecto alguno sobre ningún

vector:
A−1 Ax = Ix = x
Pero ocurre que A−1 puede no existir. . .

tema 4: inversa y determinante 2
Definición de matriz invertible
Definición 1. La matriz cuadrada A es invertible si existe una matriz

A−1 tal que
A−1 A = I y AA−1 = I
¡No todas las matrices cuadras tienen inversa! Si A no es invertible

se dice que es singular.
Dada una matriz cuadrada A lo primero que hay que preguntar-

se es: ¿A es invertible?
Pero en muchos problemas no hace falta calcular A−1 , con saber

que existe es suficiente.
Seis observaciones acerca de la matriz inversa
1. Si A es invertible, la solución del sistema de ecuaciones lineales

Ax = b es x = A−1 b, ya que multiplicando Ax = b por A−1 se
obtiene x = A−1 Ax = A−1 b.
2. La inversa existe si y solo si rango(A) = n. Pero, con el método de

eliminación de Gauss-Jordan, podemos siempre resolver Ax = b
sin calcular explícitamente A−1 .
3. La matriz A no puede tener dos inversas diferentes. Supongamos

que BA = I y que también AC = I. Entonces B = C
B(AC) = (BA)C =⇒ BI = IC =⇒ B = C
4. Supongamos que existe un vector x 6= 0 tal que Ax = 0. Entonces

A no es invertible. Ninguna matriz puede convertir 0 en x. Si A
es invertible, Ax = 0 solo puede tener la solución x = A−1 0 = 0.
5. Una matriz de 2 × 2 es invertible si y solo si ad − bc 6= 0

! −1 !
a b 1 d −b
=
c d ad − bc −c a
El número ad − bc es llamado determinante de A. Una matriz A es

invertible si y solo si det(A) 6= 0.
6. Una matriz diagonal es invertible si ninguno de los coeficientes

diagonales es 0.
   
d1 1/d1
Si A = 
 ..  =⇒ A−1 = 
  .. 
 .   . 

dn 1/dn
Matriz con filas o columnas duplicadas

!
1 2
Ejemplo 1. La matriz A = no es invertible.
1 2
Se comprueba que ad − bc es igual a 2 − 2 = 0.

!
2
Si hacemos que x = se comprueba que Ax = 0.
−1
Si restamos la primera fila a la segunda

! obtenemos la ma-
1 2
triz escalon equivalente R = , de donde resulta que
0 0
rango(A) = 1 6= 2.
La inversa del producto

Inversa del producto AB
Si A y B son invertibles, también lo es AB. La inversa del producto
AB es
(AB)−1 = B−1 A−1
Inversa de AB
(AB)(B−1 A−1 ) = ABB−1 A−1 = AIA−1 = AA−1 = I
Inversa de ABC (orden revertido)
(ABC)−1 = C−1 B−1 A−1
La inversa de la transpuesta
Inversa de la trasnpuesta A T
Si A es invertible, también lo es A T . La inversa de la transpuesta A T
es
( A T ) −1 = ( A −1 ) T
Cómputo de la matriz inversa

Invertir A de 3 × 3 con Gauss-Jordan
   
2 −1 0 ? ? ?
−1
A =  −1 2 −1  A = ? ? ? 
0 −1 2 ? ? ?
    
2 −1 0 ? ? ? 1 0 0
 −1 2 −1   ? ? ? = 0 1 0 
0 −1 2 ? ? ? 0 0 1
         
2 −1 0 ? 1 2 −1 0 ? 0
 −1 2 −1  ? = 0  −1 2 −1  ? = 1
0 −1 2 ? 0 0 −1 2 ? 0
    
2 −1 0 ? 0
 −1 2 −1  ? = 0
0 −1 2 ? 1
   
2 −1 0 1 0 0 2 −1 0 1 0 0
 −1 2 −1 0 1 0  f 2 + (1/2) f 1 ;  0 3/2 −1 1/2 1 0 
   
0 −1 2 0 0 1 0 −1 2 0 0 1 ;
 
2 −1 0 1 0 0
 0 3/2 −1 1/2 1 0  f 2 + (3/4) f 3 ;
 
f 3 + (2/3) f 2 ; 0 0 4/3 1/3 2/3 1
   
2 −1 0 1 0 0 f 1 + (2/3) f 2 ; 2 0 0 3/2 1 1/2 ;
;  0 3/2 0 3/4 3/2 3/4  0 3/2 0 3/4 3/2 3/4 ;
   
0 0 4/3 1/3 2/3 1 0 0 4/3 1/3 2/3 1 ;
 
(1/2) f 1 ; 1 0 0 3/4 1/2 1/4
(2/3) f 2 ;  0 1 0 1/2 1 1/2

 

(3/4) f 3 ; 0 0 1 1/4 1/2 3/4
( A I ) ; ( I A −1 )
A A −1 I
z }| {z }| { }| { z
    
2 −1 0 3/4 1/2 1/4 1 0 0
 −1 2 −1   /2 1 1/2  =  0 1 0 
  1   
0 −1 2 1/4 1/2 3/4 0 0 1
1. La inversa cumple que AA−1 = I y que A−1 A = I.
2. A de n × n es invertible si y solo si rango(A) = n.
3. Si Ax = 0 para un vector no nulo x, entonces A no es invertible.
4. Para calcular A−1 hay que aplicar el método de Gauss-Jordan a

(A I) hasta obtener (I A−1 ).
Determinante de una matriz
Propiedades de los determinantes

El determinante de una matriz cuadrada A es un número.
El determinante de A se escribe como det(A) o también como

| A |.
Este número contiene mucha información sobre A. Por ejemplo,

si det(A) = 0, entonces A no es invertible.
El determinante de la matriz identidad
Propiedad 1
El determinante de la matriz identidad I de n × n es 1.

1 1

1
0 0
0 ..
=1 y 0 1 0 = 1 y =1

0
.
1
0 0 1

1
Intercambio de dos filas o de dos columnas

Propiedad 2
El determinante cambia de signo cuando dos filas (o dos columnas)
son intercambiadas.

!
a b a b
det = = ad − cb

c d c d
!
c d c d
det = = cb − ad = −( ad − cb)

a b a b
El determinante es una función lineal de cada línea

Propiedad 3
El determinante es una función lineal de cada línea por separado (las
demás líneas se mantienen sin cambio).
1. Multiplicando la fila 1 de A por el número t

ta tb a b
= t

c d c d

2. Sumando la fila 1 de A a la fila 1 de A0

a + a0 b + b0 a b a0 b0
= +

c d c d c d

Matriz con una fila (o una columna) repetida

Propiedad 4
Si dos filas (o dos columnas) de A son iguales, entonces det(A) = 0.
!
a b a b
det = = ab − ab = 0

a b a b
!
p p p p
det = = pq − pq = 0

q q q q
Matriz con una fila o columna de ceros

Propiedad 5
Una matriz A que tenga una fila (o una columna) llena de ceros
tendrá det(A) = 0.

0 0 a b
=0 =0

c d

0 0

a 0 0 b
=0 =0

c 0 0 d

Determinante de una matriz triangular

Propiedad 6
Si A es triangular, entonces det(A) = a11 a22 · · · ann (el producto de
los coeficientes diagonales).

a b a 0
si es triangular = ad y también = ad

0 d c d

a11 0

a22

si es diagonal = a11 a22 · · · ann
..

.

0 ann
Sumar o restar el múltiplo de una fila a otra

Propiedad 7
Sumar o restar el múltiplo de una fila de A a otra fila de A no
cambia el valor de det A.

a b a b
=

f 2 − t f 1 ; c − ta d − tb c d

Conclusión:
El determinante de A no cambia cuando aplicamos la técnica de

eliminación hasta encontrar una matriz triangular U equivalente
a A.
Entonces det A = det U.
Pero, si para encontrar U debimos intercambiar filas, resulta que

det A = ± det U.

2 4 −2
Ejemplo 2. Dada A = 4 9 −3 , encontrar el número det(A)
−2 −3 7
multiplicando los pivotes de la matriz triangular U.
   
2 4 −2 2 4 −2
A =  4 9 −3  f 2 − ( /2) f 1 ;  0
4 1 1
   
−2 −3 7 −2 −3 7 ;
   
2 4 −2 2 4 −2
0 1 1 0 1 1=U
   
f 3 − (−2/2) f 1 ; 0 1 5 f 3 − (1/1) f 2 ; 0 0 4
Entonces
det(A) = det(U) = 2 · 1 · 4 = 8
El determinante de matrices invertibles

Propiedad 8
Si A es singular, entonces det(A) = 0. Si A es invertible, entonces
det(A) 6= 0.
Aplicamos eliminación a la matriz A para encontrar U
det(A) det(U)
z }| { z }| { (
a b a b 0 si d − bc
a = 0 (A es singular)
= bc =

c d 0 d− si d − bc

a ad − bc a 6 = 0 (A es invertible)
Propiedad 9
El determinante de AB es det(A) det(B).

a b p q ap + br aq + bs
=

c d r w cp + dr cq + ds

Un caso particular es el determinante de la matriz inversa

det AA−1 = det(A) det(A−1 )
det(I) = det(A) det(A−1 )

1 = det(A) det(A−1 )
1/det(A) = det(A−1 )
El determinante de la transpuesta
Propiedad 10
La matriz transpuesta A T tiene el mismo determinante que A.
det(A) det(A T )
z }| { z }| {
a b a c
= = ad − cb

c d b d

1. Luego de aplicar el método de eliminación, el det(A) = ±(producto

de los pivotes de U).
2. El determinante es cero precisamente cuando A no es invertible.
3. Dos propiedades importantes son det(AB) = det(A) det(B) y

que det(A T ) = det(A).
Cómputo del determinante

La gran formula para el determinante
Los pivotes de U son buenos para los cálculos, nos sirven para
calcular el determinante.
Pero queremos encontrar una fórmula general para el determinan-

te, directamente con los coeficientes aij de A.
Esta fórmula tiene n! términos. Su tamaño crece muy rápido, por-

que n! = 1, 2, 6, 24, 120, · · · Para n = 11 la fórmula tiene casi 40
millones de términos. . .
En la práctica, y para matrices mayores a 3 × 3, es más conve-

niente utilizar los pivotes de U.
Fórmula para matrices de 2 × 2

a a12
11
= a11 a22 − a21 a12
a21 a22

2! = 1 × 2 = 2 (2 términos)
1 es +, 1 es −
+
a11 a12
a21 a22
Fórmula para matrices de 3 × 3 (regla de Sarrus)

a a12 a13
11
a21 a22 a23 =

a31 a32 a33
= a11 a22 a33
+ a21 a32 a13
+ a31 a12 a23
− a31 a22 a13
− a11 a32 a23
− a21 a12 a33
3! = 1 × 2 × 3 = 6 (6 términos)
3 son +, 3 son −
+ a11 a12 a13
+ a21 a22 a23
a31 a32 a33
− a11 a12 a13
− a21 a22 a23
−
Fórmula para matrices de 3 × 3 (alternativa)
El determinante de una matriz de 3 × 3 puede calcularse también

como

a b c
e f d f d e
d e f = a −b +c

h i g i g h

g h i
= aei − a f h−bdi +b f g+cdh−ceg
3! = 1 × 2 × 3 = 6 (6 términos)
3 son +, 3 son −
Fórmula para matrices de 4 × 4

a11 a12 a13 a14

a21 a22 a23 a24
=

a31 a32 a33 a34

a41 a42 a43 a44
= a11 a22 a33 a44 − a11 a22 a34 a43 − a11 a23 a32 a44
+ a11 a23 a34 a42 + a11 a24 a32 a43 − a11 a24 a33 a42
− a12 a21 a33 a44 + a12 a21 a34 a43 + a12 a23 a31 a44
− a12 a23 a34 a41 − a12 a24 a31 a43 + a12 a24 a33 a41
+ a13 a21 a32 a44 − a13 a21 a34 a42 − a13 a22 a31 a44
+ a13 a22 a34 a41 + a13 a24 a31 a42 − a13 a24 a32 a41
− a14 a21 a32 a43 + a14 a21 a33 a42 + a14 a22 a31 a43
− a14 a22 a33 a41 − a14 a23 a31 a42 + a14 a23 a32 a41
4! = 1 × 2 × 3 × 4 = 24 (24 términos)
12 son +, 12 son − ¡y es imposible de memorizar!
1. Si no hacemos intercambio de filas, det(A) =(producto de los

pivotes de U).
2. La gran fórmula para el determinante nunca debe utilizarse para

matrices mayores a 3 × 3.
Trabajo práctico
1. Aplicando el método de eliminación de Gauss-Jordan, calcular

las inversas de las matrices A, B y C.
! ! !
0 3 2 0 3 4
A= B= C=
4 0 4 2 5 7
Pista: comience por escribir la correspondientes matrices aumen-

tadas (A I), (B I) y (C I).
2. Invertir estas matrices A con el método de eliminación de Gauss-

Jordan, empezando con la matriz aumentada (A I).
   
1 0 0 1 1 1
a) A = 2 1 3 b) A = 1 2 1
   
0 0 1 1 2 3
3. Esta matriz tiene una inversa interesante. Calcular A−1 apli-

cando el método de eliminación de Gauss-Jordan a la matriz
aumentada (A I). Luego, y utilizando A−1 , resolver el sistema de
ecuaciones lineales Ax = (1, 1, 1, 1).
 
1 −1 1 −1
 0 1 −1 1 
A=
 
1 −1 

 0 0
0 0 0 1
4. Calcular A T y A−1 y (A−1 ) T y (A T )−1 .

! !
1 0 1 c
a) A = b) A =
9 3 c 0
5. Si el determinante de una matriz de 4 × 4 es det(A) = 1/2,

calcular el valor de det(2A) y det(−A) y det(A2 ) y det(A−1 ).
6. Aplicando el método de eliminación, calcular la matriz triangu-

lar U equivalente a A y luego calcular el det(A) como el pro-
ducto de los pivotes de U. En los casos a) y b), calcular también
det(A) con la regla de Sarrus.
   
1 1 1 1 2 3
a) A = 1 2 2 b) A = 2 2 2
   
1 2 3 3 3 3
   
1 2 3 0 2 −1 0 0
 2 6 6 1   −1 2 −1 0 
c) A =   d) A = 
   
 −1 0 0 3   0 −1 2 −1 

0 2 0 7 0 0 −1 2
Ejemplos con Sage

Cálculo de la inversa de una matriz recuadros puede ser seleccionado,
Calcular la inversa de una matriz (forma numérica) trabajo de Sage, para ejecutarlo y así
# crear la matriz A
A = matrix([(4,1),(2,3)])
# calcular la inversa A−1
B = A.inverse()
# mostrar el resultado
print B
Calcular la inversa de una matriz (forma algebraica) trabajo práctico.
# crear las variables ("las letras") a utilizar
a,b = var("a,b")
# crear la matriz A
A = matrix([(1,a),(b,1)])
# calcular la inversa A−1
B = A.inverse()
print B
Cálculo del determinante de una matriz

Calcular el determinante (forma numérica)
# crear la matriz A
A = matrix([(1,1,0),(2,2,0),(0,1,2)])
# calcular el determinante det(A)
d = A.det()
print "d =",d # d =0
Calcular el determinante (forma algebraica)

# crear las variables ("las letras") a utilizar
a,b,c = var("a,b,c")
# crear la matriz A
A = matrix([(1,a,a**2),(1,b,b**2),(1,c,c**2)])
# calcular el determinante det(A)
d = A.det()
print "d =",d # d = − a2 b + a2 c + ab2 − ac2 − b2 c + bc2
Matemática II
Tema 5: espacios vectoriales
2012–2013
Índice
Espacios vectoriales 1
Definición y propiedades 1
Subespacios vectoriales 3
Independencia, bases y coordenadas 5
Independencia lineal 5
Bases y coordenadas 8
Vectores, coordenadas e independencia lineal 13
Espacios vectoriales
Definición y propiedades
Al principio parecía que calcular con matrices involucraba mu-

chos números. . .
. . . pero ahora sabemos que en realidad involucra vectores.
Por ejemplo: las columnas de Ax o de AB son combinaciones

lineales de vectores. R2

−3.3
Ahora vamos a dar un tercer (y último) paso, y pensar no ya 0.25
1
en números ni en vectores, sino en algo más grande: espacios de
0 v1
vectores.
0 v2
0
En principio, podemos pensar que un espacio vectorial es un con-

junto que tiene unas propiedades muy particulares. . .
107.2 1/ !
−13 √ 2
2
Los espacios vectoriales Rn
Vamos a empezar por los espacios vectoriales más importantes:

Figura 1: el espacio vectorial
R2 , R3 , R4 ,. . .
V que contiene a todos los
Cada espacio Rn consta de una conjunto ∞ de vectores. vectores columna de dos com-
ponentes (v1 , v2 ) se llama R2 .
tema 5: espacios vectoriales 2
R5 contiene a todos los vectores columna con cinco componentes.

Se lo llama 5-dimensional.
Definición 1. El espacio vectorial Rn contiene a todos los vectores

columna v con n componentes.
Las componentes de v son números reales, por eso la R.
Comentarios acerca de los espacios vectoriales Rn
El espacio R2 suele representarse con el plano xy.
Cada vector v de R2 tiene dos componentes: v = ( x, y).
La palabra espacio indica que debemos pensar en todos los vecto-

res juntos: todo el plano xy.
Los vectores de R3 se corresponden a puntos ( x, y, z) del espacio

  R3
tridimensional. 2
  −3.3 
Como siempre, escribimos a los vectores como columnas o como  1 0.25
 
puntos:  0   v1
1  
0
 0   v2
v3
! 0
4  
está en R2 (1, 1, 0, 1, 1) está en R5 e 
π  10   0 
π √1/2 
2
Clausura de la suma y el producto por un escalar
Definición 2 (propiedad de clausura). 1. Podemos sumar cualquier

par de vectores v y w de Rn .
V que contiene a todos los
2. Y podemos multiplicar cualquier vector v por cualquier escalar c. vectores columna de tres com-
ponentes (v1 , v2 , v3 ) se llama
3. El resultado estará siempre dentro de Rn . R3 .
Por ejemplo, si v = (2, 0, 1, 0) ∈ R4 y w = (1, 3, 0, 2) ∈ R4
   
4 5
0 3
   
2v =   ∈ R4 2v + w =   ∈ R4
2 2
0 2
La suma y el producto por un escalar

La suma y el producto por un escalar en un espacio vectorial V
siempre deben cumplir lo siguiente:
Condiciones
1. v + w = w + v
2. u + (v + w) = (u + v) + w
3. 0 ∈ V =⇒ v + 0 = v
4. −v ∈ V =⇒ v + (−v) = 0
5. 1v = v
6. (c1 c2 )v = c1 (c2 v)
7. c(v + w) = cv + cw
8. (c1 + c2 )v = c1 v + c2 v
Importante
¡Si alguna de las ocho condiciones no se cumple, V no es un espa-
cio vectorial!
Dos espacios vectoriales distintos de Rn

Ejemplo 1 (espacios vectoriales distintos de Rn ). 1. R2×2 es el espa-
cio de todas las matrices reales de 2 × 2.
2. Pn≤3 es el espacio de todas las funciones polinomio de grado menor o

igual a 3.
¡En R2×2 los “vectores” son matrices! En Pn≤3 los “vectores” son
funciones polinomio.
R2×2

2 0.1
Podemos sumar matrices a matrices y polinomios a polinomios.
−3.3 0.25
1 0
Podemos multiplicar una matriz por 4 y un polinomio por 4.
0 1 a 12
a 11 a 22
0 0
Y los resultados quedarán siempre en R2×2 o en Pn≤3 . 0 0 a 21

¡Y resulta que en R2×2 y Pn≤3 se cumplen las ocho condiciones! e 10 1/ √
√ 2
π 2 −1 2
Ejemplo de combinación lineal de dos “vectores” de R2×2 1
! ! !
1 0 0 0 2 0
2 + (1/3) =
0 0 0 1 0 1/3
Ejemplo de combinación lineal de dos “vectores” de P n ≤3 R2×2 de todas las matrices
reales de dos filas por dos co-
lumnas tiene infinitos vectores.
2 x3 + 1 + (1/3)( x2 + 3x ) =
P n ≤3
3
= 2x + (1/3) x2 +x+2 3.3
2x3 + 0.001x −
2 + x−1
Subespacios vectoriales x3 −
x
x+
d
2 +c
3 + bx
¿Un espacio adentro de un espacio? 0ax
√
Pensemos en el espacio 3-dimensional R3 . x + π x− 2
−e ( 1/2
)x 2 √
+
2
Elijamos un plano P cualquiera que pase por (0, 0, 0).
Este plano P es un espacio vectorial en sí mismo.
Si sumamos dos vectores de P, el resultado estará en P. Figura 4: el espacio vectorial

Pn≤3 de todas las funciones
Si multiplicamos un vector de P por 2 o −5, el resultado estará polinomio de grado menor o
en P. igual a tres tiene infinitos vec-
tores.
El plano P en el espacio 3-dimensional no es el plano R2 .
Los vectores de P tienen 3 componentes, y pertenecen a R3 .
El plano P es un espacio vectorial adentro del espacio vectorial

R3 .
v = ( v 1 , v 2 , v 3 ) ∈ R3 y w = ( w 1 , w 2 , w 3 ) ∈ R3 .
v y w están sobre el plano P.
Todo vector u = cv + dw estará también sobre el plano P.
Entonces el plano P es un subespacio vectorial del espacio vectorial

R3 .
Definición de subespacio vectorial
Definición 3. Un subespacio de un espacio vectorial es un conjunto

de vectores (incluyendo el 0) que cumple dos condiciones
1. v + w está en el subespacio
2. cv está en el subespacio
dados cualquier par de vectores v y w del subespacio y cualquier

número c.
En otras palabras: el subespacio está clausurado ante la suma

v + w y la multiplicación cv.
Estas operaciones no pueden escapar del subespacio.
En álgebra lineal decimos que todas las combinaciones lineales se

quedan en el subespacio.
Subespacios de R3
Esta es una lista de todos los subespacios posibles de R3 : Figura 5: cualquier plano P
que contenga al vector (0, 0, 0)
L toda recta que pase por (0, 0, 0).
es un subespacio vectorial de
P todo plano que pase por (0, 0, 0). R3 .
R3 ¡es un subespacio de sí mismo!
Z con el único vector (0, 0, 0).
Si intentamos quedarnos con una parte de una recta o un plano,

las condiciones de subespacio no se cumplen. . .
Planos o rectas que no pasan por (0, 0, 0) tampoco nos sirven. . .
Figura 6: cualquier recta L que

contenga al vector (0, 0, 0) es
un subespacio vectorial de R3 .
Condición única para subespacios
Las condiciones para subespacios involucran la suma v + w y la

multiplicación por números cualesquiera c o d.
Podemos unificar estas dos condiciones en una sola:
Condición para subespacio

Un subespacio que contenga a v y a w debe contener a todas las
combinaciones lineales cv + dw.
Ejemplo 2. Dentro del espacio vectorial Pn≤3 , de las funciones poli-

nomio de grado menor o igual a tres, podemos encontrar el subes-
pacio Pn≤1 , de todos los polinomios de grado menor o igual a uno.
Si p( x ) tiene grado menor o igual a uno.
Si q( x ) tiene grado menor o igual a uno. P n ≤3
¡Entonces r ( x ) = c p( x ) + d q( x ) será una función polinomio de
ax
3
1
+x−
+b
grado menor o igual a uno, para cualquier par de números c y d 3 x 2
x −
x
2
que elijamos! P n ≤1
+c
0
x+
(1 /
Por ejemplo
d
ax + b
4)
x
1 √2
2( x − 1) + 2( x + 1) = 4x ∈ Pn≤1 x+ 1 2 +
) x
(1/2
1( x − 1) + (−1)( x + 1) = −2 ∈ Pn≤1
Repaso de ideas clave Figura 7: El espacio vectorial

Pn≤1 (de todas las funciones
1. Rn contiene a todos los vectores columna con n componentes polinomio de grado menor o
reales. igual a uno) es un subespacio
del espacio vectorial Pn≤3 (de
2. R2×2 (matrices de 2 × 2) y Pn≤3 (funciones polinomios de grado
las funciones polinomio de
menor o igual a tres) son ejemplos de espacios vectoriales.
grado menor o igual a tres).
3. Un subespacio que contenga a v y a w debe contener a todas las Pn≤1 tiene ∞ vectores, y Pn≤3
combinaciones lineales cv + dw. también.
Independencia, bases y coordenadas
Independencia lineal
Dependencia e independencia lineal
Definición 4 (dependencia lineal). Se dice que el conjunto de vec-

tores {v1 , v2 , . . . , vn } es linealmente dependiente (LD) si existen n
números c1 , c2 , . . . , cn , no todos nulos, tales que
c1 v1 + c2 v2 + · · · + c n v n = 0
Si el conjunto de vectores {v1 , v2 , . . . , vn } no es linealmente de-

pendiente se dice que es linealmente independiente (LI).
Ejemplo 3. Algunos conjuntos de vectores LI y LD de R2 y Pn≤1 .

1
1. el conjunto 0
⊂ R2 es LI porque
! ! !
1 c1 0
c1 = = solo si c1 = 0
0 0 0
2. el conjunto { x } ⊂ Pn≤1 es LI porque
c1 x = 0 solo si c1 = 0

1 0
3. el conjunto 0
,
1
⊂ R2 es LI porque
! ! ! ! (
1 0 c1 0 c1 = 0
c1 + c2 = = solo si
0 1 c2 0 c2 = 0
4. el conjunto { x, 1} ⊂ Pn≤1 es LI porque

(
c1 = 0
c1 x + c2 1 = c1 x + c2 = 0 solo si
c2 = 0

1 0 1
5. el conjunto 0
,
1
,
1
⊂ R2 es LD porque
! ! ! ! ! (
1 0 1 c1 + c3 0 c1 = − c3
c1 + c2 + c3 = = si
0 1 1 c2 + c3 0 c2 = − c3
6. el conjunto { x, 1, x + 1} ⊂ Pn≤1 es LD porque

(
c1 = − c3
c1 x + c2 1 + c3 ( x − 1) = (c1 + c3 ) x + (c2 + c3 ) = 0 si
c2 = − c3

1 2
7. el conjunto 0
,
0
⊂ R2 es LD porque
! ! ! !
1 2 c1 + 2c2 0
c1 + c2 = = si c1 = −2c2
0 0 0 0
8. el conjunto { x, 2x } ⊂ Pn≤1 es LD porque
c1 x + c2 2x = (c1 + 2c2 ) x = 0 si c1 = −2c2
Interpretación geométrica en R2

1
El conjunto 0
genera una línea de vectores.

0
El conjunto 1
genera otra línea de vectores.

1 0
A partir del conjunto 0
,
1
podemos generar (“fabricar”)
todos los vectores de R2 haciendo combinaciones lineales.
Interpretación “geométrica” en Pn≤1
El conjunto {1} genera una “línea” de polinomios.
El conjunto { x } genera otra “línea” de polinomios.
A partir del conjunto { x, 1} podemos generar (“fabricar”) todas

las funciones polinomio de Pn≤1 haciendo combinaciones lineales.
Figura 8: Interpretación geo-

0 comb. lin. de
R2 métrica de dependencia e
4 1 0
, independencia lineal en el
0 1 0 1
1
0 espacio vectorial R2 .
3
3
múltiplos de

0
−4 2
1 2
0
1
1

−4 −3 −2 −1 0 1 2 3 4
0 0 0 0 0 0 0 0 0

0 1
múltiplos de
−2 0

0
−3
−4 1
−4 0 −3
−4
comb. lin.
P n ≤1 4x Figura 9: Interpretación “geo-
de { x, 1}
x
s de
métrica” de dependencia e
3x independencia lineal en el es-
4 1
iplo
3x − 3x + pacio vectorial Pn≤1 (de todas

2x
2x − 2 2x + 1
múlt
las funciones polinónio de

{x} grado menor o igual a uno).
4
{ 1 } 2 3
0 e1
− 3 −2 −1 m ú l tiplos d
−4 −x
−2x −5 x √
+ 2
−2 x − −2 x +
2 1
−3x
− 1 4
−4 x − 3x +
−4x
¿Cómo comprobar la independencia lineal?
Teorema 1. Si con los vectores v1 , v2 , . . . , vn se forman las columnas de

una matriz A, y se calcula rango(A), entonces
1. si rango(A) = n los vectores son LI
2. si rango(A) < n los vectores son LD.
Teorema 2. Si con los vectores v1 , v2 , . . . , vn se forman las columnas de

una matriz cuadrada A, y se calcula det(A), entonces
1. si det(A) 6= 0 los vectores son LI
2. si det(A) = 0 los vectores son LD.
Bases y coordenadas
Bases de un espacio vectorial
Definición 5 (base). Un conjunto ordenado de vectores B =

{v1 , v2 , . . . , vn } se dice que es una base de un espacio vectorial V
si cumple las siguientes dos condiciones
1. el conjunto B es linealmente independiente (LI)
2. el conjunto B permite generar (“fabricar”), haciendo combinacio-

nes lineales, a todos los vectores del espacio vectorial V.
Ejemplo 4. Algunas bases para el espacio vectorial R2 .

n o
1 0
El conjunto ordenado B1 = 0 , 1 es una base de R2 .
n o
0 1
El conjunto ordenado B2 = 1 , 0 es otra base de R2 .
n o
1 0 1
El conjunto ordenado B3 = 0 , 1 , 1 no es una base,
porque no es LI, es LD. . .
n o
1
El conjunto ordenado B4 = 0 no es una base, porque no
permite generar todos los vectores de R2 . . .
Dimensión de un espacio vectorial
Teorema 3. Si B1 = {v1 , . . . , vm } y B2 = {w1 , . . . , wn } son dos bases

para el mismo espacio vectorial, entonces m = n.
Definición 6. La dimensión dim(V) de un espacio vectorial V es el

número de vectores que tiene cualquiera de sus posibles bases.
Ejemplo 5. Algunas bases para el espacio vectorial Pn≤3 (de todas

las funciones polinomio de grado menor o igual a tres).
El conjunto ordenado B1 = { x, 1} no es una base, porque no

permite generar todos los vectores de Pn≤3 . . .
El conjunto ordenado B2 = { x2 , x, 1} no es una base, porque no

permite generar todos los vectores de Pn≤3 . . .
El conjunto ordenado B3 = { x3 , x2 , x, 1} es una base.
El conjunto ordenado B4 = { x3 , x + 1, x, 1} no es una base,

porque no es LI, es LD. . .
El conjunto ordenado B5 = {2x3 , x2 , x + 1, 1} es una base.

