Apuntes de Matemática I

MATEMÁTICA I
Grado en Quı́mica
Curso 2022-2023
Dr. J.F. Pascual-Sánchez
Matemática I (Curso 2022-2023) Grado en Quı́mica Dr. J.F. Pascual-Sánchez i
ÍNDICE
ÁLGEBRA LINEAL
1. Matrices y sistemas lineales

Aritmética matricial básica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Resolución de sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2. Espacios vectoriales
Repaso de la idea de vector en la geometrı́a elemental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Espacios vectoriales: definición y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Subespacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Combinación lineal de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Espacio generado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Cambio de base en un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3. Ortogonalidad
Producto interno (o escalar) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Pripiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
Norma de un vector . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
n-espacio euclidiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Conjuntos ortonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Algoritmo de ortonormalización de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Matemática I (Curso 2022-2023) Grado en Quı́mica Dr. J.F. Pascual-Sánchez ii
4. Aplicación lineal
Aplicación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Matriz asociada a una aplicación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
La geometrı́a de las transformaciones lineales de R2 en R3 . . . . . . . . . . . . . . . . . . . . . . . . . 27
Cambio de base en una aplicación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5. Diagonalización de matrices
Valores y vectores propios de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Diagonalización de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6. Matrices simétricas
Matrices simétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Matrices diagonalizables ortogonalmente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Formas cuadráticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
CÁLCULO DIFERENCIAL
7. Diferenciabilidad y polinomio de Taylor

La derivada de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
La diferencial de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Teorema del valor medio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Fórmula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Extremos relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .47
Puntos crı́ticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Condición suficiente de extremo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
8. Derivabilidad y diferenciabilidad de funciones de varias variables

Función real de varias variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Gráfica de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Curvas de nivel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Derivada parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Interpretación geométrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Derivadas de orden superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Matemática I (Curso 2022-2023) Grado en Quı́mica Dr. J.F. Pascual-Sánchez iii
Igualdad de las derivadas cruzadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

Función diferenciable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
Diferencial de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Derivada de la función compuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Derivada de la función implı́cita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
Derivada direccional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Gradiente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
9. Fórmula de Taylor y extremos

Fórmula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Extremos relativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .59
Puntos crı́ticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Condición suficiente de extremo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Extremos condicionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Condición necesaria de extremo condicionado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
10. Rotacional divergencia y laplaciano

Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Rotacional de un campo vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Divergencia de un campo vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
Laplaciano de una función escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
CÁLCULO INTEGRAL
11. Integración
Primitiva de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
La integral indefinida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Reglas básicas de integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Integración mediante cambio de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Integración por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
La integral definida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Teorema del valor medio para integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Teorema fundamental del cálculo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Integrales impropias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Matemática I (Curso 2022-2023) Grado en Quı́mica Dr. J.F. Pascual-Sánchez iv
12. Integrales múltiples

Integral doble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Cálculo de la integral doble sobre una región rectangular (Teorema de Fubini) . . . . . 73
Propiedades de la integral doble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
Cálculo de la integral doble sobre una región arbitraria . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Valor medio de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Integral triple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Cálculo de la integral triple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Cambio de variables en las integrales dobles y triples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .78
Aplicaciones de la integral triple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
INTEGRALES SOBRE CURVAS Y SUPERFICIES
13. Curvas
Curva en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
Vector tangente a una curva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
Longitud de arco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
14. Integrales de lı́nea

Integral de linea de un campo vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Independencia del camino . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
15. Superficies
Superficie parametrizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Área de una superficie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
16. Integrales de superficie

Integral de superficie de funciones vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Superficie orientada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
Matemática I (Curso 2022-2023) Grado en Quı́mica Dr. J.F. Pascual-Sánchez 1
Matrices y sistemas lineales
Aritmética matricial básica

Una matriz A de tamaño m × n es un cuadro de números formado por m filas y
n columnas  
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A= . ..  .
 
.. ..
 .. . . . 
am1 am2 · · · amn
Un matriz es cuadrada cuando m = n (se dice que n es el orden de la matriz).
El elemento de A que figura en la fila i-ésima y en la columna j-ésima se denota por
aij . Dos matrices son iguales, A = B, si y sólo si tienen el mismo tamaño, y todos
sus elementos son iguales, aij = bij .
Las tres operaciones básicas de la aritmética matricial son la suma de matrices,
la multiplicación por un escalar, y la multiplicación de matrices.
I Dos matrices A y B se pueden sumar si son del mismo tamaño, y la matriz
suma C = A + B es otra matriz del mismo tamaño y tal que cij = aij + bij . Por
ejemplo,
1 2 4 2 −3 1 3 −1 5
+ = .
7 1 3 −5 1 6 2 2 9
I Si c es un escalar y A es una matriz m × n, entonces B = cA es una matriz

m × n cuyos elementos son de la forma bij = c aij . Por ejemplo,

1 2 3 6
3 = .
−1 0 −3 0
I Dos matrices A y B se pueden multiplicar sólo si el número de columnas de A

es igual al número de filas de B. Si A es de tamaño l × m y B es de tamaño m × n,
entonces C es de tamaño l × n, y el elemento cij de C es el producto de la i -ésima
fila de A por la j -ésima columna de B en la forma que se indica a continuación
 
  ∗ b12  
∗ ∗ ∗ ∗  ∗ ∗ ∗
 ∗ b22 
∗ ∗ ∗ 
 ∗
 =  ∗ ∗ , c32 = a31 b12 +a32 b22 +a33 b32 +a34 b42 .
b32 
a31 a32 a33 a34 ∗ c32
∗ b42
Por ejemplo

2 3 1 2 0 2 · 1 + 3 · 5 2 · 2 + 3 · (−1) 2 · 0 + 3 · 0 17 1 0
= = .
4 0 5 −1 0 4 · 1 + 0 · 5 4 · 2 + 0 · (−1) 4 · 0 + 0 · 0 4 8 0
Observación
La suma de matrices es conmutativa, A + B = B + A, y asociativa, (A + B) + C =
A+(B +C). El producto de matrices es asociativo, A(BC) = (AB)C, pero no es, en general,
conmutativo, AB 6= BA. Además el producto es distributivo respecto de la suma
A(B + C) = AB + BC
(A + B)C = AC + BC.
Dada una matriz A se llama matriz traspuesta de A y se designa por At la que

se obtiene cambiando filas por columnas:
 t  
a11 a12 · · · a1n a11 a21 · · · am1
 a21 a22 · · · a2n   a12 a22 · · · am2 
..  =  .. ,
   
 .. .. .. .. .. ..
 . . . .   . . . . 
am1 am2 · · · amn a1n a2n · · · amn
por ejemplo  
t 3 5
3 1 2
= 1 7 
5 7 3
2 3
Son inmediatas las siguientes propiedades:
1. (A + B)t = At + B t .
2. (At )t = A.
3. (cA)t = cAt .
4. (AB)t = B t At .
Determinantes
Las matrices cuadradas (es decir, las que tienen el mismo número de filas que de
columnas), presentan algunas particularidades respecto de las demás. Por ejemplo
es posible asociarles un número llamado determinante.
Dada la matriz de tamaño 2 × 2

a11 a12
A= ,
a21 a22
se define el determinante de A como

a11 a12
det A ≡ = a11 a22 − a12 a21 .
a21 a22
En el caso de una matriz de tamaño 3 × 3

 
a11 a12 a13
A =  a21 a22 a23  ,
a31 a32 a33
se define
a22 a23 a21 a23 a21 a22
det A = a11 − a12 + a13
a32 a33 a31 a33 a31 a32
= a11 (a22 a33 − a23 a32 ) − a12 (a21 a33 − a23 a31 ) + a13 (a21 a32 − a22 a31 ).
Ejemplo
3 5 2
2 3 4 3 4 2
4 2 3 =3 −5 +2 = 3 · 2 − 5 · 19 + 2 · 10 = −69.
2 4 −1 4 −1 2
−1 2 4
Es inmediato comprobar las siguientes propiedades de los determinantes:
1. Si un determinante tiene una lı́nea (fila o columna) formada por ceros, entonces
el determinante es cero.
2. Si se cambian filas por columnas el valor del determinante no varı́a.
3. Si se cambian entre sı́ dos lı́neas del mismo tipo (filas o columnas), el valor
absoluto del determinante no varı́a, pero cambia el signo.
4. Un determinante que tiene dos lineas paralelas iguales es nulo.
5. Si se multiplican todos los elementos de una lı́nea por un número c el valor del
determinante queda multiplicado por c.
6. Si un determinante tiene los elementos de una lı́nea múltiplos de una paralela
es nulo.
7. Si se suma a una lı́nea un múltiplo de una lı́nea paralela el valor del determi-
nante no varı́a.
Matriz inversa
Si una matriz cuadrada A tiene determinante no nulo (det A 6= 0) entonces existe
una matriz A−1 (inversa de A) que cumple
AA−1 = A−1 A = I,
donde I es la matriz identidad del mismo orden n que la matriz A.
 
1 0 ··· 0
 0 1 ··· 0 
I = In =  . .. . . ..  .
 
 .. . . . 
0 0 ··· 1
Resolución de sistemas lineales (Método de eliminación de Gauss)

La idea básica para resolver un sistema de ecuaciones lineales es obtener, a partir
del sistema dado, un sistema más simple que tenga las mismas soluciones. Existen
tres tipos de operaciones sobre un sistema, llamadas operaciones elementales, que
no alteran sus soluciones, son las siguientes:
Operación 1: multiplicar una cualquiera de las ecuaciones por una constante distinta
de cero.
Operación 2: intercambiar dos ecuaciones cualesquiera.
Operación 3: sustituir una ecuación por la que resulta de sumarle una cualquiera
de las otras ecuaciones multiplicada por una constante.
Después de aplicar una sucesión finita de estas operaciones elementales al sistema

dado, se puede obtener un sistema más simple a partir del cual la solución se obtiene
directamente.
Caso en el que el número de incógnitas es igual al número de ecuaciones

Consideremos el sistema de ecuaciones lineales:
2x2 + 4x3 = 2
x1 + 2x2 + 2x3 = 3
3x1 + 4x2 + 6x3 = −1.
Dado que las operaciones elementales mencionadas afectan sólo a los coeficientes de
las ecuaciones, cuyas posiciones en el sistema podemos representar esquemáticamen-
te en forma de matriz numérica, resulta más cómodo utilizar la siguiente notación
matricial:
 
0 2 4| 2
1 2 2| 3 .
3 4 6 | −1
Ahora realizaremos sucesivamente las siguientes operaciones elementales
1. Intercambiar la primera y la segunda filas.
2. Sustituir en la matriz resultante la tercera fila por la que resulta de restarle la
primera fila multiplicada por tres.
3. Sustituir en la matriz resultante la tercera fila por la que resulta de sumarle
la segunda fila.
El esquema siguiente muestra las sucesivas matrices resultantes
   
0 2 4| 2 1 2 2| 3
1 2 2| F1 ↔ F2  F3 → F3 − 3F1
3 → 0 2 4| 2 →
3 4 6 | −1 3 4 6 | −1
   
1 2 2| 3 1 2 2| 3
F3 → F 3 + F2
0 2 4| 2 →0 2 4| 2 .
0 −2 0 | −10 0 0 4 | −8
El proceso de eliminación llevado a cabo hasta obtener esta matriz se llama elimi-
nación hacia adelante. El motivo es el siguiente: si se considera el sistema resultante
x1 + 2x2 + 2x3 = 3
2x2 + 4x3 = 2
4x3 = −8
se ve que el proceso ha sido eliminar x1 de la segunda y tercera ecuaciones y eliminar
x2 de la tercera ecuación.
El coeficiente 1 de la primera incógnita x1 en la primera ecuación (fila), después
de haber realizado el intercambio de la primera fila por la segunda, es el llamado
pivote en esta primera operación de eliminación. (Nótese que el hecho de intercam-
biar filas no constituye una operación de eliminación). Los pivotes de la segunda y
la tercera filas son 2 y 4, respectivamente.
Un sistema ası́, se dice que está en forma escalonada. De la misma forma la
matriz correspondiente se dice matriz escalonada. En esto consiste el método de
eliminación gaussiana: la matriz de coeficientes se reduce mediante operaciones
entre filas a la forma escalonada, se resuelve para la última de las incógnitas y luego
se utiliza la sustitución hacia atrás a fin de resolver las demás incógnitas. En el
ejemplo anterior, de la tercera ecuación se obtiene inmediatamente que x3 = −2, lo
cual llevado a la segunda ecuación produce el resultado x2 = 5, y finalmente de la
primera x1 = −3.
Aunque el problema ya estarı́a resuelto, podemos dar un paso más. Dividamos
la segunda y la tercera ecuaciones (filas) por sus respectivos pivotes 2 y 4. Ob-
tendrı́amos ası́ la matriz  
1 2 2| 3
0 1 2| 1
0 0 1 | −2
Finalmente si realizamos las siguientes operaciones:
     
1 2 2| 3 1 2 0| 7 1 0 0 | −3
0 1 2| F2 → F2 − 2F3  F1 → F1 − 2F2 
1 → 0 1 0| 5 → 0 1 0| 5
0 0 1 | −2 F 1 → F1 − 2F3 0 0 1 | −2 0 0 1 | −2
obtenemos una matriz escalonada por filas en forma reducida que se corresponde
con el sistema:
x1 = −3
x2 = 5
x3 = −2
A este proceso para obtener la matriz escalonada en forma reducida a partir de la
matriz escalonada se le llama, como ya se ha mencionado, sustitución hacia atrás,
y el proceso total se conoce como eliminación de Gauss-Jordan.
Sistemas lineales generales

Analizaremos ahora los casos de sistemas rectangulares (distinto número de ecua-
ciones que de incógnitas), y sistemas cuadrados con matriz de coeficientes singular
(no invertible). La eliminación gaussiana se adapta fácilmente a estos casos también.
Demos primero la idea de matriz en forma escalonada para sistemas rectangu-

lares. En general se dice que una matriz está en forma escalonada si
1. Las filas no nulas están por encima de las filas nulas, y los pivotes son los
primeros elementos distintos de cero en esas filas.
2. Debajo de cada pivote hay una columna de ceros.
3. Cada pivote está a la derecha del pivote de la fila anterior; esto produce la
figura escalonada.
Un ejemplo de matriz escalonada es el siguiente
5 −1
 
3 1 0 2
 0
 -1 −2 1 8 0
 0 0 0 2 −4 1
0 0 0 0 0 0
donde los pivotes aparecen recuadrados. Si en una matriz escalonada todos los
pivotes son iguales a 1 y además éste es el único elemento distinto de cero en su
columna, como por ejemplo la matriz
5 −1
 
1 0 0 0
 0 1 2 0 7 0
 
 0 0 0 1 −2 1
0 0 0 0 0 0
se dice que la matriz está en forma escalonada reducida.
Ejemplo
Ilustraremos con un caso particular el algoritmo general de eliminación gaussiana. Con-
sideremos el sistema lineal
x − y − z + 2t = 1
2x − 2y − z + 3t = 3
−x + y − z = −3
de 3 ecuaciones con 4 incógnitas (donde por comodidad escribimos x1 = x, x2 = y, x3 = z, x4 = t).
La matriz aumentada es  
1 −1 −1 2 | 1
 2 −2 −1 3 | 3 ,
−1 1 −1 0 | −3
sustrayendo de la segunda fila dos veces la primera y sumando a la tercera la primera se
obtiene  
1 −1 −1 2| 1
0 0 1 −1 | 1 ,
0 0 −2 2 | −2
y finalmente si se suma a la tercera la segunda multiplicada por 2 se llega a
 
1 −1 −1 2| 1
 0 0 1 −1 | 1  ,
0 0 0 0| 0
donde se han recuadrado los pivotes. Si sumamos la segunda fila a la primera, obtenemos
la matriz del sistema en forma escalonada reducida.
 
1 −1 0 1| 2
 0 0 1 −1 | 1 .
0 0 0 0| 0
El sistema resultante es
x−y+t=2
z−t=1
que tiene un número infinito de soluciones.
Para escribir todas estas soluciones (lo que se conoce como solución general del sistema)
expresamos las variables básicas (aquellas que corresponden a las columnas con pivote) en
función de las variables libres (todas las demás).
En este caso, las variables básicas son x, z, y las variables libres son y, t. Ası́ pues,
x = 2 + y − t, z = 1 + t, y = y, t = t.
Observación
Podemos expresar esta solución general en la forma
         
x 2+y−t 2 1 −1
 y   y =  0  +
    1   0 
 z = 1+t y 0  + t 1 
     
  1 
t t 0 0 1
| {z } | {z }
solución solución general
particular del sistema homogéneo
del sistema
Para valores arbitrarios de las variables reales y y t se obtienen todas las soluciones del
sistema dado.
La combinación lineal    
1 −1
 1   0 
α 0 +β 1 
  
0 1
constituye la solución general del sistema homogéneo
x − y − z + 2t = 0
2x − 2y − z + 3t = 0
−x + y − z = 0
asociado al sistema dado (se comprueba fácilmente que estos vectores satisfacen el sistema
homogéneo, ypor tanto también lo satisface cualquier combinación lineal de ellos).
2
 0 
El vector 
 1  constituye una solución particular del sistema dado (la correspondiente

0
a y = t = 0).
Analicemos finalmente el caso de un sistema cuadrado con infinitas soluciones.

