Libro Docente Andres Duran Poblete - Image.Marked PDF

Cálculo en varias variables
para Ciencias Quı́micas y Ambiental
Andrés Durán Poblete
Concepción, Enero de 2008

PROLOGO
Este texto es para ser usado como apoyo por los alumnos de Ciencias
Quı́micas e Ingenierı́a Ambiental, que cursan las asignaturas de Cálculo o
Matemática III que dicta el Departamento de Ingenierı́a Matemática de la
Facultad de Ciencias Fı́sicas y Matemáticas de la Universidad de Concepción.
Los diferentes contenidos involucrados en el curso al igual que los ejercicios
son desarrollados en un lenguaje simple y de una manera directa, lo que facilita
la comprensión a los alumnos.
También, para cada capı́tulo desarrollado en este libro, se incluye una
sección donde se desarrollan algunos ejercicios computacionalmente, situación
que resultará muy interesante para el alumno, sobre todo con lo que tiene que
ver con la parte gráfica; lo cual se da mucho en los capı́tulos 2 y 3. El lenguaje
de computación que se ha elegido para tales efectos es el lenguaje Maple, que es
de un manejo relativamente fácil; dado que dispone de librerias para distintos
temas que facilitan mucho la programación. Aparte de lo anterior, se incluye
un disco compacto con un software para varias materias desarrolladas en los
cursos, en que cada programa puede ser usado en forma directa e interactiva
por el alumno.
Deseo hacer notar que todo este trabajo es un Proyecto de Docencia que
nació de la idea en conjunto con el Profesor Francisco Cheuquepán (q.e.p.d.)
y por lo tanto deseo dedicarle en parte a él dicho trabajo.
Deseo expresar también, mis agradecimientos a mis ex-alumnas, ahora
ingenieros matemáticos, Marcela Torrejón y Fabiola Lobos, por sus apoyos en
el área computacional y aporte de ideas.
Andrés Durán P.
Índice general
1. ALGEBRA LINEAL 1
1.1. ESPACIOS VECTORIALES . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2. Definición y Propiedades . . . . . . . . . . . . . . . . . . 2
1.1.3. Subespacios . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.4. Bases y Dimensión de un Espacio Vectorial . . . . . . . . 10
1.2. TRANSFORMACIONES LINEALES . . . . . . . . . . . . . . . 20
1.2.1. Definiciones y Ejemplos . . . . . . . . . . . . . . . . . . 21
1.2.2. Representación Matricial de una Transformación Lineal 29
1.3. VALORES Y VECTORES PROPIOS . . . . . . . . . . . . . . 36
1.4. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . . . 39
1.5. EJERCICIOS PROPUESTOS . . . . . . . . . . . . . . . . . . . 45
2. FUNCIONES EN VARIAS VARIABLES 51

2.1. INTRODUCCION . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.2. LIMITES Y CONTINUIDAD . . . . . . . . . . . . . . . . . . . 55
2.3. DERIVADAS PARCIALES . . . . . . . . . . . . . . . . . . . . 60
2.4. GRADIENTE Y DIFERENCIAL TOTAL . . . . . . . . . . . . 65
2.5. ROTOR Y DIVERGENCIA . . . . . . . . . . . . . . . . . . . . 73
2.6. REGLA DE LA CADENA . . . . . . . . . . . . . . . . . . . . . 76
2.7. VALORES EXTREMOS . . . . . . . . . . . . . . . . . . . . . . 80
2.8. MULTIPLICADORES DE LAGRANGE . . . . . . . . . . . . . 88
3. INTEGRALES MÚLTIPLES 103

3.1. INTEGRALES DOBLES . . . . . . . . . . . . . . . . . . . . . . 103
3.2. INTEGRALES TRIPLES . . . . . . . . . . . . . . . . . . . . . 113
3.3. CAMBIO DE VARIABLES EN INTEGRALES MULTIPLES . 120
4. SERIES INFINITAS 135

4.1. SUCESIONES INFINITAS . . . . . . . . . . . . . . . . . . . . . 135
4.2. SERIES INFINITAS . . . . . . . . . . . . . . . . . . . . . . . . 140
4.3. SERIES DE POTENCIAS . . . . . . . . . . . . . . . . . . . . . 148
4.4. SERIES DE TAYLOR Y MACLAURIN . . . . . . . . . . . . . 152
i
ii ÍNDICE GENERAL