Entonces la dimensión de Pn≤3 es dim Pn≤3 = 4.
Asignando “coordenadas” a cualquier vector

Tomemos al “vector” p( x ) = 2x3 + x − 1, del espacio vectorial
P 3 , y elijamos dos bases ordenadas distintas. . .
n ≤
1. B1 = { x3 , x2 , x, 1}
2. podemos escribir la combinación lineal
p( x ) = 2 · x3 + 0 · x2 + 1 · x + (−1) · 1
= 2x3 + x − 1
3. las “coordenadas” son
 
2
 0 
 
p( x ) = 2x3 + x − 1 ≡  
 1 
−1 B1
1. B2 = {2x3 , x2 , x − 1, 2}
2. podemos escribir la combinación lineal
p( x ) = 1 · 2x3 + 0 · x2 + 1 · ( x − 1) + 0 · 2
= 2x3 + x − 1
3. las “coordenadas” son
 
1
 0 
 
p( x ) = 2x3 + x − 1 ≡  
 1 
0 B2

Ejemplo 6. Dar las coordenadas del “vector” A = 21 −11 , del
n 1 o
1 0 0 /2 0 0 0 0
espacio R2×2 , en la base B = 0 0 , 0 0 , 1/3 0 , 0 /4
1 .
la combinación lineal es
! ! ! ! !
2 1 1 0 0 1/2 0 0 0 0
=2 +2 +3 + (−4)
1 −1 0 0 0 0 1/3 0 0 1/4
por lo tanto las coordenadas resultan

 
! 2
2 1  2 
 
A= ≡ 
1 −1  3 
−4 B
1. El conjunto {v1 , . . . , vn } genera un espacio vectorial V si sus

combinaciones lineales llenan ese espacio.
2. Una base consiste en vectores independientes que generan un espacio

vectorial.
3. Cada vector del espacio vectorial V es una combinación lineal

única de los vectores de la base ; coordenadas.
4. Todas las bases de un espacio vectorial V tienen el mismo núme-

ro de vectores, y este número es la dimensión dim (V) del espacio.
Trabajo práctico
!
2 −2
1. La matriz A = es un “vector” del espacio vectorial
2 −2
R2×2 de todas las matrices de 2 filas y 2 columnas.
a) Escribir el vector cero de ese espacio vectorial, y el vector

1/2A, y el vector − A.
b) Describir el subespacio V más pequeño que contiene al “vec-

tor” A.
2. La función polinomial p( x ) = x2 + 1 es un “vector” del espacio

vectorial Pn≤5 de todas las funciones polinomiales de grado
menor o igual a 5.
a) Escribir el vector cero de ese espacio vectorial, y el vector

1/2 p ( x ), y el vector − p ( x ).
b) Describir el subespacio W más pequeño que contiene al “vec-

tor” p( x ).
Condición para subespacio: un subes-
pacio que contenga a v y a w debe
3. ¿Cuales de los siguientes subconjuntos del espacio vectorial contener a todas las combinaciones
R3 , de todos los vectores columna con tres componentes, son lineales cv + dw.
realmente subespacios?
a) El plano formado por todos los vectores (b1 , b2 , b3 ), con b1 =
b2 .
b) El plano formado por todos los vectores que tienen b1 = 1.
c) Todos los vectores que tienen b1 b2 b3 = 0.
d) Todas las combinaciones lineales de v = (1, 4, 0) y de w =
(2, 2, 2).
Pista: intente verificar que se cumpla la condición de subespacio en
cada uno de los subconjuntos listados.
4. Decidir si son linealmente dependientes (LD) o linealmente
independientes (LI) los siguientes conjuntos de vectores del
espacio vectorial R3 .
n o
a) (1, 2, 3), (2, 1, 3), (3, 2, 1)
n o
b) (1, −3, 2), (2, 1, −3), (−3, 2, 1)
Pista: armar una matriz A, con los vectores del conjunto como
columnas, y utilizar rango(A) o det(A) para decidir.
5. ¿Cual es la dimensión de cada uno de los siguientes espacios
vectoriales? Escribir, en cada caso, dos bases B1 y B2 distintas del
espacio vectorial.
a) El espacio vectorial V de todas las funciones polinomiales de
grado menor o igual a 5.
b) El espacio vectorial V de todas las funciones polinomia-
les que sean una combinación lineal de p( x ) = 3x2 + 1 y
q( x ) = x.
c) El espacio vectorial V de todos los vectores columna de 3

componentes que sean una combinación lineal de (2, 0, −1) y
(1, 2, 0).
d) El espacio vectorial V de todas las matrices diagonales de 4
filas y 4 columnas.
n o
6. Dada la base B = x4 , 2x3 , x2 , x, −1 , del espacio vectorial Pn≤4
de todas las funciones polinomiales de grado menor o igual a 4,
escibir las coordendas de cada uno de los siguientes vectores.
a) p( x ) = 1/2x3 − 1.
b) q( x ) = 3x4 − 2x3 + 7x2 + x.
c) r ( x ) = x + 2.
d) s( x ) = x3 + x.
7. Decidir si es linealmente dependiente (LD) o linealmente in-
dependiente (LI) el siguiente conjunto
n de vectores odel espacio
vectorial Pn≤4 . Utilizar la base B = x4 , x3 , x2 , x, 1 .
n o
1/2 x3 − 1, 3x4 − 2x3 + 7x2 + x, x + 2, x3 + x
Pista: armar una matriz A, con las coordenadas de los vectores del
conjunto como columnas, y utilizar rango(A) para decidir.
Ejemplos con Sage

Vectores, coordenadas e independencia lineal recuadros puede ser seleccionado,
Hacer combinaciones lineales de vectores de Pn≤3 trabajo de Sage, para ejecutarlo y así
# crear el vector p( x ) = x2 + 2 ∈ Pn≤3
p(x) = x**2+2
# crear el vector q( x ) = x 3 − x + 1 ∈ P n ≤3
q(x) = x**3-x+1
# hacer la combinación lineal r( x ) = 2p( x ) + 3q( x )
r(x) = 2*p(x)+3*q(x)
# mostrar el vector resultante
r.show() # r ( x ) = 3x3 + 2x2 − 3x + 7
Independecia lineal de un conjunto en R3 trabajo práctico.
# creamos un conjunto (una lista)
# de vectores de R3
D = [(1,2,3),(2,3,1),(3,5,4)]
print D
# para crear una matriz "por columnas", la
# creamos "por filas" y la transponemos
A = matrix([D[0],D[1],D[2]]).transpose()
# ahora utilizamos rango(A) para decidir
if (A.rank() == A.ncols()):
print "El conjunto de vectores es LI."
else:
print "El conjunto de vectores es LD."
Independecia lineal de un conjunto en Pn≤2

# tenemos un conjunto de vectores de Pn≤2
# D = {2x2 + 7, x − 1, x2 + x + 5}
# y utilizamos la base B = { x2 , x, 1}
# creamos un conjunto (una lista) de coordenadas
D = [(2,0,7),(0,1,-1),(1,1,5)]
print D
# crear una matriz "por columnas"
A = matrix([D[0],D[1],D[2]]).transpose()
# ahora utilizamos rango(A) para decidir
if (A.rank() == A.ncols()):
print "El conjunto de vectores es LI."
else:
print "El conjunto de vectores es LD."
Matemática II
Tema 6: transformaciones lineales y diagonaliza-
ción
2012–2013
Índice
Transformaciones lineales 1
Introducción a las transformaciones lineales 1
Matriz de una transformación lineal 4
Autovalores, autovectores y diagonalización 6
Autovalores y autovectores 6
Diagonalización de una matriz 8
Transformaciones lineales y diagonalización 13
Transformaciones lineales
Introducción a las transformaciones lineales

Comentarios preliminares
Cuando una matriz A multiplica un vector v decimos que v es

transformado en otro vector Av.
Osea: se entra un vector v y sale un vector T (v)= Av.
Es como con funciones: se entra un x y sale un f ( x ).
Para un número x, evaluamos la función. Para un vector v, mul-

tiplicamos por la matriz. La idea es la misma.
El vector v es uno de los infinitos vectores de algún espacio

vectorial V. . .
¡Entonces multiplicando cada vector v, por la misma matriz A,

podemos transformar todo el espacio vectorial V en otro espacio
vectorial W!
Definición de transformación lineal
Tomemos una matriz A.
Esta transforma v en Av.

tema 6: transformaciones lineales y diagonalización 2
Y transforma w en Aw.
Sabemos que
A (cv) = cAv
También, que si u = v + w
Au = A(v + w) = Av + Aw
Definición 1. Una transformación T asigna un resultado T (v) ∈ W a

cada vector de entrada v ∈ V. La transformación es lineal si
1. T (cv) = cT (v)
2. T (v + w) = T (v) + T (w)
para cualquier número c.
Definición 2 (equivalente).
T (cv + dw) = cT (v) + dT (w)
Es interesante observar que el opera-
d
dor derivación dx
Transformando el espacio R3 en el espacio R d d f (x) dg( x )
a f ( x ) + bg( x ) = a +b
1 dx dx dx
Ejemplo 1. Se elije un vector fijo a = 3 y se hace que T (v) sea el R
4 y el operador integración dx
producto punto a · v. Z Z Z
a f ( x ) + bg( x ) dx = a f ( x ) dx + b g( x ) dx
v1
Se entra v = v2 , sale T (v) = a · v = v1 + 3v2 + 4v3 . se comportan de forma muy semejante
v3
a una transformación linea T
Las entradas v vienen del espacio tridimencional, así que V ≡ T ( av + bw) = a T (v) + b T (w)
R3 . Las salidas son solo números, asi que W ≡ R.
para cualquier par de números a y b.
También podemos representarla como T (v) = Av
 
v1
 
1 3 4 v2  = v1 + 3v2 + 4v3
| {z } v | {z }
A 3 Av
| {z }
v
Interpretación geométrica de V ≡ R2 ; W ≡ R2
Dibujamos una “casita” uniendo puntos en V ≡ R2 . Luego
transformamos los puntos a W ≡ R2 con T (v) = Av.

1. Una transformación lineal T convierte cada v de un espacio
vectorial entrada en un T (v) de un espacio vectorial salida.
2. T es lineal si T (v + w) = T (v) + T (w) y T (cv) = cT (v) (líneas

; líneas).
3. Comb. lin. ; comb. lin.

T ( c1 v 1 + · · · + c n v n ) = c1 T ( v1 ) + · · · + c n T ( v n )

1/2 0 v1
V≡ R2 T (v) = Av = W ≡ R2
0 1/2 v2
Figura 1: ejemplo de transfor-
mación lineal de R2 en R2 :
escalado.
v1 , v2 , . . . , v11 T (v1 ), T (v2 ), . . . , T (v11 )

0.82 −0.57 v1
V≡ R2 T (v) = Av = W ≡ R2
0.57 0.82 v2
rotación.
v1 , v2 , . . . , v11 T (v1 ), T (v2 ), . . . , T (v11 )

0.7 0.3 v1
V ≡ R2 T (v) = Av = W ≡ R2
0.1 0.5 v2
deformación.
v1 , v2 , . . . , v11 T (v1 ), T (v2 ), . . . , T (v11 )


−1 0 v1
V ≡ R2 T (v) = Av = W ≡ R2
0 1 v2
reflección.
v1 , v2 , . . . , v11 T (v1 ), T (v2 ), . . . , T (v11 )
Matriz de una transformación lineal

Veremos como asignarle una matriz A a cualquier transforma-

ción lineal T.
Los vectores de entrada v pertenecerán a V ≡ Rn , y los de salida

T ( v ) a W ≡ Rm .
La matriz A asignada a la transformación T será de m × n.
La elección que hagamos para las bases ordenadas de V y de W

determinarán la matriz A. . .
Construcción de la matriz A columna a columna
Supongamos que T (v) = w transforma vectores de V en W. . .
Elegimos una base para V
BV = { v1 , . . . , v n }
Y una base para W
BW = { w 1 , . . . , w m }
La matriz A será de m × n.
Las comb. lin. serán
T (v1 ) es a11 w1 + · · · + am1 wm

T (v2 ) es a12 w1 + · · · + am2 wm
..
.
T (vn ) es a1n w1 + · · · + amn wm
 
a11 a12 · · · a1n
 . .. .. 
A=  ..

. . 
am1 am2 · · · amn
T (v) = w
Av = w
Ejemplo 2. Supongamos que V ≡ Pn≤2 (funciones polinomio de

grado n ≤ 2), que W ≡ Pn≤1 (funciones polinomio de grado n ≤ 1),
d
y que T = dx .

1. Elegímos las bases BV = x2 , x, 1 y BW = { x, 1}.
2. Ahora calculamos
d( x2 )
T x2 = = 2x = 2 · x + 0 · 1
dx
d( x )
T (x) = = 1 = 0·x+1·1
dx
d (1)
T (1) = = 0 = 0·x+0·1
dx
3. La matriz A queda !
2 0 0
A=
0 1 0
4. Y ahora probamos que A funcione bien. . .

d 3x2 + 4x − 1
= 6x + 4
 dx 
! 3 !
2 0 0   6
 4  =
0 1 0 4
−1 B BW
V
5. O por ejemplo también
d (−7x + 2)
= −7
 dx 
! 0 !
2 0 0   0
 −7  =
0 1 0 −7
2 B BW
V
1. A cada trasnformación lineal T podemos asignarle siempre una

matriz A
 

 transformación lineal T 
 matriz A (m × n)
base de entrada {v1 , . . . , vn } =⇒ representa a T

 base de salida {w , . . . , w }  
1 m en estas bases
Autovalores, autovectores y diagonalización
Autovalores y autovectores
Vamos a considerar el problema Ax = λx, donde λ es un núme-

ro.
Es decir, dado un vector x y un número λ, ¡resulta que es lo R2

y
mismo multiplicar Ax que λx!
3
Ciertos vectores x especiales apuntan en la misma dirección que Ax. Se
2
Ax
llaman “autovectores” de A.
El número λ correspondiente se llama “autovalor” del autovector x. 1 x

x
¡La matriz A debe ser cuadrada!
−1 1 2 3 4
−1
La ecuación de los autovalores
Figura 5: un vector x, que al
Queremos encontrar algún vector x, y algún número λ, que cum- ser transformado por una ma-
plan Ax = λx. Entonces planteamos un sistema de ecuaciones triz A resulta en la misma di-
lineales así rección que el vector original,
es llamado autovector de la
Ax = λx ; Ax = λIx ; Ax − λIx = 0 ; (A − λI)x = 0
matriz A.
Ahora, si (A − λI)x = 0 tiene una solución x 6= 0, resulta que la
matriz (A − λI) no es invertible. . .
Y si la matriz (A − λI) no es invertible, ya sabemos que det(A −

λI) = 0.
Definición 3 (autovalores de una matriz A). El número λ es un

autovalor de la matriz A solamente si la matriz (A − λI) es singular
(osea, si no es invertible):
ecuación de los autovalores det(A − λI) = 0
El polinomio característico de A
Supongamos que A es de n × n, entonces la ecuación det(A −

λI) = 0 tendrá un polinomio de grado n
λ n + a n −1 λ n −1 + · · · + a 1 λ + a 0 = 0
Este es el polinomio característico de A.
Entonces la matriz A tendrá siempre n autovalores λ (aunque

algunos pueden estar repetidos. . . ).
Definición 4 (autovectores de una matriz A). Para cada uno de los

n autovalores λ podremos encontrar un autovector x resolviendo el
siguiente sistema de ecuaciones
ecuación de los autovectores (A − λI)x = 0

!
1 2
Ejemplo 3. Encontrar los λs y los xs de la matriz A = .
2 4 R2 y
x2
=5
8
1. Restamos λ a la diagonal para encontrar A − λI
7
2
! ! !
2x
1 2 1 0 1−λ 2
=λ
A − λI = −λ = 6
2 4 0 1 2 4−λ
2
5
Ax
2. Calculamos el determinante de esta matriz de 2 × 2 4
!
1−λ 2 3
det = (1 − λ)(4 − λ) − 2 · 2 = λ2 − 5λ = λ(λ − 5)
2 4−λ 2
Ax
x2
1 = 01 x
3. Igualamos el polinomio característico λ(λ − 5) a cero
−1 x1 1 2 3 4
det(A − λI) = λ(λ − 5) = 0 de donde λ1 = 0 y λ2 = 5 −1
Figura 6: los autovectores de la

4. Encontramos los autovectores resolviendo (A − λI)x = 0, por
matriz A.
separado, para λ1 = 0 y λ2 = 5
! ! ! ! !
1 2 x1 0 x1 2
(A − 0I)x = = ; = para λ1 = 0
2 4 x2 0 x2 −1
! ! ! ! !
−4 2 x1 0 x1 1
(A − 5I)x = = ; = para λ2 = 5
2 −1 x2 0 x2 2
Efectivamente, el autovector x1 es transformado por la matriz A

en un múltiplo de sí mismo
Ax1 = λ1 x1 = 0x1 = 0
Efectivamente, el autovector x2 es transformado por la matriz A

en un múltiplo de sí mismo
Ax2 = λ2 x2 = 5x2
Resumen del problema de autovalores y autovectores

La receta para resolver el problema
1. Calcular el determinante de A − λI. Restando λ a lo largo de la

diagonal, este determinante comienza con λn o con −λn . Es un
polinomio en λ de grado n.
2. Encontrar las raices de este polinomio, resolviendo det(A − λI) = 0.

Las n raices son los n autovalores de A.
3. Para cada autovalor λ, resolver (A − λI)x = 0 para encontrar un

autovector x.
Propiedades de los autovalores
Teorema 1. El producto λ1 λ2 · · · λn de todos los autovalores de A es

igual a su determinante
λ1 λ2 · · · λn = det(A)
Teorema 2. La suma λ1 + λ2 + · · · + λn de todos los autovalores de A es

igual a su traza
λ1 + λ2 + · · · + λn = a11 + a22 + · · · + ann = traza(A)
1. Ax =λx indica que los autovectores x mantienen la misma direc-

ción luego de ser multiplicados por A.
2. Ax =λx también indica que det(A − λI) = 0. Esta ecuación

determina n autovalores λ.
3. La suma de los λs es igual a la suma de los elementos diagonales

de A (su traza). El producto de los λs es igual al determinante de
A.
Diagonalización de una matriz

Cuando x es un autovector, multiplicar por A es como multipli-

car por λ
Ax = λx
Por ejemplo, multiplicar x seis veces por A es tan fácil como
AAAAAAx = λ6 x
Ahora veremos como se pueden utilizar los xs para convertir a la

matriz A en una matriz diagonal D.
Y multiplicar por matrices diagonales es también bastante fácil.
Teorema 3 (diagonalización). 1. Supongamos que una matriz A de

n × n tiene n autovectores linealmente independientes x1 , . . . , xn .
2. Y los usamos para construir, por columnas, la matriz de autovectores S.
3. Luego se comprueba que la matriz de autovalores D es

 
λ1
 .. 
S−1 AS = D =   . 

λn
Se dice que la matriz A fue “diagonalizada”.
Prueba de la diagonalización
Primero, calculamos A por S

   
   
AS = A x1 · · · x n  =  λ1 x1 · · · λn xn 
Segundo, calculamos S por D

    
λ1
  ..  
 =  λ1 x1 
SD = x1 · · · xn   .  · · · λn xn 
λn
Y entonces resulta que AS = SD, de donde
S−1 AS = D y también A = SDS−1

!
1 5
Ejemplo 4. Diagonalizar la matriz A = .
0 6
A es triangular, por lo que sus λs están en la diagonal: λ1 = 1 y

λ2 = 6.
! !
1 1
Los autovectores de A son x1 = y x2 = (hay que calcu-
0 1
larlos. . . ).
La diagonalización resulta
! ! ! !
1 −1 1 5 1 1 1 0
=
0 1 0 6 0 1 0 6
| {z } | {z } | {z }
S −1 S D
Observaciones acerca de la diagonalización de A
1. Supongamos que los autovalores λ1 , . . . , λ2 son todos diferentes.

Entonces es automático que los autovectores x1 , . . . , x2 son inde-
pendientes. Cualquier matriz cuyos autovalores no se repiten puede
ser diagonalizada.
2. Los autovectores en S deben ir en el mismo orden que los autova-

lores en D
! ! ! !
1 −1 1 5 1 1 1 0
=
0 1 0 6 0 1 0 6
| {z } | {z } | {z } | {z }
S −1 A S D
! ! ! !
0 1 1 5 1 1 6 0
=
1 −1 0 6 1 0 0 1
| {z } | {z } | {z } | {z }
−1
Snueva A Snueva Dnueva
Autovalores y vectores independientes
Teorema 4. 1. ¡Cada autovalor λ tiene al menos un autovector!
2. Los autovectores x1 , . . . , x j que corresponden a distintos (todos diferen-

tes) autovalores son linealmente independientes.
3. Una matriz de n × n que tenga n autovalores diferentes puede diagona-

lizarse.
1. Si A tiene n autovectores independientes x1 , . . . , xn , pueden

utilizarse como columnas de S
A es diagonalizada por S S−1 AS = D y A = SDS−1
2. Los autovectores xs de A deben utilizarse en el mismo orden que

los autovalores λs correspondientes.
Trabajo práctico

1. La matriz de una fila A = 1/3 1/3 1/3 representa un trans-
formación lineal T (v), que toma un vector columna de R3 , con
tres calificaciones, y regresa un número de R (el promedio).
a) Utilizando exclusivamente notación matricial, aplique esta

transformación lineal a los siguientes vectores de calificacio-
nes.
       
4 8 10 7
       
a) u = 6 b) v = 6 c) w =  9  d) x = 7
6 9 9 7
T (u) =? T (v) =? T (w) =? T (x) =?
b) ¿Cual debería ser la matriz A para promediar vectores con

cuatro calificaciones?
2. Supongamos que V ≡ Pn≤3 (funciones polinomiales de grado

menor o igual a 3), que W ≡ Pn≤2 (funciones polinomiales de
d
grado menor o igual 2), y que T = dx (derivación). Usamos las
3 2 2
bases BV = { x , x , x, 1} y BW = { x , x, 1}.
a) Escribir la matriz A que representa a la transformación lineal

T en las bases BV y BW (pista: utilice como guía el ejemplo
expuesto durante la clase).
b) Utilizando exclusivamente notación matricial, aplique esta
transformación lineal a los “vectores”
p( x ) = 2x3 − x2 + 1 q( x ) = x2 + x − 3 r(x) = 2
(pista: utilice las coordenadas de p( x ), q( x ) y r ( x ) en la base

BV ).
c) Compruebe los resultados anteriores calculando p0 ( x ), q0 ( x ) y
r 0 ( x ) de la forma “tradicional” (pista: utilice las coordenadas de
p0 ( x ), q0 ( x ) y r 0 ( x ) en la base BW ).
3. Suponiendo que el vector de entrada es v = (v1 , v2 ), ¿cuales de

las siguientes transformaciones son lineales?
a) T (v) = (v1 , v2 ) b) T (v) = (v1 , v1 ) c) T (v) = (0, v1 )
d) T (v) = (0, 1) e) T (v) = v1 − v2 f) T (v) = v1 v2
Pista: en cada caso compruebe sí, dados dos vectores v y w y

dos números c y d, es lo mismo calcular T (cv + dw) que calcular
cT (v) + dT (w).
4. Calcular los autovalores λs y los autovectores xs de estas dos

matrices: ! !
1 4 2 4
A= A+I =
2 3 2 4
5. Calcular los autovalores λs y los autovectores xs de A y de A2 .

! !
−1 3 2 7 −3
A= A =
2 0 −2 6
¿Cual es la relación entre los autovalores λ1 y λ2 de A y los

autovalores α1 y α2 de A2 ? ¿Por qué, en este ejemplo, resulta que
λ21 + λ22 = 13?
6. Diagonalizar las siguientes matrices.

! !
1 2 1 1
a) A = b) A =
0 3 3 3
Ejemplos con Sage

Transformaciones lineales y diagonalización recuadros puede ser seleccionado,
Aplicando una transformación lineal trabajo de Sage, para ejecutarlo y así
# crear la matriz A que representa "derivación"
# de funciones polinomiales de grado n ≤ 2
# en las bases B2 = { x2 , x, 1} y B1 = { x, 1}
A = matrix([(2,0,0),(0,1,0)])
# crear las coordenadas de p( x ) = 3x2 − 12x + 7
p = vector((3,-12,7))
print p
# aplicar la transformación lineal a p
q = A *p
print q # es (6, −12)
# que son las coordenadas de q( x ) = 6x − 12
Calcular los autovalores de una matriz trabajo práctico.
# crear una matriz A
A = matrix([(1,1),(3,3)])
# calcular los autovalores de A
sol = A.eigenvalues()
l1 = sol[0]; l2 = sol[1]
print l1, l2 # λ1 , λ2
# crear la matriz B = A2
B = A*A
# calcular los autovalores de B
sol = B.eigenvalues()
a1 = sol[0]; a2 = sol[1]
print a1, a2 # α1 , α2
# verificar que λ1 · λ1 = α1 y λ2 · λ2 = α2
print l1*l1 == a1 # es "True"
print l2*l2 == a2 # es "True"
Calcular los autovalores y autovectores de una matriz

A = matrix([(1,5),(0,6)])
# calcular, simultaneamente, los
# autovalores y autovectores de A
sol = A.eigenvectors_right()
# primer autovalor y su autovector
l1 = sol[0][0] # λ1
x1 = sol[0][1][0] # x1
# segundo autovalor y su autovector
l2 = sol[1][0] # λ2
x2 = sol[1][1][0] # x2
# mostrar los resultados
print l1,x1 # λ1 = 6 x1 = (1, 1)
print l2,x2 # λ2 = 1 x2 = (1, 0)
Diagonalizar una matriz

A = matrix([(2,3),(0,7)])
# calcular los autovectores de A
sol = A.eigenvectors_right()
# guardar, por separado, cada autovector
x1 = sol[0][1][0] # x1
x2 = sol[1][1][0] # x2
# crear, por columnas, la matriz
# de autovectores S
S = matrix([x1,x2]).transpose()
# calcular la matriz inversa S−1
S1 = S.inverse()
# calcular la matriz diagonal D = S−1 AS
D = S1*A*S
print D
Matemática II
Tema 7: vectores, rectas y planos
2012–2013
Índice
Vectores y producto cruz 1

Vectores en el espacio 1
Producto cruz entre vectores del espacio 2
Rectas y planos en el espacio R3 4
Rectas en el espacio 4
Planos en el espacio 5
Trabajo práctico 8
Ejemplos con Sage 9
Vectores y producto cruz 9 y
B
Rectas y planos 9
A D
C
Vectores y producto cruz P
O
Vectores en el espacio F x
Definición de vector E
Definición 1. El vector representado por el segmento orientado Figura 1: Las cuatro “flechas”
−→
de recta AB tiene (segmentos de recta orienta-
dos) tienen la misma longitud
a) punto inicial A
y dirección. ¡Por lo tanto repre-
b) punto final B sentan el mismo vector!
−→ z
c) longitud | AB|. −−→
P1 P2 P2 ( x2 , y2 , z2 )
P1 ( x1 , y1 , z1 )
Dos vectores son iguales si tienen la misma longitud y dirección. vector posición
−−→
de P1 P2 )
v 2, v 3
O ( v 1, v3
−→ −→ −→ − → v=
AB = CD = OP = EF
y
x v2
v1
El vector de posición estándar
Definición 2. Dados dos puntos P1 ( x1 , y1 , z1 ) y P2 ( x2 , y2 , z2 ), el Figura 2: un vector de posición

−−→
vector de posición estándar v ≡ P1 P2 es v = ( x2 − x1 , y2 − y1 , z2 − estándar v tiene orígen en O.
z1 ).
v1 x2 − x1
   
−−→
v = v2  =  y2 − y1  ≡ P1 P2
v3 z2 − z1
tema 7: vectores, rectas y planos 2
El punto médio de un segmento de recta P1 ( x1 , y1 , z1 )
Teorema 1 (punto médio). El punto médio M del segmento de recta que

x1 + x2 y1 + y2 z1 + z2

M 2 , 2 ,
une P1 ( x1 , y1 , z1 ) y P2 ( x2 , y2 , z2 ) es 2
x1 + x2 y1 + y2 z1 + z2

P2 ( x2 , y2 , z2 )
, ,
2 2 2
Demostración
−−→ −−→ −−→ −−→ −−→ −−→
O
OM = OP1 + 1/2 P1 P2 = OP1 + 1/2 OP2 − OP1
−−→ −−→
= 1/2 OP1 + OP2 Figura 3: punto médio M de
x1 + x2 y + y2 z + z2 un segmento de recta que une
= i+ 1 j+ 1 k P1 y P2 .
2 2 2
Producto cruz entre vectores del espacio

El producto cruz de vectores en el espacio R3
Tenemos dos vectores no nulos u y v del espacio.
Si u y v no son paralelos, definen un plano.
Elejimos el vector unitario n, perpendicular al plano, con la

u×v
“regla de la mano derecha”.
Definición 3 (producto cruz).

v
u × v = (|u||v| sin θ ) n n
θ
u
Propiedades del producto cruz
Propiedades del producto cruz
Si u, v y w son vectores, y r y s son escalares, entonces Figura 4: la construcción del
vector u × v.
1. (ru) × (sv) = (rs)(u × v)
v
2. v × u = −(u × v)
−n θ
3. 0 × u = 0 u
4. u × (v + w) = u × v + u × w)
v×u
5. (v + w) × u = v × u + w × u
6. u × (v × w) = (u · w)v − (u · v)w Figura 5: la construcción del

vector v × u.
Vectores paralelos
Dos vectores no nulos u y v son paralelos si y solo si u × v = 0.
Los vectores unitarios i, j y k
La base estándar de R3 es
1 0 0

B= 0 , 1 , 0 = {i, j, k}
0 0 1
Se cumple que
i × j = −(j × i) = k
j × k = −(k × j) = i
k × i = −(i × k) = j
Y también que
i×i = j×j = k×k = 0
Figura 6: i, j y k son los vec-
tores estándar o canónicos en
|u × v| es el área de un paralelogramo R3 .
Como n es un vector unitario, la longitud de u × v es
|u × v| = |u||v|| sin θ ||n|

= |u||v| sin θ
Y esta es el área del paralelogramo determinado por u y v.
Fórmula del determinante para u × v
Supogamos que
u1 v1

u = u2 = u 1 i + u 2 j + u 3 k y v= v2 = v1 i + v2 j + v3 k
u3 v3
área = base · altura

Entonces resulta que
= |u| · h
u × v = ( u1 i + u2 j + u3 k ) × ( v1 i + v2 j + v3 k ) = |u| · |v| sin θ
= ( u2 v3 − u3 v2 ) i − ( u1 v3 − u3 v1 ) j + ( u1 v2 − u2 v1 ) k = |u × v|
cuyos términos resultan algo difíciles de memorizar. . .

v h = |v| sin θ
Teorema 2 (calculando el producto × con un determinante). Si
u = u1 i + u2 j + u3 k y v = v1 i + v2 j + v3 k, entonces θ
  u
i j k i
j k
u × v = det u1 u2 u3  = u1 u2 u3 Figura 7: El paralelogramo
 
v1 v2 v3 v1 v2 v3 determinado por u y v.