Consideremos por ejemplo el sistema
x − 2y + z = 0
4x − 5y + 4z = 1
2x − y + 2z = 1.
La matriz aumentada es en este caso

 
1 −2 1 | 0
4 −5 4 | 1  ,
2 −1 2 | 1
restando de la segunda fila la primera multiplicada por 4, y restando de la tercera

fila la primera multiplicada por 2 se obtiene
 
1 −2 1 | 0
0 3 0 | 1 .
0 3 0| 1
Restando de la tercera la segunda se llega a

 
1 −2 1 | 0
0 3 0 | 1 ,
0 0 0| 0
lo que indica que una de las ecuaciones del sistema es superflua. Si dividimos la
segunda por 3 tenemos
1 −2 1 | 0
0 1 0 | 13
y finalmente sumando a la primera dos veces la segunda
1 0 1 | 23

,
0 1 0 | 13
ya tenemos la matriz en forma escalonada reducida. Las variables básicas son en

este caso x, y, y la variable libre es z, de manera que podemos escribir la solución
general del sistema dado en la forma
2
x= 3 − z, y = 13 , z = z.
Cálculo de la matriz inversa mediante operaciones elementales

Una matriz elemental es una matriz que se obtiene de la matriz identidad por
una sola operación elemental entre filas.
Ejemplo
Las siguientes son matrices elementales de orden 3
     
0 1 0 1 0 0 1 0 0
E1 =  1 0 0 , E2 =  0 1 0 , E3 =  −3 1 0 .
0 0 1 0 0 −7 0 0 1
| {z } | {z } | {z }
F1 ↔ F2 F3 → −7F3 F2 → −3F1 + F2 .
Si E es una matriz elemental de orden m obtenida ejecutando una cierta ope-

ración elemental entre filas sobre la matriz identidad Im , entonces para cualquier
matriz A de tamaño m × n el producto EA da como resultado la matriz que se
obtendrı́a al realizar sobre A la misma operación que se efectuó sobre E.
Ejemplo
Si aplicamos la matriz E3 del ejemplo anterior al vector b = (b1 , b2 , b3 ) produce el
siguiente efecto:     
1 0 0 b1 b1
Eb =  −3 1 0   b2  =  −3b1 + b2  .
0 0 1 b3 b3
realizando sobre la matriz columna la misma operación que dio lugar a la matriz elemental.
Vamos a utilizar estos resultados para hallar la inversa de una matriz cuadrada.
Sea A una matriz que admite inversa y sean E1 , E2 , . . . , En las matrices que re-
alizan las operaciones elementales necesarias para reducirla a la matriz identidad
I. Entonces, si realizamos estas mismas operaciones sobre la matriz identidad I
obtenemos precisamente A−1 .
En efecto si En · · · E2 E1 A = I, entonces (En · · · E2 E1 )A = I, es decir En · · · E2 E1 =
A−1 y multiplicando por la matriz identidad en los dos miembros de la igualdad
En · · · E2 E1 I = A−1 .
Ejemplo
Obtener la matriz inversa de
 
1 0 2
A= 2 −1 3  .
4 1 8
Utilizaremos el resultado anterior. Ası́ pues realizaremos las mismas operaciones elementales
con la matriz A y con la matriz identidad I. Colocamos una matriz al lado de la otra como
se muestra a continuación:
   
1 0 2 1 0 0 1 0 2 1 0 0
F2 → F2 − 2F1  F3 → F3 + F2
[A|I] =  2 −1 3 0 1 0  → 0 −1 −1 −2 1 0  →
4 1 8 0 0 1 F 3 → F 3 − 4F 1 0 1 0 −4 0 1
   
1 0 2 1 0 0 1 0 0 −11 2 2
F1 → F 1 + 2F3 F2 → −F2
 0 −1 −1 −2 1 0  → 0 −1 0 4 0 −1  →
0 0 −1 −6 1 1 F2 → F2 − F3 0 0 −1 −6 1 1 F3 → −F3
 
1 0 0 −11 2 2
 0 1 0 −4 0 1  = [I|A−1 ]
0 0 1 6 −1 −1
Ası́ pues,  
−11 2 2
A−1 =  −4 0 1 .
6 −1 −1
Observación
Si A es una matriz invertible, el sistema Ax = b tiene una única solución x = A−1 b.
Ejercicios
1 Dado el sistema
2x1 − 3x2 + 5x3 = 0
−x1 + 7x2 − x3 = 0
4x1 − 11x2 + kx3 = 0
¿qué valor de k hará que el sistema tenga soluciones no triviales?
2 Dado el sistema
2x1 − x2 + 3x3 = a
3x1 + x2 − 5x3 = b
−5x1 − 5x2 + 21x3 = c
demostrar que el sistema es incompatible si c 6= 2a − 3b.
3 Si A es una matriz cuadrada, entonces A2 se define como el producto AA. Calcular

A2 , A3 , A4 , A5 , si  
0 1 0 0
 0 0 1 0 
A=  0
.
0 0 1 
0 0 0 0
4 Hallar las inversas de las siguientes matrices

 
  1 0 0 0
2 6 6
−4 −5  1 2 0 0 
,  2 7 6 , 
 .
5 6 1 2 4 0 
2 7 7
1 2 4 8
Espacios vectoriales
Repaso de la idea de vector en la geometrı́a elemental

El álgebra lineal y la geometrı́a están profundamente relacionadas de tal forma
que los conceptos de la una ayudan a comprender los de la otra. La idea básica es
que la posición relativa de dos puntos puede representarse mediante un vector, tanto
en el plano como en el espacio. Sean P y Q dos puntos del plano, y sean OX y
OY los ejes coordenados. La posición de Q relativa a P puede ser especificada por
un par de números reales determinados por las longitudes y direcciones de las lı́neas
P N y N Q. Las direcciones de P a N y de N a Q son las mismas que las direcciones
de los ejes coordenados OX y OY respectivamente (figura 1).
Fig. 1

a
Podemos asociar, pues, con el par ordenado de puntos P, Q un vector columna ,
b
donde a y b son los dos números determinados por el proceso anterior. La figura 2
muestra que el par de puntos asociado a un vector columna dado, no es único. Las
rectas definidas por los pares de puntos P1 Q1 , P2 Q2 , P3 Q3 y P4 Q4 son paralelas,
−−−→ −−−→ −−−→
y el sentido en que son recorridas es el mismo. Los vectores P1 Q1 , P2 Q2 , P3 Q3 y
−−−→
P4 Q4se dice que son equivalentes (o equipolentes) y se representan por el vector
1
libre .
2

−−−→ −−−→ −−−→ −−−→ 1
P1 Q1 = P2 Q2 = P3 Q3 = P4 Q4 = .
2
Fig. 2
En resumen:
−−→
1. Dados dos puntos cualesquiera P y Q, existe un único vector columna P Q = v
que representa la posición de Q relativa a P .
2. Dado un vector v no nulo, existen infinitos pares de puntos P, Q tales que

−−→
P Q = v.
3. Dado un punto P y un vector columna v, existe un único punto Q y tal que

−−→
P Q = v.
Hay un caso especial importante: cuando el punto de referencia (el primer punto
del par) es el origen (figura 3).
Fig. 3
−→
La construcción que conduce a las componentes del vector columna OA se basa
−→
en las rectas ON Y N A. Pero ahora es fácil ver que las componentes de OA son
−→
justamente las coordenadas de A. El vector OA se conoce como vector de posición
de A.
El vector cero no puede
asociarse con un par de puntos distintos, sin embargo
0
podemos pensar que 0 = es el vector posición del propio origen de coordenadas.
0
Todo lo dicho vale exactamente para puntos y vectores columna en el espacio sin
más que considerar un tercer eje de referencia OZ. En este caso el vector columna

a
−−→
que une los puntos P y Q serı́a de la forma P Q = v =  b  . Únicamente por
c
comodidad de escritura seguiremos con vectores en el plano.

−−→ u1 −−→ v1
Si P, Q, y R son tres puntos del plano donde P Q = y QR = ,
u2 v2
podemos definir la suma de vectores de la siguiente forma:

−−→ −−→ u1 v1 u1 + v1
P Q + QR = + =
u2 v2 u2 + v2
−→
El vector resultante ası́ definido coincide (ver figura 4) con P R. La suma algebraica
de vectores ası́ definida es pues consistente con la suma geométrica de vectores, es
decir, satisface la regla del triángulo:
Fig. 4
−−→ −−→ −→
P Q + QR = P R
que también se conoce, expresándola en forma diferente, como regla del paralelogramo
(ver figura 5): Si PQRS es un paralelogramo entonces
−−→ −→ −→
P Q + P S = P R.
Fig. 5
−−→
Finalmente, si v = P Q es cualquier vector columna no nulo y k es un escalar
−→ −−→ −→
positivo, entonces kv = P R, donde R es el punto tal que P Q y P R tienen la misma
−→ −−→
dirección y orientación y la longitud de P R es k veces la longitud de P Q. Si k es
negativo la orientación se invierte (figura 6).
Fig. 6
Esto sugiere la siguiente definición del producto de un escalar por un vector

v1 k v1 −→
kv = k = ≡ P R.
v2 k v2
La relación entre vectores columna y rectas orientadas depende del origen y de

los ejes coordenados, sin embargo es importante darse cuenta de que tanto la regla
del paralelogramo como la de multiplicación por un escalar son independientes de
la elección del sistema coordenado.
Desarrollaremos ahora ideas y técnicas que, aunque de inspiración geométrica, uti-

lizan el álgebra de vectores en la descripción de otras entidades matemáticas: poli-
nomios, matrices, funciones, etc.
Espacios vectoriales: definición y propiedades

En general, entendemos por espacio vectorial real un conjunto V cuyos elementos,
que llamaremos vectores cumplen dos reglas, una para la suma vectorial, y otra para
la multiplicación por números reales, que satisfacen las siguientes condiciones que se
comprueban fácilmente para el caso en que V sea el plano R2 o el espacio fı́sico R3
con las operaciones definidas en el apartado anterior:
• Respecto de la suma de vectores
1. Si u y v pertenecen a V entonces u + v pertenece a V
2. u + v = v + u
3. u + (v + w) = (u + v) + w
4. Existe un “vector cero” único, tal que para todo u se cumple u + 0 = u
5. Para cada u existe un vector −u único tal que u + (−u) = 0
• Respecto de la multiplicación por un número real

1. Si u pertenece a V y c es un número real entonces cu pertenece a V
2. 1u =u
3. (c1 c2 )u = c1 (c2 u), c1 y c2 números reales
4. c(u + v) = cu + cv
5. (c1 + c2 )u = c1 u + c2 u
Observación
Como hemos visto en el apartado anterior, para dos vectores u y v del plano las opera-
ciones de suma y de multiplicación por un escalar real c se definen de la siguiente forma:

u1 v1 u1 + v1
1. u + v ≡ + = .
u2 v2 u2 + v2

v1 cv1
2. cv ≡ c =
v2 cv2
Es inmediato comprobar que con estas dos operaciones, los vectores del plano cumplen las
condiciones enumeradas más arriba, ası́ pues, constituyen un espacio vectorial.
Por generalización natural de los vectores de dos y tres componentes (o sea los
vectores del plano y del espacio fı́sico usual) se pasa a los vectores de Rn .
Se define la suma x + y y el producto cx del escalar c por el vector x de la
siguiente forma:
     
x1 y1 x1 + y1
 x2   y2   x2 + y2 
1.  .  +  .  := 
     
..
 ..   .. 

 . 
xn yn xn + yn
   
x1 cx1
 x2   cx2 
2. c  .  := 
   
..
 ..

  . 
xn cxn
Ejemplos
1. El conjunto de vectores de Rn con las operaciones de suma y producto por un escalar
que se acaban de definir constituye un espacio vectorial real.
2. El conjunto Mmn , es decir el conjunto de matrices m × n con elementos reales, con
la suma de matrices y el producto por un escalar usuales, forma un espacio vectorial
para cualesquiera enteros positivos m y n.
3. El conjunto C[a,b] , de las funciones reales continuas definidas en el intervalo [a, b] es
también un espacio vectorial real con la suma de funciones y la multiplicación por un
escalar definidas de la siguiente forma:
(f + g)(x) = f (x) + g(x) y (αf )(x) = α[f (x)]
4. El conjunto Pn de los polinomios de grado menor o igual que n con la suma y el

producto por un escalar usuales en los polinomios es un espacio vectorial real.
Subespacio vectorial
Es un subconjunto de un espacio vectorial que satisface dos condiciones:
1. Si sumamos dos vectores cualesquiera u y v del subconjunto, su suma u + v
permanece en el subconjunto.
2. Si multiplicamos cualquier vector v del subconjunto por cualquier escalar c, el
vector resultante cv permanece en el subconjunto.
Ejemplos
1. El conjunto de vectores de R2 que se encuentra en una recta que pasa por el origen
constituye un subespacio vectorial de R2 .
2. El conjunto de vectores en R3 situados sobre un plano que pasa por el origen constituye
un subespacio vectorial de R3 .
Observación
Un subespacio de un espacio vectorial V siempre ha de contener el vector nulo 0. Dicho
de otra forma, un subconjunto de un espacio vectorial que no contenga el vector 0 no puede
ser un subespacio vectorial.
Combinación lineal de vectores

Dado un conjunto de vectores v 1 , v 2 , . . . , v k , se llama combinación lineal de los
mismos a toda expresión de la forma c1 v 1 + c2 v 2 + . . . + ck v k .
Ejemplo      
−7 −1 5
En R3 , el vector  7  es una combinación lineal de  2  y  −3 
7 4 1
ya que      
−7 −1 5
 7  = 2  2  −  −3  .
7 4 1
Independencia lineal
Los vectores v 1 , v 2 , . . . , v k , forman un conjunto linealmente independiente si la
relación c1 v 1 + c2 v 2 + . . . + ck v k = 0 implica que c1 = c2 = . . . = ck = 0.
Ejemplo    
2 −6
Los vectores v 1 =  −1  y v 2 =  3  no son linealmente independientes
0 0
ya que v 2 = −3v 1 o lo que es igual 3v 1 + v 2 = 0. En este caso c1 = 3 y c2 = 1.
Espacio generado
Si v 1 , v 2 , . . . , v k son vectores de un espacio vectorial V, se llama espacio generado
por este conjunto de vectores y se denota por hv 1 , v 2 , . . . , v k i, al conjunto de todas
sus combinaciones lineales, es decir:
hv 1 , v 2 , . . . , v k i = {v ∈ V : v = c1 v 1 + c2 v 2 + . . . + ck v k , }
Ejemplo
En R3 el espacio generado por los vectores
       
2 1 0 5
v 1 =  −1  , v 2 =  3  , v 3 =  4  , v 4 =  0 
0 0 0 0
es el conjunto de vectores de la forma

       
2 1 0 5
c1 v 1 + c2 v + c3 v 3 + c3 v 3 = c1  −1  + c2  3  + c3  4  + c4  0  .
0 0 0 0
En este caso el espacio generado es el plano z = 0.
Base
Es todo conjunto de un espacio vectorial con las dos propiedades siguientes:
1. Es linealmente independiente.
2. Genera el espacio.
Ejemplo 
    
1 0 0
Una posible base para los vectores del espacio vectorial R3 es  0  ,  1  y  0  ,
0 0 1
que se conoce como base canónica.
En efecto son linealmente independientes ya que

           
1 0 0 0 c1 0
c1  0  + c2  1  + c3  0  =  0  =⇒  c2  =  0  =⇒ c1 = c2 = c3 = 0.
0 0 1 0 c3 0
Además este conjunto genera el espacio R3 ya que cualquier vector de R3 se puede escribir
como una combinación lineal de estos vectores
       
a 1 0 0
 b  = a 0  + b 1  + c 0 .
c 0 0 1
Dimensión
Dos bases cualesquiera de un espacio vectorial V contienen el mismo número de
vectores. Este número, compartido por todas las bases, se llama dimensión de V.
Ejemplo
Una base de R2 siempre está formada por dos vectores cualesquiera de este espacio con
tal de que sean linealmente independientes. La dimensión de R2 es, por tanto, dos.
Cambio de base en un espacio vectorial

Puede ser útil en este punto recordar algunas ideas geométricas. Los puntos
en el espacio tridimensonal pueden ser representados por tripletas ordenadas de
coordenadas con respecto a los ejes coordenados elegidos. La conexión entre el
álgebray lageometrı́a viene de asociar un punto P (x, y, z) con su vector de posición
x
−−→  
OP = y . Los vectores de la base canónica en R3 se denotan usualmente por i, j
z
y k respectivamente en las direcciones de los ejes OX, OY y OZ. Las coordenadas
−−→
x, y y z del punto P son las componentes del vector OP con respecto a la base
canónica. Es bastante frecuente la operación geométrica de cambiar los ejes, es
decir, considerar un conjunto de ejes diferente (por simplicidad se supone fijo el
origen), y tratar de encontrar las fórmulas que relacionan las coordenadas de un
punto dado en los dos sistemas. Trataremos esta cuestión en R3 .
Sean OU, OV y OW los nuevos ejes coordenados en tres dimensiones. Sean u, v
y w en las direcciones de OU, OV y OW respectivamente. Entonces el conjunto
{u, v, w} constituye un base en R3 . Supongamos que
     
u1 v1 w1
u =  u2  , v =  v2  , w =  w2  .
u3 v3 w3
 
x
Sea x = y  cualquier vector en R3 . Entonces x es el vector de posición

z
del punto cuyas coordenadas son (x, y, z) con respecto a los ejes OX, OY y OZ.
Podemos escribir
x = a u + b v + c w,
donde a, b y c son las componentes de x respecto de la base {u, v, w}. Esta ecuación
se puede escribir en la forma
          
x u1 v1 u1 u1 v1 w1 a
 y  = a  u2  + b  v2  + c  u2  =  u2 v2 w2   b  .
z u3 v3 u3 u3 v3 w3 c
La matriz  
u1 v1 w1
P =  u2 v2 w2 
u3 v3 w3
cuyas columnas son los vectores columna de la nueva base, se llama matriz de cambio
de base (o matriz de paso de una base a otra), y relaciona las componentes de un
vector dado en las dos bases. Teniendo en cuenta que las tres columnas de P son
linealmente independientes es posible hallar la inversa de P . Ası́, la expresión que
resuelve el problema planteado es:
   
a x
 b  = P −1  y  .
c z
En general, sea B una base de un espacio vectorial V y sea B 0 = {v 1 , v 2 , . . . , v n }

una nueva base.
Si los vectores de la nueva base se escriben en la antigua base en la forma:
     
a11 a12 a1n
 a21   a22   a2n 
v1 =  .  , v2 =  .  , ... vn =  . 
     
 ..   ..   .. 
an1 an2 ann
y P es la matriz cuyas columnas son precisamente estos vectores, es decir,

 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
P = .
 
.. .. .. 
 .. . . . 
an1 an2 · · · ann
entonces las componentes de un vector en la nueva base están relacionadas con las
de la base primitiva por la relación
w0 = P −1 w.
Ejemplos:

2 1 0
1. Sea B = {u1 , u2 } una base de R , donde u1 = , y u2 = . Consideremos
0 1

1 −1
una nueva base B ∗ = {v 1 , v 2 } de R2 , donde v 1 = y v2 = .
3 2
(En efecto B ∗ constituye una base ya que v 1 y v 2 no son colineales).
Supongamos conocidas las componentes x1 y x2 de un vector x en la base B. Para

obtener las componentes c1 y c2 de x en la base B ∗ aplicamos el resultado anterior,
" # " #−1 " # " #" #
2 1
c1 1 −1 x1 5 5 x1
= = .
c2 3 2 x2 − 53 1
5 x2
2. En el espacio vectorial P2 (x) de los polinomios de grado dos a lo sumo, escribir el

polinomio p(x) = 5x2 − 3x + 4 en la base {4x − 1, 2x2 − x, 3x2 + 3}.
Tomaremos como base de partida en este espacio {e1 , e2 , e3 } = {1, x,  x2 }. En
 esta
4
base el polinomio que nos dan se escribe en la forma 4e1 − 3e2 + 5e3 ≡  −3 . Los
5
vectores de la nueva base {u1 , u2 , u3 } = {4x − 1, 2x2 − x, 3x2 + 3} se expresan en la
la base primitiva en la forma:
 
−1
u1 = −1 + 4x + 0x2 ≡  4 
0
 
0
u2 = 0 − 1x + 2x2 ≡  −1 
2
 
3
u3 = 3 + 0x + 3x2 ≡  0 .
3
La matriz de cambio de base es pues:

 
−1 0 3
P = 4 −1 0 
0 2 3
Los coeficientes del polinomio en la nueva base vendrán dados por

 −1    
−1 0 3 4 −5
1
 4 −1 0   −3  =  7  .
9 31
0 2 3 5 3
Ejercicios
1 ¿ Cuáles de los siguientes subconjuntos de R3 son realmente subespacios?

 
0
1. El plano de los vectores de la forma  y  .
z
 
1
2. El plano de los vectores de la forma  y  .
z
   
1 2
3. Todas las combinaciones de los vectores u =  1  y v =  0  .
0 1
 
x
4. Los vectores  y  satisfaciendo z − y + 3x = 0.
z
2 Decidir acerca de la dependencia o independencia lineal de los siguientes conjuntos de

vectores
     
1 1 3
1.  1 ,  2 ,  1 .
2 1 1
       
1 1 0 x
2.  1 ,  0 ,  0 ,  y , para cualesquiera x, y, z.
0 0 1 z
3 Describir geométricamente el subespacio de R3 generado por

     
0 0 0
1.  0 ,  1 ,  2 .
0 0 0
     
0 0 0
2.  0 ,  1 ,  2 .
1 1 1
3. Los seis vectores juntos, indicando los dos que forman una base.
4 Encontrar dos bases diferentes para el subespacio de todos los vectores de R3 cuyas
primeras componentes son iguales.
5 Demostrar que el conjunto de las matrices simétricas 3 × 3 constituye un subespacio del

espacio de las matrices 3 × 3. Hallar su dimensión ası́ como una base.
6 Hallar una base del espacio solución de los siguientes sistemas homogéneos.
2x − 6y + 4z = 0
x + 2z = 0
i) , ii ) −x + 3y − 2z = 0 .
−x − y + z = 0
−3x + 9y − 6z = 0
7 Sean V y W los subespacios de R3 definidos de la siguiente manera

     
 x   x 
V :=  y  ∈ R3 : x + y + z = 0 y W :=  y  ∈ R3 : 3x − z = 0, y = 0 .
z z
   
1. Describir geométricamente ambos subespacios.

2. Hallar una base para cada uno de ellos.
8 Hallar una base de D3 , el espacio vectorial de las matrices diagonales 3×3. ¿Qué dimensión
tiene D3 ?
9 Expresar los siguientes vectores (dados en la base canónica), en la nueva base que se indica:

3 1 1
a) El vector en la base ,
7 1 −1
       
4  2 −1 3 
b) El vector  3  en la base  1  ,  4  ,  −2  .
5 3 5 −4
 
Ortogonalidad
Producto interno (o escalar) en un espacio vectorial real

Sea V un espacio vectorial real tal como R2 o R3 . Se define el producto interno
de dos vectores u y v de la siguiente forma:
u · v = uT v
donde el segundo miembro de la igualdad expresa el producto matricial del vector
traspuesto de u por v.    
u1 v1
Más explicitamente, si u =  u2  y v =  v2  , entonces
u3 v3
 
v1
u · v = u1 u2 u3  v2  = u1 v1 + u2 v2 + u3 v3 .
v3
Como se sabe, el resultado del producto de una matriz 1 × 3 por una matriz 3 × 1
es una matriz 1 × 1, es decir, el producto interno de dos vectores reales produce un
escalar real.
Propiedades
El producto interno tiene las siguientes propiedades
(i) u · v = v · u
(ii) u · (v + w) = u · v + u · w
(iii) (a u) · v = u · (a v) = a (u · v)
 
u1
(iv) Si u =  u2  entonces u · u = u21 + u22 + u23 ≥ 0, (u · u = 0 si y sólo si u = 0);
u3
donde u, v, w son vectores de R2 o R3 , y a ∈ R.
En general, sea V un espacio vectorial real n-dimensional, y sean
   
u1 v1
 u2   v2 
u= .  y v= . 
   