Capı́tulo 1
ALGEBRA LINEAL
1.1. ESPACIOS VECTORIALES

1.1.1. Introducción
Los conjuntos IR2 de puntos en el plano y IR3 de puntos en el espacio
pueden representar vectores en el plano y en el espacio, respectivamente. Ası́,
un punto (a, b) en IR2 representa a un vector v en el plano si es definido como
v = (a, b) y geométricamente corresponde a un segmento de recta dirigido
que va desde el origen, el punto (0, 0), al punto (a, b). Análogamente, el punto
(a, b, c) de IR3 representa un vector v en el espacio si es definido como v =
(a, b, c) y geométricamente corresponde a un segmento de recta dirigido que va
desde el origen, el punto (0, 0, 0), al punto (a, b, c).
y z
b
c
v
v
b
0 a x 0 y
De acuerdo a lo anterior, los conjuntos IR2 y IR3 pueden ser definidos

como el conjunto de vectores en el plano y el conjunto de vectores en el espacio,
respectivamente. Dados estos conjuntos, se pueden definir algunas operaciones.
Definición 1.1. Sean u = (a, b) y v = (c, d) dos vectores de IR2 y α un número
real, entonces se define la suma de u y v, denotada por u + v, como:
u + v = (a + c, b + d)
1
2 CAPÍTULO 1. ALGEBRA LINEAL
y la multplicación por escalar de α y u, denotada por αu, como:
αu = (αa, αb)
Observación 1.1. En forma totalmente análoga estas dos operaciones pueden

ser definidas para vectores en IR3 .
Las operaciones de suma y multiplicación por escalar para vectores de IR2

y IR3 tienen muchas propiedades interesantes. Por ejemplo, se puede verificar
fácilmente que, con respecto a la suma, los vectores de IR2 cumplen las leyes
conmutativa y asociativa.
Si u es un vector de IR2 entonces
u + θ = θ;
donde θ = (0, 0), llamado el vector nulo o vector cero. También,
u + (−u) = θ;
donde −u es el llamado vector inverso del vector u. Ası́, si u = (a, b),

entonces −u = (−a, −b). Con respecto a la multiplicación por escalar, se
pueden obtener leyes distributivas.
Las propiedades para la suma y multiplcación por escalar en IR2 , también
son cumplidas por los vectores en IR3 .
Los conjuntos IR2 y IR3 , con las operaciones de suma y multiplicación por
escalar definidas, constituyen lo que se llama un espacio vectorial.
1.1.2. Definición y Propiedades

Antes de definir un espacio vectorial, se hacen algunos alcances:
i) En general, los espacios vectoriales están definidos sobre conjuntos de

elementos que deben cumplir ciertas propiedades para constituirse en lo
que se denomina un cuerpo. Los elementos de un cuerpo generalmente
reciben el nombre de escalares. En este libro, los espacios vectoriales
serán referidos sobre el cuerpo de los números reales IR y que por ende
serán llamados espacios vectoriales reales.
ii) En la definición de un espacio vectorial hay involucradas dos operaciones:

suma y mutiplicación por escalar, de tal manera que para dos elementos
u y v de un espacio vectorial y α un escalar, entonces la suma de u y
v se escribirá como u + v y la multiplicación por escalar de α y u se
escribirá como αu.
Definición 1.2. Un espacio vectorial V es un conjunto no vacı́o de elemen-

tos, llamados vectores, que junto con las operaciones suma y multiplicación
por escalar satisfacen las siguientes propiedades:
1.-) u y v ∈ V ⇒ u + v ∈ V .
1.1. ESPACIOS VECTORIALES 3
2.-) u y v ∈ V ⇒ u + v = v + u.
3.-) u, v y w ∈ V ⇒ (u + v) + w = u + (v + w).
4.-) En V existe un único vector θ, llamado vector cero, tal que para todo
u en V , u + θ = u.
5.-) Si u está en V existe un único vector −u en V , llamado el inverso

aditivo de u, tal que u + (−u) = θ.
6.-) Si u está en V y α es un escalar, entonces el producto por escalar αu

está en V .
7.-) Si u y v están en V y α es un escalar entonces α(u + v) = αu + αv.
8.-) Si u está en V , α y β son escalares entonces (α + β)u = αu + βu.
9.-) Si u está en V , α y β son escalares entonces α(βu) = (αβ)u.
10.-) Para todo vector u que está en V , 1u = u.
Observación 1.2.
1.- De la propiedad 4.-), el conjunto V no debe ser vacı́o (V 6= φ).
2.- Para todo par de vectores u y v de un espacio vectorial V , u + (−v) se