Lo que al final resulta en la misma expresión

Según el contexto, y según la biblio-

u u u u u u
2 3 1 3 1 2
u×v = i −j +k grafía, los vectores estándar se escriben
v2 v3 v1 v3 v1 v2

de diversas formas (todas equivalen-
tes)
= ( u2 v3 − u3 v2 ) i − ( u1 v3 − u3 v1 ) j + ( u1 v2 − u2 v1 ) k
i = ~i = e x = e1 = ~ex = ~e1
j = ~j = ey = e2 = ~ey = ~e2
k = ~k = ez = e3 = ~ey = ~e3
Ejemplo 1. Encontrar el área S del triángulo cuyos vértices son los

puntos A(1, 1, 0), B(3, 0, 2) y C (0, −1, 1).
Dos lados del triángulo son

−→ −→
AB = 2i − j + 2k y AC = −i − 2j + k
El área S resulta
−→ −→
S = 1/2 AB × AC = 1/2 del área del paralelogramo

 

i j k
= 1/2 det  2 −1 2 
 
−1 −2 1

√ √
= 1/2 |3i − 4j − 5k| = 1/2 9 + 16 + 25 = 5/2 2

−−→
1. El vector posición de P1 P2 es v = ( x2 − x1 , y2 − y1 , z2 − z1 ).
2. El vector u × v es perpenticular a u y a v. Su dirección está dada

por “la regla de la mano derecha”.
3. La magnitud |u × v| es el área del paralelogramo.
4. Para calcular u × v se usa la fórmula del determinante

i j k

u × v = u1 u2 u3

v1 v2 v3

Rectas y planos en el espacio R3
Rectas en el espacio
Rectas y segmentos de recta en el espacio
z
Supongamos que L es una recta que pasa por P0 ( x0 , y0 , z0 ). P0 ( x0 , y0 , z0 )
Y también que L es paralela al vector v = v1 i + v2 j + v3 k.

L P( x, y, z)
Entonces L es el conjunto de todos los puntos P( x, y, z) para los v
−→
cuales P0 P k v.
−→
O sea que P0 P = tv para algún parámetro escalar t. y
Ecuaciones vectorial y paramétricas de una recta

Figura 8: un punto P pertene-
Definición 4 (ecuación vectorial de la recta). La ecuación vectorial ce a la recta L, que pasa por
de la recta L que pasa por el punto P0 ( x0 , y0 , z0 ) y que es paralela al el punto P0 y es paralela al
vector v = v1 i + v2 j + v3 k es −→
vector v, si y solo si P0 P es un
múltiplo escalar de v.
r(t) = r0 + tv −∞ < t < ∞
donde r(t) es el vector posición del punto P( x, y, z) de L y r0 es el

vector posición del punto P0 ( x0 , y0 , z0 ).
Definición 5 (ecuaciones paramétricas de la recta).
x = x0 + tv1 y = y0 + tv2 z = z0 + tv3 −∞ < t < ∞

Ejemplo 2. Encontrar las ecuaciones paramétricas de la recta que
pasa por (−2, 0, 4) y es paralela a v = 2i + 4j − 2k.
P0 ( x0 , y0 , z0 ) es igual a (−2, 0, 4).
v1 i + v2 j + v3 k es igual a 2i + 4j − 2k. z
Entones las ecuaciones son P0 (−2, 0, 4)
x = −2 + 2t t=0
y = 4t P1 (0, 4, 2)
z = 4 − 2t t=1
2 4
8
4 y
t=2
Distancia de un punto a una recta x P2 (2, 8, 0)
v = 2i + 4j − 2k
Teorema 3 (distancia de un punto a una recta). La distancia d entre
un punto S y una recta, que pasa por P y es paralela a v, es
Figura 9: recta L que pasa por
−
→
| PS × v| P0 y es paralela a v.
d= S
|v|
Ejemplo 3. Encontrar la distancia del punto S(1, 1, 5) a la recta −
→
| PS| sin θ
L: x = 1+t y = 3−t z = 2t
1. Vemos que L pasa por el punto P(1, 3, 0). θ
2. Y que L es paralela al vector v = i − j + 2k. v

P
3. Entonces resulta que
Figura 10: la distancia entre un
−→
PS = (1 − 1)i + (1 − 3)j + (5 − 0)k = −2j + 5k punto S y una recta.
4. Y entonces

i j k
−
→
PS × v = 0 −2 5 = i + 5j + 2k

1 −1 2

5. Finalmente, la distancia es
−
→ √ √ n plano M
| PS × v| 1 + 25 + 4 30 √
d= = √ = √ = 5
|v| 1+1+4 6 P( x, y, z)
P0 ( x0 , y0 , z0 )
Planos en el espacio
Planos en el espacio R3
Figura 11: un punto P pertene-
Supongamos que M es un plano que pasa por el punto P0 ( x0 , y0 , z0 ).
ce al plano M, que pasa por el
Y también que M es normal al vector n = Ai + Bj + Ck. punto P0 y es normal al vector
−→ −→
Entonces M es el conjunto de todos los puntos para los cuales P0 P n, si y solo si n · P0 P = 0.
es ortogonal a n.
−→
O sea, para los que se cumple n · P0 P = 0.
Ecuaciones del plano
Definición 6. El plano que pasa por el punto P0 ( x0 , y0 , z0 ) y es

normal al vector a n = Ai + Bj + Ck tiene
−→
Ecuación vectorial: n · P0 P = 0
Ecuación escalar: A ( x − x0 ) + B ( y − y0 ) + C ( z − z0 ) = 0
Ecuación simplificada: Ax + By + Cz = D
donde D = Ax0 + By0 + Cz0
Ejemplo 4. Encontrar la ecuación del plano que pasa por los puntos
A(0, 0, 1), B(2, 0, 0) y C (0, 3, 0).
1. Primero tenemos que encontrar un vector normal al plano. Lue-

go, con uno de los puntos dados, no importa cual, escribiremos
la ecuación.
2. El producto punto

i j k
−→ −→
AB × AC = 2 0 −1 = 3i + 2j + 6k

0 3 −1

es normal al plano. . .
3. Entonces hacemos que n = 3i + 2j + 6k. z

n
S
4. Utilizando las componentes del vector anterior, y las coordena-
das del punto A(0, 0, 1), resulta la ecuación
3( x − 0) + 2( y − 0) + 6( z − 1) = 0 −
→
θ
| PS| cos θ
3x + 2y + 6z = 6
P y
x
Distancia de un punto a un plano
Distancia de un punto a un plano Figura 12: la distancia entre el

Teorema 4 (distancia de un punto a un plano). La distancia d entre punto S y un plano, que pa-
un punto S y un plano, que pasa por P y es perpendicular a n, es sa por P y es perpendicular a
n, se calcula con el producto
−

→ n
−→
d = PS · punto de entre PS y el vector
|n| unitario en la dirección de n.
Ejemplo 5. Encontrar la distancia entre el punto S(1, 1, 3) y el plano
3x + 2y + 6z = 6.
1. Primero encontramos un punto P del plano. Por ejemplo, hacien-

do x = 0 y z = 0 resulta P(0, 3, 0).
2. De la ecuación del plano vemos que n = 3i + 2j + 6k.
3. Con S, P y n resulta
−
→
PS = (1 − 0)i + (1 − 3)j + (3 − 0)k
= i − 2j + 3k
p √
|n| = 32 + 22 + 62 = 49 = 7
4. Entonces la distancia entre S y el plano es

−→ n

d = PS ·
|n|

= (i − 2j + 3k) · 3/7i + 2/7j + 6/7k

= 3/7 − 4/7 + 18/7 = 17/7

θ
Ángulo entre dos planos n2

n1
Definición 7. El ángulo entre dos planos que se intersectan se
define como el ángulo agudo entre sus vectores normales.

θ
1. La ecuación vectorial de una recta, que pasa por P0 y es paralela
a v, es
r(t) = r0 + tv − ∞ < t < ∞ Figura 13: el ángulo entre dos
planos que se intersectan.
2. La ecuación vectorial de un plano, que pasa por P0 y es normal a
n, es
−→
n · P0 P = 0
Trabajo práctico
1. Exprese cada uno de los siguientes vectores de R3 en la forma

v = v1 i + v2 j + v3 k.
−−→
a) P1 P2 si P1 es el punto (5, 7, −1) y P2 es el punto (2, 9, −2).
−→
b) AB si A es el punto (−7, −8, 1) y B es el punto (−10, 8, 1).
1 2

c) 5u − v si u = 1 yv= 0 .
−1 3
2. Dados los siguientes pares de vectores de R3 , calcule los produc-

tos puntos u × v y también v × u.
a) u = 2i − 2j − k, v = i − k
b) u = 2i − 2j + 4k, v = −i + j − 2k
c) u = 3/2i + 1/2j + k, v = i + j + 2k
3. Calcule el área del triángulo cuyos vértices son A, B y C.
a) A(0, 0), B(−2, 3), C (3, 1)

b) A(−5, 3), B(1, −2), C (6, −2)
c) A(1, −1, 1), B(0, 1, 1), C (1, 0, −1)
−→ −→
Pista: calcule los vectors AB y AC, y aplique el producto cruz.
4. Obtenga las ecuaciones paramétricas de cada una de las rectas

que se describen a continuación.
a) La recta que pasa por el punto P(3, −4, 1) y es paralela al

vector i + j + k.
b) La recta que pasa por P(1, 2, 0) y por Q(1, 1, −1).
c) La recta que pasa por P(1, 1, 1) y es paralela al eje z.
d) La recta que pasa por P(2, 3, 0) y es perpendicular a los vecto-
res u = i + 2j + 3k y v = 3i + 4j + 5k.
5. Obtenga la ecuación escalar de cada uno de los planos que se

describen a continuación Simplifique cada ecuación.
a) El plano que pasa por P0 (0, 2, −1) y es normal al vector

n = 3i − 2j − k.
b) El plano que pasa por P(1, −1, 3) y es paralelo al plano
3x + y + z = 7
c) El plano que pasa por P(2, 4, 5), Q(1, 5, 7) y R(−1, , 6, 8).

d) El plano que pasa por P0 (2, 4, 5) y es perpendicular a la recta
x = 5 + t, y = 1 + 3t, z = 4t
6. Calcule las distancias que se indican a continuación.
a) Del punto P(3, −1, 4) a la recta x = 4 − t, y = 3 + 2t, z =

−5 + 3t.
b) Del punto Q(2, 2, 3) al plano 2x + y + 2z = 4.
Ejemplos con Sage

Vectores y producto cruz recuadros puede ser seleccionado,
Calcular el producto cruz trabajo de Sage, para ejecutarlo y así
u = vector((2,1,4))
v = vector((-3,2,1))
# calcular el producto cruz
w = u.cross_product(v) # w es un vector
print u,v,w
# comprobar que w es perpendicular a u y a v
print w.dot_product(u) == 0 # es "True"
print w.dot_product(v) == 0 # es "True"
Cálculo de áreas con producto cruz trabajo práctico.
# crear los vértices de un triángulo
# con sus vectores de posición
A = vector((1,1,0))
B = vector((3,0,2))
C = vector((0,-1,1))
# calcular dos lados del triángulo
AB = B - A
AC = C - A
# calcular su superficie con el producto cruz
S = 1/2*(AB.cross_product(AC)).norm()
print S
Rectas y planos
Ecuación vectorial y paramétrica de la recta
t = var("t") # t es la variable paramétrica
P = vector((1,-2,1)) # la recta pasa por P
v = vector((3,2,-1)) # la recta es paralela a v
r = P + t*v # recta r(t) = r0 + tv
# graficar la recta r(t)
g = parametric_plot3d(r,(t,-2,2),thickness=3)
# mostrar el vector v
g = g + arrow3d((0,0,0),v,color="red",width=3)
# mostrar el punto P
g = g + point(P,color="green",size=20)
print "P =",P
print "v =",v
print "r(t) =",r
p.show()
Ecuación escalar del plano

# crear las variables
x, y = var(’x y’)
# definir el plano 2x − y − 3z = 1, despejando z
z = (2*x-y-1)/3
# crear el gráfico del plano
g = plot3d(z,(x,-5,5),(y,-5,5), color="lightblue")
# mostrar el plano
g.show()
Matemática II
Tema 8: cónicas, cilindros y superficies cuádricas
2012–2013
Índice
Cónicas 1
Parábolas 1
Circunferencias y elipses 2
Hipérbolas 5
Cilindros y superficies cuádricas 6
Cilindros 6
Superficies cuádricas 7
Graficar cilindros y cuádricas y
11 P
−
→
| PF | −→
| PQ|
Cónicas F
Q
Parábolas
¿Qué es una parábola? O
x
l
Definición 1 (parábola). Una parábola es el conjunto de todos los
puntos de un plano que equidistan de un punto fijo y de una
recta fija. Figura 1: los puntos de una pa-
rábola, con foco F y directriz l,
El punto fijo se denomina foco F y la recta fija se denomina direc- −
→ −→
cumplen que | PF | = | PQ|.
triz l.
Ecuación de una parábola
Teorema 1. Una ecuación de una parábola, cuyo foco está en F (0, p) y

tiene como su directriz a la recta y = − p, es
x2 = 4py
Ecuación de una parábola
Teorema 2. Una ecuación de una parábola, cuyo foco está en F ( p, 0) y

tiene como su directriz a la recta x = − p, es
y2 = 4px
tema 8: cónicas, cilindros y superficies cuádricas 2
y y
Q( x, − p) y = −p
p>0 Figura 2: gráficos de dos pa-
O rábolas con foco F (0, p) y
x
F (0, p)
directriz y = − p.
P( x, y)
F (0, p) P( x, y)
x
O
p<0
Q( x, − p) y = −p
y y
Q(− p, y) Q(− p, y) Figura 3: gráficos de dos pa-
P( x, y) P( x, y)
rábolas con foco F ( p, 0) y
directriz x = − p.
O F ( p, 0) F ( p, 0) O
x x
p>0 p<0
x = −p x = −p
y
Ejemplo 1. Obtener una ecuación de la parábola que tiene su foco en
F (0, 3) y como su recta directriz y = −3.
1. El foco está sobre el eje y, y está por arriba de la directriz, por lo

P
que la parábola se abre hacia arriba y p = 3. −
→
|CP|
2. Una ecuación de la parábola es de la forma x2 = 4py, con 4p = C

12, lo que resulta
O
x2 = 12y x
3. Si quisieramos graficar la parábola, podríamos despejar y
1 2 Figura 4: los puntos de una

y= x
12 circunferencia, con centro C,
−→
cumplen
y
que |CP| = r.
Circunferencias y elipses
¿Qué es una circunferencia?
P( x, y)
Definición 2 (circunferencia). Una circunferencia es el conjunto de
r
todos los puntos de un plano que equidistan de un punto fijo.
C ( x0 , y0 )
El punto fijo se denomina centro C y la distancia constante se
O
llama radio r. x
Figura 5: gráfico de una circun-

ferencia con centro C ( x0 , y0 ) y
radio r.
Ecuación de una circunferencia
Teorema 3. Una ecuación de una circunferencia, cuyo centro está en

C ( x0 , y0 ) y tiene radio r, es
( x − x0 )2 + ( y − y0 )2 = r 2
Si el centro es el origen O(0, 0) la ecuación quedará
x 2 + y2 = r 2
Ejemplo 2. Obtener el centro y el radio de la circunferencia que tiene

la ecuación
x2 + y2 + 6x − 4y − 23 = 0
1. Debemos “completar cuadrados”
x2 + y2 + 6x − 4y = 23 y

x2 + 6x + 9 + y2 − 4y + 4 = 23 + 9 + 4 P
−
→
2 2 | PF |
( x + 3) + (y − 2) = 36
−→ F
| PF 0 |
2. Está ecuación tiene la forma ( x − x0 )2 + (y − y0 )2 = r2 , por lo
que el centro es C (−3, 2) y el radio es r = 6.
F0
O
¿Qué es una elipse? x
Definición 3 (elipse). Una elipse es el conjunto de todos los pun- Figura 6: los puntos de una
tos de un plano tales que la suma de sus distancias, desde dos elipse, con focos F y F 0 , cum-
puntos fijos, es constante. −
→ −→
plen que | PF | + | PF 0 | es una
Los puntos fijos se denominan focos F y F 0 . constante.
y
B(0, b)
Ecuación de una elipse
0)
, 0)
− a,
Teorema 4. Si 2a es la constante referida en la definición de una elipse,

V (a
V 0(
O
si los focos son F (c, 0) y F 0 (−c, 0), y si se cumple que b2 = a2 − c2 , F 0 (−c, 0) F (c, 0)
x
entonces una ecuación de la elipse es
x2 y2 B0 (0, −b)
2
+ 2 =1
a b
Ecuación estándar de una elipse Figura 7: gráfico de una

Teorema 5. Si el centro de una elipse está en C ( x0 , y0 ), y la distancia elipse con focos F (c, 0) y
entre los vértices es 2a, entonces una ecuación de la elipse es de la forma F 0 (−c, 0), y con constante
−
→ −→
| PF | + | PF 0 | = 2a. Se indi-
( x − x0 )2 ( y − y0 )2 can los vértices V y V 0 y los
+ = 1 (con a > b)
a2 b2 extremos del eje menor B y B0 .
si el eje mayor es horizontal, y
( y − y0 )2 ( x − x0 )2
+ = 1 (con a > b)
a2 b2
si el eje mayor es vertical.
y y
V
B F ( x0 , y0 + c ) Figura 8: gráficos de dos elip-
ses con centro C ( x0 , y0 ) y
distancia entre vértices 2a.
, y0
) y 0)
(x 0 ( x 0,
V0 C V C B
B0
F 0 ( x0 − c, y0 ) F ( x0 + c, y0 )
O O F 0 ( x0 , y0 − c )
B0
x V0 x
Ejemplo 3. Demostrar que la gráfica de la ecuación
25x2 + 16y2 + 150x − 128y − 1119 = 0
es una elipse. Determinar el centro, una ecuación para el eje mayor,

los vértices, los extremos del eje menor y los focos.
1. Comenzamos completando cuadrados
25x2 + 16y2 + 150x − 128y = 1119

25( x2 + 6x + 9) + 16(y2 − 8y + 16) = 1119 + 25 · 9 + 16 · 16
25( x + 3)2 + 16(y − 4)2 = 1119 + 255 + 256
25( x + 3)2 + 16(y − 4)2 = 1600
2. Ahora buscamos la forma general de la ecuación
25( x + 3)2 + 16(y − 4)2 = 1600

25( x + 3)2 16(y − 4)2 y
+ =1
1600 1600 V (−3, 14) 15
( x + 3)2 ( y − 4)2
+ =1
64 100
F (−3, 10) 10
que resulta ser
( y − y0 )2 ( x − x0 )2
+ = 1 (con a > b) C (−3, 4) 5
a2 b2 B0 (−11, 4) B(5, 4)
entonces el centro es C (−3, 4), a2 = 100 y b2 = 64. O x
−10 −5 5
F 0 (−3, −2)
3. La ecuación quedó
−5
( y − 4)2 ( x + 3)2 V 0 (−3, −6)
+ =1
100 64
el centro es C (−3, 4), a2 = 100 y b2 = 64. Entonces el eje mayor Figura 9: el gráfico corres-
es vertical, tiene ecuación x = −3. pondiente a la ecuación
25x2 + 16y2 + 150x − 128y − 1119 = 0
4. Como a = 10 y b = 8, los vértices son es una elipse.
V (−3, 4 + 10) = V (−3, 14)
V 0 (−3, 4 − 10) = V 0 (−3, −6)
5. Los extremos del eje menor son
B(−3 + 8, 4) = B(5, 4)
B0 (−3 − 8, 4) = B0 (−11, 4)
6. Para encontrar los focos utilizamos b2 = a2 − c2
64 = 100 − c2
c2 = 36
c=6
entonces los focos son y

P −
→
| PF |
F (−3, 4 + 6) = F (−3, 10) −→ F
| PF 0 |
F 0 (−3, 4 − 6) = F 0 (−3, −2)
O x
Hipérbolas F0
¿Qué es una hipérbola?
Definición 4 (hipérbola). Una hipérbola es el conjunto de todos

los puntos de un plano tales que el valor absoluto de la diferen-
Figura 10: los puntos de una
cia de sus distancias, a dos puntos fijos, es constante.
hipérbola, con focos F y F 0 ,
− → −→
Los puntos fijos se denominan focos F y F 0 . cumplen que | PF | − | PF 0 | es
una constante.
y
Ecuación de una hipérbola
B(0, b)
Teorema 6. Si 2a es la constante referida en la definición, si los focos
son F (c, 0) y F 0 (−c, 0), y si b2 = c2 − a2 , entonces una ecuación de la
hipérbola es V 0 (− a, 0) V ( a, 0)
x2 y2 F 0 (−c, 0) O F (c, 0) x
2
− 2 =1
a b
Ecuación estándar de una hipérbola B0 (0, −b)
Teorema 7. Si el centro de una hipérbola está en C ( x0 , y0 ), y la distancia

entre los vértices es 2a, entonces una ecuación de la hiperbola es de la
forma Figura 11: gráfico de una hi-
( x − x0 )2 ( y − y0 )2 pérbola con focos F (c, 0) y
− =1
a2 b2 F 0 (−c, 0), y con constante
−−→
si el eje principal es horizontal, y |VV 0 | = 2a. Se indican los
vértices V y V 0 y los extremos
( y − y0 )2 ( x − x0 )2
− =1 del eje conjugado B y B0 .
a2 b2
si el eje principal es vertical.
y y
F ( x0 , y0 + c )
Figura 12: gráficos de dos hi-
B
V pérbolas con centro C ( x0 , y0 ) y
F(
0)
0
) distancia entre vértices 2a.
,y
x0
, y0
+c
(x 0 C ( x0 , y0 )
−c
C B0 B
x0
, y0
V0 V
F(
)
O x O x
V0
B0
F 0 ( x0 , y0 − c )
1. Una ecuación de una parábola es x2 = 4py o y2 = 4px (puede ser

p > 0 o p < 0).
2. Una ecuación de una circunferencia es ( x − x0 )2 + (y − y0 )2 = r2 .

( x − x0 )2 ( y − y0 )2 ( y − y0 )2
3. Una ecuación de una elipse es a2
+ b2
= 1o a2
+
( x − x0 )2
b2
= 1 (siempre con a > b).
( x − x0 )2 ( y − y0 )2
4. Una ecuación de una hipérbola es a2
− b2
= 1o
( y − y0 )2 ( x − x0 )2
a2
− b2
= 1.
Cilindros y superficies cuádricas
Cilindros
Definición de cilindro
Definición 5. Un cilindro es una superficie que se genera por el

movimiento de una recta, paralela a otra recta fija dada, y a lo
largo de una curva plana dada.
La curva se llama curva generatriz del cilindro.
Identificar la ecuación de un cilindro en el espacio es muy fácil:

siempre falta una de las variables independientes.
Ejemplos de superficies cilíndricas
y+z = 1 x 2 + y2 = 4 z = sin x
no tiene x no tiene z no tiene y
Cilindro circular
Tenemos una recta fija.
Y tenemos una circunferencia generatriz. Figura 13: gráfico de un ci-

lindro circular con ecuación
Una ecuación de un cilindro circular es
x 2 + y2 = r 2 .
x 2 + y2 = r 2
Cilindro sinusoidal
Tenemos una recta fija.
Y tenemos una sinusoide generatriz.
Una ecuación de un cilindro sinusoidal es
z = sin x
Figura 14: gráfico de un cilin-

dro sinusoidal con ecuación
z = sin x.
Superficies cuádricas
Definición de superficies cuádricas
Definición 6 (superficie cuádrica). Una superficie cuádrica es la

gráfica en el espacio de una ecuación de segundo grado en x, y y z.
Describiremos algunas superficies particulares del tipo
Ax2 + By2 + Cz2 + Dz = E
donde A, B, C, D y E son constantes.
Estas superficies incluyen elipsoides, paraboloides, hiperboloides

y conos elípticos.
¡Y esferas también, ya que son casos especiales de elipsoides!
El elipsoide y la esfera
Una ecuación de un elipsoide es
x2 y2 z2
2
+ 2 + 2 =1
a b c
Si a = b = c = r, se tiene una esfera
x 2 + y2 + z2 = r 2
Figura 15: izquierda: gráfico

de un elipsoide con ecuación
2
x2
+ yb2 + zc2 = 1; derecha: gráfi-
2
a2
co de una paraboloide elíptica
x2 y2
con ecuación a2
+ b2
= zc .
La paraboloide elíptica
Una ecuación de una paraboloide elíptica es
x2 y2 z
+ =
a2 b2 c
La paraboloide hiperbólica
Una ecuación de una paraboloide hiperbólica es
y2 x2 z
2
− 2
= c>0
b a c
Figura 16: izquierda: gráfico de

una paraboloide hiperbólica
y2 2
con ecuación b2 − xa2 = zc ; dere-
cha: gráfico de un cono elíptico
x2 y2 z2
con ecuación a2
+ b2
= c2
.
El cono elíptico
Una ecuación de un cono elíptico es
x2 y2 z2
+ =
a2 b2 c2
La hiperboloide de una hoja
Una ecuación de una hiperboloide de una hoja es
x2 y2 z2
+ − =1
a2 b2 c2
La hiperboloide de dos hojas
Una ecuación de una hiperboloide de dos hojas es
z2 x2 y2
− − =1
c2 a2 b2
Figura 17: izquierda: gráfico de

una hiperboloide de una hoja
2 y2 2
con ecuación xa2 + b2 − zc2 = 1;
derecha: gráfico de una hi-
perboloide de dos hojas con
z2 x2 y2
ecuación c2
− a2
− b2
= 1.
1. En el espacio, toda ecuación a la que le falte una de las variables

independientes es un cilindro.
2. Las ecuaciones correspondientes a superficies cuádricas son

cuadráticas en x, y y z.
3. Las superficies cuádricas son
a) los elipsoides
b) las paraboloides
c) las hiperboloides
d) los conos.
Trabajo práctico
1. Encontrar la ecuación de las siguientes parábolas.
a) con foco F (0, 4) y directriz y = −4.

b) con foco F (1/2, 0) y directriz x = −1/2.
2. Hallar las coordenadas del centro y el radio del círculo 2x2 +

2y2 − 8x + 5y − 4 = 0.
3. Escribir la ecuación del círculo con centro C y radio r:
a) C (0, 0), r = 4
b) C (0, 2), r = 2
4. Identificar y dibujar (esquemáticamente) las curvas representa-

das por las ecuaciones siguientes.
x2
a) 4 + y2 = 1
b) 9x2 + 16y2 = 144
x2
c) 4 − y2 = 1
d) x2 − y2 = −1
5. Identificar las superficies representadas por las ecuaciones si-

guientes.
a) x2 + 4y2 + 9z2 = 36
b) x2 + y2 + 4z2 = 4
c) x2 − y2 − z2 = 4
d) y = z2
e) z = x2 + 2y2
f) − x2 + y2 + z2 = 4
Ejemplos con Sage

Graficar cilindros y cuádricas recuadros puede ser seleccionado,
Gráfico de una esfera con cartesianas (en dos partes) trabajo de Sage, para ejecutarlo y así
x,y = var("x,y") # variables cartesianas x e y
r = 1 # el radio de la esfera es r
# la ecuacion es z2 + y2 + x 2 = r 2
z1 = +sqrt(r**2-x**2-y**2) # despejamos z >0
z2 = -sqrt(r**2-x**2-y**2) # despejamos z <0
# para z positivo...
semiesfera1 = plot3d(z1,(x,-1,1),
(y,-1,1),frame=False)
# para z negativo...
semiesfera2 = plot3d(z2,(x,-1,1),
(y,-1,1),color="red")
# hacer y mostrar el grafico
esfera = semiesfera1 + semiesfera2
esfera.show(aspect_ratio=1)
Gráfico de una esfera con paramétricas (mejor) trabajo práctico.
s,t = var("s,t") # parámetros s y t
r = 1 # el radio es r
# las ecuaciones parametricas
x = r*cos(s)*cos(t)
y = r*sin(s)*cos(t)
z = r*sin(t)
# crear el gráfico de la esfera
esfera = parametric_plot3d([x,y,z],
(s,0,2*pi),(t,-pi/2,pi/2),color="red",
frame=False)
# mostrar el gráfico de la esfera
esfera.show()
Gráfico de una paraboloide elíptica

a = 1; b = 0.5 # los ejes mayor y menor
# la ecuación de la paraboloide elíptica
z = x**2/a**2+y**2/b**2
# crear el gráfico de la paraboloide
paraboloide = plot3d(z,(x,-1,1),(y,-0.5,0.5),
color="green",frame=False)
# mostrar el gráfico de la paraboloide
paraboloide.show()
Gráfico de una paraboloide hiperbólica

a = 1; b = 0.5 # los ejes mayor y menor
# la ecuación de la paraboloide elíptica
z = x**2/a**2-y**2/b**2
# crear el gráfico de la paraboloide
paraboloide = plot3d(z,(x,-1,1),(y,-0.5,0.5),
color="green",frame=False)
# mostrar el gráfico de la paraboloide
paraboloide.show()
Gráfico de un cilindro con paramétricas

s,t = var("s,t") # parámetros s y t
a = 1; b = 1/2 # los ejes mayor y menor
# las ecuaciones parametricas
x = a*cos(s)
y = b*sin(s)
z = t
# crear el gráfico del cilindro
cilindro = parametric_plot3d([x,y,z],
(s,0,2*pi),(t,-1,1),color="green",
frame=False)
# mostrar el gráfico del cilindro
cilindro.show()
Matemática II
Tema 9: funciones vectoriales
2012–2013
Índice
Funciones vectoriales 1
Límites y continuidad 1
Derivada de una función vectorial 3
Integración y longitud de arco 5
Integración de una función vectorial 5
Longitud de arco 6
Trabajo práctico 8
Ejemplos con Sage 9
Graficar funciones paramétricas 9
z
Derivar e integrar funciones paramétricas 9
Funciones vectoriales r
P x ( t ), y ( t ), z ( t )
O
Límites y continuidad
x y
Una partícula se mueve por el espacio durante un intervalo de Figura 1: el vector posición
−→
tiempo I. r = OP de una partícula en
movimiento a través del espa-
Sus coordenadas son x = f (t) y = g(t) z = h(t) con t ∈ I.
cio es una función del tiempo.