.
 .  .
 . 
un vn
dos vectores de V . Se llama producto interno de los vectores u y v, y se representa

por u · v, al número real u1 v1 + u2 v2 + · · · + un vn .
La definición de un producto escalar en un espacio vectorial permite introducir
las nociones de longitud de un vector y de ángulo entre vectores.
Norma de un vector
La norma o longitud de un vector v es un número real no negativo definido como:
√ q
||v|| := v · v = v12 + v22 + · · · + vn2 .
Y si u y v son dos vectores no nulos, el ángulo θ entre u y v satisface la expresión

u·v
cos θ = , 0 ≤ θ ≤ π.
||u|| ||v||
n-espacio euclidiano
El espacio vectorial Rn con el producto y norma precedentes se conoce como
n–espacio euclidiano. En particular los espacios vectoriales R2 y R3 con el producto
y norma precedentes se conocen respectivamente como plano euclidiano y espacio
euclidiano.
Ortogonalidad
Sea V un espacio con producto interno. Se dice que los vectores u, v ∈ V son
ortogonales (o que uno de ellos es ortogonal al otro) si
u·v =0
Conjuntos ortonormales
Un conjunto de vectores {v 1 , v 2 , . . . , v k } de un espacio euclı́deo V se dice ortonor-
mal si
1. v i · v j = 0 para i 6= j
2. v i · v i = 1
Observación.
Las bases canónicas {i, j} en el plano, y {i, j, k} en el espacio constituyen un conjunto
de vectores ortonormales.
Algoritmo de ortonormalización de Gram–Schmidt

Supongamos que {v 1 , v 2 , . . . , v k } es una base de un espacio con producto in-
terno V . Podemos construir una base ortonormal {u1 , u2 , . . . , uk } de V mediante
el siguiente proceso:
v1
1. u1 =
||v 1 ||
v 2 − (v 2 · u1 )u1
2. u2 =
||v 2 − (v 2 · u1 )u1 ||
v i − [(v i · u1 )u1 + (v i · u2 )u2 + . . . + (v i · ui−1 )ui−1 ]
3. ui = (i = 3, . . . , k)
||v i − [(v i · u1 )u1 + (v i · u2 )u2 + . . . + (v i · ui−1 )ui−1 ] ||
Observación
Todo espacio euclı́deo posee una base ortonormal.
Ejercicios
   
1 0
1 Hallar un vector unitario ortogonal a v1 =  1  y v2 =  1  en R3 .
2 3
   
1 1
2 Hallar una base ortonormal del subespacio de R3 generado por v1 =  1  y v2 =  2 .
0 1
√
3 Sean u1 y u2 dos vectores ortonormales en Rn . Demostrar que ku1 − u2 k = 2.
3
4
 Hallar
 una base ortonormal
 del conjunto de vectores en R situados sobre el plano π =
 x 
 y  : 2x − y + 3z = 0 .
z
 
5 Sea {e1 , e2 , . . . , en } una base ortonormal de V. Demostrar que cualquier vector u ∈ V se

puede escribir en la forma u = (u · e1 )e1 + (u · e2 )e2 + · · · + (u · en )en .
Aplicación lineal
Aplicación lineal
Sean V y W espacios vectoriales reales. Diremos que T : V −→ W es una
aplicación lineal si dados dos vectores u y v de V y un número real c se verifica:
1. T (u + v) = T (u) + T (v)
2. T (cu) = cT (u)
Observación
La primera propiedad de linealidad expresa que da lo mismo sumar primero los dos
vectores y luego hallar su imagen que hallar primero las imágenes de cada uno de los vectores
y luego sumarlas. La segunda propiedad de linealidad nos dice que da lo mismo multiplicar
un vector por un escalar y luego hallar su imagen, que hallar primero la imagen del vector
y luego multiplicarlo por el escalar. Geométricamente es el requerimiento de que una lı́nea
recta en V tenga como imagen una lı́nea recta en W.
Propiedades
1. Una aplicación lineal de V en W lleva el cero de V en el cero de W .
2. T (c1 v 1 + c2 v 2 + . . . + ck v k ) = c1 T (v 1 ) + c2 T (v 2 ) + . . . + ck T (v k )
3. Una aplicación lineal está completamente determinada por las imágenes de los
vectores de una base.
Matriz asociada a una aplicación lineal

En adelante consideraremos aplicaciones lineales de un espacio en sı́ mismo.
Supongamos, por ejemplo, la aplicación T : R2 −→ R2 definida de la siguiente forma:

x x+y
T =
y x−y
Dado un vector cualquiera del espacio de partida conocemos su imagen en el espacio

de llegada. Por ejemplo

2 2+3 5
T = =
3 2−3 −1
Podemos asociar a esta aplicación lineal una matriz. Para la aplicación T anterior
1 1 x
consideremos la matriz , que al multiplicarla por el vector nos da
1 −1 y
la imagen de la aplicación:

1 1 x x+y
=
1 −1 y x−y

2
En particular si multiplicamos la matriz por el vector tenemos
3

1 1 2 5
=
1 −1 3 −1
Vemos que la matriz produce el “mismo efecto” sobre un vector que la aplicación li-
neal, decimos que es la matriz de representación de la aplicación, en la base canónica
en este caso.
Dada una aplicación lineal es muy sencillo obtener la matriz de representación
en una base. Supongamos de nuevo la base canónica, y hallemos las imágenes de los
vectores de la base por la aplicación lineal dada:

1 1 0 1
T = T =
0 1 1 −1
Las imágenes mediante la aplicación, de los vectores de la base considerada, consti-
tuyen las columnas de la matriz de la aplicación en esa base. Si se cambia de base,
los coeficientes de la matriz de la aplicación cambiarán, al igual que cambian las
componentes de un vector en un cambio de base.
La geometrı́a de las transformaciones lineales de R2 en R2

Hay algunas transformaciones lineales en el plano que son de especial interés,
por ejemplo las reflexiones.
Supongamos la transformación

x x
T = .
y −y
Desde un punto de vista geométrico, T toma un vector en R2 y lo refleja con respecto

al eje x. (figura 7)
Fig.7
Por otro lado la transformación

x −x
T =
y y
refleja un vector de R2 con respecto al eje y (figura 8).
Fig.8
Además

1 0 x x −1 0 x −x
= y =
0 −1 y −y 0 1 y y

1 0
de donde se infiere que es la representación matricial de la reflexión
0 −1

−1 0
con respecto al eje x y es la representación matricial de la reflexión con
0 1
respecto al eje y.
x y
Por último la transformación T = , que intercambia x e y, tiene el
y x
efecto de reflejar un vector de R2 con respecto a la recta y = x (figura 9).
Fig.9

x y 1 0 0 1
Si T = , entonces T = yT = , por lo que la
y x 0 1 1 0
representación matricial de la transformación
lineal que refleja un vector de R2 con
0 1
respecto a la recta y = x es A = .
1 0
Otras aplicaciones lineales importantes son los giros. La matriz que produce un giro
de ángulo θ en sentido antihorario es:

cos θ − sen θ
A= .
sen θ cos θ
Es inmediato comprobarlo. Si un punto del plano tiene como coordenadas

r0 cos α
(x, y) = (r0 cos α, r0 sen α) o lo que es igual si su vector de posición es v = ,
r0 sen α
el efecto de la matriz A sobre este vector es el siguiente:

cos θ − sen θ r0 cos α r0 cos θ cos α − r0 sen θ sen α r0 cos(α + θ)
Av = = = ,
sen θ cos θ r0 sen α r0 sen θ cos α + r0 cos θ sen α r0 sen(α + θ)
que es efectivamente un giro de ángulo θ.

Cambio de base en una aplicación lineal
Sea T una aplicación lineal de un espacio V en sı́ mismo, y sea A la matriz que
representa la aplicación en una base dada. Si se realiza en V un cambio a una nueva
base mediante la matriz de paso P , entonces la matriz A0 de la aplicación en la nueva
base viene dada por
A0 = P −1 AP
Ejemplo
En el espacio vectorial R4 sea T una aplicación lineal de matriz:
 
2 0 0 0
 1 2 0 0 
 
 0 1 2 0 
0 0 1 2
en la base {e1 , e1 + e2 , e1 + e2 + e3 , e1 + e2 + e3 + e4 }. Calcular la matriz de T

en la base canónica.
En este caso tenemos
   
2 0 0 0 1 1 1 1
1 2 0 0   0 1 1 1 
A0 = 

, P = 
 0 1 2 0   0 0 1 1 
0 0 1 2 0 0 0 1
Ası́ pues, la matriz en la base canónica vendrá dada por

 
3 0 0 −1
 1 2 0 −1 
P A0 P −1 = 
 0 1 2 −1  .

0 0 1 1
Ejercicios
1 Hallar la representación matricial, en la base canónica, de las siguientes aplicaciones

lineales

x 0
1. T : R2 −→ R2 ; T =
y −y

2 2 x x−y
2. T : R −→ R ; T = .
y 2x + 3y
2 Supongamos que en el plano Oxy la aplicación A lleva cada vector en su simétrico respecto
del eje x, y la aplicación B lleva a cada vector en su simétrico respecto del origen. Encontrar
las matrices A, B y BA, en la base canónica, y describir el efecto sobre un vector aplicando
primero A y luego B.

1
0
3 Sea R2 con la base {v 1 , v 2 } = , , y sea A una matriz 2 × 2 cumpliendo que
2
1
1
Av 1 = v 2 y Av 2 = 0. Calcular la imagen por A del vector . (Sugerencia: escribir el
4
1
vector como una combinación lineal de los vectores de la base dada).
4
4 Sea T : R2 → R2 una transformación lineal para la cual sabemos que

1 1 −1 2
T = , T =
1 −2 1 3

−1
(a) ¿A qué es igual T ?
5

a1
(b) ¿A qué es igual T ?
a2
5 Sea T : P2 → P3 una transformación lineal para la cual sabemos que
T (1) = 1, T (x) = x2 y T (x2 ) = x3 + x.

(a) Hallar T (2x2 − 5x + 3).
(b) Hallar T (ax2 + bx + c).
Diagonalización de matrices
Valores y vectores propios de una matriz

Sea A una matriz n×n con componentes reales. Por fijar ideas, supondremos que
esa matriz representa una aplicación lineal de un espacio vectorial V en sı́ mismo.
Se dice que el número λ (real o complejo) es un valor propio de A si existe un vector
no nulo v ∈ V tal que
Av = λv,
El vector v se llama vector propio de A, asociado al valor propio λ.
A los valores propios se llaman también valores caracterı́sticos o autovalores, y
a los vectores propios vectores caracterı́sticos o autovectores.
Ejemplo 1
Sea la matriz
10 −18
A= .
6 −11
Entonces
2 10 −18 2 2
A = = .
1 6 −11 1 1

2
Ası́ pues λ1 = 1 es un valor propio de A y un vector propio asociado es v 1 = .
1
Análogamente

3 10 −18 3 −6 3
A = = = −2 ,
2 6 −11 2 −4 2
de
manera
que λ2 = −2 es un valor propio de A y un vector propio asociado es v 2 =
3
.
2
Ejemplo 2
Si la matriz A es la matriz identidad, es decir A = I, entonces para cualquier v, Av =
Iv = v. Ası́ que 1 es el único valor propio de I y cualquier vector v es un vector propio de
I.
Veamos cómo se determinan los valores propios y los vectores propios de una
matriz dada. Sea A una matriz cuadrada de orden n y sea λ un valor propio de A.
Entonces existe un vector no nulo

 
x1
 x2 
v=  6= 0
 
..
 . 
xn
tal que Av = λv = λIv (I, matriz identidad).

Esta expresión la podemos escribir en la forma
    
a11 − λ a12 ··· a1n x1 0
 a21 a 22 − λ · · · a2n  x2   0 
(A−λI)v = 0 o lo que es igual  =
    
.. .. . .. ..  .. .. 
 . . .  .   . 
an1 an2 · · · ann − λ xn 0
que constituye un sistema homogéneo de n ecuaciones con las incógnitas x1 , x2 , . . . , xn .

Puesto que el sistema ha de tener soluciones distintas de la trivial (el vector 0 satis-
face trivialmente el sistema), concluimos que el determinante de los coeficientes del
sistema ha de ser igual a cero, det(A − λI) = 0.
El desarrollo del determinante conduce a un polinomio en p(λ) llamado polinomio
caracterı́stico de A
a11 − λ a12 ··· a1n
a21 a22 − λ ··· a2n
det(A−λI) = .. .. .. .. = λn +bn−1 λn−1 +· · ·+b1 λ+b0 ≡ p(λ).
. . . .
an1 an2 · · · ann − λ
La ecuación
p(λ) = λn + bn−1 λn−1 + · · · + b1 λ + b0 = 0
se llama ecuación caracterı́stica de A. Por el teorema fundamental del álgebra,
cualquier polinomio de grado n con coeficientes reales tiene exactamente n raı́ces
reales o complejas (contando sus multiplicidades). En nuestro caso las n raı́ces
λ1 , λ2 , . . . , λn del polinomio caracterı́stico nos proporcionan los n valores propios de
la matriz A.
Llevando cada uno de estos valores propios a la ecuación (A − λI)v = 0 se
obtienen los correspondientes vectores propios asociados. Podemos resumir todo
esto en el siguiente cuadro
Procedimiento para calcular valores y vectores propios
1. Se halla p(λ) = det(A − λI).
2. Se calculan las raı́ces λ1 , λ2 , . . . , λn de p(λ) = 0.
3. Se resuelve el sistema homogéneo (A − λi I)v = 0 que corresponde a cada

valor propio λi .
Ejemplo 3
Sea la matriz
4 2
A= .
3 3
Entonces
4−λ 2
det(A − λI) = = (4 − λ)(3 − λ) − 6 = λ2 − 7λ + 6 = (λ − 1)(λ − 6) = 0
3 3−λ
Ası́ pues los valores propios de A son λ1 = 1 y λ2 = 6. Para λ1 = 1 resolvemos (A − I)v = 0,

o sea
3 2 x1 0
= .
3 2 x2 0
Claramente, cualquier vector propio correspondiente a λ1 = 1 satisface la ecuación 3x1 +
2x2 = 0. Podemos tomar el vector
2
−3
aunque cualquier vector proporcional a este es tambı́en vector propio, pues satisface la
ecuación.
De la misma forma, la ecuación (A − 6I)v = 0 significa que

−2 2 x1 0
=
3 −3 x2 0

1
de donde se sigue que x1 = x2 . Entonces v 2 = es un vector propio correspondiente a
1
λ2 = 6. Nótese que v 1 y v 2 son linealmente independientes. Siempre se cumple que
A valores propios diferentes corresponden vectores propios linealmente in-

dependientes.
Ejemplo 4
Veamos esto en el caso de una matriz cuadrada de orden 3. Sea
 
1 −1 4
A= 3 2 −1  .
2 1 −1
Entonces
1−λ −1 4
det(A−λI) = 3 2−λ −1 = −(λ3 −2λ2 −5λ+6) = −(λ−1)(λ+2)(λ−3) = 0.
2 1 −1 − λ
Ası́ pues los valores propios de A son λ1 = 1, λ2 = −2, y λ3 = 3. Para λ1 = 1 tenemos

    
0 −1 4 x1 0
(A − I)v =  3 1 −1   x2  =  0 
2 1 −2 x3 0
que es equivalente al sistema

−x2 + 4x3 = 0
3x1 + x2 − x3 = 0
2x1 + x2 − 2x3 = 0
cuyas soluciones son x1 = −x3 , x2 = 4x3 , de manera que un vector propio es

 
−1
v1 =  4  .
1
Para λ2 = −2, tenemos

    
3 −1 4 x1 0
(A + 2I)v =  3 4 −1   x2  =  0  .
2 1 1 x3 0
que conduce a la ecuación

3x1 − x2 + 4x3 = 0
3x1 + 4x2 − x3 = 0
2x1 + x2 + x3 = 0
cuyas soluciones son x2 = −x1 , x3 = −x1 y podemos tomar
 
1
v 2 =  −1  .
−1
Finalmente para λ3 = 3, tenemos

    
−2 −1 4 x1 0
(A − 3I)v =  3 −1 −1   x2  =  0 
2 1 −4 x3 0
que conduce a la ecuación

−2x1 − x2 + 4x3 = 0
3x1 + −x2 − x3 = 0
2x1 + x2 − 4x3 = 0
cuyas soluciones son x3 = x1 , x2 = 2x1 pudiendo ası́ tomar como vector propio asociado
 
1
v3 =  2  .
1
Nótese que los vectores v 1 , v 2 , v 3 son linealmente independientes.
Observación
En todos los casos anteriores hay una infinidad de vectores que satisfacen las ecuaciones
resultantes; forman el subespacio propio asociado a un valor propio.
Diagonalización de una matriz

Todas las matrices y los vectores que han aparecido hasta ahora están referidos
a una misma base B del espacio V de vectores en el que se supone que actúan dichas
matrices. Podemos suponer, sin merma de generalidad, que B es la base canónica.
Se ha visto anteriormente que si se realiza un cambio de base en V , cambian las
componentes de un vector dado. Análogamente cambiarán las componentes de una
matriz dada.
Sea A una matriz cuadrada de orden n, y supongamos conocidos n vectores pro-

pios de A, linealmente independientes. Este conjunto de n vectores linealmente in-
dependientes constituye una base B 0 de V , en general distinta de B. Nos planteamos
qué forma tendrı́a la matriz A si tomáramos como nueva base la base B 0 de vectores
propios.
Sea B 0 = {v 1 , v 2 , . . . , v n } la nueva base de vectores propios. Si expresamos estos
vectores en la propia base B 0 formada por ellos, tenemos trivialmente
T
v 1 = 1v 1 + 0v 2 + · · · + 0v n ≡ 1 0 · · · 0
T
v 2 = 0v 1 + 1v 2 + · · · + 0v n ≡ 0 1 · · · 0
·············································
T
v n = 0v 1 + 0v 2 + · · · + 1v n ≡ 0 0 · · · 1
Para expresar la matriz A en esta base tengamos en cuenta que
Av 1 = λ1 v 1 , Av 2 = λ2 v 2 , . . . , Av n = λn v n ,
donde λ1 , λ2 , . . . , λn son los valores propios de A.

O lo que es igual, llamando D a la matriz en la nueva base B 0 y expresando los
vectores propios en esta nueva base
           
1 λ1 0 0 0 0
 0   0   1   λ2   0   0 
D .  =  . , D .  =  . , ... , D .  =  . 
           
 ..   ..   ..   ..   ..   .. 
0 0 0 0 1 λn
de donde se sigue (recuérdese cómo se construye la matriz de una aplicación en una

base dada)  
λ1 0 · · · 0
 0 λ2 · · · 0 
D= . . .
 