escribe como u − v y se denomina diferencia entre u y v.
Ejemplo 1.1. Sea V = IR3 el conjunto que representa los puntos (o vectores)
en el espacio; es decir,
IR3 = {(x, y, z) : x ∈ IR, y ∈ IR, z ∈ IR}
Entonces, IR3 con las operaciones de suma y producto por escalar siguientes:
- Si u = (x1 , y1 , z1 ) y v = (x2 , y2, z2 ) son dos elementos de IR3 , entonces:
u + v = (x1 , y1, z1 ) + (x2 , y2, z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
- Si α es un número real y u = (x, y, z) es un elemento de IR3 , entonces:
αu = α(x, y, z) = (αx, αy, αz)
es un espacio vectorial.
Aquı́, el vector cero es el elemento (0, 0, 0) y para cualquier elemento
u = (x, y, z) de IR3 , el inverso aditivo de u es −u = (−x, −y, −z). Con
estos elementos es fácil verificar las propiedades 1.-) a 10.-) de los espacios
vectoriales.

Ejemplo 1.2. En general, el conjunto V = IRn , n ∈ IN, que denota el con-

junto de las n-uplas de números reales;
IRn = {(x1 , x2 , ..., xn ) : x1 ∈ IR, x2 ∈ IR, ..., xn ∈ IR},
IRn constituye un espacio vectorial con las operaciones de suma y producto por
escalar siguientes:
- Si u = (x1 , x2 , ..., xn ), v = (y1 , y2, ..., yn ) son dos elementos de IRn en-
tonces:
u + v = (x1 + y1 , x2 + y2 , ..., xn + yn )
- Si α es un número real, u = (x1 , x2 , ..., xn ) es un elemento de IRn enton-

ces:
αu = (αx1 , αx2 , ..., αxn ).
Las operaciones recién definidas sobre IRn son las llamadas operaciones usua-
les.

De manera similar al ejemplo anterior, se tiene que el vector cero es θ =
(0, 0, ..., 0) y para cualquier elemento u = (x1 , x2 , ....., xn ) el inverso aditivo de
u es −u = (−x1 , −x2 , ..., −xn ). Dados estos elementos, es sencillo verificar las
propiedades de espacios vectoriales.
Ejemplo 1.3. Sea V = Pn , n ∈ IN, el conjunto de polinomios con coeficientes

reales de grado menor o igual que n; es decir, si p ∈ Pn entonces:
p = an xn + an−1 xn−1 + ... + a1 x + a0 ,

donde a1 , a2 , ..., an son números reales. Sobre el conjunto V se definen las
siguientes operaciones de suma y producto por escalar:
- Si p = an xn +an−1 xn−1 +...+a1x+a0 y q = bn xn +bn−1 xn−1 +...+b1 x+b0

son dos elementos de V , entonces:
p + q = (an + bn )xn + (an−1 + bn−1 )xn−1 + ... + (a1 + b1 )x + a0 + b0
- Si α es un número real y p = an xn + an−1 xn−1 + ... + a1 x + a0 es un

elemento de V , entonces:
αp = (αan )xn + (αan−1 )xn−1 + ... + (αa1 )x + αa0

El conjunto V con estas dos operaciones cumple las propiedades de la Defini-

ción 1.2 y es un espacio vectorial. Notemos que tanto la suma de dos polino-
mios de grado menor o igual que n como el producto por escalar de un número
real por un polinomio de grado menor o igual que n son también polinomios
de grado menor o igual que n. El vector cero corresponde al polinomio nulo
θ = 0xn + 0xn−1 + .... + 0x + 0. Además si p = an xn + an−1 xn−1 + ... + a1 x + a0
es un elemento de V , entonces el inverso aditivo −p está dado por −p =
−an xn − an−1 xn−1 − ... − a1 x − a0 .
Las operaciones definidas son las llamadas operaciones usuales para
los polinomios de orden menor o igual que n

Ejemplo 1.4. Sea V = Mmxn (IR), m ∈ IN y n ∈ IN; el conjunto de las

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

En el siguiente resultado se enuncian, sin demostración, algunas propie-

dades básicas que cumplen los espacios vectoriales y que se utilizan regular-
manete.
Teorema 1.1. Sea V un espacio vectorial, entonces:
1. Para todo escalar α y θ, el vector cero de V , se tiene que
αθ = θ
2.- Sea u un vector cualquiera de V , entonces
0u = θ.
3.- Sea α un escalar y u un elemento de V , se tiene que:

Si αu = θ, entonces α = 0 o u = θ.
4.- Sea α un escalar y u un vector de V , se tiene que
(−α)u = −(αu).
5.- Dados los vectores u, v y w de V ,entonces
u + v = u + w =⇒ v = w.
1.1.3. Subespacios
En muchas situaciones puede darse que un subconjunto de un espacio vec-
torial también sea un espacio vectorial. Por ejemplo, de la subsección anterior,
se sabe que el conjunto M2x2 (IR) es un espacio vectorial. Ahora, si se toma el
conjunto D2×2 (IR), que denota el conjunto de las matrices diagonales de 2x2
con elementos reales; es decir,

a 0
D2×2 (IR) = : a y b son números reales ;
0 b
D2×2 (IR) es un subconjunto de M2×2 (IR). Es claro también que sumar dos ma-
trices diagonales de 2 por 2 da una matriz diagonal e igualmente al multiplicar
un escalar por un matriz diagonal de 2 por 2. Tanto el vector cero (matriz
nula) como el vector inverso aditivo de cualquier elemento de S son obtenidos
a partir del caso general del espacio vectorial M2×2 (IR). Con estos alcances,
se puede verificar que el conjunto D2×2 (IR) cumple las diez propiedades de
espacio vectorial.
De acuerdo a lo anterior, se tiene la siguiente definición respecto de estos
subconjuntos.
Definición 1.3. Un subconjunto S, no vacı́o, de un espacio vectorial V , se

dice que es un subespacio vectorial o subespacio de V si, S es un espacio
vectorial bajo las operaciones de suma y producto por escalar definidas en V.
De esta manera se puede decir entonces que que el conjunto de las matrices
diagonales de 2 por 2 es un subespacio vectorial de M2x2 (IR)
Observación 1.3. Para todo espacio vectorial V , el subconjunto S que con-

tiene sólo el vector cero de V ; es decir S = {θ}, y el mismo espacio vectorial
V son subespacios vectoriales de V llamados subespacios triviales.
A continuación se presenta un resultado, sin demostración, que hace re-

lativamente sencillo averiguar cuando un subconjunto de un espacio vectorial
es un subespacio vectorial.
Teorema 1.2. Sea V un espacio vectorial. Un subconjunto S no vacı́o de V

es un subespacio vectorial de V sı́ y sólo si:
1.- Si u ∈ S, v ∈ S, entonces u + v ∈ S.
2.- Para cualquier escalar α y cualquier vector u en S, entonces αu ∈ S.
Observación 1.4. Del resultado anterior se tiene que todo subespacio S de

un espacio vectorial contiene al vector cero; ya que si u es un elemento de S
entonces por el punto 2, del Teorema 1.1, se tiene que 0u = θ y por el punto
2, del Teorema 1.2, este debe ser un elemento de S. Es decir, para que un
subconjunto de un espacio vectorial sea un subespacio, éste debe contener el
vector cero.
Anteriormente, se dijo que el conjunto de las matrices diagonales de 2

por 2 era un subespacio de M2x2 (IR) y se mostró que la suma de dos matri-
ces diagonales de 2 por 2 también era una matriz diagonal de 2 por 2 y lo
mismo sucede al multiplicar un escalar por una matriz de este tipo. Las dos
afirmaciones anteriores tienen que ver con las condiciones 1 y 2 del Teorema
1.2, respectivamente.
A continuación se presentan otros ejemplos de subespacios.
Ejemplo 1.5. Sea S un subconjunto de IR3 definido por
S = {(a, b, −b) : a ∈ IR, b ∈ IR}

Entonces, S es un subespacio vectorial con las operaciones de suma y producto
por escalar usuales en IR3 .
En efecto,
1.- Sean u = (a, b, −b) y v = (r, s, −s) dos elementos cualesquiera de S,

entonces
u + v = (a, b, −b) + (r, s, −s) = (a + r, b + s, −b − s)
= (a + r, b + s, −(b + s))
′ ′
Si se denota a = a + r y b = b + s, se tiene que:
′ ′ ′
u + v = (a , b , −b ),
y ası́ u + v ∈ S.
2.- Sea α un número real cualquiera y u = (a, b, −b) un elemento cualquiera
de S, entonces:
αu = α(a, b, −b) = (αa, αb, −αb)
′ ′
Denotando a = αa y b = αb, se tiene que
′ ′ ′
αu = (a , b , −b )
y ası́ αu es un elemento de S.
De esta manera, el subconjunto S de IR3 satisface las dos condiciones del

Teorema 1.2 y por lo tanto S es un subespacio vectorial de IR3 .