Los puntos ( x, y, z) = f (t), g(t), h(t) forman una curva llamada
trayectoria de la partícula.
Las ecuaciones, y el intervalo, parametrizan la curva.
La curva puede ser representada también en forma vectorial. El

vector
 
f (t)
−→ 
r(t) = OP =  g(t)  = f (t)i + g(t)j + h(t)k

h(t)
del orígen O a la posición de la partícula P, en el tiempo t, es su

vector de posición.
Las funciones f , g y h son las funciones componentes del vector de Figura 2: la parte su-
posición. perior de la espiral
r(t) = (cos t)i + (sin t)j + tk.
tema 9: funciones vectoriales 2
Se puede pensar que la trayectoria de la partícula es la curva

trazada por r durante el intervalo de tiempo I.
Ejemplo 1. Graficar la función vectorial
r(t) = (cos t)i + (sin t)j + tk
1. La curva se enrosca alrededor del cilindro circular x2 + y2 = 1.
2. La curva se eleva a medida que la componente z = t, en la

dirección de k, se incrementa.
3. Cada vez que t se incrementa en 2π, la curva pega una vuelta r(t) = (sin t)i + (cos t)j + tk
alrededor del cilindro.
4. Esta curva se llama hélice (o espiral), y es parametrizada por
x = cos t y = sin t z=t
con −∞ < t < ∞.
Límite de una función vectorial
Definición 1 (límite). Sean r(t) = f (t)i + g(t)j + h(t)k una

función vectorial en un domínio D y L un vector.
Se dice que r tiene límite L a medida que t se acerca a t0 , y se

escribe r(t) = (cos t)i + (sin t)j + 0,3tk
lı́m r(t) = L
t → t0
si, para cualquier número e > 0 existe un correspondiente núme-

ro δ > 0 tal que, para todo t ∈ D

r(t) − L < 0 siempre que 0 < |t − t0 | < δ

Si L = L1 i + L2 j + L3 k puede demostrarse que lı́mt→t0 r(t) = L

precisamente cuando
lı́m f (t) = L1 lı́m g(t) = L2 lı́m h(t) = L3

t → t0 t → t0 t → t0
En la práctica puede utilizarse entonces la expresión

r(t) = (cos 5t)i + (sin 5t)j + tk
lı́m r(t) = lı́m f (t) i + lı́m g(t) j + lı́m h(t) k
t → t0 t → t0 t → t0 t → t0
Figura 3: otros ejemplos de es-
Ejemplo 2. Calcular el límite de r(t) = (cos t)i + (sin t)j + tk cuando pirales que se enroscan alrede-
t tiende a π/4. dor del eje z como un resorte.

lı́m r(t) = lı́m cos t i + lı́m sin t j + lı́m t k
t→π/4 t→π/4 t→π/4 t→π/4
√ √
2 2 π
= i+ j+ k
2
√  2 4
2/2
√ 
=  2/2
π/4
Continuidad de una función vectorial
Definición 2 (continuidad). Se dice que la función vectorial r(t)

es continua en un punto t = t0 de su dominio D si lı́mt→t0 r(t) =
z
r ( t0 ). ∆r = r(t + ∆t) − r(t)
La función es continua (a secas) si es continua en todos los pun- P Q

tos de su dominio D.
r(t)
r(t + ∆t)
Derivada de una función vectorial C
Supongamos que r(t) = f (t)i + g(t)j + h(t)k es la posición de O

y
una parícula que se mueve a lo largo de C. x
Y que f , g y h son funciones diferenciables de t.

Figura 4: a medida que ∆t → 0
En términos de las componentes queda el punto Q se aproxima al pun-
to P a lo largo de la curva C.
∆r = r(t + ∆t) − r(t)
z ∆r r(t+∆t)−r(t)

∆t = ∆t
= f (t + ∆t)i + g(t + ∆t)j + h(t + ∆t)k − f (t)i + g(t)j + h(t)k
r0 (t)

= f (t + ∆t) − f (t) i + g(t + ∆t) − g(t) j + h(t + ∆t) − h(t) k P
Q
r(t)
A medida que ∆t se acerca a cero ocurren tres cosas simultánea- C r(t + ∆t)
mente. . . O
y
1. Q se hacerca a P. x
−→
2. PQ se hace tangente a C. Figura 5: en el límite, el vector
−→
PQ/∆t se convierte en el vector
3. El cociente ∆r/∆t tiene límite
tangente r0 (t).
∆r f (t + ∆t) − f (t)

lı́m = lı́m i+
∆t→0 ∆t ∆t→0 ∆t
g(t + ∆t) − g(t)

+ lı́m j+
∆t→0 ∆t
h(t + ∆t) − h(t)

+ lı́m k
∆t→0 ∆t

df dg dh
= i+ j+ k
dt dt dt
= r0 (t)
Derivada de una función vectorial
Definición 3 (derivada). La función vectorial r(t) = f (t)i +

g(t)j + h(t)k tiene derivada en t si f , g y h tienen derivada en t.
La derivada es la función vectorial

dr ∆r df dg dh
r0 (t) = = lı́m = i+ j+ k
dt ∆t→0 ∆t dt dt dt
La función es diferenciable (a secas) si tiene derivada en cada

punto de su dominio.
La función es suave si dr/dt es continua y nunca vale 0 (el vector

cero).
Definición 4 (velocidad y aceleración). Si r es el vector de posición

de una partícula en movimiento, entonces
dr
1. La velocidad es la derivada de la posición: v= dt
2. La rapidez es la magnitud de v: v = |v|

dv d2 r
3. La aceleración es la derivada de v: a= dt = dt2
4. El vector unitario v/v apunta, en cada instante t, en la dirección

del movimiento de la partícula.
Ejemplo 3. Encontrar la velocidad, rapidez y aceleración de una

partícula cuyo movimiento está dado por
r(t) = 2 cos t i + 2 sin t j + 5 cos2 t k
Dar valores numéricos para el instante t = 7π/4.
1. La velocidad y la aceleración, en el instante t, son

v(7π/4)
z
v(t) = r0 (t) = −2 sin t i + 2 cos t j − 10 cos t sin t k
= −2 sin t i + 2 cos t j − 5 sin 2t k
00
a(t) = r (t) = −2 cos t i − 2 sin t j − 10 cos 2t k y
2. La rapidez es
q p t = 7π/4
v(t) = (−2 sin t)2 + (2 cos t)2 + (−5 sin 2t)2 = 4 + 25 sin2 2t

3. para t = 7π/4 resulta

x
√ 
√ √ 2
√  Figura 6: la curva y el
v (7π/4) = 2i + 2j + 5k =  2
vector de velocidad, en
5
el instante t = 7π/4, para
7π √

v ( /4) = 29 el movimiento dado por
 √  r(t) = 2 cos t i + 2 sin t j + 5 cos2 t k.
√ √ − 2
 √ 
a (7π/4) = − 2i + 2j =  2 
0
Reglas de derivación para funciones vectoriales
Si u y v son funciones vectoriales derivables en t, si C es cual-

quier vector constante, si c es cualquier número y si f es una
función (escalar) derivable, entonces
d
a) Función constante: dt C =0
d
cu(t) = cu0 (t)

b) Múltiplo escalar: dt
d 0 0

dt f ( t ) u ( t ) = f ( t ) u ( t ) + f ( t ) u ( t )
d 0 0

c) Suma o resta: dt u ( t ) ± v ( t ) = u ( t ) ± v ( t )
d 0 0

d) Producto punto: dt u ( t ) · v ( t ) = u ( t ) · v ( t ) + u ( t ) · v ( t )
d 0 0

e) Producto cruz: dt u ( t ) × v ( t ) = u ( t ) × v ( t ) + u ( t ) × v ( t )

d
= f 0 (t)u0 f (t)

f) Regla de la cadena: dt u f ( t )

1. r(t) = f (t)i + g(t)j + h(t)k, con t ∈ D, es una función vectorial
de tres componentes f , g y h.
2. La función vectorial r(t) es continua en t = t0 si

lı́m r(t) = r(t0 )
t → t0
3. El vector tangente a la curva descripta por r(t) es la función

vectorial
dr df dg dh
v(t) = r0 (t) = = i+ j+ k
dt dt dt dt
Integración y longitud de arco
Integración de una función vectorial

Integral indefinida
Definición 5 (antiderivada). Una función vectorial R(t), derivable
en un intervalo I, es una antiderivada de la función vectorial r(t) si
dR/dt = r ( t ) en cualquier punto del intervalo I.
Definición 6 (integral indefinida). La integral indefinida de r con

respecto a t es el conjunto de todas las antiderivadas de r, y se
R
escribe r(t) dt.
Si R es una antiderivada de r, entonces

Z
r(t) dt = R + C (donde C es una contante)
Ejemplo 4. Para calcular la integral indefinida de una función vecto-

rial se debe integrar cada una de sus componentes.
Z Z Z Z

(cos t) i + j + 2t k dt = cos t dt i +
dt j + 2t dt k

= (sin t + C1 )i + (t + C2 )j + t2 + C3 k
= (sin t)i + t j + t2 k + C
   
sin t C1
=  t  + C2 
   
t2 C3
donde C = C1 i + C2 j + C3 k.
Integral definida
Definición 7 (integral definida). Si las componentes de r(t) =

f (t)i + g(t)j + h(t)k son integrables en el intervalo [ a, b], entonces
también lo es r, y su integral definida entre a y b es
Z b Z b Z b Z b
r(t) dt = f (t) dt i + g(t) dt j + h(t) dt k
a a a a
Ejemplo 5. Para calcular la integral definida de una función vectorial

se debe integrar cada una de sus componentes.
Z π Z π
Z π
Z π

(cos t) i + j + 2t k dt = cos t dt i + dt j + 2t dt k
0 0 0 0
h iπ h iπ h iπ
= sin t i + t j + t2 k
0 0 0
= ( 0 − 0 ) i + ( π − 0 ) j + ( π 2 − 02 ) k
= π j + π2 k
4
origen
 
0
= π 
 
5
3
π2 -1 0 2
1 t
-2
6
Longitud de arco Figura 7: una curva suave pue-

Longitud de una curva entre a y b de ser parametrizada al igual
que una recta numérica, las
Definición 8 (longitud de arco). La longitud de una curva suave coordenadas de cada punto
r(t) = f (t)i + g(t)j + h(t)k, con a < t < b, y que es recorrida son directamente la distancia,
exactamente una sola vez cuando t va de a a b, es sobre la curva, desde un punto
origen.
s
Z b 2 2 2 Z b Z b
df dg dh dr dt =
L= + + dt = v dt
a dt dt dt a dt
a
Ejemplo 6. Un planeador remonta vuelo a lo largo de la espiral

r(t) = (cos t)i + (sin t)j + tk. ¿Qué distancia recorre el planeador
entre t = 0 y t = 2π?
1. El recorrido en ese tiempo corresponde a una vuelta completa a

la espiral. . .
2. La longitud de esa porción de curva es
Z 2π
L= v dt
0
Z 2π q Figura 8: un planeador re-
= (− sin t)2 + (cos t)2 + 12 dt
0 monta vuelo a lo largo de
Z 2π √
r(t) = (cos t)i + (sin t)j + tk.
= 2 dt
0
√
= 2π 2 unidades de longitud
Vector unitario tangente a una curva

z
Ya sabemos que el vector v = dr/dt es tangente a la curva dada
v
por r(t). . .
Definición 9. El vector unitario tangente a una curva suave r(t) es

v
T= r T = v
v v
t y
Repaso de ideas clave x
1. La integral definida se calcula componente a componente

Z b Z b Z b Z b Figura 9: el vector tangente
r(t) dt = f (t) dt i + g(t) dt j + h(t) dt k unitario T se encuentra divi-
a a a a

diendo v por v.
2. La longitud de arco es igual a la integral de la rapidez
Z b Z b
L= v dt = dr dt
a a
dt
Trabajo práctico
1. Las siguientes funciones paramétricas r(t) representan la posi-

ción de una partícula en el plano R2 en el instante t. Determinar,
en cada caso, los vectores velocidad v(t) = drdt y aceleración
d2 r
a(t) = dt2
, y luego evaluarlos en el instante t indicado.
a) r(t) = (t + 1)i + (t2 − 1)j t=1

b) r(t) = (cos t)i + (sin t)j t = π/2
t 1
c) r(t) = t +1 i + t j t = −1/2
2. Las siguientes funciones paramétricas r(t) representan la posi-

ción de una partícula en el espacio R3 en el instante t. Determi-
nar, en cada caso, los vectores velocidad v(t) = dr
dt y aceleración
d2 r
a(t) = dt2
, y luego evaluarlos en el instante t indicado.
a) r(t) = (t + 1)i + (t2 − 1)j + (2t)k t=1

b) r(t) = (3 cos t)i + (4 sin t)j + (4t)k t = π/2
c) r(t) = (e−t )i + (2 sin 3t)j + (2 sin 3t)k t=0
3. Calcule las siguientes integrales de funciones paramétricas.

Z 1
a) t3 i + 7j + (t + 1)k dt
0
Z π/2
b) cos t i − sin 2t j + sin2 t k dt
0
Pista: puede integrar cada componente por separado y luego

armar el vector resultado.
4. En cada caso calcule el vector tangente unitario a la curva, y

luego calcule la longitud de la parte de curva indicada.
√
a) r(t) = (2 cos t)i + (2 sin t)j + ( 5t)k 0 ≤ t ≤ π
b) r(t) = ti + (2/3)t3/2 k 0≤t≤8
Ejemplos con Sage

Graficar funciones paramétricas recuadros puede ser seleccionado,
Graficar funciones paramétricas en R2 trabajo de Sage, para ejecutarlo y así
t = var("t") # parámetro t
# esta función paramétrica es una elipse
# r(t) = (2 cos t + 1)i + (3 sin t − 1)j
r(t) = [2*cos(t) + 1, 3*sin(t) - 1]
# esta función paramétrica es una parábola
# s(t) = ( t2 + t ) i + ( t − 1) j
s(t) = [t**2 + t, t - 1]
elip = parametric_plot(r,(t,0,2*pi),color="red")
para = parametric_plot(s,(t,-2,2),color="green")
g = elip + para
g.show()
Graficar funciones paramétricas en R3 trabajo práctico.
# esta función paramétrica es una espiral
# r(t) = (2 cos t)i + (2 sin t)j + tk
r(t) = [2*cos(t), 2*sin(t), t]
# esta función paramétrica es una espiral
# r(t) = (2 cos 4t)i + (2 sin 4t)j + tk
s(t) = [2*cos(4*t), 2*sin(4*t), t]
# crear las espirales
es1 = parametric_plot(r,(t,0,4*pi),color="red")
es2 = parametric_plot(s,(t,0,4*pi),color="green")
# mostrar las espirales
g = es1 + es2
g.show()
Derivar e integrar funciones paramétricas

Derivar funciones paramétricas
# esta función paramétrica es una elipse
# r(t) = (2 cos t + 1)i + (3 sin t − 1)j
r(t) = [2*cos(t) + 1, 3*sin(t) - 1]
# calcular el vector velocidad v(t)
v = r.diff(t) # derivada primera de r(t)
# calcular el vector aceleración a(t)
a = r.diff(t).diff(t) # derivada segunda de r(t)
# mostrar las tres funciones paramétricas
show(r)
show(v)
show(a)
Integrar funciones paramétricas

t = var("t") # parametro t
# crear una función paramétrica
# r(t) = (cos t)i + (sin 2t)j + (sin2 t)k
r(t) = [cos(t), sin(2*t), sin(t)**2]
# los límites de integración son a y b
a = 0
b = pi/2
# calcular la integral definida entre a y b
u = r.integrate(t,a,b)
# mostrar la función paramétrica
show(r)
# mostrar el vector resultado

show(u) # es u = 1, 1, π4
Matemática II
Tema 10: funciones de múltiples variables
2012–2013
Índice
Funciones de múltiples variables 1

Definición, dominio e imagen 1
Gráficos y curvas de nivel 4
Límites y continuidad 5
Límites de funciones de múltiples variables 5
Continuidad de funciones 8
Graficar funciones f ( x, y) 12
Funciones de múltiples variables
Definición, dominio e imagen

Muchas funciones dependen de más de una variable indepen-

diente.
Por ejemplo, el volumen de un cilindro circular recto es una

función V = πr2 h del radio y la altura.
O sea, es una función V (r, h) de dos variable r y h.
Extenderemos las ideas básicas que ya conocemos, de funciones

de una variable, a funciones de múltiples variables.
¿Qué es una función de múltiples variales?
Definición 1 (función de múltiples variables). Supongamos que

D es un conjunto de n-tuplas de números reales ( x1 , x2 , . . . , xn ).
Una función real f en D es una regla que le asigna un único nú-

mero
w = f ( x1 , x2 , . . . , x n )
a cada elemento del conjunto D.
D es el dominio de f . El conjunto de números w es la imagen o

rango de f .
tema 10: funciones de múltiples variables 2
w es la variable dependiente, y los x1 , . . . , xn son las n variables

independientes.
y
Figura 1: representación de
f
una función f de dos variables,
( x, y) con su dominio D y su imagen.
O f ( a, b) z
D ( a, b) x 0 f ( x, y)
Como siempre, para evaluar una función f reemplazamos por

los valores de la variables independientes.
p
Por ejemplo, el valor de f ( x, y, z) = x2 + y2 + z2 en el punto
(3, 0, 4) es
p √
f (3, 0, 4) = 32 + 02 + 42 = 25 = 5
Dominio e imagen de f
Como siempre, el dominio D no debe incluir puntos que produz-
can resultados no reales o divisiones por cero . . .
p
Por ejemplo, si f ( x, y) = y − x2 , y no puede ser menor que
x2 . . .
O por ejemplo, si f ( x, y) = 1/xy, xy no puede ser cero. . .
Salvo que se especifique explícitamente, el dominio D se deberá

asumir tan grande como sea posible.
Y la imagen será el conjunto de todos los posibles valores de f

sobre D.
Ejemplo 1. El dominio y la imagen de algunas funciones.
a) f de dos variables.
Función Dominio Imagen

[0, ∞)
p
z = y − x2 y ≥ x2
1
z = xy xy 6= 0 (−∞, 0) ∪ (0, ∞)
z = sin xy todo el plano xy [−1, 1]
b) f de tres variables.
Función Dominio Imagen

[0, ∞)
p
w = x 2 + y2 + z2 todo el espacio xyz
w = x2 +y12 +z2 ( x, y, z) 6= (0, 0, 0) [0, ∞)
w = xy ln z z>0 (−∞, ∞)
Puntos interiores y puntos frontera
Definición 2 (punto interior). Un punto ( x0 , y0 ) en una región (un

conjunto) R del plano xy es un punto interior de R si es centro de un
disco que esté completamente dentro de R.
Definición 3 (punto frontera). Un punto ( x0 , y0 ) en una región (un

conjunto) R del plano xy es un punto frontera de R si cualquier disco
del que sea centro contiene puntos dentro y fuera de R.
R ( x0 , y0 )
Regiones abiertas y regiones cerradas

Figura 2: ( x0 , y0 ) es un pun-
Definición 4. 1. El conjunto de puntos interiores de R forman su
to interior de la región R del
interior.
plano xy.
2. El conjunto de puntos frontera de R forman su frontera.
3. Una región R es abierta si solo incluye los puntos interiores.
4. Una región R es cerrada si también incluye los puntos frontera.
( x0 , y0 )
R
Regiones limitada e ilimitadas
Definición 5. 1. Una región R del plano xy es limitada si puede ser

contenida dentro de un disco de radio fijo.
Figura 3: ( x0 , y0 ) es un pun-
2. Una región R es ilimitada si no es limitada. to frontera de la región R del
Ejemplos de regiones limidas: plano xy.
y
segmentos de recta
triángulos
rectángulos
O x
discos
elipses
etc.
Figura 4: ( x, y)| x2 + y2 < 1

Ejemplos de regiones ilimidas:
es un disco unidad abierto.
rectas
y
ejes coordenados
graficos de funciones definidas en (−∞, ∞)
cuadrantes, semiplanos
O x
etc.
p
Ejemplo 2. Describir el dominio D de la función f ( x, y) = y − x2 .
1. f está definida solo donde y − x2 ≥ 0.

Figura 5: ( x, y)| x2 + y2 ≤ 1

2. El dominio D es cerrado e ilimitado.
es un disco unidad cerrado.
puntos interiores
3. La parábola y = x2 es la frontera de D. y donde y − x2 > 0
4. Formalmente se escribe
n o
D = ( x, y)|y − x2 ≥ 0
la parábola
afuera 1 y = x2
y − x2 < 0
es la frontera
Gráficos y curvas de nivel −1 0 1 x
Curvas de nivel y gráfico de una función f ( x, y)

Figura 6: el dominio de
p
Definición 6 (curva de nivel de f ). El conjunto de puntos en el f ( x, y) = y − x2 .
plano, donde la función f ( x, y) toma un valor constante f ( x, y) = c,
se llama curva de nivel de f .

Definición 7 (gráfico de f ). El conjunto de todos los puntos x, y, f ( x, y)
en el espacio, para ( x, y) en el dominio de f , se llama gráfico de f .
Al gráfico de f también se le dice superficie z = f ( x, y).
Ejemplo 3. Graficar f ( x, y) = 100 − x2 − y2 y dibujar las curvas de z 100 la superficie

z = f ( x, y)
nivel f ( x, y) = 0, f ( x, y) = 51 y f ( x, y) = 75 en el dominio de f en f ( x, y) = 75 = 100 − x2 − y2
es el gráfico de f
el plano.
1. El dominio de f es todo el plano xy, y su imagen es (−∞, 100].