.. . .
 .. . . .. 
0 0 · · · λn
Se dice de esta matriz que es diagonal o que está en forma diagonal. Los elementos
que no pertenecen a la diagonal principal de la matriz son todos nulos. Llegamos
ası́ al siguiente resultado
Para obtener la forma diagonal de una matriz A basta expresarla en

una base formada por vectores propios de A.
En otras palabras si P es una matriz cuyas columnas son vectores propios de la

matriz A linealmente independientes entonces la matriz D obtenida de la forma
D = P −1 AP
es una matriz diagonal. Además las componentes de la diagonal principal son pre-
cisamente los valores propios de la matriz A.
Observación
4 2 1 0
En el ejemplo 3 visto anteriormente la matriz pasa a ser la matriz
3 3
0 6
2 1
cuando se toma como nueva base B 0 = , .
−3 −1
Es inmediato comprobar que
−1
1 0 2 1 4 2 2 1
= .
0 6 −3 −1 3 3 −3 −1
   
1 −1 4 1 0 0
En el ejemplo 4 la matriz  3 2 −1  pasa a ser la matriz  0 −2 0  cuando se
2 1 −1     0 0 3
 −1 1 1 
toma como nueva base la B 0 =  4  ,  −1  ,  2  .
1 −1 1
 
En este caso
   −1   
1 0 0 −1 1 1 1 −1 4 −1 1 1
 0 −2 0  =  4 −1 2   3 2 −1   4 −1 2  .
0 0 3 1 −1 1 2 1 −1 1 −1 1
Dado que a valores propios diferentes corresponden vectores propios linealmente

independientes, siempre que una matriz de orden n tenga n valores propios diferentes
puede ser diagonalizada, ya que es posible encontrar una base formada por vectores
propios. El problema puede surgir en el caso de matrices que tengan valores propios
repetidos. En este caso la dimensión del subespacio propio ha de coincidir con el
orden de multiplicidad del valor propio en la ecuación caracterı́stica, para que sea
diagonalizable.
En los siguientes ejemplos se analiza esta situación.
Ejemplo 5
Estudiar si es diagonalizable la matriz
 
3 −1 1
 0 2 0 .
1 −1 3
La ecuación caracterı́stica es en este caso:

3−λ −1 1
det(A − λI) = 0 2−λ 0 = −λ3 + 8λ2 − 20λ + 16 = (4 − λ)(λ − 2)2 = 0.
1 −1 3−λ
Las soluciones son λ = 2 (doble) y λ = 4.

Los vectores propios asociados al valor λ = 2 han de satisfacer la ecuación
    
1 −1 1 x 0
 0 0 0   y  =  0  =⇒ x1 − x2 + x3 = 0 =⇒ x2 = x1 + x3 .
1 −1 1 z 0
Podemos tomar como vectores propios  linealmente

 independientes
  del espacio propio asoci-
1 0
ado a este valor, por ejemplo, v1 =  1  y v2 =  1 .
0 1
    
−1 −1 1 x1 0
 0 −2 0   x2  =  0  .
1 −1 −1 x3 0
 
1
Obtenemos en este caso x1 = x3 , x2 = 0. Podemos tomar v3 =  0 .
1
Los vectores v 1 , v 2 , v 3 son tres vectores propios linealmente independientes, por tanto la
matriz es diagonalizable. De otro modo: los subespacios propios tienen dimensiones 2 y 1
respectivamente, y como la suma es 3 se cumple la condición de poseer una base de vectores
propios.
Ejemplo 6
Dada la matriz  
2 4 3
 −4 −6 −3 
3 3 1
estudiar si es diagonalizable.
2−λ 4 3
det(A − λI) = −4 −6 − λ −3 = −λ3 − 3λ2 + 4 = −(1 − λ)(λ + 2)2 = 0.
3 3 1−λ
Las soluciones son λ = 1 y λ = −2 (doble).

    
1 4 3 x1 0
 −4 −7 −3   x2  =  0  = 0 =⇒ x1 = x3 = −x2 .
3 3 0 x3 0
 
1
Podemos tomar como vector propio, por ejemplo, v1 =  −1 .
1
Los vectores propios asociados al valor λ = −2 han de satisfacer la ecuación
    
4 4 3 x1 0
 −4 −4 −3   x2  =  0  .
3 3 3 x3 0
 
−1
Obtenemos en este caso x1 = −x2 , x3 = 0. Podemos tomar v2 =  1  .
0
En este caso no podemos obtener más que dos vectores propios linealmente independientes
y no podemos, por tanto, construir una base de vectores propios. La matriz dada no es
diagonalizable.
La conclusión que se extrae de los dos últimos ejemplos es que cuando una
matriz tiene valores propios repetidos no se puede asegurar nada a priori sobre su
diagonalización.
Existe sin embargo un tipo de matrices muy útiles y frecuentes en muchos pro-
blemas, cuya diagonalización puede asegurarse independientemente de que tengan
o no valores propios repetidos, son la matrices simétricas, de las que hablaremos en
la siguiente sección.
Ejercicios
1 Diagonalizar la matriz
0 1
1 0
dando la matriz P tal que P −1 AP sea diagonal.
2 Diagonalizar (en los casos en que sea posible) las siguientes matrices, dando además una
base de vectores propios.
     
2 5 6 −1 2 2 −5 −5 −9
 0 −3 2  ,  2 −1 2  ,  8 9 18  .
0 0 5 2 2 1 −2 −3 −7
3 Sea A una matriz 2 × 2 con valores propios 3 y 4 y con vectores propios asociados

−1 2
y ,
1 1
respectivamente. Determinar, sin hacer cálculos, una matriz diagonal D y una matriz no
singular P tal que P −1 AP = D. Calcular A.
4 Hallar
la matriz A cuyos
valores
propios son 1 y 4 y cuyos vectores propios son
3 2
v1 = y v2 = , respectivamente.
1 1
5 Sea A una matriz 3 × 3 con valores propios −3, 4 y 4 y con vectores propios asociados
     
−1 0 0
 0 , 0  y  1 ,
1 1 1
respectivamente. Determinar, sin hacer cálculos, una matriz diagonal D y una matriz no
singular P tal que P −1 AP = D. Calcular A.
 
0 0 −2
6 Sea la matriz A =  1 2 1  . Hallar A17 .
1 0 3
Matrices simétricas
Matrices simétricas
Se dice que una matriz cuadrada es simétrica si los elementos situados simé-
tricamente respecto de la diagonal principal son iguales (es decir, coincide con su
traspuesta). Analicemos su diagonalización en un caso sencillo.
Ejemplo 7
Diagonalizar la matriz simétrica
 
3 2 4
A= 2 0 2 .
4 2 3

3−λ 2 4
det(A − λI) = 2 −λ 2 = −λ3 + 6λ2 + 15λ + 8 = −(λ + 1)2 (λ − 8) = 0,
4 2 3−λ
de manera que los valores propios son λ1 = 8 y λ2 = −1 (doble).

Para λ = 8 se obtiene ecuación
    
−5 2 4 x1 0
(A − 8I)v =  2 −8 2   x2  =  0  = 0
4 2 −5 x3 0
de donde x1 = x3 = 2x2  
2
Tomamos como vector propio, v1 =  1 .
2
Para λ2 = −1 se tiene
    
4 2 4 x1 0
(A + I)v =  2 1 2   x2  =  0 
4 2 4 x3 0
de donde se sigue 2x1 + x2 + 2x3 = 0 o bien x2 = −2x1 − 2x3 .

   
1 0
Si x1 = 1 y x3 = 0, se obtiene v2 =  −2 . Si x1 = 0 y x3 = 1 se obtiene v3 =  −2  .
0 1
La matriz es por tanto diagonalizable. Nótese que además en este caso los vectores propios
correspondientes a valores propios diferentes son ortogonales (perpendiculares). En efecto
v 1 · v 2 = 2 × 1 + 1 × (−2) + 2 × 0 = 0, v 1 · v 3 = 2 × 0 + 1 × (−2) + 2 × 1 = 0
si elegimos los dos vectores propios asociados al valor propio doble (λ = −1) ortogonales
entre sı́, por ejemplo    
1 −4
v2 =  −2  , v3 0 =  −2 
0 5
obtenemos una base de vectores ortogonales en la cual la matriz dada adquiere forma dia-
gonal.
Matrices diagonalizables ortogonalmente

Todavı́a podemos dar un paso más en este ejemplo que estamos considerando.
Hallamos la norma o el módulo de los vectores obtenidos
p √ √
kv 1 k = 22 + 12 + 22 = 3, kv 2 k = 12 + (−2)2 + 02 = 5, kv 03 k = (−4)2 + (−2)2 + 52 = 3 5
p p
y dividimos a cada uno de ellos por su módulo

     
2 1 −4
v1 1  v2 1  v 03 1 
u1 = = 1 , u2 = =√ −2  , u3 = 0 = √ −2 
kv 1 k 3 kv 2 k 5 kv 3 k 3 5
2 0 5
obteniendo ası́ una base ortonormal B 0 = {u1 , u2 , u3 } (es decir, formada por vectores
de módulo unidad y ortogonales entre sı́) de vectores propios de A.
La diagonalización de una matriz mediante el paso a una base ortonormal se

conoce como diagonalización ortogonal. Sólo es posible en el caso de matrices
simétricas, es decir
Si A es una matriz cuadrada real de orden n, A es diagonalizable ortogo-

nalmente si y sólo si A es simétrica
La diagonalización ortogonal permite diagonalizar una matriz simétrica sin tener

que renunciar a las ventajas de trabajar en una base ortonormal como lo es, por
ejemplo, la base canónica.
Expresémoslo en forma matricial: Una matriz cuadrada Q es ortogonal si admite
inversa y además ésta coincide con su traspuesta, es decir,
Q−1 = QT .
Una matriz cuadrada se dice diagonalizable ortogonalmente si existe una matriz

ortogonal Q tal que
QT AQ = D.
Donde la matriz D es la matriz diagonal cuyos elementos son los valores propios de
A. Se dice que Q diagonaliza ortogonalmente a A. Nótese que la diagonalización
ortogonal no supone otra forma de diagonalizar (realmente QT = Q−1 ), sino una

forma particular de elegir la base de vectores propios.
Observación
Una matriz cuadrada Q es ortogonal si, y sólo si, las columnas (y las filas) de Q forman
una base ortonormal. O sea, el producto escalar de una columna por si misma es igual a
1, y el producto escalar de una columna por otra distinta es cero (y lo mismo vale para las
filas). Compruébese con la matriz Q del ejemplo 7 visto anteriormente.
 √ √ 
2/3 1/√5 −4/3√5
Q =  1/3 −2/ 5 −2/3√5  .
2/3 0 5/3 5
Procedimiento para hallar una matriz Q ortogonal que diagonaliza a

una matriz real simétrica.
1. Hallar una base para cada espacio propio.
2. Utilizar el procedimiento de Gram–Schmidt (si fuere necesario) para ortonor-

malizar.
3. Escribir Q como la matriz cuyas columnas son los vectores propios ortonor-
males obtenidos.
Ejemplo

2 −1
Sea la matriz A = . Los valores propios de A son λ1 = 1 y λ2 = 3 con
−1 2
√ √
1/√2 1/ √2
vectores propios v1 = y v2 = , ya normalizados.
1/ 2 −1/ 2
De manera que podemos tomar como matriz Q la matriz
√ √
1/√2 1/√2
.
1/ 2 −1/ 2
Formas cuadráticas
Una forma cuadrática sobre R2 es una aplicación q : R2 → R de la forma
q(x, y) = ax2 + by 2 + cxy
y una forma cuadrática sobre R3 es una aplicación q : R3 → R es una expresión de

la forma
q(x, y, z) = ax2 + by 2 + cz 2 + dxy + exz + f yz.
Siempre es posible asociar una matriz simétrica a una forma cuadrática. En efecto
a 12 c x
" #
ax2 + by 2 + cxy = x y ≡ xT Ax

1
c b y
2
" 1 #

x
a 2 c
donde x = yA= ,
y 1
c b
2
y también
 1 1 
a 2 d 2 e  
x
ax2 + by 2 + cz 2 + dxy + exz + f yz = 1 1   y  = v T Bv,
 
x y z 
 2 d b 2f 
1 1 z
2 e 2 f c
 1 1 
  a 2 d 2 e
x
1 1
 
donde v = y  y B = 

 2 d b 2 f 
.
z 1 1
2 e 2 f c
Como se ha visto en el apartado anterior siempre es posible diagonalizar orto-
gonalmente la matriz simétrica que asociamos a la forma cuadrática. Eligiendo
  una
x
base ortonormal de vectores propios y suponiendo que las componentes  y  del
z
 
X
vector v pasan a ser  Y  ≡ V en la nueva base, y si A y D son las matrices de
Z
la forma cuadrática en la antigua y en la nueva base podemos escribir
  
λ1 0 0 X
v T Av = V T D V = X Y Z  0 λ2 0   Y  = λ1 X 2 + λ2 Y 2 + λ3 Z 2 ,

0 0 λ3 Z
es decir, la forma cuadrática se puede escribir en la nueva base como una suma de
cuadrados (forma canónica). Los signos de λ1 , λ2 y λ3 , juegan un papel importante,
como se verá, en el estudio de los extremos de una función real de varias variables. Si
todos los valores propios son estrictamente positivos se dice que la forma cuadrática
es definida positiva. Si son estrictamente negativos se dice definida negativa. Si
son no negativos se dice semidefinida positiva. Si son menores o iguales que cero
semidefinida negativa.
Ejercicios
1 La matriz A tiene los valores propios 0 y 1, correspondientes a los vectores propios

1 2
v1 = y v2 = , respectivamente.
2 −1
1. Deducir que A es simétrica.

2. Hallar A.
3. Hallar los valores y los vectores propios de A2 .
4. ¿Cuál es la relación entre A2 y A?
2 Diagonalizar ortogonalmente las siguientes matrices dando una base ortonormal de vectores
propios.  
1 −1 −1
0 1
,  −1 1 −1  .
1 0
−1 −1 1
3    
u1 v1
Hallar u =  u2  y v =  v2  de manera que la matriz
u3 v3
 
1/3 u1 v1
 2/3 u2 v2 
2/3 u3 v3
sea ortogonal.
4 Dada la matriz  
1 −3 1
A =  −3 1 1 
1 1 −3
1. Hallar una matriz P que diagonalice a A.
2. Hallar una matriz Q que diagonalice ortogonalmente a A.
5. Hallar una transformación ortogonal en cada caso para reducir la siguientes formas
cuadráticas a la forma canónica:
i) q(x1 , x2 , x3 ) = 4x21 + 4x22 + 5x23 − 4x1 x3 − 8x2 x3 .
ii) q(x1 , x2 , x3 ) = −2x21 + 2x22 + 2x23 + 2x1 x2 + 2x1 x3 + 2x2 x3 .
6. Determinar el carácter de las siguientes formas cuadráticas:

i) q(x1 , x2 , x3 ) = x21 + 2x22 + x23 + 2x1 x2 + x1 x3 .
ii) q(x1 , x2 , x3 ) = −x21 − x22 − x23 − 2x1 x2 − 2x1 x3 − 2x2 x3 .
Diferenciabilidad y polinomio de taylor
La derivada de una función real de variable real

Se dice que una función real f definida en un intervalo abierto I de R es derivable
en x0 perteneciente a I, si existe y es finito
f (x0 + h) − f (x0 )
lim .
h→0 h
A este lı́mite se le denomina derivada de f en x0 y se designa por f 0 (x0 ). El número
f 0 (x0 ) puede interpretarse como la pendiente de la recta tangente a la gráfica en
el punto (x0 , f (x0 )). Esta recta tangente que pasa por el punto (x0 , f (x0 )) con
pendiente f 0 (x0 ), siendo su ecuación y − f (x0 ) = f 0 (x0 )(x − x0 ), es la recta que
mejor se aproxima a la gráfica de f en la proximidad del punto (x0 , f (x0 )). La
figura 10 muestra la recta tangente en el punto (1, 1) a la gráfica de y = x2 .
Fig.10
Observación
La derivabilidad de una función en un punto implica la continuidad de la función en ese
punto; el recı́proco no es cierto.
La diferencial de una función

Si una función es derivable en un punto x0 de su dominio se define la diferencial
de la función en ese punto y para un incremento arbitrario de la variable ∆x = x−x0
como
df (x0 ) = f 0 (x0 )∆x.
Se escribe normalmente como df (x) = f 0 (x)dx ya que dx = x0 ∆x y x0 = 1.
f (x) − f (x0 )
Si consideramos la expresión f 0 (x0 ) = limx→x0 en puntos x “muy
x − x0
próximos” a x0 podemos poner
f (x) − f (x0 )
f 0 (x0 ) ≈ o bien f (x) ≈ f (x0 ) + f 0 (x0 )(x − x0 ).
x − x0
Esta última expresión constituye una aproximación a la función f (x) para puntos
cercanos a x0 , aproximación lineal local de f en x 0 . Tanto mejor aproximación
cuanto menor sea la distancia entre x y x0 . El término que da esta aproximación,
es decir, la cantidad que hay que sumar a f (x0 ) para obtener una aproximación de
f (x) es precisamente la diferencial de f en x0 para un incremento ∆x de la variable
independiente: f (x) ≈ f (x0 ) + df (x0 ).
Observación
Nótese que ∆f (x) = f (x) − f (x0 ) ≈ f 0 (x0 )(x − x0 ) = df (x), o bien ∆y ≈ dy, para
pequeños incrementos ∆x de la variable x (figura 11).
Fig.11
El siguiente teorema está estrechamente relacionado con estas cuestiones.
Teorema del valor medio

Si f es una función continua en [a, b] y derivable en (a, b) entonces existe al menos
un punto c comprendido entre a y b tal que:
f (b) = f (a) + f 0 (c)(b − a).
Observación
En particular, si x0 y x son puntos de [a, b] existirá un c entre los dos puntos tal que
f (x) = f (x0 ) + f 0 (c)(x − x0 ), (1)

es decir, el valor de la función en el punto x se puede escribir como suma del valor en otro
punto x0 más un término complementario.
Fig.12
Fórmula de Taylor
La expresión (1) del apartado anterior se puede generalizar para funciones n
veces derivables con continuidad en el intervalo [a, b] que tienen derivada de orden
n + 1 en (a, b). En tal caso se puede escribir:
f 00 (x0 ) f (n) (x0 ) f (n+1) (c)

f (x) = f (x0 )+f 0 (x0 )(x−x0 )+ (x−x0 )2 +· · ·+ (x−x0 )n + (x−x0 )n+1
2! n! (n + 1)!
(2)
donde x0 < c < x. Es decir, se expresa el valor de la función en un punto x por un
polinomio de grado n en x − x0 más un término complementario. Esta fórmula es
capital en el Cálculo.
Observación
La expresión (1) es entonces un caso particular de la expresión (2) cuando n = 0, es
decir, cuando sólo se exige derivabilidad de primer orden de la función f .
Aplicación a los cálculos aproximados

Hallar el polinomio de Taylor de sen x en el punto x0 = 0.
Calculamos el valor de f (x) = sen x y de sus derivadas sucesivas hasta orden cinco en x0 = 0.
f (0) = sen(0) = 0, f 0 (0) = cos(0) = 1, f 00 (0) = − sen(0) = 0,
f 000 (0) = − cos(0) = −1, f (iv) (0) = sen(0) = 0, f (v) (0) = cos(0) = 1.
Llevando estos resultados a la expresión (2) se tiene
x3 x5
sen x = x − + + Resto
3! 5!
La figura 13 muestra la gráfica de los polinomios de Taylor de grado uno, tres y cinco
3 5
en el punto x0 = 0 para la función f (x) = sen x(= x − x3! + x5! − · · ·).
Fig.13
Extremos relativos
Sea f : D ⊂ R → R. Un punto x0 ∈ D es un mı́nimo local (respect. máximo
local) de f si f (x) ≥ f (x0 ) (respect. f (x) ≤ f (x0 )) cerca del punto. El punto x0 se
llama extremo local o extremo relativo.
Puntos crı́ticos
Un punto x0 es un punto crı́tico de f si f 0 (x0 ) = 0. Si f : D ⊂ R → R es
diferenciable la condición necesaria de extremo local en x0 es que x0 sea punto
crı́tico.
Observación
Un punto crı́tico puede no ser extremo local, se le llama un punto de inflexión.
Condición suficiente de extremo

Un punto crı́tico es un máximo (respect. mı́nimo) de una función f si la primera
derivada que no se anula en ese punto es de orden par y es negativa (respect. positiva)
en ese punto. Si la primera derivada que no se anula es de orden impar, la función
carece de extremos en ese punto.
Ejemplo
En una reacción autocatalı́tica una substancia A se convierte en otra B de modo que B
cataliza su propia formación. Suponiendo que la velocidad de reacción es proporcional a la
cantidad x de B y también a la cantidad restante de A en el tiempo t, se quiere determinar
para qué valor particular de x es máxima la velocidad de reacción.
Llamando a a la cantidad inicial de substancia A se tiene
dx
v(x) = = kx(a − x) (k, constante positiva).
dt
La primera derivada de la velocidad es v 0 (x) = k(a − 2x) que se anula para x = a/2 y
corresponde a un máximo, ya que
a
v 00 = −2k < 0.
2
Ejercicios
√ √
1 Utilizar la diferencial de la función f (x) = x para calcular 99.
2 Hallar el polinomio de Taylor de las siguientes funciones en x0 = 0