Ejemplo 1.6. Consideremos el espacio vectorial P2 , el conjunto de los polino-
mios de grado menor o igual que 2 con coeficientes reales; es decir, si p ∈ P2
entonces p = ax2 + bx + c; donde a, b y c son números reales. Sea S el sub-
conjunto de P2 definido como
S = {ax2 + bx + b − a : a y b ∈ IR}
Entonces, S es un subespacio de P2 con las operaciones de suma y producto
por escalar conocidas.
En efecto,
1.- Sean p y q dos elementos de S, entonces p = ax2 + bx + b − a y q =
cx2 + dx + d − c; a, b, c y d números reales.
p + q = (ax2 + bx + b − a) + (cx2 + dx + d − c)
= (a + c)x2 + (b + d)x + (b − a) + (d − c)
= (a + c)x2 + (b + d)x + (b + d) − (a + c),
′ ′ ′ ′
Denotando a = a + c, b = b + d, entonces a y b ∈ IR y se tiene que:
′ ′ ′ ′
p + q = a x2 + b x + b − a
Luego, p + q ∈ S.
2.- Sea α un escalar y p un elemento de S; esto es, p = ax2 + b + b − a; a y
b números rales, entonces:
αp = α(ax2 + bx + b − a)
= (αa)x2 + (αb)x + α(b − a)
= (αa)x2 + (αb)x + αb − αa,
′ ′ ′ ′
Si se denota a = αa y b = αb, entonces a y b son números reales y
′ ′ ′ ′
αp = a x2 + b x + b − a
y αp ∈ S.
Dado que S cumple las condiciones 1 y 2 del Teorema 1.2, S es un subespacio
de P2 .

Ejemplo 1.7. El conjunto de puntos en el plano, representado por IR2 , es un
espacio vectorial. Si consideramos el conjunto de puntos de una recta en el
plano que pasa por el origen, entonces dicho conjunto de puntos constituye un
subespacio vectorial de IR2 . Este conjunto puede ser definido como:
S = {(x, y) ∈ IR2 : y = mx, m número real fijo}

Fácilmente pueden ser verificadas las dos condiciones del Teorema 1.2 y ası́ con-
cluir que el conjunto S es un subespacio de IR2 .

Observación 1.5. De acuerdo al ejemplo anterior, se puede analizar que pasa
con el conjunto de puntos de una recta del plano que no pasa por el origen; es
decir, el subconjunto S de IR2 defnido como:
S = {(x, y) ∈ IR2 : y = mx + b, m y b números reales fijos, b 6= 0}.

Si la recta no pasa por el origen no va a contener al vector nulo y por lo tanto
no puede ser subespacio vectorial.
Dados dos subespacio de un espacio vectorial, serı́a interesentante pre-

guntarse que pasa con la unión e intersección de estos subespacios; ¿serán
subespacio?. Para contestar a esta interrogante se considera el siguiente resul-
tado y más adelante una observación.
Teorema 1.3. Sean S1 y S2 dos subespacios de un espacio vectorial V , en-

tonces S1 ∩ S2 es un subespacio de V .
Demostración En primer lugar se sabe que la intersección de S1 y S2 , es un

subconjunto de V , dado que cada uno de estos conjuntos está incluido en V .
Ahora veamos que se cumplen las dos propiedades de Teorema 1.2:
1.- Sean u y v dos elementos de S1 ∩S2 , entonces u ∈ S1 , u ∈ S2 y también

v ∈ S1 , v ∈ S2 . Ahora, u ∈ S1 y v ∈ S1 entonces u + v ∈ S1 , S1 es
un subespacio. También, u ∈ S2 y v ∈ S2 entonces u + v ∈ S2 , S2 es
un subespacio. De lo anterior, se concluye que u + v ∈ S1 ∩ S2 .
2.- Si α es un escalar y u es un elemento de S1 ∩ S2 entonces u ∈ S1 y

u ∈ S2 . Ahora, como tanto S1 y S2 son subespacios entonces αu ∈ S1
y αu ∈ S2 lo que se concluye que αu ∈ S1 ∩ S2
De 1.- y 2.- S1 ∩ S2 es un subespacio vectorial de V .