f ( x, y) = 51
2. El gráfico de f es el paraboliode z = 100 − x2 − y2 .
y
10
3. La curva de nivel f ( x, y) = 0 es el conjunto de puntos, del plano 10
x f ( x, y) = 0
xy, que cuemplen
100 − x2 − y2 = 0
Figura 7: el gráfico, y algunas
lo que es equivalente a curvas de nivel, de la función
z = f ( x, y) = 100 − x2 − y2 .
x2 + y2 = 100
o sea un círculo de radio r = 10.
4. Similarmente, las curvas de nivel f ( x, y) = 51 y f ( x, y) = 75 son

el círculo
100 − x2 − y2 = 51
o sea
x2 + y2 = 49 (r = 7)
y el círculo
100 − x2 − y2 = 75
o sea
x2 + y2 = 25 (r = 5)
Funciones de tres variables
Definición 8. El conjunto de puntos ( x, y, z) del espacio donde una

función de tres variables tiene un valor constante f ( x, y, z) = c se
llama superficie de nivel de f .
Gráficos de funciones de tres variables
Como los gráficos de funciones de tres variables consisten en

puntos x, y, z, f ( x, y, z) de cuatro dimensiones, no pueden
graficarse en nuestro espacio tridimensional.
Para ”ver como se comporta” la función debemos utilizar sus

superficies de nivel.
p
x 2 + y2 + z2 = 1
p p
Ejemplo 4. Describir las superficies de nivel de f ( x, y, z) = x 2 + y2 + z2 x 2 + y2 + z2 = 2
z
p
1. El valor de f corresponde a la distancia del origen al punto x 2 + y2 + z2 = 3
( x, y, z).
2. Cada superficie de nivel f ( x, y, z) = c, con c > 0, es una esfera de

radio c con centro en el origen. . .
1
2
3 y
3. Es importante notar que no estamos graficando la función; esta-
mos mirando las superficies de nivel en el dominio de f . x
4. Las superficies de nivel nos dicen como cambia la función cuan-

do nos movemos en el dominio. Figura 8: las superficies de ni-
vel de la función f ( x, y, z) =
5. Si nos modemos sobre una esfera de radio c, centrada en el ori-
p
2 2 2
x + y + z son esferas con-
gen, la función tendrá un valor constante. céntricas.
6. Si nos alejamos del origen f crece, si nos acercamos al origen f
decrece. . .
1. El dominio de f ( x, y) es una región del plano xy.
2. Una región es abierta o cerrada según incluya o no sus puntos

frontera.
3. El gráfico de f ( x, y) es una superficie del espacio xyz.
4. Las curvas de nivel f ( x, y) = c se dibujan en el dominio de de la

función f .
Límites y continuidad
Límites de funciones de múltiples variables

Límite de funciones de dos variables
Definición 9. Se dice que una función f ( x, y) tiende al límite L a

medida que ( x, y) se acerca a ( x0 , y0 ), y se escribe
lı́m f ( x, y) = L
( x,y)→( x0 ,y0 )
sí, para todo número e > 0, existe un correspondiente número δ > 0

tal que para cualquier ( x, y) en el dominio de f
q
| f ( x, y) − L| < e cuando 0 < ( x − x0 )2 + (y − y0 )2 ) < δ
Intepretación gráfica de la definición de límite
La diferencia entre el valor de f ( x, y) y el número L puede ser

tan pequeña como queramos, si la distancia entre ( x, y) y ( x0 , y0 )
es muy pequeña (pero nunca 0).
y
f Figura 9: en la definición de
( x, y) límite, δ es el radio de un dis-
D δ co centrado en ( x0 , y0 ). Para
( x0 , y0 ) todos los puntos ( x, y) dentro
de ese disco, los valores de la
O x O L−e L L+e z
función f ( x, y) caen dentro del
intervalo ( L − e, L + e).
Algunos comentarios importantes
No puede considerarse el límite de puntos aislados en el domi-

nio de f .
Si el límite existe, entonces es único.
Para una f de una variable, el lı́mx→ x0 f ( x ) existe si y solo si

existen, y son iguales, los límites por derecha y por izquierda. . .
Para una f de dos variables, el lı́m( x,y)→( x0 ,y0 ) f ( x, y) existe si y

solo si f ( x, y) tiende al mismo número L siempre que ( x, y) se
aproxima a ( x0 , y0 ), sin importar por qué camino.
( x, y) puede acercarse a ( x0 , y0 ) siguiendo cualquier curva que

pertenezca a D.
No es necesario que L = f ( x0 , y0 ), incluso si f ( x0 , y0 ) está defini-

do.
Teorema 1 (algunas propiedades del límite). Supongamos que L, M y

k son números reales, y que
lı́m f ( x, y) = L lı́m g( x, y) = M
( x,y)→( x0 ,y0 ) ( x,y)→( x0 ,y0 )
entonces

a) Suma o resta: lı́m f ( x, y) ± g( x, y) = L ± M
( x,y)→( x0 ,y0 )
b) Múltiplo: lı́m k f ( x, y) = kL
( x,y)→( x0 ,y0 )

c) Producto: lı́m f ( x, y) g( x, y) = LM
( x,y)→( x0 ,y0 )
f ( x, y)
d) Cociente: lı́m = L/M
( x,y)→( x0 ,y0 ) g( x, y)
Ejemplo 5. Calcular los siguientes límites.
x − xy + 3 0−0·1+3
1. lı́m = 2 = −3
( x,y)→(0,1) x2 y + 5xy − y3 0 · 1 + 5 · 0 · 1 − 13
q q √
2. lı́m x2 + y2 = 32 + (−4)2 = 25 = 5
( x,y)→(3,−4)
Ejemplo 6. Calcular
x2 − xy
lı́m √ √
( x,y)→(0,0) x− y
√ √
x2 − xy ( x2 − xy) x+ y
lı́m √ √ = lı́m √ √ √ √
( x,y)→(0,0) x− y ( x,y)→(0,0) x− y x+ y
√ √
x ( x − y) x+ y
= lı́m
( x,y)→(0,0) x−y
√ √
= lı́m x x+ y
( x,y)→(0,0)
√ √
=0 0+ 0 =0
4xy2
Ejemplo 7. Calcular, si existe, lı́m .
( x,y)→(0,0) x 2 + y2
1. ¿Qué pasa si nos acercamos a (0, 0) a lo largo de la recta x = 0?
4xy2
lı́m = lı́m 0 = 0
( x,y)→(0,0) x 2 + y2 y →0
por x =0
2. ¿Y qué pasa si nos acercamos por la recta y = 0?
4xy2
lı́m = lı́m 0 = 0
( x,y)→(0,0) x 2 + y2 x →0
por y=0
3. ¿Y qué pasa si nos acercamos por la recta y = x?
4xy2 4y3
lı́m = lı́m = lı́m 2y = 0
( x,y)→(0,0) x 2 + y2 y→0 2y2 y →0
por y= x
4. Podemos seguir probando por otras rectas, por parábolas, por

espirales, etc., etc., pero lo importante es que, si el límite existe,
debería valer 0. . .
5. Para demostrar que por todos los caminos posibles el límite vale 0,
debemos utilizar la definición
4xy2 2 √
= 4| x | y ≤4| x | = 4 x 2

f ( x, y) − L = 2 − 0

x +y 2 2
x +y 2
y2
utilizando la desigualdad x 2 + y2
≤ 1. Entonces
√ q
f ( x, y) − L ≤ 4 x2 ≤ 4 x2 + y2 < 4δ

para cualquier punto dentro del disco con centro (0, 0), donde
p
0 < x2 + y2 < δ. Si elegimos un número e = 4δ nos queda

f ( x, y) − L < e

4xy2
Entonces, por la definición, lı́m = 0.
( x,y)→(0,0) x2 + y2
y
Ejemplo 8. Si f ( x, y) = x , ¿existe el límite lı́m f ( x, y)?
( x,y)→(0,0)
1. El dominio de f no incluye la recta x = 0, así que no podemos

acercarnos por ella al punto (0, 0). . .
2. Si podemos acercarnos por la recta y = 0

y
lı́m = lı́m 0 = 0
( x,y)→(0,0) x x →0
por y=0
3. También podemos acercarnos por la recta y = x

y
lı́m = lı́m 1 = 1
( x,y)→(0,0) x x →0
por y= x
4. Como 1 6= 0, resulta que el límite no existe.
Continuidad de funciones
Utilizando límites para definir la continuidad de f
Definición 10 (continuidad). Una función f ( x, y) es continua en el

punto ( x0 , y0 ) sí
1. f está definida en ( x0 , y0 ) (o sea, si se puede calcular allí)
2. lı́m f ( x, y) existe
( x,y)→( x0 ,y0 )
3. lı́m f ( x, y) = f ( x0 , y0 ).
( x,y)→( x0 ,y0 )
Se dice que una función es continua (a secas) si es continua en cada

punto de su dominio.
Ejemplo 9. Mostrar que

2xy
(
x 2 + y2
sí ( x, y) 6= (0, 0)
f ( x, y) =
0 sí ( x, y) = (0, 0)
es una función continua en todo punto, excepto en el origen.

1. La función f es continua en cualquier punto ( x, y) 6= (0, 0), ya

que allí está definida, puede calcularse el límite por substitución,
y el valor y el límite coinciden.
2. En ( x, y) = (0, 0) la función está definida, y toma el valor

2xy
f (0, 0) = 0; pero resulta que lı́m no existe. . .
( x,y)→(0,0) x2 + y2
3. Si probamos acercarnos a (0, 0) por rectas y = mx, resulta
2xy 2mx2
lı́m = lı́m
( x,y)→(0,0) x 2 + y2 x →0 (1 + m 2 ) x 2
por y=mx
2m
= lı́m
x →0 (1 + m 2 )
2m
=
(1 + m2 )
Entonces, según sea la pendiente m de la recta, el resultado será

un valor distinto. . . Esto indica justamente que el límite no existe.
1. Si lı́m f ( x, y) existe, entonces debe ser único.

( x,y)→( x0 ,y0 )
2. El punto límite ( x0 , y0 ) puede no pertencer al dominio de la

función f .
3. Una función f será continua en ( x0 , y0 ) solamente si se cumple

que
lı́m f ( x, y) = f ( x0 , y0 )
( x,y)→( x0 ,y0 )
Trabajo práctico
1. Obtenga y grafique el dominio de cada función.

1
a) f ( x, y) =
ln (4 − x2 − y2 )
p
b) f ( x, y) = y − x − 2
( x − 1)(y + 2)
c) f ( x, y) =
(y − x )(y − x3 )
2. Para cada función, obtenga y bosqueje las curvas de nivel f ( x, y) = c,
para cada valor de c indicado.
a) f ( x, y) = x + y + 1 c = −3, −2, −1, 0, 1, 2, 3

b) f ( x, y) = x2 + y2 c = 0, 1, 4, 9, 16, 25
p
c) f ( x, y) = 25 − x2 − y2 c = 0, 1, 2, 3, 4
3. Determine la ecuación para la superficie de nivel de la función

en el punto dado.
√
a) f ( x, y, z) = x − y − ln z (3, −1, 1)
x2 + y + z2

b) f ( x, y, z) = ln (−1, 2, 1)
p √
c) g( x, y, z) = x2 + y2 + z2 1, −1, 2
4. Calcule los siguientes límites.
3x2 − y2 + 5
a) lı́m
( x,y)→(0,0) x2 + y2 + 2
cos y + 1
b) lı́m
( x,y)→(π/2,0) y − sin x
c) lı́m ze−2y cos 2x
( x,y,z)→(π,0,3)
5. Calcule los siguientes límites, replanteando primero las fraccio-

nes.
x2 − 2xy + y2
a) lı́m
( x,y)→(1,1) x−y
x 2 − y2
b) lı́m
( x,y)→(1,1) x−y
p
2x − y − 2
c) lı́m con 2x − y 6= 4
( x,y)→(2,0) 2x − y − 4
6. ¿En cuales puntos ( x, y, z) del espacio R3 son continuas las si-

guientes funciones?
a) f ( x, y, z) = x2 + y2 − 2z2
1
b) f ( x, y, z) = p
z − x 2 y2
1
c) f ( x, y, z) = 2
x + z2 − 1
7. Considerando diferentes caminos de aproximación, demuestre

que las funciones siguientes no tienen límite cuando ( x, y) → (0, 0).
x
a) f ( x, y) = − p
x2 + y2
x4
b) f ( x, y) =
x 4 + y2
x−y
c) f ( x, y) = √
x+y
Ejemplos con Sage

Graficar funciones f ( x, y) recuadros puede ser seleccionado,
Gráfico de funciones y de sus curvas de nivel trabajo de Sage, para ejecutarlo y así
# las variables independientes son x e y
x,y = var("x,y")
# crear la función f ( x, y) = 100 − x2 − y2
f(x,y) = 100 -x**2 -y**2
print f
# hacer el gráfico de f ( x, y)
g1 = plot3d(f,(-10,10),(-10,10),color="red")
g1.show() # esto es en 3D
# hacer el gráfico de las curvas de
# nivel c = 0, 51, 75
g2 = contour_plot(f,(x,-10,10),(y,-10,10),
contours=[0,51,75])
Graficar una función continua f ( x, y) trabajo práctico.
x,y = var("x,y")
= sin( x2 + y2 )( x2 + y2 )−1
# crear la función f ( x, y)
# que es continua en (0, 0)
f(x,y) = sin(x**2+y**2)/(x**2+y**2)
print f
g1 = plot3d(f,(-3,3),(-3,3),color="green")
# hacer el gráfico de algunas curvas de nivel
g2 = contour_plot(f,(x,-3,3),(y,-3,3))
Graficar una función discontinua f ( x, y)

x,y = var("x,y")
= yx −1
# que no es continua en (0, 0)
f(x,y) = y*x**(-1)
print f
Graficar una función discontinua f ( x, y)

x,y = var("x,y")
= 2xy( x2 + y2 )−1
# que no es continua en (0, 0)
f(x,y) = 2*x*y*(x**2+y**2)**(-1)
print f
Matemática II
Tema 11: derivadas parciales y regla de la cadena
2012–2013
Índice
Derivadas parciales 1
Definición e interpretación geométrica 1
Diferenciabilidad y continuidad 5
Regla de la cadena 6
Funciones de dos y tres variables 6
Trabajo práctico 8
Calcular derivadas parciales 10
Derivadas parciales
Definición e interpretación geométrica

La derivada es la pendiente de la tangente
La pendiente m de la recta tangente a la curva y = f ( x ), en el

punto x0 , es la derivada de f respecto de x en x0 .

d
m= f ( x )
dx x0 pendiente d
f ( x )
y dx x0
La ecuación de la recta tangente es y = f (x)

f ( x0 )

d
y = m ( x − x0 ) + y0 = f ( x ) ( x − x0 ) + f ( x0 )
dx x0
x0
x
¡Las derivadas parciales son derivadas comunes!

Figura 1: la derivada de f ( x )
Ahora tenemos una función de dos variables f ( x, y), y un punto respecto de la variable x, eva-
( x0 , y0 ). luada en el punto x0 , es la
pendiente de la recta tangente
Definimos la derivada parcial de f respecto de x, en el punto a la curva y = f ( x ).
( x0 , y0 ), como la derivada común de la función de una varia-
ble f ( x, y0 ), en el punto x0

∂ d

f ( x, y) ≡ f ( x, y0 )
∂x ( x0 ,y0 ) dx x0
tema 11: derivadas parciales 2
Definimos la derivada parcial de f respecto de y, en el punto

( x0 , y0 ), como la derivada común de la función de una varia-
ble f ( x0 , y), en el punto y0

∂ d
f ( x, y) ≡ f ( x0 , y)
∂y ( x0 ,y0 ) dy y0
La derivada parcial es la pendiente de una tangente
La pendiente m de la recta tangente a la curva z = f ( x, y0 ), en el

punto P x0 , y0 , f ( x0 , y0 ) , es la derivada parcial de f respecto de
x en ( x0 , y0 ).

d
m= f ( x, y0 )
dx x
0
∂
= f ( x, y)
∂x ( x0 ,y0 )
Figura 2: la derivada parcial

de f ( x, y) respecto de la va-
riable x, evaluada en el punto
( x0 , y0 ), es la pendiente de una
recta tangente a la superficie
z = f ( x, y).
La derivada parcial es la pendiente de una tangente
La pendiente m de la recta tangente a la curva z = f ( x0 , y), en el

punto P x0 , y0 , f ( x0 , y0 ) , es la derivada parcial de f respecto de
y en ( x0 , y0 ).

d
m= f ( x0 , y)
dy y
0
∂
= f ( x, y)
∂y ( x0 ,y0 )
Recordar que, para funciones f ( x ) de
una sola variable x, la definición de
derivada de f en el punto x0 es

d f f ( x0 + h ) − f ( x0 )
= lı́m
dx x0 h →0 h
si este límite existe.

Figura 3: la derivada parcial

de f ( x, y) respecto de la va-
riable y, evaluada en el punto
( x0 , y0 ), es la pendiente de una
recta tangente a la superficie
z = f ( x, y).
Definición formal de derivada parcial respecto de x
Definición 1. La derivada parcial de f ( x, y) con respecto a x en el

punto ( x0 , y0 ) es

∂ f f ( x0 + h, y0 ) − f ( x0 , y0 )
= lı́m
∂x ( x0 ,y0 ) h→0 h
Definición formal de derivada parcial respecto de y
Definición 2. La derivada parcial de f ( x, y) con respecto a y en el

punto ( x0 , y0 ) es

∂ f f ( x0 , y0 + h ) − f ( x0 , y0 )
= lı́m
∂y ( x0 ,y0 ) h→0 h

∂f ∂f
Ejemplo 1. Encontrar los valores de ∂x y ∂y en el punto (4, −5), si
f ( x, y) = x2 + 3xy + y − 1
1. Derivamos respecto de la variable x (con y “constante”)
∂f ∂ 2
= ( x + 3xy + y − 1) = 2x + 3 · 1 · y + 0 − 0 = 2x + 3y
∂x ∂x

∂f
y entonces ∂x = 2 · 4 + 3 · (−5) = −7.
(4,−5)
2. Derivamos respecto de la variable y (con x “constante”)
∂f ∂ 2
= ( x + 3xy + y − 1) = 0 + 3 · x · 1 + 1 − 0 = 3x + 1
∂y ∂y

∂f
y entonces ∂y = 3 · 4 + 1 = 13.
(4,−5)
La notación de las derivadas parciales
Las funciones derivadas parciales pueden anotarse de diversas

maneras, todas equivalentes
∂f ∂f
( x, y) fx f x ( x, y)
∂x ∂x
∂f ∂f
( x, y) fy f y ( x, y)
∂y ∂y
Los valores de las funciones derivadas parciales, evaluadas en el

punto ( x0 , y0 ), pueden anotarse también de diversas maneras

∂ f ∂f
( x0 , y0 ) f x |( x0 ,y0 ) f x ( x0 , y0 )
∂x ( x0 ,y0 ) ∂x

∂ f ∂f
( x0 , y0 ) f y ( x ,y ) f y ( x0 , y0 )
∂y ( x0 ,y0 ) ∂y 0 0
Recordar que la “regla del producto”

Ejemplo 2. Calcular la función f y ( x, y), si f ( x, y) = y sin xy. es
d df dg
f ( x ) g( x ) = g( x ) + f ( x )
1. La derivada se calcula aplicando la “regla del producto” y la dx dx dx
“regla de la cadena”
regla del producto
z }| {
∂ ∂ ∂
fy = (y sin xy) = (y) sin xy + y (sin xy) =
∂y ∂y ∂y
∂
= 1 · sin xy + y cos xy ( xy) = sin xy + xy cos xy
∂y
| {z }
regla de la cadena
2. Entonces la respuesta es la función
f y ( x, y) = sin xy + xy cos xy
Recordar que la “regla de la cadena”
dice que
Derivadas parciales de segundo orden d
f g( x ) = f 0 g( x ) g0 ( x )
dx
Al derivar dos veces una función f ( x, y) generamos sus cuatro
derivadas de segundo orden

∂ ∂f ∂2 f ∂ ∂f ∂2 f
= 2 = f xx = = f yx
∂x ∂x ∂x ∂x ∂y ∂x∂y

∂ ∂f ∂2 f ∂ ∂f ∂2 f
= 2 = f yy = = f xy
∂y ∂y ∂y ∂y ∂x ∂y∂x
Hay que observar bien el orden de derivación indicado. . .

∂2 f ∂ ∂f
= Derivar primero respecto de y, luego de x.
∂x∂y ∂x ∂y

f yx = fy x
Significa lo mismo.
Ejemplo 3. Si f ( x, y) = x cos y + ye x , calcular sus cuatro derivadas
segundas.
1. El primer paso es calcular las primeras derivadas parciales

∂f ∂ ∂f ∂
= x cos y + ye x = x cos y + ye x
∂x ∂x ∂y ∂y
= cos y + ye x = − x sin y + e x
2. Luego debemos calcular las derivadas parciales de las primeras

derivadas parciales. . .
∂2 f ∂ ∂2 f ∂
= (cos y + ye x ) = (− x sin y + e x )
∂y∂x ∂y ∂x∂y ∂x
= − sin y + e x = − sin y + e x
∂2 f ∂ ∂2 f ∂
= (cos y + ye x ) = (− x sin y + e x )
∂2 x ∂x ∂2 y ∂y
= ye x = − x cos y
3. Y entonces resulta que
∂2 f ∂2 f
= = − sin y + e x
∂y∂x ∂x∂y
Teorema de las derivadas mixtas

Teorema 1 (de las derivadas mixtas o cruzadas). Si f ( x, y) y
sus derivadas parciales f x , f y , f xy y f yx están definidas en una región
abierta que contiene a un punto ( x0 , y0 )
y si estas cuatro funciones son continuas en ( x0 , y0 )

entonces se cumple la siguiente igualdad
f xy ( x0 , y0 ) = f yx ( x0 , y0 )
Diferenciabilidad y continuidad
Funciones diferenciables
Definición 3 (función diferenciable). Se dice que una función
f ( x, y) es diferenciable en un punto ( x0 , y0 ) si
f ( x0 + h, y0 + k) − f ( x0 , y0 ) − h f x ( x0 , y0 ) − k f y ( x0 , y0 )
lı́m √ =0
(h,k)→(0,0) h2 + k 2
Se dice que f ( x, y) es diferenciable (a secas), si lo es en cada punto
de su dominio.
Si f ( x, y) es diferenciable (a secas), su gráfico es una superficie

suave.
La diferenciabilidad implica continuidad

Teorema 2. Si las derivadas parciales f x y f y de una función f ( x, y) son
continuas en una región abierta R, entonces f es una función diferenciable
en cada punto de R.
Teorema 3. Si una función f ( x, y) es diferenciable en ( x0 , y0 ), entonces
f es continua en ( x0 , y0 ).
Regla de la cadena
Funciones de dos y tres variables

Regla de la cadena para funciones de dos variables
Teorema 4 (una forma de la “regla de la cadena”). Si w = f ( x, y) es

derivable y si x = x (t) y y = y(t) son funciones derivables de t, entonces

la función compuesta w = f x (t), y(t) es una función derivable de t y w = f ( x, y)
dw ∂ f dx ∂ f dy ∂w ∂w
= + ∂y
dt ∂x dt ∂y dt ∂x
Si del lado izquierdo pensamos en w(t), y del lado derecho pen-

samos en w( x, y), suele utilizarse la expresión x y
dw ∂w dx ∂w dy
= +
dt ∂x dt ∂y dt dx dy
dt dt
Ejemplo 4. Usar la regla de la cadena para obtener la derivada de
w = xy, con respecto a t, a lo largo de la trayectoria x = cos t, t

y = sin t. ¿Cuanto vale dw
dt π t= 2
Figura 4: diagrama de árbol
dw para la regla de la cadena
1. Aplicamos la regla de la cadena para obtener dt
dw dx ∂w dy
dt = ∂w ∂x dt + ∂y dt . La va-
dw ∂w dx ∂w dy riable independiente es t, x e y
= +
dt ∂x dt ∂y dt
son variables intermedias y w
∂ xy d ∂ xy d es la variable dependiente.
= cos t + sin t
∂x dt ∂y dt

= y − sin t + x cos t
w = f ( x, y, z)
= sin t − sin t + cos t cos t
= − sin2 t + cos2 t ∂w ∂w
= cos 2t ∂x ∂z
∂w
∂y
2. Entonces, en el valor indicado de t resulta x y z
π
dw dy
= cos 2 = cos π = −1 dt
dt t= π 2
2 dx dz
dt dt
Regla de la cadena para funciones de tres variables t

Teorema 5 (una forma de la “regla de la cadena”). Si w = f ( x, y, z)
es derivable y si x, y y z son funciones derivables de t, entonces la función Figura 5: diagrama de árbol
compuesta w es una función derivable de t y para la regla de la cadena
dw ∂w dx ∂w dy ∂w dz
dt = ∂x dt + ∂y dt + ∂z dt . La
dw ∂ f dx ∂ f dy ∂ f dz
= + + variable independiente es t, x,
dt ∂x dt ∂y dt ∂z dt
y y z son variables intermedias
Si del lado izquierdo pensamos en w(t), y del lado derecho pen- y w es la variable dependiente.
samos en w( x, y, z), suele utilizarse la expresión
dw ∂w dx ∂w dy ∂w dz
= + +
Regla de la cadena para funciones de tres variables

w = f ( x, y, z)
Teorema 6 (una forma de la “regla de la cadena”). Supongamos que
∂w ∂w
w = f ( x, y, z), x = g(r, s), y = h(r, s) y z = k (r, s). Si las cuatro ∂x ∂z
funciones son derivables, entonces w tiene derivadas parciales respecto de r ∂w
ys ∂y
x y z
∂w ∂w ∂x ∂w ∂y ∂w ∂z ∂y
= + +
∂r ∂x ∂r ∂y ∂r ∂z ∂r ∂r
∂w ∂w ∂x ∂w ∂y ∂w ∂z ∂x ∂z
= + + ∂r ∂r
∂s ∂x ∂s ∂y ∂s ∂z ∂s
r
∂w ∂w
Ejemplo 5. Calcular ∂r y ∂s si ∂w ∂w ∂x ∂w ∂y ∂w ∂z
= + +
∂r ∂x ∂r ∂y ∂r ∂z ∂r
r
w = x + 2y + z2 x= y = r2 + ln s z = 2r
s w = f ( x, y, z)
1. La primer derivada es
∂w ∂w
∂x ∂z
∂w ∂w ∂x ∂w ∂y ∂w ∂z ∂w
= + + ∂y
∂r ∂x ∂r ∂y ∂r ∂z ∂r
x y z
1
= 1· + 2 · (2r ) + (2z) · 2 ∂y
s
∂s
1 1
= + 4r + (2 · 2r ) · 2 = + 12r ∂x ∂z
s s ∂s ∂s
s
∂w ∂w ∂x ∂w ∂y ∂w ∂z
2. La segunda derivada es = + +
∂s ∂x ∂s ∂y ∂s ∂z ∂s
∂w ∂w ∂x ∂w ∂y ∂w ∂z Figura 6: diagramas de árbol

= + +
∂s ∂x ∂s ∂y ∂s ∂z ∂s para las derivadas parciales de
r
1 w = f ( x, y, z) respecto de las
= 1· − 2 +2· + (2z) · 0
s s variables r y s, con x = g(r, s),
2 r y = h(r, s) y z = k(r, s).
= − 2
s s
Trabajo práctico
∂f ∂f
1. En cada caso, calcule ∂x y ∂y .
a) f ( x, y) = x2 − xy + y2
x +y
b) f ( x, y) = xy−1
c) f ( x, y) = e xy ln y

d) f ( x, y) = cos2 3x − y2
2. En cada caso, calcule f x , f y y f z .
a) f ( x, y, y) = 1 + xy2 − 2z2
b) f ( x, y, z) = sin−1 ( xyz)
c) f ( x, y, z) = ln ( x + 2y + 3z)
2 + y2 + z2
d) f ( x, y, z) = e−( x )
3. En cada caso, calcule todas las derivadas parciales de segundo

orden de la función indicada.
a) f ( x, y) = x2 y + cos y + y sin x
b) h( x, y) = xey + y + 1
x −y
c) w( x, y) = x2 +y

d) w( x, y) = x sin x2 y
4. En cada caso, exprese dx

dt como una función de t aplicando la
regla de la cadena. Luego evalúe dx
dt en el punto t indicado.
a) w = x2 + y2 x = cos t y = sin t t=π

y
b) w = x
z + z x = cos2 t y = sin2 t z = 1t t = 3

c) w = 2ye x − ln z x = ln t2 + 1 y = tan−1 t z = et t=1
5. En cada caso, exprese ∂w ∂w

∂u y ∂v como una función de u y v apli-
cando la regla de la cadena. Luego evalúe ambas derivadas par-
ciales en el punto (u, v) indicado.
a) w = 4e x ln y x = ln (u cos v) y = u sin v (u, v) = (2, π/4)

b) w = tan−1 ( x/y) x = u cos v y = u sin v (u, v) = (13/10, π/6)
c) w = xy + yz + xz x = u+v y = u−v z = uv (u, v) =
(1/2, 1)
6. En cada caso, dibuje un diagrama de árbol y escriba la fórmula

de la regla de la cadena para cada derivada.
dz
a) para z = f ( x, y) con x = g(t), y = h(t).
dt
dz
b) para z = f (u, v, w) con u = g(t), v = h(t), w = k(t).
dt
∂w ∂w
c) y para w = h( x, y, z) con x = f (u, v), y = g(u, v),
∂u ∂v
z = k(u, v).
∂w ∂w
d) y para w = f (r, s, t) con r = g( x, y), s = h( x, y),
∂x ∂y
t = k( x, y).
∂w
e) para w = f ( x, y, z, v) con x = g( p, q), y = h( p, q),
∂p
z = j( p, q), v = k( p, q).
∂w
f) para w = g( x, y) con x = h(r, s, t), y = k(r, s, t).
∂s
Ejemplos con Sage

Calcular derivadas parciales recuadros puede ser seleccionado,
Calcular las derivadas primeras y evaluarlas trabajo de Sage, para ejecutarlo y así
# crear la función f ( x, y) = ( x + y)/( xy − 1)
f(x,y) = (x+y)/(x*y-1)
f.show()
# calcular las dos derivadas parciales primeras
fx = f.diff(x) # f x ( x, y)
fy = f.diff(y) # f y ( x, y)
# mostrar las funciones resultantes
fx.show()
fy.show()
# evaluar ambas derivadas en ( x, y) = (2, 1)
fx(2,1).show() # f x (2, 1) = −2
fy(2,1).show() # f y (2, 1) = −5
Calcular las derivadas parciales segundas trabajo práctico.
# crear la función s( x, y) = 1/tan(y/x )
s(x,y) = 1/tan(y/x); s.show()
# calcular las derivadas primeras
sx = s.diff(x) # s x
sy = s.diff(y) # sy
# calcular las derivadas segundas
sxx = sx.diff(x) # s xx
sxy = sx.diff(y) # s xy
syx = sy.diff(x) # syx
syy = sy.diff(y) # syy
# mostrar las funciones resultantes
sxx.show(); sxy.show(); syx.show(); syy.show()
Regla de la cadena para funciones compuestas

# definir cuatro funciones genéricas
function("h,f,g,k")
# definir las dos variables independientes u y v
var("u,v")
# definir las variables intermedias x, y, z
x = f(u,v); y = g(u,v); z = k(u,v)
# definir la variable dependiente w
w = h(x,y,z) # w=h(x(u,v),y(u,v),z(u,v))
w.show()
# calcular y mostrar la regla de la cadena
# para wu y wv
wu = w.diff(u); wv = w.diff(v)
wu.show(); wv.show()
Matemática II
Tema 12: derivada direccional y gradiente
2012–2013
Índice
Derivada direccional de una función 1

Definición e interpretación geométrica 1
Cómputo de la derivada direccional 3
Propiedades del gradiente de una función 5
Gradiente y tangentes a curvas de nivel 5
Gradiente de funciones de tres variables 7
Trabajo práctico 8 L : x = x0 + su1 , y = y0 + su2
Ejemplos con Sage 9 y
Cálculo de gradientes y derivadas direccionales 9
2j
+u
Derivada direccional de una función
u1 i
R
u=
Definición e interpretación geométrica
P0 ( x0 , y0 )
La derivada de f ( x, y) en una dirección particular
Tenemos una función f ( x, y) definida en una región R del plano x

xy.
Figura 1: el punto P0 ( x0 , y0 ) y
Tenemos un punto P0 ∈ R y un vector unitario u.
el vector unitario u = u1 i + u2 j
¿Cual será la tasa de cambio de f ( x, y) sí, arrancando de P0 , nos permiten parametrizar la recta
movemos sobre L en la dirección de s creciente? L en la región R.
Aplicando la regla de la cadena
Si nos movemos sobre la recta L nos queda
f ( x, y) = f g(s), h(s)

= f ( x0 + su1 , y0 + su2 )
La “regla de la cadena” indica entonces que, la tasa de cambio de

f respecto de s, a lo largo de la recta L, será
df ∂ f dx ∂ f dy
= +
ds ∂x ds ∂y ds
tema 12: derivada direccional y gradiente 2
Definición formal de derivada direccional
Definición 1 (derivada direccional). La derivada de f en P0 ( x0 , y0 ) en

la dirección del vector unitario u = u1 i + u2 j es el número
df f ( x0 + su1 , y0 + su2 ) − f ( x0 , y0 )