2
f (x) = xe−x (grado 7), f (x) = sen(x2 ) (grado 10), f (x) = cos(3x) (grado 6).
3 Calcular el seno de 10◦ y el coseno de 10◦ con un error, en ambos casos, inferior a 10−5 .
4 Utilizar el polinomio de Taylor de ln(1 + x) para aproximar ln(1, 4) con un error menor
que 0, 01.
5 Dar una cota del error que se comete al tomar el polinomio de Taylor de sexto grado para
aproximar f (x) = ex en el intervalo [0, 1].
6 Hallar los extremos relativos de la siguientes funciones
x2
(a) f (x) = x2/3 (1 − x)2/3 , (b) f (x) = , (c) f (x) = x + 2 cos x.
1 + x3
Derivabilidad y diferenciabilidad de funciones de varias variables
Función real de varias variables reales

Sea f una función cuyo dominio es un subconjunto D de Rn y cuya imagen está
contenida en R. Se dice entonces que f es una función real de n variables reales.
Ejemplo
La función de tres variables reales f (x, y, z) = (x2 + y 2 + z 2 )(−3/2) lleva el conjunto D de
los puntos (x, y, z) 6= (0, 0, 0) de R3 en R.
Gráfica de una función

Sea f : D ⊂ R2 → R. Su gráfica consiste en el conjunto de puntos definido de la
siguiente manera:
Gráfica de f := { (x, y, z = f (x, y)) ∈ R3 , (x, y) ∈ D}.
Ası́ pues, la gráfica de una función f (x, y) de dos variables es la superficie formada
por todos los puntos (x, y, z) del espacio tales que (x, y) está en el dominio de la
función y la tercera coordenada es z = f (x, y) (figura 14).
Fig.14
Curvas de nivel
Sean f una función de dos variables y c una constante. El conjunto de todos los
puntos (x, y) del plano tales que f (x, y) = c se llama curva de nivel de f (con valor
c). En la figura 15 se representa la gráfica y algunas curvas de nivel de la función
f (x, y) = x2 + y 2 .
Fig.15
Observación
En el caso de funciones f (x, y, z) de tres variables se habla de superficies de nivel
f (x, y, z) = c.
Derivada parcial
Sea f : D ⊂ R2 → R una función real de dos variables. Entonces las derivadas
parciales ∂f /∂x y ∂f /∂y de f respecto de la primera y segunda variable, son fun-
ciones reales de dos variables, las cuales, en el punto (x0 , y0 ) están definidas de la
siguiente manera:
∂f f (x0 + h, y0 ) − f (x0 , y0 )
(x0 , y0 ) := lim
∂x h→0 h
∂f f (x0 , y0 + h) − f (x0 , y0 )
(x0 , y0 ) := lim
∂y h→0 h
si estos lı́mites existen.
Ejemplo ( xy
(x, y) 6= (0, 0)
Hallar las derivadas parciales de la función f (x, y) = x2 + y 2 en (0, 0).
0 (x, y) = (0, 0)
Aplicando la definición de derivada parcial para la función dada en el punto (x0 , y0 ) = (0, 0)
se tiene:

f (h, 0) − f (0, 0) 1 h·0
fx (0, 0) = lim = lim −0 =0
h→0 h h→0 h h2 + 02

f (0, h) − f (0, 0) 1 0·h
fy (0, 0) = lim = lim − 0 = 0.
h→0 h h→0 h 02 + h2
En cualquier punto (x, y) 6= (0, 0), las derivadas parciales se calculan utilizando la reglas
usuales de derivación de funciones de una variable, teniendo en cuenta que al calcular la
derivada respecto de “x” se considera “y” constante, y al calcular la derivada respecto de
“y” se considera “x” constante. Ası́ pues,
∂f y(x2 + y 2 ) − xy · 2x y(y 2 − x2 )
(x, y) = =
∂x (x2 + y 2 )2 (x2 + y 2 )2
∂f x(x2 + y 2 ) − xy · 2y x(x2 − y 2 )
(x, y) = 2 2 2
= 2 .
∂y (x + y ) (x + y 2 )2
La función tiene, por tanto, derivadas parciales en todos los puntos de R2 .
Interpretación geométrica en el caso de dos variables

La derivada parcial fx (x0 , y0 ) es la pendiente de la recta tangente en el punto
x0 a la curva f (x, y0 ) intersección de la superficie z = f (x, y) con el plano y = y0 .
Análogamente la derivada parcial fy (x0 , y0 ) es la pendiente de la recta tangente en
el punto y0 a la curva f (x0 , y) intersección de la superficie z = f (x, y) con el plano
x = x0 (figura 16).
Fig.16
Derivadas de orden superior

Sea f : R2 → R. Las derivadas segundas se definen, si existen, como
∂2f ∂2f

∂ ∂f ∂ ∂f
:= ≡ fxx , := ≡ fyx ,
∂x2 ∂x ∂x ∂x∂y ∂x ∂y
∂2f ∂2f

∂ ∂f ∂ ∂f
:= ≡ fxy , := ≡ fyy .
∂y∂x ∂y ∂x ∂y 2 ∂y ∂y
Igualdad de las derivadas cruzadas

Sea f : R2 → R y supongamos f ∈ C 2 (dos veces derivable con continuidad).
Entonces
∂2f ∂2f
= .
∂x∂y ∂y∂x
Ejemplo
Sea la función f (x, y) = 4x2 + 3xy + y 2 . Sus derivadas primeras son fx = 8x + 3y y
fy = 3x + 2y, y sus derivadas segundas
fxx = 8, fxy = fyx = 3, fyy = 2.
Observación
Análogamente si f ∈ C 3
∂3f ∂3f ∂3f

= = ,
∂x2 ∂y ∂y∂x2 ∂x∂y∂x
o bien si f es una función de tres variables, y con las mismas condiciones de derivabilidad,
∂3f ∂3f ∂3f

= = .
∂x∂y∂z ∂z∂y∂x ∂y∂z∂x
Función diferenciable
Sea f : D ⊂ R2 → R una función real de dos variables. Decimos que f es
diferenciable en (x0 , y0 ) ∈ D si existen las derivadas parciales de f en (x0 , y0 ) y si
ocurre que
∂f ∂f
f (x, y) = f (x0 , y0 ) + · (x − x0 ) + · (y − y0 ) + R1 .
∂x (x0 ,y0 ) ∂y (x0 ,y0 )
p
donde R1 es un término que tiende a cero más rápidamente que (x − x0 )2 + (y − y0 )2 .
Observaciones
1. El plano tangente a la gráfica de f que pasa por el punto (x0 , y0 , f (x0 , y0 )) es
∂f ∂f
z = f (x0 , y0 ) + · (x − x0 ) + · (y − y0 ).
∂x (x0 ,y0 ) ∂y (x0 ,y0 )
La definición de diferenciabilidad expresa que este plano es una “buena” aproximación

de la función f en las proximidades de (x0 , y0 ). Realmente es el plano que mejor se
aproxima a la gráfica de f en un entorno del punto (x0 , y0 , f (x0 , y0 )) (figura 17).
Fig.17
2. La sola existencia de las derivadas en un punto no garantiza la diferenciabilidad de

la función en ese punto. En cambio la diferenciabilidad en un punto garantiza la
existencia de derivadas parciales en ese punto.
Diferencial de una función

Si una función f es diferenciable en un punto (x0 , y0 ) de su dominio se define la
diferencial de f en ese punto, para una variación (dx, dy), como

∂f ∂f
df (x0 , y0 ; dx, dy) := dx + dy.
∂x (x0 ,y0 ) ∂y (x0 ,y0 )
Observación
Se ha visto en el apartado anterior que si una función es diferenciable en (x0 , y0 ), y (x, y)
es un punto próximo a (x0 , y0 ) podemos escribir
f (x, y) ≈ f (x0 , y0 ) + fx (x0 , y0 )dx + fy (x0 , y0 )dy,
donde dx = x − x0 y dy = y − y0 . Si queremos estudiar la variación ∆f del valor de una

función cuando se pasa del punto (x0 , y0 ) al punto (x, y) tenemos, a partir de la expresión
anterior, que
∆f = f (x, y) − f (x0 , y0 ) ≈ fx (x0 , y0 )dx + fy (x0 , y0 )dy = df.
Ası́ pues, la diferencial de una función en un punto nos da aproximadamente la variación

del valor de la función cuando se consideran puntos cercanos.
Ejemplo
El volumen de un cilindro circular recto es V = πr2 h. Aproximar la variación de V si
el radio r pasa de 1.0 a 1.1 y la altura h pasa de 1.0 a 1.1 unidades de longitud.
Utilizamos la diferencial para aproximar el cambio experimentado por el volumen.
∂V ∂V
dV = dr + dh = 2πrh dr + πr2 dh.
∂r ∂h
En este caso
r0 = 1.0, h0 = 1.0; y dr = r − r0 = 1.1 − 1.0 = 0.1, dh = h − h0 = 1.1 − 1.0 = 0.1.
Ası́ pues,
∆V ≈ dV = 2π · 1 · 1 · 0.1 + π · 12 · 0.1 = 0.3 π unidades de volumen.
Derivada de la función compuesta (Regla de la cadena)

Sean las funciones x = x(t) e y = y(t) de una variable t, diferenciables en el
punto t0 , y sean x0 = x(t0 ), y0 = y(t0 ). Si la función z = f (x, y) es diferenciable en
el punto (x0 , y0 ) entonces la función compuesta z = f (x(t), y(t)) tiene derivada en
t0 y ésta viene dada por la expresión
dz ∂z dx ∂z dy
= + , (3)
dt ∂x dt ∂y dt
o más detalladamente
df ∂f dx ∂f dy
(x(t0 ), y(t0 )) = (x0 , y0 ) (t0 ) + (x0 , y0 ) (t0 ).
dt ∂x dt ∂y dt
En el caso de funciones x = x(u, v) e y = y(u, v) tenemos expresiones análogas
∂z ∂z ∂x ∂z ∂y ∂z ∂z ∂x ∂z ∂y
= + , = + . (4)
∂u ∂x ∂u ∂y ∂u ∂v ∂x ∂v ∂y ∂v
Observación
Nótese que las ecuaciones (3) y (4) se pueden expresar en la siguiente forma matricial
   
dx ∂x ∂x
 dt   ∂u ∂v 

dz ∂z ∂z   ∂z ∂z ∂z ∂z  
= , = .
dt ∂x ∂y  dy  ∂u ∂v ∂x ∂y  ∂y ∂y 
 
dt ∂u ∂v
La matriz cuadrada es la matriz del cambio de variables x, y a u, v (matriz jacobiana)
Derivada de la función implı́cita

Sea una función F (x, y) que satisface las siguientes condiciones
1. F (x0 , y0 ) = 0.
2. F ∈ C 1 en un entorno del punto (x0 , y0 ).
3. Fy (x0 , y0 ) 6= 0.
Entonces existe una función y = f (x) definida en un entorno del punto x0 , indepen-
dientemente de que pueda ponerse o no en forma explı́cita. La derivada de f viene
dada por la expresión
dy Fx
=− ,
dx Fy
o más precisamente
dy Fx (x0 , y0 )
(x0 ) = − .
dx Fy (x0 , y0 )
De forma análoga si una función F (x, y, z) satisface
1. F (x0 , y0 , z0 ) = 0.
2. F ∈ C 1 en un entorno del punto (x0 , y0 , z0 ).
3. Fz (x0 , y0 , z0 ) 6= 0.
Existe en este caso una función z = f (x, y) de clase C 1 en un entorno del punto
(x0 , y0 ), cuyas derivadas parciales vienen dadas por las expresiones
∂z Fx ∂z Fy
=− , =−
∂x Fz ∂y Fz
o más precisamente
∂z Fx (x0 , y0 , z0 ) ∂z Fy (x0 , y0 , z0 )
(x0 , y0 ) = − , (x0 , y0 ) = − .
∂x Fz (x0 , y0 , z0 ) ∂y Fz (x0 , y0 , z0 )
Derivada direccional
Sea f : D ⊂ R3 → R, y sea u ∈ R3 un vector unitario. Se define la derivada
direccional de f en un punto x0 = (x0 , y0 , z0 ) de su dominio de definición en la
dirección del vector u como el siguiente lı́mite (en caso de que éste exista)
f (x0 + hu) − f (x0 ) d
Du f := lim ≡ f (x0 + tu) .
h→0 h dt t=0
Observaciones
1. En el dominio en el que f sea diferenciable existe la derivada direccional en todas las
direcciones. La derivada direccional en x0 , en la dirección u está dada por
∂f ∂f ∂f
Du f = (x0 )u1 + (x0 )u2 + (x0 )u3 ,
∂x ∂y ∂z
donde u = (u1 , u2 , u3 ) y kuk = 1.
2. En los casos en que u = i, j, k la derivada direccional coincide con las derivadas
parciales ∂f ∂f ∂f
∂x , ∂y , ∂z respectivamente.
Gradiente
Sea f : D ⊂ R3 → R diferenciable, y sea ∇ el operador diferencial vectorial dado
∂ ∂ ∂
por ∇ := ∂x i + ∂y j + ∂z k. Se define el gradiente de f en x0 = (x0 , y0 , z0 ) como el
3
vector de R dado por la siguiente expresión:
∂f ∂f ∂f
∇f (x0 ) := (x0 )i + (x0 )j + (x0 )j.
∂x ∂y ∂z
Observaciones
1. La relación entre derivada direccional y gradiente en un punto x0 viene dada por
Du f (x0 ) = ∇f (x0 ) · u
2. El mayor valor de la derivada direccional en un punto tiene lugar cuando u es paralelo
a ∇f en ese punto, es decir, el gradiente nos da la dirección y el sentido de máxima
variación creciente de f en un punto determinado, y −∇f el de máxima variación
decreciente.
3. El valor de esa variación máxima viene dado por el módulo del gradiente en ese punto
Du f = k∇f k kuk cos 0 = k∇f k.
4. El gradiente de f es ortogonal a las curvas y superficies de nivel de f (figura 18).
Fig. 18
Ejercicios
1 Expresar como función de dos variables:

1. el volumen V (r, h) de un cono de radio r y altura h
2. la distancia d(x, y) desde el punto (2,4,3) a un punto en el plano x + y + z = 1
3. el área total A(r, h) de un cilindro (incluyendo base y “tapa”) de radio r y altura h.
2 Expresar como función de tres variables

1. el lado c(a, b, θ) de un triángulo, en función de los otros dos lados a y b y el ángulo
que forman θ
2. la distancia d(a, b, c) del origen de coordenadas al plano ax + by + cz = 1, en términos
de a, b, c
3. la magnitud de la fuerza gravitatoria F (m1 , m2 , d) entre dos masas m1 , m2 , separadas
una distancia d.
3 Hallar el dominio y la imagen de las siguientes funciones:

p 1 + x2 y 3
1. ln(y − 2x) 2. x2 − y 3. 2
x − y2
4 Dibujar la gráfica y el mapa de contorno (curvas de nivel) de las siguientes funciones

1. f (x, y) = x + y + 2
2. f (x, y) = x2 + 4y 2
3. f (x, y) = x2
y2 x2
4. f (x, y) = −
4 9
5. f (x, y) = x2 + 2y 2 + 1
5 Si V (x, y) es el voltaje o potencial en un punto (x, y) del plano Oxy , entonces las curvas de
nivel de V se llaman curvas equipotenciales. Sobre una de estas curvas el voltaje permanece
constante. Siendo
8
V (x, y) = p ,
16 + x2 + y 2
trazar las curvas equipotenciales para las que V = 2.0, V = 1.5, V = 0.5.
6 Calcular las derivadas parciales primeras de las siguientes funciones
sen(πx)
1. f (x, y) = .
1 + y2
x
2. f (x, z) = .
1 + cos 2z
3. f (x, z) = xz 2 − cos(xz 3 ).
4. f (x, y, z) = xyz .
7 Demostrar que la función g(x, t) = 2 + e−t sen x satisface la ecuación del calor:
∂g ∂2g
= .
∂t ∂x2
(En este caso g(x, t) representa la temperatura en una varilla de metal en la posición x y en
el tiempo t).
8 Hallar las derivadas parciales fx y fy de las siguientes funciones en los puntos que se
indican
1. f (x, y) = ex−cos(xy) en (0, 1)
2. f (x, y) = cos(x + exy ) en (1, 0).
9 Calcular fx , fy , fxx , fyy , y fxy para las siguientes funciones

2xy
1. f (x, y) =
(x2 + y 2 )2
2. f (x, y) = cos(x2 y 2 )
1
3. f (x, y) = .
cos2 x + e−y
10 La potencia eléctrica viene dada por
V2
P =
R
donde V es el voltaje y R la resistencia. Aproximar el máximo porcentaje de error al calcular
la potencia para un voltaje de 200 voltios y una resistencia de 4000 ohmios, si los posibles
errores en las medidas de V y R son 2% y 3%, respectivamente.
p
11 El periodo T de un péndulo de longitud L es T = 2π L/g, donde g denota la aceleración
de la gravedad. El péndulo se lleva de una zona en donde g = 9.78 m/s2 a otra donde
g = 9.82 m/s2 . Además, debido al cambio de temperatura, la longitud del péndulo pasa de
3.20 a 3.18 metros. Aproximar el cambio que sufre el periodo del péndulo.
12 En los casos siguientes hallar por derivación implı́cita las primeras derivadas parciales de
z:
(i) x2 + y 2 + z 2 = 25.
(ii) tan(x + y) + tan(y + z) = 1.
(iii) z = ex sen(y + z).
13 Demostrar que x3 z 2 − z 3 yx = 0 define z como función de (x, y) en las proximidades del

punto (1, 1, 1) pero no cerca del origen. Calcular ∂z/∂x y ∂z/∂y en (1, 1).
14 En los siguientes casos hallar ∂w/∂s y ∂w/∂t utilizando la regla de la cadena apropiada
y evaluar cada derivada parcial en los valores de s y t que se especifican:
1. w = y 3 − 3x2 y, x = es , y = et , s = 0, t = 1.
π
2. w = x2 − y 2 , x = s cos t, y = s sen t, s = 3, t= .
4
π
3. w = sen(2x + 3y), x = s + t, y = s − t, s = 0, t= .
2
15 Un tipo muy importante de funciones es el de las funciones homogéneas. Una función f

se dice homogénea de grado n si f (tx, ty) = tn f (x, y). Averiguar, en los casos siguientes, el
grado de cada función homogénea y verificar que xfx (x, y) + yfy (x, y) = nf (x, y)
p
1. f (x, y) = xy x2 + y 2 .
2. f (x, y) = x3 − 3xy 2 + y 3 .
3. f (x, y) = ex/y .
16 Si el potencial eléctrico en un punto (x, y) del plano Oxy es V (x, y), entonces el vec-
tor intensidad de campo eléctrico en (x, y) es E = −∇V (x, y). Supóngase que V (x, y) =
e−2x cos 2y :
1. Hallar el vector intensidad de campo eléctrico en (π/4, 0).
2. Demostrar que en cualquier punto del plano el potencial eléctrico disminuye con mayor
rapidez en la dirección de E.
17 En cierta montaña, la elevación z con respecto al nivel del mar viene dada por z(x, y) =
2000 − 2x2 − 4y 2 metros. El eje x positivo apunta hacia el Este y el eje y positivo apunta
hacia el Norte. Un alpinista está en el punto (−20, 5, 1100).
1. Si el alpinista usa una brújula para avanzar hacia el Este, ¿ascenderá? o ¿descenderá?
¿con qué rapidez? Y si avanza hacia el Oeste ¿qué ocurrirı́a?
2. Si el alpinista usa una brújula para avanzar hacia el Noroeste, ¿ascenderá? o ¿des-
cenderá?, ¿con qué rapidez?
3. ¿En qué dirección de la brújula debe avanzar el alpinista para permanecer siempre en
el mismo nivel?
18 Encontrar las ecuaciones del plano tangente y de la recta normal a la superficie z = x2 y

en el punto (2,1,4).
19 Hallar la derivada direccional de las siguientes funciones en el punto P y en la dirección

v indicadas:
1 √
1. f (x, y) = 3x − 4xy + 5y, P = (1, 2), v = (i + 3j).
2
2
+y 2 )
2. f (x, y) = e−(x , P = (0, 0), v = i + j.
3. f (x, y) = arcsen(xy), P (1, 0), v = i + 5j.
20 Dada la función f (x, y) = 9 − x2 − y 2

1. Dibujar la gráfica de f en el primer octante y señalar el punto (1,2,4) sobre la super-
ficie.
π π
2. Hallar Du f (1, 2) donde u = cos( )i + sen( )j.
4 4
3. Hallar ∇f (1, 2) y k∇f (1, 2)k.
4. Hallar un vector unitario u ortogonal a ∇f (1, 2), y calcular Du f (1, 2). Discutir el
significado geométrico del resultado.
Fórmula de Taylor y extremos
Fórmula de Taylor
Sea f : D ⊂ R2 → R tal que f ∈ C 2 en las proximidades de x0 . La fórmula de
Taylor (de orden dos), se escribe
f (x, y) = f (x0 , y0 ) + fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )+
1
2 [fxx (x0 , y0 )(x − x0 )2 + 2fxy (x0 , y0 )(x − x0 )(y − y0 ) + fyy (x0 , y0 )(y − y0 )2 ] + R2 .
donde R2 es un resto que tiende a cero “más deprisa” que (x − x0 )2 + (y − y0 )2

cuando (x, y) → (x0 , y0 ), y que simboliza los términos de la fórmula de Taylor que
siguen y que no consideramos en este orden de aproximación.
Observación
En esta expresión los términos lineales en (x − x0 ) e (y − y0 ) constituyen precisamente
la diferencial de la función en el punto (x0 , y0 ). Los términos cuadráticos son, salvo por el
factor 1/2, la diferencial segunda de la función en (x0 , y0 ).
Extremos relativos
Sea f : D ⊂ R2 → R. Un punto x0 = (x0 , y0 ) ∈ D es un mı́nimo local (resp.
máximo local) de f si f (x) ≥ f (x0 ) (resp. f (x) ≤ f (x0 )) cerca del punto. El punto
x0 se llama extremo local o extremo relativo.
Puntos crı́ticos
Un punto (x0 , y0 ) es un punto crı́tico de f si ∂f ∂f
∂x (x0 , y0 ) = ∂y (x0 , y0 ) = 0. Si
f : D ⊂ R2 → R es diferenciable la condición necesaria de extremo local en x0 es
que éste sea punto crı́tico.
Observación
Un punto crı́tico puede no ser extremo local, y entonces se le dice punto de silla.
Condición suficiente de extremo

Un punto crı́tico es un máximo (resp. mı́nimo) de una función f si el término
cuadrático de la fórmula de Taylor en ese punto es negativo (resp. positivo) en ese
punto. En caso de que no ocurra ninguna de las dos cosas es un punto de silla.
Observación
Si (x0 , y0 ) es punto crı́tico de una función de dos variables, es útil la siguiente regla:

fxx (x0 , y0 ) > 0
• mı́nimo si
fxx (x0 , y0 ) · fyy (x0 , y0 ) − (fxy (x0 , y0 ))2 > 0.

fxx (x0 , y0 ) < 0
• máximo si
fxx (x0 , y0 ) · fyy (x0 , y0 ) − (fxy (x0 , y0 ))2 > 0.
• punto de silla en todos los demás casos

(siempre que fxx (x0 , y0 ) · fyy (x0 , y0 ) − (fxy (x0 , y0 ))2 6= 0).
También es posible decidir si una función presenta extremo en un punto crı́tico

(x0 , y0 ) hallando los valores propios de la matriz (simétrica) de las segundas derivadas
(matriz hessiana o hessiano):
 
fxx (x0 , y0 ) fxy (x0 , y0 )
H= .
fyx (x0 , y0 ) fyy (x0 , y0 )
Si los valores propios resultan ser λ1 y λ2 , se tiene, por la conservación del determi-
nante y la traza de una matriz en un cambio de base, que
λ1 + λ2 = fxx (x0 , y0 ) + fyy (x0 , y0 )
λ1 λ2 = detH.
Si λ1 y λ2 son positivos, por la segunda igualdad detH = fxx (x0 , y0 ) · fyy (x0 , y0 ) −
(fxy (x0 , y0 ))2 > 0, de donde se sigue que fxx (x0 , y0 ) y fyy (x0 , y0 ) han de tener el
mismo signo. Por la primera igualdad ambos han de ser positivos.
Si λ1 y λ2 son negativos, por la segunda igualdad detH = fxx (x0 , y0 ) · fyy (x0 , y0 ) −
(fxy (x0 , y0 ))2 > 0, de donde se sigue que fxx (x0 , y0 ) y fyy (x0 , y0 ) han de tener el
mismo signo. Por la primera igualdad ambos han de ser negativos.
Ejemplo
Analizar el comportamiento de f (x, y) = x5 y + xy 5 + xy en sus puntos crı́ticos.
Igualando a cero las primeras derivadas parciales obtenemos
fx = y(5x4 + y 4 + 1) = 0
fy = x(x4 + 5y 4 + 1) = 0
de donde se sigue que el único punto crı́tico es el (0, 0). Calculemos ahora las derivadas
segundas en (0, 0)
fxx (0, 0) = 20x3 y (0,0)
=0
fxy (0, 0) = fyx (0, 0) = 5x4 + 5y 4 + 1 (0,0)
=1
fyy (0, 0) = 20xy 3 (0,0)
= 0.
La matriz de las segundas derivadas en (0, 0) es por tanto

0 1
1 0
cuyos valores propios son 1 y −1. La función presenta un punto de silla en ese punto.
Conclusión a la que se llega también utilizando el otro criterio. Si los valores propios hubieran
sido ambos positivos (resp. negativos), el punto (0, 0) hubiera sido un mı́nimo (resp. un
máximo).
Observación
Si D es una región cerrada (o sea, contiene su frontera) y acotada de Rn y f : D → R es
una función continua en D, entonces existe al menos un punto x1 en D donde f alcanza su
máximo y existe al menos un punto x2 en D donde f alcanza su mı́nimo.
Extremos condicionados.
Sea f : D ⊂ R2 → R diferenciable y supongamos que las variables (x, y) no son
independientes sino que están ligadas por una relación g(x, y) = 0, donde g : D ⊂
R2 → R es también diferenciable. Se entiende por extremos de f con la condición
g(x, y) = 0 los extremos de f sobre la curva C de R2 definida por la ecuación
g(x, y) = 0. Lo mismo vale para funciones con un número mayor de variables.
Ejemplo
Sean la función f (x, y, z) y la ligadura g(x, y, z) = 0. En este caso se puede plantear
el problema de hallar los extremos de f (x, y, z) sobre la región de R3 constituida por la
superficie g(x, y, z) = 0.
Condición necesaria de extremo condicionado

Sean f y g diferenciables en D ⊂ R2 y denotemos por x = x(t), y = y(t) la curva
C que expresa la ligadura g(x, y) = 0 en esa región del plano. Si la función f (x, y)
tiene un extremo en (x0 , y0 ) = (x(t0 ), y(t0 )), entonces f (x(t), y(t)) tiene un extremo
en t0 . Por tanto f 0 (t0 ) = 0, o lo que es igual
d
f (x(t), y(t))t0 = fx (x0 , y0 )x0 (t0 )+fy (x0 , y0 )y 0 (t0 ) = ∇f (x0 , y0 )·(x0 (t0 ), y 0 (t0 )) = 0.
dt
De donde se sigue que ∇f (x, y) ha der ser ortogonal a C en (x0 , y0 ) ya que
(x0 (t0 ), y 0 (t0 )) es el vector tangente a la curva C en (x0 , y0 ) (ver pág. 82). Puesto
que ∇g(x, y) es ortogonal a la curva C en todo punto de la misma, los vectores
∇f (x0 , y0 ) y ∇g(x0 , y0 ) han de ser colineales, es decir,
∇f (x0 , y0 ) = λ∇g(x0 , y0 )
donde se supone ∇g(x0 , y0 ) 6= 0 y λ es un número real llamado multiplicador de
Lagrange (figura 20). Esto significa que tenemos que resolver el siguiente sistema de
tres ecuaciones
fx (x, y) = λgx (x, y)

fy (x, y) = λgy (x, y) (5)
g(x, y) = 0
para las tres incógnitas x, y, λ. Al mismo sistema se llega al estudiar los puntos
crı́ticos de la función auxiliar Φ(x, y, λ) = f (x, y) − λg(x, y). Ciertamente las condi-
ciones Φx = 0, Φy = 0, Φλ = 0 conducen al sistema (5).
Fig.20
Para ver si un punto crı́tico (x0 , y0 ; λ0 ) es extremo, se considera la función Φ(x, y) =

f (x, y) − λ0 g(x, y), y se estudia el signo de d2 Φ(x0 , y0 ) teniendo en cuenta que las
diferenciales dx y dy están ligadas por la ecuación de condición.
Ejemplo
Determinar el rectángulo de área máxima y perı́metro 2a.
La función es en este caso f (x, y) = xy, y la ligadura viene dada por g(x, y) = x + y − a = 0
(ya que 2x + 2y = 2a); La ecuación ∇f = λ∇g conduce en este caso al sistema y = λ, x = λ
que junto con la ecuación de ligadura x + y = a nos proporciona el punto crı́tico P (a/2, a/2).
Considerado como punto crı́tico de la función Φ(x, y) = xy + λ(x + y − a), y teniendo en
cuenta que Φxx = Φyy = 0 y Φxy = Φyx = 1, se llega a que d2 Φ(a/2, a/2) = 2dxdy. Ahora
bien, diferenciando en la ecuación de ligadura tenemos dx = −dy; resultando finalmente que
d2 Φ(a/2, a/2) = −2dx2 < 0. Ası́ pues, el punto (a/2, a/2) es un máximo. Se obtiene ası́ el
resultado clásico que dice que de todos los rectángulos de perı́metro fijado, el cuadrado es
el que tiene un área máxima. En este caso el área es a2 /4 .
Ejercicios
1 Determinar la fórmula de Taylor de segundo orden para las siguientes funciones:

1. f (x, y) = (x + y)2 , g(x, y) = ex+y en (x0 , y0 ) = (0, 0)
2
2. h(x, y) = e(x−1) cos y en (x0 , y0 ) = (1, 0).
2 Localizar los posibles extremos relativos y los puntos de silla de f (x, y) = 4xy − x4 − y 4 .
3 Determinar las dimensiones de una caja rectangular, abierta en su parte superior que
tenga un volumen de 32 m2 y que requiera la menor cantidad posible de material en su
fabricación.
4 Encontrar los puntos de la superficie xy − z 2 = 1 más próximos al origen.

(Sugerencia: Utilizar la función distancia al cuadrado d2 (x, y, z) en lugar de la función
distancia d(x, y, z) ya que conserva los extremos y lleva a ecuaciones más sencillas porque
no contiene raı́ces cuadradas.)
5 Diseñar un cilindro con tapa que pueda contener 1 litro de agua, usando la mı́nima cantidad
de metal.
10
Campos vectoriales: rotacional, divergencia y laplaciano
Campos vectoriales
Un campo vectorial es la asignación de un vector F (r) en cada punto r de una
región D del plano o del espacio.
Un campo vectorial sobre R3 se representa en la forma
F = F1 i + F2 j + F3 k ≡ (F1 , F2 , F3 )
donde F1 (x, y, z), F2 (x, y, z), F3 (x, y, z) son funciones de R3 en R, que supondremos
de clase C 1 (R3 ).
Fig.21
Rotacional de un campo vectorial

Se define el rotacional de F de la siguiente forma

∂F3 ∂F2 ∂F1 ∂F3 ∂F2 ∂F1
rot F ≡ ∇ × F := − i+ − j+ − k.
∂y ∂z ∂z ∂x ∂x ∂y
Observación
Como regla nemotécnica se puede utilizar el siguiente determinante formal
i j k

∂ ∂ ∂ ∂F3 ∂F2 ∂F1 ∂F3 ∂F2 ∂F1
∇×F = = − i+ − j+ − k.
∂x ∂y ∂z ∂y ∂z ∂z ∂x ∂x ∂y
F1 F2 F3
Si F es un campo que deriva de una función escalar U ∈ C 2 , es decir si F = ∇U ,

entonces
i j k
∂ ∂ ∂
∂2U ∂2U
2
∂ U ∂2U
2
∂ U ∂2U

∇×∇U = ∂x ∂y ∂z = − i+ − j+ − k = 0.
∂y∂z ∂z∂y ∂z∂x ∂x∂z ∂x∂y ∂y∂x
∂U ∂U ∂U
∂x ∂y ∂z
Es decir, el rotacional de un gradiente es nulo. El recı́proco también es cierto, es
decir, si el rotacional de un campo F de clase C 1 es nulo entonces ese campo deriva
de una función potencial como se ve en el siguiente ejemplo.
Ejemplo
El rotacional del campo V (x, y, z) = yi + xj es
i j k

∂ ∂ ∂ ∂(0) ∂(x) ∂(y) ∂(0) ∂(x) ∂(y)
rot V = = − i+ − j+ − k = 0.
∂x ∂y ∂z ∂y ∂z ∂z ∂x ∂x ∂y
y x 0
Y se comprueba inmediatamente que este campo deriva del potencial U (x, y, z) = xy + cte.
Los campos cuyo rotacional es nulo se llaman irrotacionales. Si interpretamos el campo que
estamos considerando V (x, y, z) = yi + xj como campo de velocidades de un fluido, una
pequeña rueda con paletas no girará alrededor de su eje w (figura 22).
Fig.22
En general, dado un campo F , en los puntos en que rot F 6= 0 el movimiento

del fluido tiene un comportamiento rotatorio, es decir, existen remolinos (o vórtices)
localmente.
Divergencia de un campo vectorial

Se define la divergencia de un campo F de la siguiente manera:
∂F1 ∂F2 ∂F3
div F ≡ ∇ · F := + + .
∂x ∂y ∂z
Observación
Nótese que mientras el rotacional rot F es un campo vectorial, la divergencia div F es
un campo escalar, es decir, asigna un valor real a cada punto del plano o del espacio.
Si suponemos que F es el campo de velocidades de un gas (o un fluido), la
divergencia div F representa la razón de la expansión por unidad de volumen del
gas (o fluido). Por ejemplo, si F = xi + yj + zk, entonces div F = 3; esto significa
que el gas se está expandiendo a razón de 3 unidades cúbicas por unidad de volumen
y por unidad de tiempo. Un punto P del fluido se denomina fuente si div F |P > 0
y sumidero si div F |P < 0. Si div F = 0 el campo se dice solenoidal.
Existe una relación básica entre los operadores divergencia y rotacional. Si F ∈
C 2 entonces
div (rot F ) = ∇ · (∇ × F ) = 0.
La demostración es sencilla

∂ ∂F3 ∂F2 ∂ ∂F1 ∂F3 ∂ ∂F2 ∂F1
div (rot F ) = − + − + − =0
∂x ∂y ∂z ∂y ∂z ∂x ∂z ∂x ∂y
Laplaciano de una función escalar

Dada una función f (x, y, z), se define el operador de Laplace ∆ de la siguiente
forma
∂2f ∂2f ∂2f
∆f = + + ,
∂x2 ∂y 2 ∂z 2
siempre que existan las derivadas parciales del segundo miembro.
Observación
Si dada la función f hallamos primero el campo vectorial gradiente
∂f ∂f ∂f
grad f ≡ ∇f = i+ j+ k
∂x ∂y ∂z
y después la divergencia de este campo vectorial gradiente, obtenemos
∂2f ∂2f ∂2f

div (grad f ) ≡ ∇(∇f ) = 2
+ 2 + 2.
∂x ∂y ∂z
O sea, el operador de Laplace (divergencia del gradiente) produce el mismo efecto sobre una
función escalar que la aplicación del operador ∇ dos veces. Por eso se representa también
como ∇2 .
Ejercicios
1 Calcular el rotacional y la divergencia de los siguientes campos vectoriales
(a) F (x, y, z) = xi + yj + zk
(b) F (x, y, z) = yzi + xzj + xyk
yzi − xzj + xyk
(c) F (x, y, z) =
x2 + y 2 + z 2
(d) F (x, y, z) = (x2 + y 2 + z 2 )(3i + 4j + 5k)
y x
2 Verificar que el campo vectorial F (x, y, z) = i− 2 j es irrotacional.
x2 + y 2 x + y2
3 Demostrar que V (x, y, z) = yi − xj no es un campo gradiente.
4 Calcular la divergencia de F (x, y, z) = x2 yi + zj + xyzk.
5 Sea el campo r = xi + yj + zk (vector de posición), y sea r = krk. Calcular ∇r y ∇ · r.
6 Dada la función escalar f (x, y, z) de clase C 2 , verificar directamente que ∇ × ∇f = 0.
7 Comprobar que F (x, y, z) = y cos xi + x sen yj no es un campo vctorial gradiente.
8 Una función u(x, y) que satisface la ecuación ∆u = 0 (ecuación de Laplace), se llama

función armónica. Demostrar que la función u(x, y) = x3 − 3xy 2 es armónica.
−GmM p
9 Demostrar que el potencial de Newton V (r) = donde r = x2 + y 2 + z 2 satisface
r
la ecuación de Laplace en tres dimensiones:
∂2V ∂2V ∂2V

∆V ≡ 2
+ 2
+ =0
∂x ∂y ∂z 2
para (x, y, z) 6= (0, 0, 0).