= lı́m
ds u,P0 s →0 s
Esta es la definición formal, pero veremos que hay una forma

práctica, más sencilla, de calcular una derivada direccional.
Comentarios acerca de la derivada direccional
La derivada direccional también suele escribirse como

df

≡ ( Du f ) P0
ds u,P0
Las derivadas parciales de f , evaluadas en P0 , resultan ser
f x ( x0 , y0 ) = ( Di f ) P0 f y ( x 0 , y 0 ) = Dj f

P0
Figura 2: la derivada direc-

cional de f , en la dirección
del vector u, y evaluada en el
punto P0 ( x0 , y0 ), es la pendien-
te de una recta tangente a la
superficie z = f ( x, y).
La derivada direccional es una pendiente
La pendiente m de la recta tangente a la curva z = f ( g(s), h(s)),

en el punto P x0 , y0 , f ( x0 , y0 ) , es la derivada direccional.

df

m=
ds u,P0
= ( Du f ) P0
Cómputo de la derivada direccional

Expresión para calcular la derivada direccional
Buscamos una expresión para calcular la derivada (direccional)

de f ( x, y) sobre la recta parametrizada
L : x = x0 + su1 y = y0 + su2
Aplicando la regla la cadena obtenemos
df ∂ f dx ∂ f dy

= +
ds u,P0 ∂x P0 ds ∂y P0 ds
∂ f ∂ f

= u + u2
∂x P0 1 ∂y P0
!
∂ f ∂ f

= i+ j · ( u1 i + u2 j )
∂x P0 ∂y P0 | {z }
| {z } vector u
gradiente de f en P0
El vector gradiente de una función
Definición 2 (gradiente). La función vectorial gradiente de f ( x, y) es

el vector
∂f ∂f
∇f = i+ j
∂x ∂y
Cuando se evalúa la función vectorial gradiente, en un punto

P0 ( x0 , y0 ), se obtiene el vector gradiente
∂ f ∂ f

(∇ f ) P0 = i+ j
∂x P0 ∂y P0
La derivada direccional es un producto punto
Teorema 1. Si f ( x, y) es derivable en una región abierta que contiene a

P0 ( x0 , y0 ), y si u es un vector unitario, entonces

( Du f ) P0 = (∇ f ) P0 · u = (∇ f ) P0 cos θ

es el producto punto del gradiente ∇ f en P0 con u.
Ejemplo 1. Obtener la derivada de f ( x, y) = xey + cos xy, en el punto

(2, 0), y en la dirección del vector v = 3i − 4j.
1. Calculamos el vector unitario en la dirección de v

v v 3 4
u= = = i− j
|v| 5 5 5
2. Las derivadas parciales de f , evaluadas en (2,0) son
f x (2, 0) = ey − y sin xy |(2,0) = e0 − 0 · 0

=1
f y (2, 0) = xey − x sin xy |(2,0) = 2e0 − 2 · 0

=2
y
(∇ f )(2,0) = i + 2j Figura 3: el gradiente ∇ f
2
z = 24 en (2, 0) y algunas curvas
z = 18 de nivel, para la función
1 z = 12 f ( x, y) = xey + cos xy.
z =8
P0 (2, 0)
θ z=6 x
1 2 3 4 z =5 3
−1 u = 3/5i − 4/5j
z=1
3. El gradiente ∇ f en (2, 0) es
(∇ f )(2,0) = f x (2, 0)i + f y (2, 0)j = i + 2j
4. La derivada de f en (2, 0), y en la dirección de v, es
( Du f )(2,0) = (∇ f )(2,0) · u
3 4

= (i + 2j) · i− j
5 5
3 8
= −
5 5
= −1
La derivada direccional de f ( x, y) es
( Du f ) P0 = (∇ f ) | P0 · u
Propiedades de la derivada direccional de f ( x, y)
= (∇ f ) | P0 cos θ

1. f ( x, y) crece más rápidamente en la dirección de ∇ f (porque

θ = 0◦ ).
2. f ( x, y) decrece más rápidamente en la dirección de −∇ f (porque

θ = 180◦ ).
3. f ( x, y) se mantiene constante en las direcciones perpendiculares

a ∇ f (porque θ = ±90◦ ).
x2 y2
Ejemplo 2. Indicar las direcciones en las que f ( x, y) = 2 + 2
1. crece más rápidamente desde el punto (1, 1);
2. decrece más rápidamente desde el punto (1, 1);
3. se mantiene constante desde el punto (1, 1).
1. f ( x, y) crece más rápidamente en la dirección de (∇ f )(1,1)
(∇ f )(1,1) = ( xi + yj)|(1,1) = i + j
y el vector unitario en esa dirección es
i+j 1 1
u= = √ i+ √ j
|i + j| 2 2
2. f ( x, y) decrece más rápidamente en la dirección de − (∇ f )(1,1) ,

es decir
1 1
−u = − √ i − √ j
2 2
3. f ( x, y) se mantiene constante en las direcciones perpendiculares

a (∇ f )(1,1) , es decir
1 1 1 1
n = −√ i + √ j y −n = √ i− √ j
2 2 2 2
Figura 4: la dirección en la que

f ( x, y) crece más rápidadmen-
te en (1, 1) es la dirección de
(∇ f )(1,1) .
Propiedades del gradiente de una función
Gradiente y tangentes a curvas de nivel

∇ f es siempre perpendicular a las curvas de nivel de f
Supongamos que f ( x, y) toma un valor constante c sobre una

curva parametrizada r(t) = g(t)i + h(t)j.
Es decir, que r(t) es una curva de nivel de f , o lo que es lo mis-

mo, que f g(t), h(t) = c.

Entonces, derivando cada lado de esta ecuación, resulta

d d
f g ( t ), h ( t ) = ( c )

dt dt
∂ f dg ∂ f dh
+ =0
∂x dt ∂y dt
∂f ∂f dg dh

i+ j · i+ j =0
∂x ∂y dt dt
| {z } | {z }
∇f dr
dt
Ecuación de la recta tangente
Teorema 2. En todos los puntos ( x0 , y0 ) del dominio de una función

f(x,y), el gradiente ∇ f es perpendicular a la curva de nivel que pasa por
( x0 , y0 ).
Teorema 3. La recta que pasa por un punto ( x0 , y0 ), y es perpendicular a

un vector N = A i + B j, tiene ecuación A( x − x0 ) + B(y − y0 ) = 0
Entonces, si N es el (∇ f )( x0 ,y0 ) = f x ( x0 , y0 )i + f y ( x0 , y0 )j, la

ecuación de la recta tangente será
f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 ) = 0
Ejemplo 3. Obtener una ecuación para la tangente a la elipse
x2
+ y2 = 2
4
en el punto (−2, 1).
1. La elipse es una curva de nivel de la función
x2
f ( x, y) = + y2
4
2. El gradiente de f en (−2, 1) es
x
(∇ f )(−2,1) = i + 2y j = −i + 2 j
2 (−2,1)
4. Entonces, la tangente es la recta
(−1)( x + 2) + 2(y − 1) = 0
2y − x = 4
(∇ f )(−2,1) = −i + 2 j
y 4 Figura 5: podemos encontrar
=
−x la recta tangente a la elip-
2 2y 2
se x4 + y2 = 2, en el punto
x2
2 + y2 = 2 (2, 1), considerando que la
1 elipse es una curva de nivel de
(−2, 1)
x 2
f ( x, y) = x4 + y2 .
−4 −3 −2 −1 1 2 3 4
−1
−2
Otras propiedades de los gradientes
Reglas para operar con gradientes

Si tenemos dos funciones f y g, entonces se cumplirán las siguien-

tes reglas:
1) Regla de la suma ∇( f + g) = ∇ f + ∇ g
2) Regla de la resta ∇( f − g) = ∇ f − ∇ g
3) Regla del múltiplo constante ∇(c f ) = c∇ f c ∈ R
4) Regla del producto ∇(f g) = g∇ f + f ∇ g
f g∇ f − f ∇ g
5) Regla del cociente ∇ g = g2
Ejemplo 4. Comprobar las reglas 2 y 4 del gradiente, siendo
f ( x, y) = x − y g( x, y) = 3y
∇f = i − j ∇ g = 3j
1. La regla 2
∇( f − g) = ∇( x − 4y) = i − 4j = ∇ f − ∇ g
2. La regla 4

∇( f g) = ∇ 3xy − 3y2 = 3yi + (3x − 6y)j
= 3y(i − j) + 3yj + (3x − 6y)j
= 3y(i − j) + (3x − 3y)j
= 3y · (i − j) + ( x − y) · 3j = g∇ f + f ∇ g
Gradiente de funciones de tres variables

Funciones de tres variables
Para una función derivable f ( x, y, z) y un vector unitario u =

u1 i + u2 j + u3 k en el espacio R3 se tiene
∂f ∂f ∂f
∇f = i+ j+ k
∂x ∂y ∂z
y
∂f ∂f ∂f
Du f = ∇ f · u = u + u2 + u3
∂x 1 ∂y ∂z
La derivada direccional puede escribirse también como
Du f = ∇ f · u = |∇ f ||u| cos θ = |∇ f | cos θ

Trabajo práctico
1. En cada caso, calcule el gradiente de la función en el punto dado.

Luego dibuje el gradiente junto con la curva de nivel que pasa
por el punto.
a) f ( x, y) = ln x2 + y2 (1, 1)

b) g( x, y) = xy2 (2, −1)

c) f ( x, y) = 2x + 2y (4, −2)
p
2. En cada caso calcule ∇ f en el punto indicado.
a) f ( x, y, z) = 2z3 − 3 x2 + y2 z + tan−1 xz (1, 1, 1)

− /2
1
b) f ( x, y, z) = x2 + y2 + z2 + ln( xyz) (−1, 2, −2)

c) f ( x, y, z) = e x+y cos z + (y + 1) sin−1 x (0, 0, π/6)
3. En cada caso, calcule la derivada de la función en P0 y en la

dirección del vector v.
x −y
a) g( x, y) = xy+2 P0 (1, −1) v = 12i + 5j
b) f ( x, y, z) = 3e x cos yz P0 (0, 0, 0) v = 2i + j − 2k
c) h( x, y, z) = cos xy + eyz + ln zx P0 (1, 0, 1/2)
v = i + 2j + 2k
v
Pista: calcule primero el vector unitario u = |v|
.
4. En cada caso, obtenga las direcciones en las cuales la función cre-

ce y decrece más rápidamente en P0 . Luego calcule las derivadas
de la función en esas direcciones.
a) f ( x, y) = x2 y + e xy sin y P0 (1, 0)
b) g( x, y, z) = xey + z2 P0 (1, ln 2, 1/2)
c) h( x, y, z) = ln x2 + y2 − 1 + y + 6z P0 (1, 1, 0)

5. En cada caso, grafique la curva f ( x, y) = c junto con ∇ f y la

recta tangente al punto dado. Luego escriba una ecuación para la
recta tangente.
√
a) x2 − y = 1 2, 1
b) xy = −4 (2, −2)
c) x − xy + y2 = 7 (−1, 2)
Ejemplos con Sage

Cálculo de gradientes y derivadas direccionales recuadros puede ser seleccionado,
Calcular el gradiente de una función f ( x, y, z) trabajo de Sage, para ejecutarlo y así
# definir la función f ( x, y, z) = ln( xy) + ln(yz) + ln( xz)
f(x,y,z) = log(x*y)+log(y*z)+log(x*z)
# mostrar la función f
show(f)
# calcular ∇f
Gf = f.gradient()
show(Gf)
# evaluar ∇ f en (1, 1, 1)
w = Gf(1,1,1)
show(w)
Graficar el gradiente de una función f ( x, y) trabajo práctico.
f(x,y) = x*exp(y)+cos(x*y); show(f) # f ( x, y)
x0 = 2; y0 = 0; P0 = vector((x0,y0)) # P0
Gf = f.gradient(); show(Gf) # ∇f
w = Gf(x0,y0); show(w) # ∇ f evaluado en (2, 0)
# graficar las curvas de nivel de f
g2 = contour_plot(f,(x,-0.5,5),(y,-1,2),
contours=[1,3,6,8,12,16,24],frame=false,
fill=false,labels=true,label_inline=true,
label_fmt="%2d",label_colors="red")
# agregar P0 y ∇ f evaluado en (2, 0)
g2 = g2 + arrow2d(P0,P0+w, width=2,
color="blue", aspect_ratio=1, axes=true)
g2 = g2 + point(P0, size=50, color="black",
zorder=99); g2.show()
Calcular una derivada direccional de f ( x, y)

# f ( x, y) = xey + cos( xy)
f(x,y) = x*exp(y)+cos(x*y); show(f)
x0 = 2; y0 = 0; P0 = vector((x0,y0)) # P0 = (2, 0)
Gf = f.gradient(); show(Gf) # ∇f
w = Gf(x0,y0); show(w) # ∇ f (2, 0)
v1 = 3; v2 = -4; v = vector((v1,v2)) # v = (3, −4)
u = v/v.norm(); show(u) # u = (3/5, −4/5)
Duf = w.dot_product(u) # Du f (2, 0) = ∇ f (2, 0) · u = −1
show(Duf)
Matemática II
Tema 13: plano tangente y diferenciales
2012–2013
Índice
Plano tangente 1
Planos tangentes a superficies 1
Aproximación lineal a una función f ( x, y) 4
La diferencial total 5
La función diferencial total 5
Funciones de más de dos variables 6
Trabajo práctico 7
Ejemplos con Sage 8
Planos tangentes y aproximación lineal 8
Plano tangente
Planos tangentes a superficies
Figura 1: dada una superficie

de nivel f ( x, y, z) = c, todas
las curvas suaves r(t), sobre la
superficie de nivel, y que pa-
san por el punto P0 ( x,0 , y0 , z0 ),
tendrán vectores tangentes
v(t) = dr
dt en P0 .
tema 13: plano tangente y diferenciales 2
Curvas sobre una superficie de nivel f ( x, y, z) = c
f ( x, y, z) = c es una superficie de nivel de una función derivable

f.
r1 (t), r2 (t) y r3 (t) son curvas suaves, sobre f ( x, y, z) = c, que

pasan por P0 .
v1 (t), v2 (t) y v3 (t) son siempre tangentes a las curvas, porque
dr1
v1 ( t ) = , etc.
dt
El gradiente ∇ f es normal a todas las tangentes v(t)
En general las curvas serán r(t) = g(t)i + h(t)j + k(t)k.
Sobre la superficie de nivel tendremos f g(t), h(t), k(t) = c

Derivando ambos lados de la ecuación queda
d d
f g ( t ), h ( t ), k ( t ) = ( c )

dt dt
d f dg d f dh d f dk
+ + =0
dx dt dy dt dz dt
df df df dg dh dk

i+ j+ k · i+ j+ k = 0
dx dy dz dt dt dt
| {z } | {z }
∇f v(t)=dr/dt
Entonces, en cada punto de la curva, ∇ f es ortogonal al vector

velocidad.
Figura 2: dada una superficie

de nivel f ( x, y, z) = c, el plano
tangente por P0 tiene vector
normal (∇ f ) P0 .
El plano tangente a la superficie de nivel f ( x, y, z) = c
Definición 1. El plano tangente a la superficie de nivel f ( x, y, z) = c, en

P0 , es normal al vector (∇ f ) P0 .
Entonces una ecuación del plano será
f x ( P0 )( x − x0 ) + f y ( P0 )(y − y0 ) + f z ( P0 )(z − z0 ) = 0
Ejemplo 1. Obtener el plano tangente a la superficie
f ( x, y, z) = x2 + y2 + z − 9 = 0 (una paraboloide circular)
en el punto P0 (1, 2, 4)
1. El plano tangente pasará por P0 y será perpendicular al gradien-

te de f en P0 . El gradiente es
(∇ f ) P0 = 2x i + 2y j + k (1,2,4) = 2 i + 4 j + k

2. Por lo tanto, el plano tangente será
2( x − 1) + 4( y − 2) + 1( z − 4) = 0
2x + 4y + z = 14
Plano tangente al gráfico de z = f ( x, y)
1. Ahora queremos obtener el plano tangente al gráfico de z =

f ( x, y), en un punto P0 ( x0 , y0 , z0 ) con z0 = f ( x0 , y0 ).
Figura 3: dada la función w =
2. La ecuación f ( x, y) = z es equivalente a f ( x, y) − z = 0.
f ( x, y, z) = x2 + y2 + z − 9,
3. Esto quiere decir que z = f ( x, y) es la superficie de nivel cero de su superficie de nivel x2 + y2 +
la función F ( x, y, z) = f ( x, y) − z. z − 9 = 0 tiene plano tangen-
te 2x + 4y + z = 14 en el punto
4. Las derivadas parciales de F son
P0 (1, 2, 4).
∂
Fx = f ( x, y) − z = f x − 0 = f x

∂x
∂
Fy = f ( x, y) − z = f y − 0 = f y

∂y
∂
Fz = f ( x, y) − z = 0 − 1 = −1

∂z
5. La ecuación del plano tangente
Fx ( P0 )( x − x0 ) + Fy ( P0 )(y − y0 ) + Fz ( P0 )(z − z0 ) = 0
se simplifica entonces a
f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 ) + (−1)(z − z0 ) = 0
Definición 2. El plano tangente al gráfico z = f ( x, y) de una función

derivable f en el punto P0 ( x0 , y0 , z0 ) = x0 , y0 , f ( x0 , y0 ) es

f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 ) − (z − z0 ) = 0
Ejemplo 2. Encontrar el plano tangente a la superficie z = x cos y −

ye x en el punto (0, 0, 0).
1. Las derivadas parciales de f ( x, y) son
f x (0, 0) = (cos y − ye x )(0,0) = 1 − 0 · 1 = 1

f y (0, 0) = (− x sin y − e x )(0,0) = 0 − 1 = −1
2. Entonces el plano tangente es
1 · ( x − 0) − 1 · ( y − 0) − ( z − 0) = 0
x−y−z = 0
Aproximación lineal a una función f ( x, y)

¿Para qué linealizar una función f ( x, y)?
Las funciones de dos variables f ( x, y) pueden ser complicadas. . . y
A veces necesitamos reemplazarlas por otras funciones, más

simples, que den una precisión requerida. ( x0 + ∆x, y0 + ∆y)
Cualquier función f ( x, y) puede ser aproximada o reemplazada
∆y = y − y0
siempre por una función simple L( x, y).
Sin embargo, esta aproximación introducirá un error.
Siempre y cuando trabajemos con la función L( x, y) adecuada, ¡el

( x0 , y0 )
error será tan pequeño que no nos importará! ∆x = x − x0
Linealización de f ( x, y)
x
Tenemos una función f ( x, y) complicada.
Figura 4: si f es derivable en
Elegimos un punto fijo ( x0 , y0 ) del dominio de f . ( x0 , y0 ), entonces el valor de
f en cualquier punto cercano
Definición 3. La linealización de una función f ( x, y) en un punto
( x, y) es aproximadamente
( x0 , y0 ) donde f es derivable es la función
f ( x0 , y0 ) + f x ( x0 , y0 )( x − x0 ) +
L( x, y) = f ( x0 , y0 ) + f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 ) f y ( x0 , y0 )(y − y0 ).
Entonces
f ( x, y) ≈ L( x, y)
es la aproximación lineal de f en el punto ( x0 , y0 ).
Observaciones acerca de la función L( x, y)
El gráfico z = L( x, y) es
z = f ( x0 , y0 ) + f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 )
z = z0 + f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 )
0 = (z0 − z) + f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 )
0 = f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 ) − (z − z0 )
La ecuación del plano tangente a f ( x, y) en ( x0 , y0 ) es
0 = f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 ) − (z − z0 )
¡Entonces la función aproximada L( x, y) es igual al plano tangen-

te a f ( x, y) en ( x0 , y0 )!
Entonces el error de aproximación será cada vez más pequeño a

medida que ( x, y) → ( x0 , y0 ).
Ejemplo 3. Encontrar la aproximación lineal de la función f ( x, y) =

x2 − xy + 1/2y2 + 3 en el punto (3, 2).
1. Primero evaluamos f , f x , f y en el punto ( x0 , y0 ) = (3, 2)

f (3, 2) = x2 − xy + 1/2y2 + 3 =8
(3,2)
∂ 2
f x (3, 2) = x − xy + 1/2y2 + 3 = (2x − y)(3,2) = 4
∂x (3,2)
∂ 2
f y (3, 2) = x − xy + 1/2y2 + 3 = (− x + y)(3,2) = −1
∂y (3,2)
2. Entonces la aproximación lineal queda
L( x, y) = f ( x0 , y0 ) + f x ( x0 , y0 )( x − x0 ) + f y ( x0 , y0 )(y − y0 )
= 8 + 4 · ( x − 3) + (−1) · (y − 2)
= 4x − y − 2
La diferencial total
La función diferencial total

Diferencia en en valor de f ( x, y)
Tenemos una función f ( x, y).
Supongamos que f , f x , f y pueden calcularse en un punto ( x0 , y0 ).
Si nos movemos a un punto cercano ( x0 + ∆x, y0 + ∆y), la diferen-

cia en el valor de la función será
∆ f = f ( x0 + ∆x, y0 + ∆y) − f ( x0 , y0 )
Diferencia en el valor de L( x, y)
Haciendo un cálculo sencillo, para la función linealizada L( x, y)

quedará
∆L = L( x0 + ∆x, y0 + ∆y) − L( x0 , y0 )
= f x ( x0 , y0 )∆x + f y ( x0 , y0 )∆y
Con frecuencia se dice que los diferenciales dx y dy son
dx = ∆x = x − x0
dy = ∆y = y − y0
La diferencial total d f
Definición 4. Si nos movemos de un punto ( x0 , y0 ) a un punto
cercano ( x0 + dx, y0 + dy), el cambio resultante en el valor de f
d f = f x ( x0 , y0 )dx + f y ( x0 , y0 )dy
se llama diferencial total de f.
Entonces la diferencial total es la función de cuatro variables inde-

pendientes d f ( x0 , y0 , dx, dy).
Ejemplo 4. Se diseño una lata cilíndrica para tener un radio r =

10 cm y una altura h = 50 cm.
Pero resultó que el radio r y la altura h tienen un error dr = +0,2

cm y dh = −1 cm.
Calcular el cambio absoluto en el volumen de la lata.
1. Para estimar el cambio en V (r, h) = πr2 h usamos
∆V ≈ dV = Vr (r0 , h0 )dr + Vh (r0 , h0 )dh
2. Con Vr (r, h) = 2πrh y con Vh (r, h) = πr2 nos queda
dV = 2πr0 h0 dr + πr02 dh = 2π · 10 · 50 · 0,2 + π · 102 · (−1)

= 200π − 100π = 100π ≈ 314 cm3
Funciones de más de dos variables

La aproximación lineal y la diferencial total de f ( x, y, z)
Definición 5. La aproximación lineal de f ( x, y, z) en el punto P0 ( x0 , y0 , z0 )
es
L( x, y, z) = f ( P0 ) + f x ( P0 )( x − x0 ) + f y ( P0 )(y − y0 ) + f z ( P0 )(z − z0 )
Definición 6. Si las segundas derivadas parciales de f son conti-

nuas, y si x, y, z se cambian desde x0 , y0 , z0 en pequeñas cantidades
dx, dy, dz, entonces la diferencial total
d f = f x ( P0 )dx + f y ( P0 )dy + f z ( P0 )dz
nos dará una buena aproximación del cambio resultante en f .

Ejemplo 5. Obtenga la aproximación lineal L( x, y, z) de
f ( x, y, z) = x2 − xy + 3 sin z
en el punto ( x0 , y0 , z0 ) = (2, 1, 0).
1. Luego de calcular las tres derivadas parciales primeras de f nos

quedará
f (2, 1, 0) = 2 f x (2, 1, 0) = 3 f y (2, 1, 0) = −2 f z (2, 1, 0) = 3

2. Por lo tanto
L( x, y, z) = 2 + 3( x − 2) + (−2)(y − 1) + 3(z − 0) = 3x − 2y + 3z − 2
Trabajo práctico
1. En cada caso, encuentre la ecuación del plano tangente a la su-

perficie indicada en el punto P0 .
a) x2 + y2 + z2 = 3 P0 (1, 1, 1)
b) 2z − x2 =0 P0 (2, 0, 2)
c) cos πx − x2 y + e xz + yz = 4 P0 (0, 2, 2)
d) x + y + z = 1 P0 (0, 1, 0)
2. En cada caso, encuentre la ecuación del plano tangente al gráfico

de la función indicada, en el punto especificado.
a) z = ln x2 + y2 (1, 0, 0)

2 2
b) z = e−( x +y ) (0, 0, 1)
√
c) z = y − x (1, 2, 1)
d) z = 4x2 + y2 (1, 1, 5)
3. En cada caso, obtenga la aproximación lineal L( x, y) de la fun-

ción en los dos puntos indicados.
i) f ( x, y) = x2 + y2 + 1 a) (0, 0) b) (1, 1)
ii) f ( x, y) = ( x + y + 2)2 a) (0, 0) b) (1, 2)
iii) f ( x, y) = ex cos y a) (0, 0) b) (0, π/2)
iv) f ( x, y) = e2y− x a) (0, 0) b) (1, 2)
4. En cada caso, obtenga la aproximación lineal L( x, y, z) de la

función en los tres puntos indicados.
i) f ( x, y, z) = xy + yz + xz a) (1, 1, 1) b) (1, 0, 0) c) (0, 0, 0)

ii) f ( x, y, z) = x2 + y2 + z2 a) (1, 0, 0) b) (1, 1, 0) c) (1, 2, 2)
p
sin xy
iii) f ( x, y, z) = z a) (π/2, 1, 1) b) (2, 0, 1)
iv) f ( x, y, z) = e x + cos(y + z) a) (0, 0, 0) b) (0, π/2, 0) c) (0, π/4, π/4)
Ejemplos con Sage

Planos tangentes y aproximación lineal recuadros puede ser seleccionado,
Ecuación del plano tangente a f ( x, y, z) = 0 trabajo de Sage, para ejecutarlo y así
= cos πx − x2 y + e xz + yz − 4
# definir f ( x, y, z)
# la superficie es f ( x, y, z) = 0
f(x,y,z)=cos(pi*x)-x*x*y-exp(x*z)+y*z-4
show(f)
# calcular el gradiente de f
fx = f.diff(x); fy = f.diff(y); fz = f.diff(z);
x0 = 0; y0 = 2; z0 = 2
P0 = vector((x0,y0,z0))
show(P0)
A = fx(x0,y0,z0); B = fy(x0,y0,z0)
C = fz(x0,y0,z0)
plano = A*(x-x0)+B*(y-y0)+C*(z-z0)==0
show(plano)
Ecuación del plano tangente a z = f ( x, y) trabajo práctico.
= 4x2 + y2
# definir f ( x, y)
# la superficie es z = f ( x, y)
f(x,y)=4*x*x+y*y
fx = f.diff(x); fy = f.diff(y)
show(f)
x0 = 1; y0 = 1
z0 = f(x0,y0)
P0 = vector((x0,y0,z0))
show(P0)
A = fx(x0,y0); B = fy(x0,y0); C = -1
plano = A*(x-x0)+B*(y-y0)+C*(z-z0)==0
show(plano)
Calcular la aproximación lineal L( x, y) en ( x0 , y0 )

# definir f ( x, y) = x 3 y4
f(x,y)=x**3*y**4
fx = f.diff(x); fy = f.diff(y)
show(f)
x0 = 1; y0 = 1
P0 = vector((x0,y0))
show(P0)
z0 = f(x0,y0)
# definir la aproximación lineal
L(x,y) = z0+fx(x0,y0)*(x-x0)+fy(x0,y0)*(y-y0)
show(L)
Matemática II
Tema 14: valores extremos
2012–2013
Índice
Valores extremos y puntos silla 1

Criterio de las derivadas para extremos locales 1
Máximos y mínimos absolutos 5
Trabajo práctico 7
Valores extremos y puntos silla
Criterio de las derivadas para extremos locales

Máximos y mínimos locales
Definición 1. Tenemos una función f ( x, y) definida en una región

R que contiene al punto ( x0 , y0 ). Entonces,
1. f ( x0 , y0 ) es un máximo local de f si f ( x0 , y0 ) ≥ f ( x, y) para todo

( x, y) en un disco abierto con centro en ( x0 , y0 ).
2. f ( x0 , y0 ) es un mínimo local de f si f ( x0 , y0 ) ≤ f ( x, y) para todo

( x, y) en un disco abierto con centro en ( x0 , y0 ).
En el gráfico z = f ( x, y), los máximos locales son los picos de las

montañas, y los mínimos locales son el fondo de los valles.
Los extremos locales también se conocen como extremos relati-

vos.
Figura 1: los máximos relativos

son los picos de las montañas,
los mínimos relativos son el
fondo de los valles.
1 2 2
f ( x, y) = x2 +(y+3)2 +1
+ x2 +(y−1)2 +1
− x2 +(y−3)2 +1
n o
R = ( x, y) ∈ R2 | − 3 ≤ x ≤ 3 ∧ −6 ≤ y ≤ 6
tema 14: valores extremos 2
¿Qué sucede cuando f ( x, y) tiene un extremo?
Teorema 1 (criterio de la primera derivada). Si f ( x, y) tiene un valor

máximo o mínimo relativo en un punto interior ( x0 , y0 ) de su dominio R,
y si las primeras derivadas parciales existen allí, entonces f x ( x0 , y0 ) = 0 y
f y ( x0 , y0 ) = 0.
Puntos críticos y puntos de silla