11
Integración
Primitiva de una función

Sea f una función real definida en un intervalo I de la recta real. Se dice que la
función F , definida y derivable en el mismo intervalo, es una primitiva de f en I si
se verifica que: F 0 (x) = f (x), para cada x ∈ I.
Observación
Sumando a F (x) una constante arbitraria C se obtiene de nuevo una primitiva, ya
que la derivada sigue siendo f (x). Entonces toda primitiva G de f debe ser de la forma
G(x) = F (x) + C, donde C es una constante.
La integral indefinida
La operación de hallar todas las primitivas de una función se llama integración.
Z
f (x) dx = F (x) + C.
R
El sı́mbolo es el sı́mbolo integral. La función f que ha de ser integrada es el
integrando, y la constante C es llamada constante de integración. La familia de
funciones F (x) + C es la integral indefinida de f . El adjetivo “indefinida” pone de
manifiesto que el proceso de integración no produce una función definida, sino más
bien todo un conjunto de funciones.
Ejemplo
La integral indefinida de f (x) = x2 es 13 x3 + C. Lo escribimos de la forma
Z
1
x2 dx = x3 + C.
3
En la figura 23 están representadas las gráficas de la familia de funciones que constituyen la
integral indefinida de x2 .
Reglas básicas de integración

R
1. k dx = kx + C (k, una constante)
R R
2. cf (x) dx = c f (x) dx (c, una constante)
R R R
3. [f (x) ± g(x)] dx = f (x) dx ± g(x) dx
Las reglas 2 y 3 se conocen como propiedades de linealidad de la integración.
Fig.23
Integración mediante cambio de variable

Se sustituye una parte del integrando g(x) por una nueva variable g(x) = u:
Z Z
0 g(x) = u
f [g(x)] g (x) dx → → f (u)du.
g 0 (x)dx = du
Ejemplo
√
Z
Calcular I = 3 3x + 1 dx.
Hacemos la sustitución u = 3x + 1 y du = 3 dx, y obtenemos
√ √ √
Z Z Z Z
2
3 3x + 1 dx = 3x + 1 (3dx) = u du = u1/2 du = u3/2 + C.
3
Reemplazamos u por 3x + 1 y obtenemos
√
Z
2
3 3x + 1 dx = (3x + 1)3/2 + C.
3
Integración por partes

Si las funciones u(x) y v(x) son continuas
Z y diferenciables en un intervalo [a, b]
y sobre este intervalo existe la integral vdu, entonces sobre este mismo intervalo
Z Z Z
existe también la integral udv y además udv = uv − vdu.
Ejemplo Z
Para calcular xex dx, se hace u = x, dv = ex dx, de donde du = dx, v = ex .
Entonces Z Z
x x
xe dx = xe − ex dx = xex − ex + C.
La integral definida
Sea f una función definida en [a, b]. Si lim∆x→0 [f (x∗1 ) ∆x + f (x∗2 ) ∆x + · · · +
f (x∗n ) ∆x] existe y es único para cualquier elección de puntos x∗1 , x∗2 , . . . , x∗n en los
n subintervalos de [a, b] de anchura igual a ∆x = (b − a)/n, entonces el lı́mite se
Rb
llama integral definida de f entre a y b y se denota por a f (x) dx. Es decir
Z b X
f (x) dx := lim f (x∗i )∆x.
a ∆x→0
i
El número a es el lı́mite inferior de integración, y el número b es el lı́mite superior

de integración.
Observaciones
1. Una condición suficiente de integrabilidad de una función f en un intervalo [a, b] es
que f sea continua en ese intervalo. También si f (x) es monótona o si es continua a
trozos es integrable.
2. La colección finita de puntos a = x0 , x1 , . . . , xn = b recibe el nombre de partición del
intervalo [a, b]. En el caso indicado es una equipartición, pues los subintervalos son
iguales.
3. La expresión
f (x∗1 ) ∆x + f (x∗2 ) ∆x + · · · + f (x∗n ) ∆x
recibe el nombre de suma de Riemann de f para la partición dada.
4. Si f (x) es una función no negativa (f (x) ≥ 0 sobre el segmento [a, b]), la integral
definida nos proporciona el área de la región plana bajo la curva y = f (x) entre x = a
y x = b (figura 24).
Fig.24
Propiedades de la integral definida

Z b Z b Z b
1. [f (x) + g(x)] dx = f (x) dx + g(x) dx.
a a a
Z b Z b
2. cf (x) dx = c f (x) dx.
a a
Z b Z b
3. Si f (x) ≥ g(x) en [a, b], entonces f (x) dx ≥ g(x) dx.
a a
Z b Z a
4. f (x) dx = − f (x) dx.
a b
Z b Z c Z b
5. Dados a, b, c, entonces f (x) dx = f (x) dx + f (x) dx.
a a c
Z b Z b
6. f (x) dx ≤ |f (x)| dx.
a a
Teorema del valor medio para integrales

Sea f continua en [a, b] y g integrable y de signo constante en [a, b]. Entonces
existe c ∈ [a, b] tal que
Z b Z b
f (x)g(x) dx = f (c) g(x) dx.
a a
Observaciones
Z b
1. En particular, si g(x) = 1, entonces f (x)dx = f (c)(b − a).
a
2. Por ser f continua en [a, b] alcanzará un valor mı́nimo m y un valor máximo M en
puntos del intervalo [a, b]. El punto c cumple, pues que m ≤ f (c) ≤ M (figura 25).
Z b
3. Si f no fuese continua se podrı́a poner f (x)dx = µ(b − a). Pero en este caso µ no
a
tiene porqué ser la imagen de algún c ∈ [a, b].
Fig.25
Ejemplo
Puesto que f (x) = x2 es continua en el intervalo [1, 4], el teorema del valor medio para
integrales garantiza que existe un número c en [1, 4] tal que
Z 4
x2 dx = f (c)(4 − 1) = c2 (4 − 1) = 3c2
1
Pero
4 4
x3
Z
x2 dx = = 21
1 3 1
De manera que √
3c2 = 21 o c2 = 7 o c=± 7
√
Ası́ pues, c = 7 ≈ 2, 65 es el número en el intervalo [1, 4] cuya existencia está garantizada
por el teorema del valor medio para integrales.
Teorema fundamental del Cálculo

Sea f continua en [a, b] y sea x ∈ [a, b]. Si F (x) es una función definida en [a, b]
de la forma Z x
F (x) := f (t) dt,
a
entonces F 0 (x) = f (x).
Consecuencia (Regla de Barrow)
Si f es continua en [a, b] entonces
Z b
f (x) dx = F (b) − F (a)
a
donde F es una primitiva de f .
Ejemplo
Z π/2 π/2 π
cos x dx = sen x = sen( ) − sen 0 = 1.
0 0 2
Integrales impropias Rb
Cuando alguna parte de la integral a f (x) dx se hace infinita, bien sea a o b o
la función integrando f (x), se dice que la integral es impropia.
Ejemplo
Las siguientes integrales son impropias
Z ∞ Z 0 Z 1
dx dx
, ex dx, √ .
1 x2 −∞ 0 x
El cálculo de este tipo de integrales implica un paso al lı́mite (en caso de que
exista):
Z ∞ Z b Z b Z b
f (x) dx := lim f (x) dx, f (x) dx := lim f (x) dx
a b→∞ a −∞ a→−∞ a
Si es la función integrando la que se hace infinita en alguno de los lı́mites de la

integral, el cálculo se realiza como en el siguiente ejemplo:
Ejemplo Z 1
dx
Para calcular √ se procede de la siguiente manera
0 x
Z 1 Z 1 √
dx dx 1
√ = lim √ = lim 2 x a
= 2.
0 x a→0 a x a→0
Ejercicios
1 Calcular las siguientes integrales

ex dx
Z Z Z Z
dx
x3 ex dx, , , sen2 x cos3 x dx.
e2x − ex (x − 1)(x2 + 1)
2 Calcular, si es posible, las siguientes integrales

Z ∞ Z ∞ Z ∞ Z π/2
dx
, sen x dx, xe−x dx, tan x dx.
1 xe −∞ 0 0
3 Hallar las áreas comprendidas entre las curvas dadas en los intervalos indicados
1. y = x3 , y = x2 − 1, 1 ≤ x ≤ 3
2. y = cos x, y = x2 + 2, 0 ≤ x ≤ 2
3. y = ex , y = x − 1, −2 ≤ x ≤ 0.
Z 1/2
dx
4 Calcular el valor aproximado de √ , error < 0.1.
0 1 − x5
π
sen4 x
Z 4
5 Calcular dx aproximadamente.
π
12
x4

1 x ∈ [0, 1]
6 Sea f (x) definida en [0, 2] de la siguiente manera f (x) = . Calcular la
2 x ∈ (1, 2]
función integral. Ver si es continua y derivable.
12
Integrales múltiples
Integral doble
Sea f (x, y) una función definida en una región D ⊂ R2 . Supongamos D dividida
en n subregiones de áreas ∆S1 , . . . , ∆Si , . . . , ∆Sn , y denotemos por (xi , yi ) un punto
de la subregión de área ∆Si .
Si existe el lı́mite
X
lim f (xi , yi )∆Si
máx ∆Si →0
i
y es único para cualquier elección del punto (xi , yi ) en cada una de las subregiones,
se le llama integral doble de f (x, y) sobre D, es decir,
ZZ X
f (x, y) dxdy := lim f (xi , yi )∆Si
D máx ∆Si →0
i
Observación
Si f (x, y) es una función no negativa (f (x, y) ≥ 0) sobre la región D del plano, la integral
doble nos proporciona el volumen del sólido de base D, bajo la superficie z = f (x, y) (figura
26).
Fig.26
Cálculo de la integral doble sobre una región rectangular (Teorema de

Fubini)
Sea f continua sobre el rectángulo R definido por las desigualdades a ≤ x ≤ b
y c ≤ y ≤ d. Entonces
ZZ Z b Z d Z d Z b
f (x, y) dA = f (x, y) dy dx = f (x, y) dx dy. (6)
R a c c a
La última expresión de la igualdad anterior, por ejemplo, se calcula de la siguiente

manera. Se halla la integral
Z b
f (x, y) dx
a
tratando la variable y como una constante e integrando con respecto a x la función
resultante de x. De esta manera se obtiene un valor para la integral que puede
contener la variable y. O sea,
Z b
f (x, y) dx = g(y)
a
para alguna función g. Sustituyendo este valor en la ecuación (6) se tiene

Z d
g(y) dy
c
que se integra de la manera usual.
Ejemplo ZZ
Calcular cos x sen y dxdy donde R es el cuadrado [0, π/2] × [0, π/2].
R
"Z # "Z #
ZZ Z π/2 π/2 Z π/2 π/2
cos x sen y dxdy = cos x sen y dx dy = sen y cos x dx dy
R 0 0 0 0
Z π/2
= sen y dy = 1.
0
Propiedades de la integral doble

Si f y g son funciones integrables sobre el rectángulo R, y c es una constante,
entonces las funciones f + g y cf son integrables sobre el mismo rectángulo y se
verifican las siguientes propiedades:
ZZ ZZ ZZ
(i) [f (x, y) + g(x, y)]dxdy = f (x, y)dxdy + g(x, y)dxdy.
R R R
ZZ ZZ
(ii) cf (x, y)dxdy = c f (x, y)dxdy.
R R
(iii) Si f (x, y) ≥ g(x, y) en R, entonces

ZZ ZZ
f (x, y)dxdy ≥ g(x, y)dxdy.
R R
(iv) Si R1 , R2 , . . . Rn son rectángulos y R = R1 ∪ R2 ∪ . . . ∪ Rn , entonces

ZZ ZZ ZZ ZZ
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy +· · ·+ f (x, y)dxdy.
R R1 R2 Rn
ZZ ZZ
(v) f (x, y)dxdy ≤ |f (x, y)|dxdy.
R R
Cálculo de la integral doble sobre una región plana arbitraria
1. Sean g1 (x) y g2 (x) funciones continuas sobre [a, b] y la región D definida por
D = {(x, y) | g1 (x) ≤ y ≤ g2 (x); a ≤ x ≤ b} (Tipo I.)
Entonces Z b "Z #
ZZ g2 (x)
f (x, y) dxdy = f (x, y) dy dx
D a g1 (x)
2. Sean h1 (y) y h2 (y) funciones continuas sobre [c, d] y la región D definida por
D = {(x, y) | h1 (y) ≤ x ≤ h2 (y); c ≤ y ≤ d} (Tipo II.)
En este caso
"Z #
ZZ Z d h2 (y)
f (x, y) dxdy = f (x, y) dx dy.
D c h1 (y)
Observación
Si f (x, y) = 1, el valor de la integral doble sobre una región dada es precisamente
el área de esa región.
Valor medio de una función

Si f es integrable sobre la región plana D, entonces su valor medio sobre D está
dado por RR RR
D f (x, y) dA f (x, y) dA
= D RR .
Área de D D dA
Integral triple
Sea f (x, y, z) una función definida en una región V ⊂ R3 . Supongamos V
dividida en n subregiones de volúmenes ∆v1 , . . . , ∆vi , . . . , ∆vn , y denotemos por
(xi , yi , zi ) un punto de la subregión de volumen ∆vi .
Si existe el lı́mite
X
lim f (xi , yi , zi )∆vi
máx ∆vi →0
i
y es único para cualquier elección del punto (xi , yi , zi ) en cada una de las subregiones,
se le llama integral triple de f (x, y, z) sobre V , es decir,
ZZZ X
f (x, y, z) dxdydz := lim f (xi , yi , zi )∆vi .
V máx ∆vi →0
i
Observación
Si una función f (x, y, z) no negativa (f (x, y, z) ≥ 0), definida en la región sólida V , se
considera como una densidad de masa, la integral triple se puede interpretar como la masa
del sólido V .
Cálculo de la integral triple sobre un paralelepı́pedo rectangular

Sea V el paralelepı́pedo rectangular definido por las desigualdades a ≤ x ≤
b, c ≤ y ≤ d y u ≤ z ≤ v. Entonces el teorema de Fubini garantiza que:
ZZZ Z v Z d Z b
f (x, y, z) dV = f (x, y, z) dx dy dz.
V u c a
Observaciones
1. Si f (x, y, z) es una función continua, el orden en que se realice el cálculo iterado es
irrelevante para el resultado final.
2. Las propiedades mencionadas para la integral doble sirven para la integral triple sin más
que considerar un paralelepı́pedo rectangular en vez de un rectángulo.
Cálculo de la integral triple sobre una región espacial arbitraria

Sea V una región espacial comprendida entre las gráficas de dos funciones con-
tinuas de x e y, esto es
V = {(x, y, z) | (x, y) ∈ D, γ1 (x, y) ≤ z ≤ γ2 (x, y)}
donde D es la proyección de E en el plano xy.
A su vez la región D puede ser región tipo I o región tipo II en el plano xy. Es
decir
a ≤ x ≤ b, φ1 (x) ≤ y ≤ φ2 (x) y γ1 (x, y) ≤ z ≤ γ2 (x, y)

o bien,
c ≤ y ≤ d, ψ1 (y) ≤ x ≤ ψ2 (y) y γ1 (x, y) ≤ z ≤ γ2 (x, y)
La forma de calcular estas integrales es

ZZZ Z bZ φ2 (x) Z γ2 (x,y)
f (x, y, z)dV = f (x, y, z) dzdydx
V a φ1 (x) γ1 (x,y)
o bien
ZZZ Z d Z ψ2 (y) Z γ2 (x,y)

f (x, y, z)dV = f (x, y, z) dzdxdy.
V c ψ1 (y) γ1 (x,y)
Observación
RRR
Si f (x, y, z) = 1 entonces el valor de V f (x, y, z) dV es el volumen del sólido tridimen-
sional al que está extendida la integral.
Ejemplo
Sea W la región limitada por los planos x = 0, y = 0, z = 2 y la superficie z =
x2 + y 2 , x ≥ 0, y ≥ 0.
ZZZ
Calcular x dxdydz.
W
De la figura 27 se sigue que:
√
(2−x2 )1/2
"Z #
ZZZ Z 2 Z 2
x dxdydz = x dz dy dx
W 0 0 x2 +y 2
√
Z 2 Z (2−x2 )1/2
= x(2 − x2 − y 2 ) dy dx
0 0
√
2
(2 − x2 )3/2
Z
2 3/2
= x (2 − x ) − dx
0 3
√
Z 2
2x
= (2 − x2 )3/2 dx
0 3
√
2 √
−2(2 − x2 )5/2 25/2 8 2
= =2· = .
15 0 15 15
Fig.27
Cambio de variables en las integrales dobles y triples

Sean D y D∗ regiones elementales en el plano y sea T : D∗ → D una aplicación
de clase C 1 e inyectiva sobre D∗ . Además supongamos que D = T (D∗ ). Entonces
para cualquier función integrable f : D → R, se tiene
ZZ ZZ
f (x, y) dxdy = f (x(u, v), y(u, v)) |J| dudv,
D D∗
donde |J| es el módulo del determinante jacobiano

∂x ∂x
∂(x, y) ∂u ∂v
J := = .
∂(u, v) ∂y ∂y
∂u ∂v
Observación
El caso más importante es el cambio a coordenadas polares: x = ρ cos θ, y = ρ sen θ;
|J | = ρ.
La fórmula del cambio de variables en el caso tridimensional toma la siguiente
forma
ZZZ ZZZ
f (x, y, z) dx dy dz = f (x(u, v, w), y(u, v, w), z(u, v, w)) |J| du dv dw.
V V∗
donde el jacobiano de la transformación de coordenadas es, en este caso,
∂x ∂x ∂x
∂u ∂v ∂w
∂(x, y, z) ∂y ∂y ∂y
J := = .
∂(u, v, w) ∂u ∂v ∂w
∂z ∂z ∂z
∂u ∂v ∂w
Observación
Los casos más importantes son las coordenadas semipolares en el espacio (cilı́ndricas)
x = ρ cos θ, y = ρ sen θ, z = z; |J | = ρ;
y polares en el espacio (esféricas)
x = r cos θ sen φ, y = r sen θ sen φ, z = r cos φ; |J | = r2 sen φ.
En el ejemplo anterior un cambio a coordenadas cilı́ndricas conduce al siguiente cálculo:

Z π/2 "Z √2 Z 2 # Z π/2 Z √2
ρ · ρ cos θ dz dρ dθ = ρ2 cos θ (2 − ρ2 ) dρ dθ
0 0 ρ2 0 0
√ √ Z √
π/2 2
2ρ3 ρ5 8 2 π/2
Z
8 2
= cos θ − dθ = cos θ dθ = .
0 3 5 0 15 0 15
Aplicaciones de la integral triple
I. Centro de gravedad de un sólido
Las coordenadas del centro de gravedad de un sólido V de densidad δ(x, y, z)

vienen dadas por las siguientes expresiones
RRR RRR RRR

xδ dx dy dz yδ dx dy dz zδ dx dy dz
xG = RRRV , yG = RRRV , zG = RRRV .
V δ dx dy dz V δ dx dy dz V δ dx dy dz
II. Momentos de inercia de un sólido respecto de los ejes coordenados

ZZZ ZZZ ZZZ
Ix = δ(y 2 +z 2 ) dx dy dz, Iy = δ(x2 +z 2 ) dx dy dz, Iz = δ(x2 +y 2 ) dx dy dz.
V V V
Ejercicios
1 Calcular las siguientes integrales:

Z 2Z 3 Z 4Z 2 1 1 π/2Z π/2
√
Z Z Z
ex−y dy dx, x y dx dy, (x3 y 3 +3xy 2 ) dy dx, sen(x+y) dy dx.
0 0 0 0 −1 0 0 0
2 Invertir el orden de integración en las siguientes integrales:

Z 3 Z 2
1. dy √ f (x, y) dx
1 y
Z 0 Z √9−(x−2)2 Z 1 Z √9−(x+2)2
2. dx f (x, y) dy + dx f (x, y) dy
−1 0 0 0
√
Z 2a Z 4ax
3. dx √ z dy ; (a > 0).
0 2ax−x2
3 Calcular los volúmenes siguientes:

1. Sólido que se encuentra bajo el plano z = 2x + 5y + 1 y encima del rectángulo
R = {(x, y) 0 ≤ x ≤ 1, 1 ≤ y ≤ 4}.
2. Sólido comprendido bajo el paraboloide circular z = x2 + y 2 y encima del rectángulo
R = [−2, 2] × [−3, 3].
3. Sólido limitado por la superficie z = 6 − xy y los planos x = 2, x = −2, y = 0, y = 3
y z = 0.
4. Sólido limitado por el plano z = 0 y el paraboloide z = 1 − x2 − y 2 .
4 Encontrar el área de las siguientes regiones del plano:

1. Región limitada por las curvas xy = a2 y 2(x + y) = 5a.
√
2. Región limitada por las curvas y = x, y = 2, x = 0.
x2 y2
3. Región limitada por la elipse + = 1.
a2 b2
ZZZ ZZZ
5 Calcular (x3 + y 3 ) dx dy dz y (x + y) dx dy dz extendidas al interior de la
esfera (x − a)2 + (y − a)2 + (z − a)2 = a2 .
ZZZ
6 Calcular (z 2 + 1) dx dy dz, siendo V el volumen limitado por las superficies
V
x2 y2
2
+ 2 = 2z y z = 4.
a b
7 Calcular el momento de inercia de un cı́rculo homogéneo, respecto a un eje perpendicular

a él y que pase por su centro.
Z ∞Z ∞
2
+y 2 )
8 Pasar a coordenadas polares y calcular e−(x dy dx.
0 0
ZZ
9 Resolver, mediante un cambio de variable, (x + y)3 (x − y)2 dx dy, donde D es la región
D
del plano comprendida entre las rectas x + y = 1, x − y = 1, x + y = 3, x − y = 3.
10 Hallar el centro de gravedad del sólido encerrado por x2 + y 2 + z 2 = 4 en el primer

octante. (Utilizar coordenadas esféricas).
11 Hallar la masa de la porción de un cilindro de revolución de radio r y altura h, cuya

densidad es proporcional a la distancia a una de las bases. (En cilı́ndricas y en cartesianas).
ZZZ
12 Calcular z dx dy dz donde V es el sólido definido por x2 + y 2 + z 2 ≤ 1, x2 + y 2 ≤
V
z 2 , z ≥ 0.
13 Sea el paralelepı́pedo comprendido entre z = 2 y z = 4 con proyección en XY del

cuadrado de vértices (0, 1), (1, 0), (−1, 0), (0, −1). Hallar su centro de gravedad sabiendo
que δ(x, y, z) = ky.
14 Calcular la masa de un planeta de radio R, si la densidad δ en cada punto es función de

su distancia r al centro y está dada por δ(r) = (r + 1)/r. Téngase en cuenta que la densidad
es infinita en el centro, pero la masa es finita.
13
Curvas
Curva en R3
Sea [a, b] un segmento de la recta real y r(t) su aplicación en R3 , es decir, la
aplicación que pone en correspondencia a cada punto t ∈ [a, b] con un punto r(t) del
espacio R3 . A esta aplicación r : [a, b] → R3 se le llama curva en R3 . Esta definición
es similar para el caso R2 , curva plana.
Observaciones
1. Se puede suponer que t, llamado parámetro de la curva, es el tiempo y r(t) es la
posición de una partı́cula en movimiento en el instante t.
2. Si r(t) es una curva en R3 , podemos escribir r(t) = (x(t), y(t), z(t)) siendo x(t), y(t)
y z(t) las funciones componentes de r(t) que constituyen la ecuación paramétrica de
la curva.
3. Todo lo dicho vale para el caso R2 , curva plana; y en general para Rn , curva en Rn .
4. La aplicación r(t) se dice continua, diferenciable, o de clase C 1 , si son continuas,
diferenciables o de clase C 1 , respectivamente, todas las funciones componentes.
5. Toda curva parametrizada adquiere una orientación, lo cual significa que a medida que
t crece en [a, b], el extremo del radio vector recorre r(t) en un sentido determinado.
Por ejemplo la circunferencia unidad parametrizada por
r(t) = cos ti + sen tj, t ∈ [0, 2π]
está descrita por las flechas dibujadas en la figura 28. Ası́ pues, decir curva parametrizada
es decir curva orientada.
Fig.28
Vector tangente a una curva

Sea r(t) una curva de clase C 1 en [a, b], y sea t0 ∈ [a, b]. El vector tangente en el
punto r(t0 ) está dado por r 0 (t0 ) = (x0 (t0 ), y 0 (t0 ), z 0 (t0 )), donde (0 ) indica derivación
respecto del parámetro t.
Observaciones
1. El vector r 0 (t) se llama también vector velocidad de la curva y se escribe v(t), es decir,
v(t) = r 0 (t). El módulo kv(t)k es la velocidad de un punto de la curva.
2. Si r 0 (t) 6= 0 para todo t ∈ [a, b]. El vector
r 0 (t) v(t)
t(t) := ≡
kr 0 (t)k kv(t)k
es tangente a la curva en todo punto de ella y, además kt(t)k = 1. Se dice que t(t) es
el vector tangente unitario a la curva.
3. Se define el vector aceleración a(t) como la razón de cambio del vector velocidad
respecto de t
a(t) := v 0 (t) ≡ r 00 (t) = (x00 (t), y 00 (t), z 00 (t)).
Si una partı́cula de masa m se mueve en R3 , la fuerza que actúa sobre ella en el punto
r(t) está relacionada con la aceleración por la segunda ley de Newton:
F [r(t)] = ma(t).
En el caso de que no actúen fuerzas sobre la partı́cula, a(t) = 0, v(t) es constante y

la partı́cula sigue una lı́nea recta.
Ejemplo
√
Sea la hélice circular r(t) = (cos t, sen t, 3t), t ∈ [0, 2π] . El vector tangente o vector
√
velocidad a lo largo de la curva vendrá dado por r 0 (t) = (− sen t, cos t, 3). El vector
aceleración es r 00 (t) = (− cos t, − sen t, 0).
Longitud de arco
Sea r : [a, b] → Rn una curva de clase C 1 . La longitud s de la curva está definida
como Z b Z b
s= kr 0 (t)k dt ≡ kv(t)k dt.
a a
Observaciones
1. Si se interpreta t como un parámetro temporal, esta definición expresa simplemente
que espacio es igual a velocidad × tiempo.
2. En R2 , la fórmula anterior se escribe
Z bp
s= [x0 (t)]2 + [y 0 (t)]2 dt.
a
3. En R3 , la fórmula anterior se escribe

Z bp
s= [x0 (t)]2 + [y 0 (t)]2 + [z 0 (t)]2 dt.
a
Ejercicios
1 Hallar el vector unitario tangente para la siguientes curvas:

1. r(t) = (t3 , t2 )
2. r(t) = (a cos t, b sen t)
3. r(t) = (t cos t, t sen t).
2 Hallar la curva tal que r(0) = (0, −5, 1) y r 0 (t) = (t, et , t2 ).

√
3 Hallar la longitud de un arco de hélice r(t) = (cos(2t), sen(2t), 5t) entre 0 y 4π.
4 Hallar la longitud del siguiente arco de curva: r(t) = |t|i + |t − 21 |j, t ∈ [−1, 1].
5 Una partı́cula se desplaza a lo largo de la curva r(t) = (et , e−t , cos t) hasta que sale por
una tangente en t = 1. ¿ Dónde está en t = 2?.
6 Demostrar que r(t) = ati + bt2 j parametriza una parábola. Hallar una ecuación en x e y
para esta parábola.
7 Demostrar que r(t) = 12 a(eωt + e−ωt )i + 12 a(eωt − e−ωt )j parametriza la rama derecha
(x > 0) de la hipérbola x2 − y 2 = a2 .
8 Encontrar (a) los puntos de la curva r(t) = ti + (1 + t2 )j en los cuales r(t) y r 0 (t) son
perpendiculares; (b) los puntos en los cuales tienen la misma dirección; (c) los puntos en los
cuales tienen direcciones opuestas.
9 Hallar la curva r(t) tal que r 0 (t) = ar(t) para todo t real y r(0) = i + 2j + 3k. (a es una
constante).
10 Hallar el ángulo de intersección de las curvas r 1 (t) = ti + t2 j + t3 k, y r 2 (u) = sen(2u)i +

u cos(u)j + uk en el punto P (0, 0, 0).
11 (a) Hallar el vector unitario tangente en un punto arbitrario de la elipse r(t) = a cos(t)i+
b sen(t)j.
(b) Escribir las ecuaciones vectoriales de la recta tangente a la elipse en el punto r(π/4).
12 La posición de una partı́cula que se mueve a lo largo de una hélice circular viene dada
por la función vectorial r(t) = a cos(ωt)i + a sen(ωt)j + bωtk, (a > 0, b > 0, ω > 0). Hallar
para cada instante t: (a) la velocidad de la partı́cula; (b) la rapidez; (c) la aceleración; (d)
la magnitud de la aceleración; (e) el ángulo entre el vector velocidad y el vector aceleración.
13 Una partı́cula se mueve a lo largo de la curva r(t) = 2 cos(2t)i + 3 cos(t)j. (a) Demostrar
que la partı́cula oscila sobre un arco de la parábola 4y 2 −9x = 18. (b) Dibujar la trayectoria.
(c) ¿Cuáles son las aceleraciones en los puntos de velocidad cero?.
14
Integrales de lı́nea
Integral de lı́nea de un campo vectorial

Sea F (r) un campo vectorial continuo sobre D y sea C ≡ r(t), a ≤ t ≤ b, una
curva orientada en D. Se define la integral de lı́nea a lo largo de C como
Z Z b Z b
dr
F · dr := F [r(t)] · dt ≡ F [r(t)] · r 0 (t) dt.
C a dt a
Observaciones
Z
1. La integral F · dr se conoce como circulación del campo vectorial F a lo largo de
C
la curva C.
2. Si el campo vectorial viene dadoZ en componentes
Z F (r) = (N (r), Q(r), R(r)), la inte-
gral de lı́nea suele escribirse F · dr = N dx + Qdy + Rdz.
C C
3. La definición es similar para

Z una curva
Z plana C y un campo vectorial F (r) = (N (r), Q(r)).
En este caso se escribe F · dr = N dx + Qdy.
C C
Ejemplo
Se quiere calcular el trabajo realizado por el campo de fuerza F (x, y) = yi+xj actuando
sobre un objeto que se mueve a lo largo de la parábola y = x2 − 1 desde el punto (−2, 3)
al punto (1, 0). Una posible parametrización de la parábola dada es x = t, y = t2 − 1 con
t ∈ [−2, 1]. El trabajo vendrá dado por
Z Z Z 1 Z 1
2
W = F · dr = ydx + xdy = [(t − 1) · 1 + t · 2t ] dt = (3t2 − 1) dt = 6.
C C −2 −2
Independencia del camino

Si el campo vectorial F (r) es el gradiente de alguna función U (r), es decir, si
F = ∇U , entonces para una curva C ≡ r(t) con origen en r0 y final en r1 se tiene
Z
F · dr = U (r1 ) − U (r0 ).
C
Observaciones
1. La integral de lı́nea depende, en este caso, sólo de los puntos inicial y final de la curva.
Por tanto, en el caso de que C sea una curva cerrada
I
F · dr = 0.
C
2. La función U (x, y, z), que es única salvo una constante aditiva, se llama función
potencial.
3. En el ejemplo anterior F (x, y) = ∇U (x, y) siendo U (x, y) = xy + Cte., de manera que
el trabajo sólo depende de los puntos inicial y final, ası́ pues, W = U (1, 0)−U (2, −3) =
6.
Ejercicios
Z
1 Calcular el valor de la integral yx2 dx + y dy, siendo C la curva de la ecuación y 2 +
C
2x2 − 2Rx = 0.
2 Sea C la curva intersección de la superficie esférica de centro en el origen y radio R con el

plano y + z = R. Calcular Z
y dx + z dy + x dz
C
a lo largo de la curva C recorrida en sentido positivo.
Z
3 Calcular xy dx + (x2 − y 2 ) dy a lo largo de la elipse x2 + 2y 2 = 4 recorrida en
C
sentido directo.
4 Sea F (x, y, z) = y 2Zi + (2xy + e3z )j + 3ye3z k, encontrar una función U tal que ∇U = F .
Calcular el valor de F dr donde C es una curva cerrada cualquiera.
C
5 Sea F (x, y, z) = (3Z + 2xy)i + (x2 − 3y 2 )j, encontrar una función U tal que ∇U = F .
Calcular el valor de F dr donde C es la curva descrita por r(t) = et sen ti + et cos tj,
C
0 ≤ t ≤ π.
Z
6 Calcular (x − y)dx sobre el arco de la circunferencia x2 + y 2 = 1 comprendido entre
√ C √
(1/2, − 3/2) y (1/2, 3/2); recorrido en sentido positivo.
1 2 1 3
7 Hallar la masa de un arco de √ curva de ecuación r(t) = t i + 2 t j + 3 t k, t ∈ [0, 1]; la
densidad lineal es δ(x, y, z) = 2y.
8 Hallar la función potencial V sabiendo que dV = [y + ln(x + 1)]dx + [x + 1 − ey ]dy.
9 Hallar el trabajo realizado por F (x, y, z) = (2x − y + z, x + y − z 2 , 3x − 2y + 4z) sobre

una partı́cula que da una vuelta a la circunferencia centrada en (0, 0, 0) y de radio r = 3
contenida en el plano z = 0. ¿Es conservativo el campo?
15
Superficies
Superficie parametrizada
Una aplicación r : D ⊂ R2 → R3 , donde D es un dominio en R2 se denomina
representación paramétrica de una superficie. El conjunto S de puntos del espacio
tridimensional R3 que constituye la imagen de esta aplicación, es decir S = r(D),
se denomina superficie y la podemos escribir
r(u, v) = (x(u, v), y(u, v), z(u, v)), (u, v) ∈ D.
Ejemplo
En la figura 29 se muestran dos parametrizaciones usuales del cilindro circular recto y
del cono de semiángulo π4 .
Fig.29
Observaciones
1. Si en r(u, v) se hace u = u0 ≡ Cte., o bien v = v0 ≡ Cte., se obtienen las curvas
coordenadas r(u0 , v) y r(u, v0 ) sobre la superficie (figura 30).
Fig.30
2. Tiene sentido, entonces, calcular los vectores r u (u0 , v0 ) y r v (u0 , v0 ) tangentes a las
curvas coordenadas en un punto de la superficie. Al producto r u × r v se le llama
producto vectorial fundamental de la superficie (figura 31).
Fig.31
Area de una superficie

Sea S una superficie parametrizada por una aplicación
r : D → S ∈ R3 , r(u, v) = (x(u, v), y(u, v), z(u, v)).
El área, A(S), de esta superficie viene dada por

s 2 2 2
ZZ ZZ ZZ
∂y ∂z ∂z ∂y ∂z ∂x ∂x ∂z ∂x ∂y ∂y ∂x
dS := kr u ×r v k du dv = − + − + − du dv.
S D D ∂u ∂v ∂u ∂v ∂u ∂v ∂u ∂v ∂u ∂v ∂u ∂v
Si la superficie viene dada como la gráfica de z = z(x, y), se tiene que

ZZ q
A(S) = 1 + zx2 + zy2 dx dy.
D
Si la superficie viene dada en forma implı́cita F (x, y, z) = 0, la expresión para el

área es q
ZZ Fx2 + Fy2 + Fz2
A(S) = dx dy.
D | Fz |
Ejercicios
1 Expresar las siguientes superficies paramétricas en forma cartesiana:

1. r(u, v) = (u, v, u + v)
2. r(u, v) = (2u − v + 3, −u + 4v + 1, −u − 2v − 6)
3. r(u, v) = (v cos u, v sen u, v)
4. r(u, v) = (a cos u, a sen u, v)
5. r(u, v) = (a sen u, v, a cos u)
6. r(u, v) = (u3 , u3 , v).
2 Hallar el plano tangente y el vector unitario normal a las siguientes superficies en el punto
indicado:
1. r(u, v) = (u − v, u + v, u + 3v); (1, 0)
2. r(u, v) = (u sen v, , v, u cos v); (2, 61 π)
3. r(u, v) = (sen u cos v, sen u sen v, 2 + cos u); ( 12 π, 14 π)
4. r(u, v) = (u2 − v 2 , 2uv, u3 + v 3 ); (0, −2)
2 2 3 3 2 2
5. r(u, v) = (u v , u + v , u v + uv ); (−1, −1).
3 Parametrizar una esfera de radio a.
4 Parametrizar un cono de semiángulo α.
5 Demostrar que la curva r(t) = (sen t cos t, sen2 t, cos t) está sobre una esfera de radio
unidad.
16
Integrales de superficie
Integral de superficie de funciones vectoriales

Sea F un campo vectorial definido sobre la superficie S ≡ r(u, v) que supon-
dremos diferenciable. La integral de superficie de F sobre S se define por
ZZ ZZ
F · n dS = F · (r u × r v ) du dv
S D
donde n representa el vector normal unitario en cada punto de la superficie.
Observación
Nótese que en esta última expresión no está el módulo del producto vectorial que aparece
en las expresiones anteriores, dado que

ru × rv
ZZ ZZ ZZ
F · n dS = F· kr u × r v k du dv = F · (r u × r v ) du dv.
S D kr u × r v k D
Superficie orientada
Una superficie orientada es una superficie de dos lados; uno de ellos, el lado
exterior o positivo; y el otro, lado interior o negativo. En cada punto (x, y, z) ∈ S
hay dos vectores normales unitarios n1 y n2 , donde n1 = −n2 . Cada una de
estas normales se puede asociar con un lado de la superficie. Para especificar un
lado de una superficie S, se escoge en cada punto un vector unitario normal n
que apunta hacia afuera desde el lado positivo de S en ese punto. En el caso de
superficies cerradas se considera positivo el vector que apunta hacia afuera desde la
cara exterior de la superficie.
Observación ZZ
La integral F · n dS, que se conoce como flujo del campo F a través de la superficie
S ZZ
S, se escribe también en la forma F · dS, que significa, igualmente, la integral de la
S
componente normal de F sobre la superficie, es decir,
ZZ ZZ
F · dS = (F · n) dS.
S S
Ejemplo
Dado el campo F (x, y, z) = −2xi − 2yj − 2zk, hallar el flujo a traves de la esfera de
radio unidad S ≡ x2 + y 2 + z 2 = 1 orientada con la normal exterior.
El vector normal unitario a la esfera S en (x, y, z) viene dado por n(x, y, z) = xi+yj+zk,
y f (x, y, z) = F · n = −2x2 − 2y 2 − 2z 2 = −2.
Ası́, ZZ ZZ
F · n dS = −2 dS = −2 · 4π = −8π.
S S
Ejercicios
1 Encontrar el área de la porción de paraboloide z = x2 + y 2 que se encuentra bajo el plano

z = 9.
x y z
2 Hallar el área del triángulo determinado por el plano + + = 1 y el primer octante,
a b c
mediante la integral de superficie.
3 Hallar el área del cilindro z = y 2 por encima del triángulo de vértices (0, 0), (0, 1), (1, 1).
4 Hallar el flujo de F (x, y, z) = (x, y, 0) a través de la porción de z = x2 + y 2 por debajo de

z = 4.
5 Hallar el flujo de F = r (r es la ecuación de la superficie), a través de una porción de

cilindro de radio a y altura h al que se le añaden base y cubierta. (Hallar el flujo por cada
parte por separado).

Apuntes de Matemática I

Cargado por

Información del documento

Descripción 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

Apuntes de Matemática I

Cargado por

Copyright:

Formatos disponibles

MATEMÁTICA I

1. Matrices y sistemas lineales

7. Diferenciabilidad y polinomio de Taylor

8. Derivabilidad y diferenciabilidad de funciones de varias variables

Igualdad de las derivadas cruzadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

9. Fórmula de Taylor y extremos

10. Rotacional divergencia y laplaciano

12. Integrales múltiples

INTEGRALES SOBRE CURVAS Y SUPERFICIES

14. Integrales de lı́nea

16. Integrales de superficie

Matrices y sistemas lineales

Aritmética matricial básica

I Si c es un escalar y A es una matriz m × n, entonces B = cA es una matriz

I Dos matrices A y B se pueden multiplicar sólo si el número de columnas de A

Dada una matriz A se llama matriz traspuesta de A y se designa por At la que

se define el determinante de A como

En el caso de una matriz de tamaño 3 × 3

Es inmediato comprobar las siguientes propiedades de los determinantes:

Resolución de sistemas lineales (Método de eliminación de Gauss)

Después de aplicar una sucesión finita de estas operaciones elementales al sistema

Caso en el que el número de incógnitas es igual al número de ecuaciones

Sistemas lineales generales

Demos primero la idea de matriz en forma escalonada para sistemas rectangu-

Analicemos finalmente el caso de un sistema cuadrado con infinitas soluciones.

La matriz aumentada es en este caso

restando de la segunda fila la primera multiplicada por 4, y restando de la tercera

Restando de la tercera la segunda se llega a

ya tenemos la matriz en forma escalonada reducida. Las variables básicas son en

Cálculo de la matriz inversa mediante operaciones elementales

Si E es una matriz elemental de orden m obtenida ejecutando una cierta ope-

3 Si A es una matriz cuadrada, entonces A2 se define como el producto AA. Calcular

4 Hallar las inversas de las siguientes matrices

Repaso de la idea de vector en la geometrı́a elemental

2. Dado un vector v no nulo, existen infinitos pares de puntos P, Q tales que

3. Dado un punto P y un vector columna v, existe un único punto Q y tal que

Esto sugiere la siguiente definición del producto de un escalar por un vector

La relación entre vectores columna y rectas orientadas depende del origen y de

Desarrollaremos ahora ideas y técnicas que, aunque de inspiración geométrica, uti-

Espacios vectoriales: definición y propiedades

• Respecto de la multiplicación por un número real

4. El conjunto Pn de los polinomios de grado menor o igual que n con la suma y el

Combinación lineal de vectores

ya que v 2 = −3v 1 o lo que es igual 3v 1 + v 2 = 0. En este caso c1 = 3 y c2 = 1.

es el conjunto de vectores de la forma

En este caso el espacio generado es el plano z = 0.

En efecto son linealmente independientes ya que

Cambio de base en un espacio vectorial

En general, sea B una base de un espacio vectorial V y sea B 0 = {v 1 , v 2 , . . . , v n }

y P es la matriz cuyas columnas son precisamente estos vectores, es decir,

(En efecto B ∗ constituye una base ya que v 1 y v 2 no son colineales).

Supongamos conocidas las componentes x1 y x2 de un vector x en la base B. Para

2. En el espacio vectorial P2 (x) de los polinomios de grado dos a lo sumo, escribir el

La matriz de cambio de base es pues:

Los coeficientes del polinomio en la nueva base vendrán dados por

1 ¿ Cuáles de los siguientes subconjuntos de R3 son realmente subespacios?

2 Decidir acerca de la dependencia o independencia lineal de los siguientes conjuntos de

3 Describir geométricamente el subespacio de R3 generado por

5 Demostrar que el conjunto de las matrices simétricas 3 × 3 constituye un subespacio del

7 Sean V y W los subespacios de R3 definidos de la siguiente manera

1. Describir geométricamente ambos subespacios.

Producto interno (o escalar) en un espacio vectorial real

dos vectores de V . Se llama producto interno de los vectores u y v, y se representa

El siguiente teorema está estrechamente relacionado con estas cuestiones.