Figura 2: si hay un máximo (o
Definición 2 (punto crítico). Un punto interior del dominio de un mínimo) relativo en ( x0 , y0 ),
f ( x, y) donde tanto f x como f y se anulan, o donde alguna de estas entonces las primeras deri-
nos existe, es un punto crítico de f . vadas parciales f x ( x0 , y0 ) y
f y ( x0 , y0 ) se anulan.
Definición 3 (punto silla). Una función derivable f ( x, y) tiene
un punto de silla en un punto crítico ( x0 , y0 ) si en cualquier disco
abierto con centro en ( x0 , y0 ) existen
a) puntos ( x, y) donde f ( x, y) > f ( x0 , y0 )
b) puntos ( x, y) donde f ( x, y) < f ( x0 , y0 ).
Ejemplo 1. Encontrar los extremos relativos de f ( x, y) = x2 + y2 −

4y + 9
1. El dominio de f es todo el plano R2 , y las derivadas parciales

f x = 2x y f y = 2y − 4 existen en todas partes. xy( x2 −y2 )
Figura 3: z = x 2 + y2
tiene un
2. Entonces los extremos relativos solo pueden estar donde punto de silla en (0, 0).
f x = 2x = 0
f y = 2y − 4 = 0
3. La única posibilidad es el punto (0, 2), donde el valor de f es 5.
4. Como f ( x, y) = x2 + y2 − 4y + 9 = x2 + (y − 2)2 + 5 nunca es

menor a 5, concluimos que f tiene un mínimo relativo en (0, 2).
Ejemplo 2. Determine, si existen, todos los valores extremos relati-

vos de la función f ( x, y) = y2 − x2 .
1. Dom( f ) = R2 (todo el plano), o sea que no hay puntos de fronte- Figura 4: z = y2 − y4 − x2 + 1

ra. tiene un punto de silla en
(0, 0).
2. Las derivadas parciales f x = −2x y f y = 2y existen en todas
partes.
3. El único extremo relativo podría estar en el origen (0, 0), donde

f x = 0 y f y = 0. . .
4. Sin embargo, sobre el eje x + resulta f ( x, 0) = − x2 < 0, pero

sobre el eje y+ resulta f (0, y) = y2 > 0. . .
5. Entonces f tiene en (0, 0) un punto de silla, y no tiene ningún

extremo relativo.
y 5 3 1
−1
Figura 5: gráfico y curvas de
2
−3 nivel de f ( x, y) = y2 − x2 . La
−5
función f tiene un punto de
1
silla en el origen (0, 0).
x
−2 −1 1 2
−1
−5
−3
−2
−1
1 3 5
¿Qué sucede cuando f ( x, y) tiene un punto crítico?
Teorema 2 (criterio de la segunda derivada). Supongamos que f ( x, y)

y sus primeras y segundas derivadas parciales son continuas en un disco
con centro en ( x0 , y0 ), y que f x ( x0 , y0 ) = 0 y f y ( x0 , y0 ) = 0. Entonces
i) f tiene un máximo relativo en ( x0 , y0 ) si f xx < 0 y f xx f yy −

2 > 0 en ( x , y ).
f xy 0 0
2 >
ii) f tiene un mínimo relativo en ( x0 , y0 ) si f xx > 0 y f xx f yy − f xy
0 en ( x0 , y0 ).
2 < 0 en
iii) f tiene un punto de silla en ( x0 , y0 ) si f xx f yy − f xy
( x0 , y0 ).
2 = 0 en ( x , y ).
iv) El criterio no es concluyente si f xx f yy − f xy 0 0
Observaciones acerca del Teorema 2
2 se conoce como discriminante o Hes-

La expresión f xx f yy − f xy
siano de f .
Es más fácil recordarlo como un determinate

f
xx f xy

2
= f xx f yy − f xy
f xy f yy

El Teorema 2 dice que si el discriminate es positivo tendremos un

valor extremo en ( x0 , y0 ), y si es negativo tendremos un punto de
silla ( x0 , y0 ).
Si el discriminante es nulo no podremos afirmar nada acerca del

punto crítico ( x0 , y0 ).
Ejemplo 3. Determinar los valores extremos relativos de la función
f ( x, y) = xy − x2 − y2 − 2x − 2y + 4
1. La función está definida, y es derivable, en todas partes, y su

dominio no tiene puntos de frontera.
2. Entonces f solo puede tener extremos en los puntos donde f x y

f y se anulen simultáneamente, o sea
f x = y − 2x − 2 = 0
f y = x − 2y − 2 = 0
cuya única solución es x = −2 e y = −2.
3. Por lo tanto, el punto (−2, −2) es el único punto critico de f .
4. Para ver que tipo de punto es este calculamos
f xx = −2 f yy = −2 f xy = 1
Y entonces el discriminante de f en ( x0 , y0 ) = (−2, −2) es

2
f xx f yy − f xy = (−2)(−2) − 12 = 4 − 1 = 3
5. Los resultados
2
f xx = −2 < 0 f xx f yy − f xy =3>0
nos dicen que f tiene un máximo relativo en (−2, −2). El valor

de f en ese punto es f (−2, −2) = 8.
Ejemplo 4. Obtener los valores extremos relativos de f ( x, y) =

3y2 − 2y3 − 3x2 + 6xy
1. Como f es derivable en todos lados, los valores extremos solo

pueden estar donde
f x = 6y − 6x = 0 f y = 6y − 6y2 + 6x = 0
2. De la primer ecuación tenemos que x = y. Reemplazando en la

segunda ecuación obtenemos
6x − 6x2 + 6x = −6x2 + 12x = 0 o 6x ( x − 2) = 0
por lo que los dos puntos críticos son (0, 0) y (2, 2).
3. Para clasificar los puntos críticos, calculamos las segundas deri-

vadas
f xx = −6 f yy = 6 − 12y f xy = 6
y el discriminante quedará
2
f xx f yy − f xy = (−36 + 72y) − 36 = 72(y − 1)
4. En el punto (0, 0) el discriminante vale −72 < 0, por lo que allí la

función tiene un punto de silla.
5. En el punto (2, 2) el discriminante vale 72 > 0. Como f xx =

−6 < 0, resulta que allí la función tiene un máximo relativo. Este
extremo vale f (2, 2) = 12 − 16 − 12 + 24 = 8.
Máximos y mínimos absolutos

Búsqueda de los extremos absolutos de f ( x, y)
La búsqueda de los valores extremos de f ( x, y) en una región R
cerrada y acotada debe organizarse en tres pasos.
1. Hacer una lista con los puntos interiores de R donde f pueda
tener algún valor extremo relativo (o sea, sus puntos críticos), y
y
evaluar la función en esos puntos.
10
B(0, 9)
2. Hacer una lista con los puntos de frontera de R donde f pueda
y
=
tener algún valor extremo relativo, y evaluar la función en esos
9−
puntos.
x
x=0
3. Buscar en ambas listas los valores máximos y mínimos de f .
Estos serán los valores máximos y mínimos absolutos de f en R.
Ejemplo 5. Obtener los valores máximos y mínimos absolutos de A(9, 0)

2
f ( x, y) = 2 + 2x + 2y − x − y 2 O y=0 10
x
en la región triangular, en el primer cuadrante, limitada por las
rectas x = 0, y = 0 e y = 9 − x. Figura 6: la región triangular R
es el dominio de la función del
1. Como f es derivable, los únicos puntos donde puede haber Ejemplo 5.
valores extremos es en los puntos interiores, con f x = 0 y f y = 0,
o en los puntos de frontera.
2. Para los puntos interiores
f x = 2 − 2x = 0 f y = 2 − 2y = 0
de donde el único punto es (1, 1), con f (1, 1) = 4
3. Para los puntos frontera, sobre la recta y = 0, tenemos que
f ( x, y) = f ( x, 0) = 2 + 2x − x2
es una función de una variable, con x ∈ [0, 9].
4. Sus extremos pueden estar en las fronteras, o sea x = 0 o x = 9, o

en donde f 0 ( x, 0) = −2x + 2 = 0, o sea x = 1
x=0 f (0, 0) = 2
x=1 f (1, 0) = 3
x=9 f (9, 0) = 2 + 18 − 81 = −61
5. Para los puntos frontera, sobre la recta x = 0, tenemos que
f ( x, y) = f (0, y) = 2 + 2y − y2
es una función de una variable, con y ∈ [0, 9].
6. Sus extremos pueden estar en las fronteras, o sea y = 0 o y = 9, o

en donde f 0 (0, y) = −2y + 2 = 0, o sea y = 1
y=0 f (0, 0) = 2
y=1 f (0, 1) = 3
y=9 f (0, 9) = 2 + 18 − 81 = −61
7. Para los puntos frontera, sobre la recta y = 9 − x, solo hace falta

estudiar los puntos interiores al segmento AB, donde
f ( x, y) = f ( x, x − 9) y
= −61 + 18x − 2x2

10
B(0, 9)
y
=
es una función de una variable, con x ∈ [0, 9].
9−
x
8. Haciendo f 0 ( x, 9 − x ) = 18 − 4x = 0, se encuentra que x = 18/4 = (9/2, 9/2)
x=0
9/2, de donde y = 9 − 9/2 = 9/2. Con lo que f (9/2, 9/2) = −41/2.
(1, 1)
9. En resumen, encontramos que la función f ( x, y) = 2 + 2x − 2y − A(9, 0)
x2 − y2 , definida en la región triangular R, tiene estos puntos de O y=0 10
interés: x
( x, y) f ( x, y) extremo Figura 7: puntos de interés

encontrados en el Ejemplo 5.
(0, 0) 2
(1, 0) 3
(9, 0) −61 mín. abs.
(1, 1) 4 máx. abs.
(0, 1) 3
(0, 9) −61 mín. abs.
(9/2, 9/2) −41/2
Trabajo práctico
1. En cada caso, determine todos los máximos relativos, los míni-

mos relativos y los puntos de silla de las funciones indicadas.
a) f ( x, y) = x2 + xy + y2 + 3x − 3y + 4
b) f ( x, y) = x2 + xy + 3x + 2y + 5
c) f ( x, y) = 2xy − x2 − 2y2 + 3x + 4
d) f ( x, y) = 2x2 + 3xy + 4y2 − 5x + 2y
e) f ( x, y) = x2 − y2 − 2x + 4y + 6
f) f ( x, y) = 56x2 − 8y2 − 16x − 31 + 1 − 8x
p
g) f ( x, y) = x3 − y3 − 2xy + 6
h) f ( x, y) = 6x2 − 2x3 + 3y2 + 6xy
i) f ( x, y) = y sin x
j) f ( x, y) = e−y ( x2 + y2 )
1 1
k) f ( x, y) = x + xy + y
2 + y2 −4x
l) f ( x, y) = e x
2. En cada caso, determine todos los máximos y mínimos absolutos

de las funciones dadas, en los dominios indicados.
a) f ( x, y) = 2x2 − 4x + y2 + 1 en una región triangular cerrada

y acotada por las rectas x = 0, y = 0, e y = 2x en el primer
cuadrante.
b) f ( x, y) = x2 − xy + y2 + 1 en una región triangular cerrada
y acotada por las rectas x = 0, y = 4 e y = x en el primer
cuadrante.
c) f ( x, y) = 48xy − 32x3 − 24y2 en la región rectangular 0 ≤ x ≤
1 y 0 ≤ y ≤ 1.
d) f ( x, y) = (4x − x2 ) cos y en la región rectangular 1 ≤ x ≤ 3 y
−π/4 ≤ y ≤ π/4.
Matemática II
Tema 15: multiplicadores de Lagrange
2012–2013
Índice
Máximos y mínimos con restricciones 1

Solución por substitución 1
Solución por un método alternativo 2
Método de multiplicadores de Lagrange 4
Teoremas 4
Ejemplos de su aplicación 5
Trabajo práctico 7
Máximos y mínimos con restricciones
Solución por substitución

A veces es necesario encontrar los valores extremos de funciones

f ( x, y) cuyo dominio esta restringido.
Es decir, que el dominio de f es una región particular del plano

xy, como un disco, un triángulo, un rectángulo, una curva, etc.
Usualmente, para resolver estos problemas, deberemos aplicar el

método de multiplicadores de Lagrange.
Ejemplo 1. Encontrar el punto P( x, y, z) del plano 2x + y − 5 = 0 que

esté más cerca del origen.
1. Debemos encontrar el valor mínimo de la función

−→ q
OP = ( x − 0)2 + (y − 0)2 + (z − 0)2

q
= x 2 + y2 + z2
sujeta a la restricción 2x + y − z − 5 = 0.
−→
2. Como OP tiene un valor mínimo siempre que la función

f ( x, y, z) = x2 + y2 + z2 tiene un mínimo, podemos resolver

el problema minimizando directamente f ( x, y, z) (eliminado así
la raíz cuadrada).
tema 15: multiplicadores de lagrange 2
3. Despejando z de la restricción (o sea, de la ecuación del plano)

encontramos
z = 2x + y − 5
4. El problema se reduce entonces a encontrar los puntos ( x, y)

donde la función
h( x, y) = f ( x, y, 2x + y − 5) = x2 + y2 + (2x + y − 5)2
tiene sus valores mínimos.
5. Como el dominio de h( x, y) es todo el plano xy, sin restricciones,

podemos aplicar el criterio de la primera derivada
h x = 2x + 2 · (2x + y − 5) · 2 = 0 hy = 2y + 2 · (2x + y − 5) · 1 = 0
6. Esto resulta en el sistema de ecuaciones lineales
10x + 4y = 20
4x + 4y = 10
cuya única solución es (5/3, 5/6), y de donde z = 2 · 5/3 + 5/6 − 5 =

−5/6.
7. Entonces el punto que buscamos es P(5/3, 5/6, −5/6).
Solución por un método alternativo

Ejemplo 2. Encontrar los puntos del cilindro hiperbólico x2 − z2 = 1
más cercanos al origen.
1. Buscamos puntos que minimicen la función
f ( x, y, z) = x2 + y2 + z2 (cuadrado de la distancia) Figura 1: el cilindro hiperbólico

x2 − z2 = 1 tiene dos hojas.
sujeta a la restricción x2 − z2 − 1 = 0.
2. Despejando z de la restricción (o sea, de la ecuación del cilindro)

encontramos
z2 = x 2 − 1
3. La función a minimizar será entonces
h( x, y) = x2 + y2 + ( x2 − 1) = 2x2 + y2 − 1
4. El único valor extremo de h se presenta cuando
h x = 4x = 0 hy = 2y = 0
cuya única solución es (0, 0), pero de donde z2 = 02 − 1 no puede

calcularse. . .
5. ¿Qué es lo que hicimos mal? Hemos buscado puntos sobre el

dominio de h, que es todo el plano xy, donde h tenga un valor
extremo, pero en realidad queríamos puntos sobre el cilindro,
donde h tenga un valor extremo.
6. El cilindro no tiene puntos con −1 < x < 1. Para resolver el

problema debemos despejar x, en vez de z, y volver a empezar. . .
7. Despejando x de la restricción (o sea, de la ecuación del cilindro)

encontramos
x 2 = z2 + 1
8. La función a minimizar será entonces
k( x, y) = (z2 + 1) + y2 + z2 = 1 + y2 + 2z2
9. Los valores extremos estarán donde
k y = 2y = 0 k z = 4z = 0
cuya única solución es y = 0 y z = 0, y de donde resulta
x 2 = 02 + 1 ; x = ±1
y los puntos buscados son P(1,0,0) y Q(-1,0,0).
Ejemplo 3. Encontrar los puntos del cilindro hiperbólico x2 − z2 = 1

más cercanos al origen (con un método alternativo).
1. Podemos pensar en una pequeña esfera, con centro en el origen,

que crece como una burbuja de jabón hasta tocar el cilindro. . .
2. En cada punto de contacto el cilindro y la esfera tendrán el mis-

mo plano tangente. . .
3. La esfera y el cilindro se representan como las superficies de nivel

que se obtienen igualando Figura 2: el cilindro hiperbó-
lico x2 − z2 = 1, y la esfera
f ( x, y, z) = x2 + y2 + z2 − a2 y g( x, y, z) = x2 − z2 − 1
tangente x2 + y2 + z2 = a2 ,
a cero. son superficies de nivel cero
de g( x, y, z) = x2 − z2 − 1 y
4. Entonces los gradientes ∇ f y ∇ g serán paralelos cuando las su- f ( x, y, z) = x2 + y2 + z2 − a2 ,
perficies se toquen, y en los puntos de contacto debemos poder respectivamente.
encontrar un número λ tal que se cumpla la siguiente ecuación
vectorial
∇ f = λ∇ g
o lo que es equivalente
2xi + 2yj + 2zk = λ(2xi − 2zk)
5. Entonces las coordenadas de los puntos buscados deben cumplir

las siguientes tres ecuaciones escalares
2x = 2λx 2y = 0 2z = −2λz
6. Sabemos que ningún punto del cilindro tiene x = 0, por lo que

de la primera ecuación podemos obtener que 2 = 2λ, o sea
λ = 1.
7. Si λ = 1, de 2z = −2λz resulta que 2z = −2z, cuya única

solución es z = 0.
8. Como de la ecuación 2y = 0 también resulta que y = 0, con-

cluimos que las coordenadas de los puntos buscados son de la
forma
( x, 0, 0)
9. ¿Qué puntos de la superficie x2 − z2 = 1 tiene esta forma?
x2 − 02 = 1 ; x2 = 1 ; x = ±1
y entonces los puntos son P(1, 0, 0) y Q(−1, 0, 0).
Método de multiplicadores de Lagrange
Teoremas
El método alternativo que utilizamos se denomina método de
multiplicadores de Lagrange.
El método dice que lo valores extremos de f ( x, y, z), cuyas varia-

bles están sujetas a una restricción g( x, y, z) = 0, se encuentran
en lo puntos donde
∇ f = λ∇ g
para algún número λ (llamado multiplicador de Lagrange).
Para saber por qué funciona el método, veremos algunos teore-

mas. . .
Teorema del gradiente ortogonal (+ corolario)

Teorema 1. En los puntos de una curva suave r(t) = g(t)i + h(t)j +
k(t)k, donde una función derivable f ( x, y, z) asume sus máximos y mí-
nimos locales, en relación a sus valores sobre la curva, ∇ f · v = 0, donde
v = dr
dt .
Demostración
Vamos a demostrar que ∇ f es ortogonal al vector velocidad de la
curva C en P0 .
Los valores de f en C están dados por la función compuesta

f g(t), h(t), k(t) , cuya derivada con respecto a t es

df ∂ f dg ∂ f dh ∂ f dk
= + + = ∇f · v
En cualquier punto P0 donde f tiene un mínimo o un máximo lo-
df
cal, en relación a sus valores sobre la curva C, dt = 0, y entonces
∇f · v = 0
Corolario 1. En los puntos de una curva suave r(t) = g(t)i + h(t)j,

donde una función derivable f ( x, y) asume sus máximos y mínimos loca-
les, en relación a sus valores sobre la curva, ∇ f · v = 0, donde v = dr
dt .
Comentarios acerca del Teorema 1
El teorema dice que ∇ f es ortogonal a todas las curvas derivables

que pasan por P0 .
Por otra parte, ∇ g es ortogonal a la superficie de nivel g( x, y, z) =

0 en P0 .
Como ambas superficies son tangentes, resulta que los vectores

gradientes deben ser múltiplos
∇ f = λ∇ g
El método de multiplicadores de Lagrange

Reseta
Supongamos que f ( x, y, z) y g( x, y, z) son derivables, y que

∇ g 6= 0.
Para determinar los valores máximos y mínimos locales de

f ( x, y, z) sujeta a la restricción g( x, y, z) = 0, se deben encon-
trar los valores de x, y, z y λ que satisfacen, en forma simultánea,
las ecuaciones
∇ f = λ∇ g y g( x, y, z) = 0
Para funciones de dos variables es lo mismo, pero sin la variable y

√
z. 2 x2
+ y2
=1
8 2
√
2 2 x
Ejemplos de su aplicación
Ejemplo 4. Calcular los valores máximos y mínimos que toma la
x2 y2
función f ( x, y) = xy sobre la elipse 8 + 2 = 1.
Figura 3: elipse que representa
1. Buscamos los valores extremos de f ( x, y) = xy sujetos a la x2 y2
la restricción 8 + 2 − 1 = 0.
restricción
x2 y2
+ −1 = 0
8 2
2. Primero, buscamos los valores de x, y y λ para los cuales
∇ f = λ∇ g y g( x, y) = 0
3. La ecuación del gradiente quedará
λ
yi + xj = xi + λyj
4
de donde resulta que y = 4x
λ
y que x = λy
4. Entonces nos queda
λ λ2
y= (λy) = y
4 4
de manera que y = 0 o λ = ±2. Hay que considerar ambos casos.
Caso 1 Si y = 0, entonces x = y = 0. Pero (0, 0) no está en la elipse.

Por lo tanto y 6= 0.
Caso 2 Si y 6= 0, λ = ±2 y x = ±2y. Reemplazando esto en la

ecuación g( x, y) = 0 queda
(±2y)2 y2
+ =1 ; 4y2 + 4y2 = 8 ; y = ±1
8 2
5. Entonces, la función f ( x, y) = xy toma sus valores extremos so-
bre la elipse en los cuatro puntos (±2, ±1). Los valores extremos
son xy = 2 y xy = −2.
∇f = i + 2j
y
Figura 4: cuando está suje-
2
∇ g = 1/2 i + j ta a la restricción g( x, y) =
x2/8 + y2/2 − 1 = 0, la función
1 f ( x, y) = xy toma valores
−2 2 extremos en los cuatro puntos
x (±2, ±1). Estos son los puntos
2 −4 −3 −2 −1 1 2 3 4 −2 sobre la elipse donde ∇ f (en
negro) es un múltiplo escalar
−1
de ∇ g (en rojo).
−2
Trabajo práctico
1. Calcular todos los puntos sobre la circunferencia x2 + y2 = 1

donde f ( x, y) = 3x + 4y toma valores extremos.
2. Calcular todos los puntos sobre la elipse x2 + 2y2 = 1 donde

f ( x, y) = xy toma valores extremos.
3. La temperatura en un punto ( x, y) sobre una placa de metal

es T ( x, y) = 4x2 − 4xy + y2 . Una hormiga camina sobre la
placa alrededor de una circunferencia de radio 5 con centro en
el origen. ¿Cuales son las temperaturas máximas y mínimas
encontradas por la hormiga?
4. Calcular el punto sobre el plano x + 2y + 3z = 13 más cercano al

punto (1, 1, 1).
5. Calcular el punto sobre la esfera x2 + y2 + z2 = 4 más lejano al

punto (1, −1, 1).
6. Calcular los valores máximos y mínimos de f ( x, y, z) = x − 2y +

5z sobre la esfera x2 + y2 + z2 = 30.
Matemática II
Tema 16: integrales dobles
2012–2013
Índice
Integrales dobles e iteradas sobre ractángulos 1

Integrales dobles y volúmenes 1
Cómputo de integrales dobles 3
Integrales dobles sobre regiones no rectangulares 5
Cómputo de integrales dobles (continuación) 5
Propiedades de las integrales dobles 7
Trabajo práctico 8
Ejemplos con Sage 9
Cálculo de integrales dobles 9
Integrales dobles e iteradas sobre ractángulos
Integrales dobles y volúmenes

Partición de una región R del dominio de f ( x, y)
Consideramos una función f ( x, y) definida en una región rectan-

gular R
R: a≤x≤b c≤y≤d
Si subdividimos R en n pequeños rectángulos tendremos una

partición de R.
Cáda pequeño rectángulo de ancho ∆x y altura ∆y tiene área

∆A = ∆x∆y.
Si numeramos los n rectángulos, cada uno tendrá un área ∆A1 , ∆A2 , . . . , ∆An ,
donde ∆Ak es el área del k-ésimo rectángulo.
Luego hacemos una suma de Riemann, eligiendo un punto

( xk , yk ) en cada rectángulo
n
Sn = ∑ f ( xk , yk )∆Ak
k =1
Una diferente elección de los ( xk , yk ) resultará en diferentes

valores para Sn . . .
tema 16: integrales dobles 2
y
Figura 1: partición de la región
d
R rectangular R en pequeños rec-
tángulos de área ∆A = ∆x∆y.
∆xk
∆Ak ∆y
yk k
a xk b x
Si hacemos que la cantidad de rectángulos n aumente infinita-

mente, la sumas convergerán a un valor único
n
I = lı́m
n→∞
∑ f ( xk , yk )∆Ak
k =1
Si este límite existe se lo llama integral doble de f ( x, y) sobre la

región R, y se anota
ZZ
I= f ( x, y)dA
R
Figura 2: El aproximar sólidos

con cajas nos permite defi-
nir los volúmenes de sólidos
más generales con integrales
dobles. El volumen bajo la
superficie z = f ( x, y) es jus-
tamente la integral doble de f
sobre R.
Integrales dobles como volúmenes
Si f ( x, y) es una función positiva sobre la región R, puede inter-

pretarse la integral doble como un volumen.
Cada caja tendrá un pequeño volumen
∆Vk = f ( xk , yk )∆Ak
Cuando n → ∞, la suma para todas las cajas será

ZZ
Volumen = f ( x, y) dA
R
Figura 3: cuando n crece, las

Cómputo de integrales dobles aproximaciones mediante las
sumas de Riemann tienden al
Un ejemplo de cálculo con integrales iteradas volumen total del sólido.
1. Buscamos el volumen bajo el plano z = 4 − x − y sobre la región
R : 0 ≤ x ≤ 2, 0 ≤ y ≤ 1.
2. El área A( x ) de una rodaja del volumen buscado, para un x

constante, es la integral simple
Z y =1
A( x ) = (4 − x − y) dy
y =0
3. Entonces, el volumen será

Z x =2
Volumen = A( x ) dx
x =0
Figura 4: para obtener el área

de la rodaja A( x ), mantenemos
fija la variable x e integramos
con respecto a la variable y.
4. Si combinamos ambas integrales nos queda

Z x =2
Volumen = A( x ) dx
x =0
Z x =2 Z y =1
= (4 − x − y) dy dx
x =0 y =0
Z x =2 y =1
y2
= 4y − xy − dx
x =0 2 y =0
Z x =2
7
= −x dx
x =0 2
x =2
7 x2
= x− =5
2 2 x =0
5. ¿Pero que sucede si tomamos rodajas con y constante?
6. El área A(y) de una rodaja del volumen buscado, para un y

constante, es la integral simple
Z x =2
A(y) = (4 − x − y) dx
x =0
7. Entonces, el volumen será

Z y =1
Volumen = A(y) dy
y =0
8. Si combinamos ambas integrales nos queda

Z y =1
Volumen = A(y) dy
y =0
Z y =1 Z x =2
= (4 − x − y) dx dy
y =0 x =0 Figura 5: para obtener el área
Z y =1 x =2 de la rodaja A(y), mantenemos
x2
= 4x − − xy dy fija la variable y e integramos
y =0 2 x =0
Z y =1 con respecto a la variable x.
= (6 − 2y) dy
y =0
h i y =1
= 6y − y2 =5
y =0
9. Hemos encontrado dos formas de calcular el volumen iterando

dos integrales simples
Z 2Z 1
Volumen = (4 − x − y) dy dx
0 0
Z 1Z 2
Volumen = (4 − x − y) dx dy
0 0
10. Pero ya vimos que existe una tercer forma de calcular el mismo
volumen con una sola integral doble
ZZ
Volumen = (4 − x − y) dA
R
Teorema de Fubini
Teorema 1 (de Fubini, primera forma). Si f ( x, y) es continua en la

región rectangular R : a ≤ x ≤ b, c ≤ y ≤ d, entonces
ZZ Z dZ b Z bZ d
f ( x, y) dA = f ( x, y) dx dy = f ( x, y) dy dx
R c a a c
El teorema de Fubini dice que las integrales dobles sobre rectán-

gulos se calculan mediante integrales iteradas.
El teorema también indica que la integral doble se calcula inte-

grando en cualquier orden, según sea más conveniente.
Ejemplo 1. Determinar el volumen de la región acotada por arriba

por el paraboloide elíptico z = 10 + x2 + 3y2 y abajo por el rectán- Figura 6: la integral doble
RR
gulo R : 0 ≤ x ≤ 1, 0 ≤ y ≤ 2. R f ( x, y ) dA nos dará el volu-
men bajo esta superficie sobre
1. El volumen será la región rectangular R.
ZZ
V= (10 + x2 + 3y2 ) dA
R
Z 1Z 2
= (10 + x2 + 3y2 ) dy dx
0 0
Z 1h i2
= 10y + x2 y + y3 dx
0 0
Z 1
= (20 + 2x2 + 8) dx
0
h i1
= 20x + 2/3x3 + 8x = 86/3
0
Integrales dobles sobre regiones no rectangulares
Cómputo de integrales dobles (continuación)

Para definir la integral doble sobre una región no rectangu-

lar, podemos proceder como antes: hacer una partición de R y
calcular el límite, para n → ∞, de la suma de los productos
f ( xk , yk )∆Ak .
Estás integrales dobles también pueden interpretarse como

volúmenes.
Y resultará que también pueden calcularse por medio de dos

integrales iteradas, respecto de x y respecto de y.
Sin embargo, ahora deberemos prestar especial cuidado al elegir los

límites de integración correctos para las dos integrales simples. . .
Teorema de Fubini
Teorema 2 (de Fubini, segunda forma). Si f ( x, y) es continua en una

región R, entonces:
1. si R está definida por a ≤ x ≤ b, g1 ( x ) ≤ y ≤ g2 ( x ), con g1 y g2

continuas en [ a, b], entonces
ZZ Z b Z g2 ( x )
y
f ( x, y) dA = f ( x, y) dy dx
R a g1 ( x )
1
2. si R está definida por c ≤ y ≤ d, h1 (y) ≤ x ≤ h2 (y), con h1 y h2
continuas en [c, d], entonces
x
=
x=1
ZZ Z d Z h2 ( y )
y
f ( x, y) dA = f ( x, y) dx dy
R c h1 ( y )
Ejemplo 2. Calcular el volumen del prisma cuya base es el triángulo 0 R

en el plano xy acotado por el eje x y las rectas y = x y x = 1, y cuya 1 x
parte superior es el plano z = f ( x, y) = 3 − x − y.
1. La primera forma sería Figura 7: región triangular li-

Z 1Z x mitada por el eje x y las rectas
V= (3 − x − y) dy dx
0 0 y = x y x = 1.
Z 1h ix
y
= 3y − xy − 1/2 y2 dx
0 0
Z 1 1
= 3x − 3/2 x2 dx
0
h i1
x
= 3/2 x2 − 1/2 x3 = 1
=
0
y
2. La segunda forma sería
Z 1Z 1
V= (3 − x − y) dx dy 0 R
0 y
Z 1h y=0 1 x
i1
2
= 3x − 1/2 x − xy dy
0 y
Z 1
5/2 − 4y + 3/2 y2
Figura 8: al integrar prime-
= dy
0 ro respecto de y, “el piso” es
h i1
= 5/2 y − 2y2 + 1/3 y2 =1 y = g1 ( x ) = 0 y “el techo” es
0 y = g2 ( x ) = x.
Ejemplo 3. Calcular y
ZZ
sin x
dA
R x 1
donde R es el el triángulo en el plano xy acotado por el eje x y las
rectas y = x y x = 1.
y
=
x=1
x
1. Integrando primero respecto de y nos queda

Z 1Z x Z 1
sin x sin x x
= dy dx = y dx
0 0 x 0 x R
Z 1
0 0
1 x
= sin x dx = [− cos x ]10 = − cos 1 + 1
0
≈ 0,46
Figura 9: al integrar primero
2. Integrando primero respecto de x nos quedaría respecto de x, “la pared iz-
Z 1Z 1
sin x quierda” es x = h1 (y) = y
= dx dy y “la pared derecha” es
0 y x
x = h2 (y) = 1.
la cual no tiene una antiderivada sencilla. . .
¿Cómo determinar los límites de integración?

Usando secciones transversales verticales.
1. Hacer un bosquejo.
2. Determinar los límites de integración en y. y
3. Determinar los límites de integración en x. 1

R √
y= 1 − x2
ZZ Z 1 Z √1− x 2
f ( x, y) dA = f ( x, y) dy dx y = 1−x
R 0 1− x
0 x 1 x
¿Cómo determinar los límites de integración?
Usando secciones transversales horizontales.
1. Hacer un bosquejo. Figura 10: determinar los lími-

tes de integración cuando se
2. Determinar los límites de integración en x. integra primero y, luego x.
3. Determinar los límites de integración en y. y
1
ZZ Z 1 Z √1− y2
R p
x= 1 − y2
f ( x, y) dA = f ( x, y) dx dy
R 0 1− y y
x = 1−y
Propiedades de las integrales dobles

0 1 x
Propiedades de las integrales dobles
Si f ( x, y) y g( x, y) son continuas en la frontera de una región R,
entonces se cumplen las siguientes propiedades. Figura 11: determinar los lími-
tes de integración cuando se
1. Múltiplo constante:
ZZ ZZ integra primero x, luego y.
c f ( x, y) dA = c f ( x, y) dA
R R
2. Suma y resta:
ZZ ZZ ZZ
f ( x, y) ± g( x, y) dA = f ( x, y) dA ± g( x, y) dA
R R R
3. Dominación
ZZ
(a) f ( x, y) dA ≥ 0 si f ( x, y) ≥ 0 en R.
Z ZR ZZ
(b) f ( x, y) dA ≥ g( x, y) dA si f ( x, y) ≥ g( x, y) en R.
R R
4. Aditividad:
ZZ ZZ ZZ
f ( x, y) dA = f ( x, y) dA + f ( x, y) dA
R R1 R2
si R es la unión de dos regiones R1 y R2 que no se solapan.

Trabajo práctico
1. En cada caso evalúe las integrales iteradas.

Z 3Z 2
a) 4 − y2 dy dx
0 0
Z 4Z 4
4 √
b) + y dx dy
1 0 x
Z 2 Z π/2
c) y sin x dx dy
−1 0
Z 2π Z π
d) (sin x + cos y) dx dy
π 0
2. En cada caso, evalúe la integral doble sobre la región R indicada.

ZZ
a) 6y2 − 2x dA con R : 0 ≤ x ≤ 1, 0 ≤ y ≤ 2.
R
ZZ √
x
b) 2
dA con R : 0 ≤ x ≤ 4, 1 ≤ y ≤ 2.
R y
ZZ
c) xy cos y dA con R : −1 ≤ x ≤ 1, 0 ≤ y ≤ π.
R
ZZ
d) e x−y dA con R : −π ≤ x ≤ 0, 0 ≤ y ≤ π.
R
3. En cada caso, bosqueje la región de integración y evalúe la inte-

gral.
Z πZ x
a) x sin y dy dx.
0 0
Z π Z sin x
b) y dy dx.
0 0
Z ln 8 Z ln y
c) e x+y dx dy.
1 0
Z 4 Z √x
√y
d) 3/2 e x dy dx.
1 0
4. Determinar el volumen de la región acotada por arriba por el

paraboloide z = x2 + y2 y abajo por el triángulo encerrado por
las rectas y = x, x = 0, x + y = 2, las tres sobre el plano xy.
5. Determinar el volumen del sólido acotado arriba por el cilindro

z = x2 y abajo por la región encerrada por la parábola y = 2 − x2
y la recta y = x en el plano xy.
6. Obtener el volumen del sólido cuya base es la región del plano

acotada por la parábola y = 4 − x2 y la recta y = 3x, mientras
que la parte superior del sólido está acotada por el plano z =
x + 4.
7. Calcular el volumen del sólido cortado en el primer octante por

la superficie z = 4 − x2 − y.
Ejemplos con Sage

Cálculo de integrales dobles recuadros puede ser seleccionado,
Integral doble sobre una región rectangular trabajo de Sage, para ejecutarlo y así
# definir la función f ( x, y) = 10 + x2 + 3y2
f(x,y ) = 10+x**2+3*y**2
show(f)
# definir los límites de integración
a = 0; b = 1; c = 0; d = 2
# integrar primero respecto de y, luego de x
I = f.integrate(y,c,d).integrate(x,a,b)
show(I)
# integrar primero respecto de x, luego de y
I = f.integrate(x,a,b).integrate(y,c,d)
show(I)
Integral doble sobre una región general trabajo práctico.
# definir la función f ( x, y) = 3 − x − y
f(x,y) = 3-x-y
show(f)
# definir los límites de integración
a = 0; b = 1; c = 0; d = x
# integrar primero respecto de y, luego de x
I = f.integrate(y,c,d).integrate(x,a,b)
show(I)
# redefinir los límites de integración
c = 0; d = 1; a = y; b = 1
# integrar primero respecto de x, luego de y
I = f.integrate(x,a,b).integrate(y,c,d)
show(I)
Matemática II
Tema 17: integrales dobles en coordenadas polares
2012–2013
Índice
Integrales dobles en coordenadas polares 1

Coordenadas polares y límites de integración 1
Ejemplos de aplicación 2
Sustitución en integrales múltiples 4
Sustitución en integrales dobles 4
Trabajo práctico 6
Ejemplos con Sage 7
y
Cálculo de integrales dobles en polares 7
(r, θ ) P
( x, y)
Integrales dobles en coordenadas polares
r y
Coordenadas polares y límites de integración
Coordenadas polares (r, θ ) de un punto ( x, y) θ
x x
Un punto P con coordenadas cartesianas ( x, y) también puede
ser localizado por sus coordenadas polares (r, θ ). Figura 1: coordenadas cartesia-
Ambos juegos de coordenadas se relacionan por las transforma- nas y coordenadas polares de
ciones un punto P del plano xy.
x = r cos θ r 2 = x 2 + y2 y
y 1
y = r sin θ tan θ =
x
En muchas integrales dobles, la región de integración R, la fun- 1

r=
ción f ( x, y), o ambos, son expresados más fácilmente en coorde-
nadas polares (r, θ ). 1 x
R
Motivación: simplificar una integral difícil
Consideremos, por ejemplo, el calcular el volumen V, sobre la

región del plano xy definida por R : x2 + y2 ≤ 1, y bajo la
Figura 2: región de integración
paraboloide z = 1 − x2 − y2 .
R : x2 + y2 ≤ 1.
Iterando dos integrales en coordenadas cartesianas quedaría
tema 17: integrales dobles en coordenadas polares 2
y
Z 1 Z √1− x 2
y + dy
ZZ
V= (1 − x2 − y2 ) dA = √ (1 − x 2 − y2 ) dy dx
R −1 − 1− x 2
lo cual puede costar bastante resolver. . . dA dy
y
La misma integral doble, pero en coordenadas polares, quedará dx
ZZ ZZ
V= (1 − x2 − y2 ) dA = (1 − r2 ) dA
R R
x x + dx
Pero para iterar esta integral debemos conocer la expresión del x
y
elemento de área dA en polares. . .
dA = dx dy = r dr dθ
dr
dA
El cambio de coordenadas transforma la región R en una región
rd
θ
G.
dθ
Se necesita un factor r para igualar los elementos de área θ
dA = dx dy = r |dr{zdθ} = r dA ∗ r r + dr
x
dA∗
Figura 3: interpretación geomé-

Ahora podemos iterar la integral doble, más fácilmente, en coor-
trica de un pequeño elemento
denadas polares
de área dA, en coordenadas
cartesianas y en coordenadas
ZZ
V= (1 − x2 − y2 ) dA
R polares. y
ZZ
= (1 − r2 ) r dA∗ 1
G
Z 2π Z 1
= (1 − r2 ) r dr dθ 1
0 0
1 r=
Z 2π 2
r r4
= − dθ 1 x
0 2 4 0
Z 2π
= 1/4 dθ R
0
= 1/4 [θ ]2π
0
= π/2 r
1
Ejemplos de aplicación
Ejemplo 1. Evaluar ZZ
2 + y2
ex dx dy
R
donde R es la región semicircular acotada por el eje x y la curva G
√
y = 1 − x2 .
0 2π
y θ
√ 1 θ= π/2
y= 1 − x2 Figura 4: la transformación de
coordenadas cartesianas a po-
1
r≤ lares simplifica la región R de
0≤ integración.
θ=π θ θ=0
−1 0 1
x
n √ o
R = ( x, y) | y ≤ 1 − x ∧ y ≥ 0 G = {(r, θ ) | 0 ≤ θ ≤ π ∧ 0 ≤ r ≤ 1}
1. Entonces la integral doble se iterará como

ZZ Z πZ 1
2 + y2 2
ex dx dy = er r dr dθ
R 0 0
2 1
Z πh i
= 1/2 er dθ
0 0
Z π
= 1/2 ( e − 1) dθ
0
Z π
= 1/2 (e − 1) dθ
0
= 1/2 (e − 1) [θ ]0π
= π/2 (e − 1)
≈ 2,7
Ejemplo 2. Evaluar la integral

Z 1 Z √1− x 2
( x2 + y2 ) dy dx
0 0 y
1. Integrando con respecto de la variable y nos quedará

θ = π/2 √
1 y= 1 − x2
2 )3/2
Z 1
!
( 1 − x
x2 1 − x2 +
p
dx
0 3
la cual es dificil de resolver sin utilizar un software o tablas. . . 1

r≤
0≤
θ θ=0
2. Las cosas mejoran si cambiamos a coordenadas polares
0 1
Z 1 Z √1− x 2 x
( x2 + y2 ) dy dx =
0 0
Z π/2 Z 1 Figura 5: la región de integra-
= r2 r dr dθ ción del ejemplo 2.
0 0
Z π/2 4 1
r
= dθ y
0 4 0 r = 1 + cos θ
Z π/2 θ= π/2
= 1/4 dθ 1
0
r=1
= π/8
≈ 0,393 θ 1 2 x
r
Ejemplo 3. Determinar los límites para integrar una f (r, θ ) sobre la
θ= −π/2 R
región R que está dentro de la cardioide r = 1 + cos θ y fuera de la
circunferencia r = 1.
1. Bosquejar las curvas frontera. Figura 6: la región de integra-

ción del ejemplo 3.
2. Un “rayo” desde el origen corta primero a r = 1 y después a
r = 1 + cos θ, entonces
1 ≤ r ≤ 1 + cos θ
3. Los “rayos” deben “barrer” desde θ = −π/2 hasta θ = π/2.
4. Entonces la integral quedaría

Z π/2 Z 1+cos θ
f (r, θ ) r dr dθ
−π/2 1
Sustitución en integrales múltiples
Sustitución en integrales dobles

Transformación de coordenadas uv en xy
Supongamos que una región G del plano uv se transforma en

una región R del plano xy por medio de las ecuaciones
x = g(u, v) y = h(u, v)
v
y
(u, v)
( x, y)
G
R
u
x
Cualquier función f ( x, y), definida en R, puede ser considerada

como una función compuesta f g(u, v), h(u, v) definida en G.

Si g, h y f tienen derivadas parciales continuas, entonces

ZZ ZZ
f ( x, y) dx dy = f g(u, v), h(u, v) | J (u, v)| du dv

R G
donde aparece un factor, un valor absoluto, de una función

J (u, v) llamada jacobiano de la transformación de coordenadas.
Jacobiano de una transformación de coordenadas
Definición 1 (jacobiano). El jacobiano o determinante jacobiano de la

transformación de coordenadas x = g(u, v), y = h(u, v) es
∂x ∂x
∂x ∂y ∂y ∂x
J (u, v) = ∂u ∂v
= −

∂y ∂y ∂u ∂v ∂u ∂v
∂u ∂v
El jacobiano también suele anotarse como
∂( x, y)
J (u, v) =
∂(u, v)
Ejemplo 4. Determinar el jacobiano para la transformación de coor-

denadas polares x = r cos θ, y = r sin θ.
1. El jacobiano será
∂x ∂x
∂u ∂v cos θ −r sin θ

J (r, θ ) = ∂y ∂y =
sin θ r cos θ

∂u ∂v

= r cos2 θ + sin2 θ = r
| {z }
=1
2. Como | J (r, θ )| = |r | = r, para las integrales dobles se cumplirá

ZZ ZZ
f ( x, y) dx dy = f r cos θ, r sin θ r dr dθ

R G
Trabajo práctico
1. En cada caso, cambie la integral cartesiana a una integral polar

equivalente, y luego evalue esta integral polar.
Z 1 Z √1− x 2
i) dy dx
−1 0
√
Z 1 Z 1− y2
ii) x2 + y2 dx dy
0 0
Z 2 Z √4− y2
iii) x2 + y2 dy dx
0 0
Z a Z √ a2 − x 2
iv) √ dy dx
− a − a2 − x 2
Z 6Z y
v) x dx dy
0 0
Z 2Z x
vi) y dy dx
0 0
q
Z ln 2 Z (ln 2)2 −y2 √
x 2 + y2
vii) e dx dy
0 0
Pista: dibuje un bosquejo de cada región de integración.

Matemática II
Tema 18: integrales triples
2012–2013
Índice
Integrales triples 1
Integrales triples e iteradas 1
Propiedades de las integrales triples 7
Trabajo práctico 8
Integrales triples
Integrales triples e iteradas

Sumas de Riemann en una región del espacio
Tenemos una función f ( x, y, z) definida en una región D.
Si subdividimos D en n pequeñas celdas tendremos una parti-

ción de D.
Cada pequeña celda de ancho ∆x, profundidad ∆y y altura ∆z

tiene un volumen ∆V = ∆x∆y∆z.
Figura 1: partición de un só-

lido con celdas cúbicas de
volumen ∆Vk = ∆xk ∆yk ∆zk .
Una suma de Riemann será
n
Sn = ∑ f ( xk , yk , zk )∆Vk
k =1
tema 18: integrales triples 2
Si tomamos el límite para n → ∞

ZZZ
lı́m Sn = f ( x, y, z) dV
n→∞ D
Este límite es la integral triple de f sobre D.
Volumen de una región del espacio
Si la función es f ( x, y, z) = 1, entonces las sumas quedan

n n n
Sn = ∑ f ( xk , yk , zk )∆Vk = ∑ 1 · ∆Vk = ∑ ∆Vk
k =1 k =1 k =1
Cuando n → ∞, ∆xk , ∆yk , ∆zk tienden a cero, y las celdas ∆Vk se

hacen más numerosas y cubren todo el volumen D.
Definición 1. El volumen de una región cerrada y acotada D, en el

espacio, es la integral triple
ZZZ
V= dV
D
Determinando los límites de integración
Para evaluar una integral triple debemos aplica el teorema de

Fubini.
Puede entonces integrarse en cualquier orden.
Describiremos aquí el caso dz dy dx.
1. Hacer bosquejo de D y de su “sombra” R.
2. Determinar los límites para z
z= f 1 ( x, y) (piso)
z= f 2 ( x, y) (techo)
3. Determina los límites para y
y = g1 ( x ) (piso)
y = g2 ( x ) (techo)
4. x ∈ [ a, b]
Entonces la integral triple de f ( x, y, z) sobre D quedará
ZZZ
f dV =
D
Z b Z g2 ( x) Z f 2 ( x,y)
f dz dy dx
a g1 ( x ) f 1 ( x,y)
Figura 2: determinación de
los límites de integración para
iterar en el orden dz dy dx.
Ejemplo 1. Calcular el volumen de la región D encerrada entre las

superficies z = x2 + 3y2 y z = 8 − x2 − y2 .
1. El volumen es ZZZ
V= dV
D
o sea, la integral de f ( x, y, z) = 1 sobre D.
2. Las dos superficies se cortan en el cilindro elíptico
x2 + 3y2 = 8 − x2 − y2
x2 + 2y2 = 4
con z > 0.
3. La “sombra” de D sobre el plano xy sera la región R limitada

por la intersección del cilindro x2 + 2y2 = 4 con el plano z = 0. O
sea, será la elipse x2 + 2y2 = 4.
5. Para z tendremos los límites de integración z = x2 + 3y2 (piso) y

z = 8 − x2 − y2 (techo).
q
2
6. Para y tendremos los límites de integración y = − 4−2x
q
4− x 2
(inferior) y y = 2 (superior), ambos de despejar y de
x2 + 2y2 = 4.
7. Para x tendremos los límites x = −2 y x = 2.
8. Entonces el volumen de D será

Figura 3: el volumen de la re-

gión encerrada por las parabo-
loides elípticas del Ejemplo 1.
ZZZ Z 2 Z √(4− x2 )/2 Z 8− x2 −y2

V= dV = √ dz dy dx
D −2 − (4− x2 )/2 x2 +3y2
Z 2 Z √(4− x2 )/2
= √ 8 − 2x2 − 4y2 dy dx
−2 − (4− x2 )/2
Z 2 h i√(4− x2 )/2
2 3
√
= 8 − 2x y − 4/3 y 2
dx
−2 − (4− x )/2
r 3/2 !
4 − x2 4 − x2
Z 2
2
= 2 8 − 2x − 8/3 dx
−2 2 2
3/2 3/2 !
4 − x2 4 − x2
Z 2
= 8 − 8/3 dx
−2 2 2
Z 2 √ Z
16 1 2
3/2 4 2 2 3/2
= √ 4−x dx = 4 − x2 dx
−2 3 2 2 3 −2
9. Para resolver esta integral debemos utilizar el método de substi-

tución, haciendo
x = 2 sin u ; dx = 2 cos u du
y con x1 = −2 ; u1 = arcsin(−2/2) = −π/2 y con x2 = 2 ;

u2 = arcsin(2/2) = π/2.
10. Entonces quedará
√ Z
4 2 π/2 3/2
V= 4 − 4 sin2 u 2 cos u du
3 −π/2
√
2 · 4 2 3/2 π/2 3/2
Z
= 4 1 − sin2 u cos u du
3 −π/2
√ Z π
64 2 /2
= cos4 u du
3 −π/2
11. Para resolver esta integral debemos utilizar, dos veces, el método
de substitución trigonométrica, con
1 + cos 2u
cos2 u =
2
12. Entonces nos quedará

√ Z
64 2 π/2 1 + cos 2u 2

V= du
3 −π/2 2
√ Z
16 2 π/2
= 1 + 2 cos 2u + cos2 2u du
3 −π/2
√ Z π
/2

16 2 1 + cos 4u
= 1 + 2 cos 2u + du
3 −π/2 2
√ Z
16 2 π/2

cos 4u
= 3/2 + 2 cos 2u + du
3 −π/2 2
√
sin 4u /2
π
16 2
= 3/2 u + sin 2u +
3 8 −π/2
√
16 2
= (3π/2 + 0 + 0)
3√
= 8π 2
≈ 1,178
Ejemplo 2. Determinar los límites para evaluar la integral triple de

f ( x, y, z) sobre el tetraedro D con vértices (0, 0, 0), (1, 1, 0), (0, 1, 0) y
(0, 1, 1). Aplicar el orden de integración dy dz dx.
1. Bosquejar D y su “sombra” R sobre el plano xz.
2. La y se debe integrar entre y = x + z e y = 1.
3. La z se debe integrar entre z = 0 y z = 1 − x.
4. La x se debe integrar entre x = 0 y x = 1, entonces

Z 1 Z 1− x Z 1
f ( x, y, z) dy dz dx
0 0 x +z
Ejemplo 3. Integrar f ( x, y, z) = 1 sobre el tetraedro D del Ejemplo 2,

en el orden dy dz dx y luego en el orden dz dy dx.
1. Si f ( x, y, z) = 1, la integral será el volumen de D

Z 1 Z 1− x Z 1
V= dy dz dx
0 0 x +z
Z 1 Z 1− x
= (1 − x − z) dz dx
0 0
1− x
z2
Z 1
= (1 − x ) z − dx
0 2 0
Z 1
= (1 − x )2 − 1/2 (1 − x )2 dx
0
Z 1 i1
h 1
= 1/2 (1 − x )2 dx = −1/6 (1 − x )3 =
0 0 6
Figura 4: determinación de los

límites de integración, sobre el
tetraedro del Ejemplo 2, en el
orden dy dz dx.
2. Ahora debemos buscar los límites en el orden dz dy dx.
3. La z se debe integrar entre z = 0 y z = y − x.
4. La y se debe integrar entre y = x e y = 1.
5. La x se debe integrar entre x = 0 y x = 1.
Figura 5: determinación de los

límites de integración, sobre el
tetraedro del Ejemplo 2, en el
orden dz dy dx.
6. Entonces el volumen del tetraedro también puede calcularse

como
Z 1 Z 1 Z y− x
V= dz dy dx
0 x 0
Z 1Z 1
= (y − x ) dy dx
0 x
Z 1h i1
= 1/2 y2 − xy dx
0 x
Z 1
= 1/2 − x − 1/2 x2 + x2 dx
0
Z 1
= 1/2 − x + 1/2 x2 dx
0
h i1
= 1/2 x − 1/2 x2 + 1/6 x3
0
1
=
6
Propiedades de las integrales triples

Propiedades de las integrales triples
Si f ( x, y, z) y g( x, y, z) son continuas en la frontera de una región
D, entonces se cumplen las siguientes propiedades.
1. Múltiplo constante:
ZZZ ZZZ
c f ( x, y, z) dV = c f ( x, y, z) dV
D D
2. Suma y resta:
ZZZ
f ( x, y, z) ± g( x, y, z) dV =
D
ZZZ ZZZ
= f ( x, y, z) dV ± g( x, y, z) dV
D D
3. Dominación
ZZZ
(a) f ( x, y, z) dV ≥ 0 si f ( x, y, z) ≥ 0 en D.
D
ZZZ ZZZ
(b) f ( x, y, z) dV ≥ g( x, y, z) dV si f ( x, y, z) ≥ g( x, y, z)
D D
en D.
4. Aditividad:
ZZZ ZZZ ZZZ
f ( x, y, z) dV = f ( x, y, z) dV + f ( x, y, z) dV
D D1 D2
si D es la unión de dos regiones D1 y D2 que no se solapan.

Trabajo práctico
1. Evaluar la integral del Ejemplo 2, tomando f ( x, y, z) = 1, para

calcular el volumen del tetraedro en el orden dz dx dy.
2. Escribir seis diferentes integrales triples iteradas para el volumen

del sólido rectangular en el primer octante acotado por los pla-
nos coordenados y los planos x = 1, y = 2 y z = 3. Evaluar una
de estas integrales.

del tetraedro determinado en el primer octante por el plano
6x + 3y + 2z = 6. Evaluar una de estas integrales.

de la región en el primer octante acotada por el cilindro x2 +
z2 = 4 y el plano y = 3. Evaluar una de estas integrales.
5. En cada caso evalúe las integrales iteradas.

Z 1Z 1Z 1
a) x 2 + y2 + z2 dz dy dx
0 0 0
Z √2 Z 3y Z 8− x2 −y2
b) dz dx dy
0 0 x2 +3y2
Z e Z e2 Z e3
1
c) dx dy dz
1 1 1 xyz
Z π/6 Z 1 Z 3
d) y sin z dx dy dz
0 0 −2
Z 1 Z 1Z 2
e) ( x + y + z) dy dx dz
−1 0 0
Z πZ πZ π
f) cos(u + v + w) du dv dw
0 0 0

UNAJ Mate 2 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

UNAJ Mate 2 PDF

Cargado por

Copyright:

Formatos disponibles

Matemática II

Tema 1: vectores, combinaciones lineales

Vectores y combinaciones lineales 1

Vectores y combinaciones lineales

Vectores en R2 y producto por un escalar

Este par produce un vector de dos dimensiones v.

Escribimos v como una columna, no como una fila.

Decimos que v ∈ R2 (tiene dos números reales).

Lo importante es que necesitamos una sola letra v para indicar

Podemos sumar dos vectores v y w.

La primeras componentes de v y w no se mezclan nunca con las

La resta de vectores sigue la misma idea, las componentes de

Hay dos maneras de duplicar un vector: sumar v + v o (más

Las componentes de cv son cv1 y cv2 .

El número c es llamado escalar.

Comentarios sobre la suma y la multiplicación escalar

Hay que notar que la suma de −v y v es el vector cero.

Todas las ideas del álgebra lineal se basan en operaciones v + w y

El orden de la suma no altera el resultado: v + w es igual a

Combinaciones lineales de vectores

Esto se hace multiplicando v por c, multiplicando w por d, y

Definición 1. La operación cv + dw es una combinación lineal de

Hay cuatro combinaciones lineales especiales: suma, resta, cero y

Comentarios sobre las combinaciones lineales

El vector 0 (cero) siempre es un resultado posible de una combi- y

Siempre que hablemos de un espacio (lleno) de vectores, el vector

El plano xy es reemplazado por el espacio xyz.

Una combinación lineal de dos vectores en R3 es

v = (4, 2) o w = (1, 2, 1) son vectores columna, de R2 y R3 ,

    ¡Sin separar con comas!

Ejemplo 1. Las combinaciones lineales de estos vectores de R3

Los vectores en el plano corresponden a todas las combinaciones

para números cualesquiera c y d pertenecientes a R.

Los vectores del plano son entonces u = (c, c + d, d).

La segunda componente c + d es siempre la suma de la primera

El vector (2, 0, 1) no es una combinación lineal de v y w, debido a

Ejemplo 2. Encontrar dos ecuaciones para las incógnitas c y d tales

El sistema de ecuaciones lineales para c y d es

Repaso de ideas clave

3. Un vector v en el espacio de vectores R3 tiene tres componentes

Longitud y producto punto

En la sección anterior no hablamos de multiplicación entre vecto- v · w = v 1 w1 + v 2 w2

res. El producto punto de dos vectores de

Definición del producto punto

Definición 2. El producto punto de dos vectores columna de R2

Ejemplo 3. Los vectores v = (−1, 2) y w = (4, 2) tienen producto

En matemáticas, el número cero suele tener un significado espe- y

Longitud y vectores unitarios

Un caso importante es el producto punto de un vector con sí j

Definición 3. La longitud (o norma) |v| de un vector v es la raíz

A cualquier ángulo, las componentes cos θ y sin θ hacen que

Los puntos que representan estos vectores unitarios forman un

v21 + v22 + w12 + w22 = (v1 + w1 )2 + (v2 + w2 )2 −1

Teorema 2. Si v y w son vectores unitarios, entonces

2. El producto punto es i · u = cos θ.

3. Si rotamos ambos vectores un ángulo α obtenemos v = (cos α, sin α)

4. v · w = cos α cos β + sin α sin β = cos ( β − α) = cos θ.

Teorema 3. Si v y w son un par de vectores no nulos cualesquiera, v · w = |v||w| cos θ

entonces permite encontrar el ángulo entre dos

Utilización de la fórmula del coseno

Entonces el ángulo será

Repaso de ideas clave

1. El producto punto v · w multiplica cada vi por wi y luego suma