Ahora, con repecto a la unión de dos subespacio de un espacio vectorial
se tiene la siguiente observación.
Observación 1.6. Si S1 y S2 son dos subespacios de un espacio vectorial V ,

no necesariamente S1 ∪ S2 es un subespacio de V . En efecto, consideremos los
conjuntos S1 y S2 , ambos subconjuntos de IR2 , definidos por,
S1 = {(x, y) : y = x}
S2 = {(x, y) : y = 2x}
Geométricamente, tanto S1 como S2 son rectas en el plano que pasan por el
origen y por lo tanto son subespacio de IR2 , con las operaciones de suma y
producto por escalar usuales en IR2 .
El punto (1, 1) es un elemento de S1 y por lo tanto (1, 1) es un elemento de
S1 ∪ S2 . El punto (1, 2) es un elemento de S2 y por lo tanto es un elemento de
S1 ∪ S2 . Ahora,
(1, 1) + (1, 2) = (2, 3),

pero (2, 3) no es un punto ni de S1 ni de S2 , con lo cual la suma entre los
elementos (1, 1) y (1, 2) no está en S1 ∪ S2 y este último conjunto no estarı́a
cumpliendo con la condición 1.- del Teorema 1.2. Entonces S1 ∪ S2 no es
subespacio de IR2 .
1.1.4. Bases y Dimensión de un Espacio Vectorial

En el espacio vectorial IR2 , con las operaciones de suma y producto por
escalar usuales, el elemento (−8, 5) puede ser escrito como:
(−8, 5) = 2(−1, 1) + (−3)(2, −1);

con lo que se dice que (−8, 5) es una combinación lineal de (−1, 1) y (2, −1).
Esta situación origina la siguiente definición.
Definición 1.4. Sea V un espacio vectorial y sean v1 , v2 ,..., vn elementos de

V . Si α1 , α2 ,..., αn son escalares, entonces un elemento de la forma
α1 v1 + α2 v2 + ... + αn vn
se llama una combinación lineal de v1 , v2 ,..., vn .
A continuación se darán algunos ejemplos de combinaciones lineales.

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

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

5 10 1 2 0 3 1 3
=2 −1 +3
7 0 4 −1 −2 4 −1 2
Ejemplo 1.9. En el espacio vectorial P2 ; el conjunto de los polinomios de

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

Observación 1.7. En cualquier espacio vectorial V , el vector cero θ es com-

binación lineal de cualquier conjunto de vectores. En efecto, si v1 , v2 ,..., vn
son elementos de V , entonces
θ = 0v1 + 0v2 + ... + 0vn
En el siguiente ejemplo se muestra si un cierto vector puede ser una com-

binación lineal de un conjunto de vectores.
Ejemplo 1.10. Averiguar si en el espacio vectorial IR2 el vector (−7, 7) es

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

deben existir escalares α1 y α2 tales que
(−7, 7) = α1 (−1, 2) + α2 (5, −3);

es decir,
(−7, 7) = (−α1 , 2α1 ) + (5α2 , −3α2 )

o bien,
(−7, 7) = (−α1 + 5α2 , 2α1 − 3α2 )

de donde:
−α1 + 5α2 = −7
(1.1)
2α1 − 3α2 = 7
El sistema (1.1) es un sistema de ecuaciones lineales en las variables α1 y α2

cuya única solución es α1 = 2, α2 = −1. Con esto se verifica que el vector
(−7, 7) es combinación lineal de los vectores (−1, 2) y (5, −3).

Definición 1.5. Un grupo de vectores v1 , v2 ,...,vn de un espacio vectorial

V se dice que generan a V si todo elemento de V puede ser escrito como
combinación lineal de ellos; es decir, para v un elemento cualquiera de V ,
existen escalares α1 , α2 ,.....,αn tal que:
v = α1 v1 + α2 v2 + ..... + αn vn
Algunos ejemplos sencillos de conjuntos generadores de un espacio vecto-

rial son.
Ejemplo 1.11. En el espacio vectorial IR3 , los vectores (1,0, 0), (0, 1, 0), (0, 0, 1)
generan IR3 .
En efecto:
Cualquiera sea el vector (a, b, c) en IR3 , se tiene que
(a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1).

Notemos que los escalares involucrados en la combinación lineal corresponden
a las coordenadas del elemento dado.

Ejemplo 1.12. En el espacio vectorial P3 , conjunto de los polinomios de grado

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

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

Ejemplo 1.13. En el espacio vectorial D2×2 (IR) se tiene que las matrices

1 0 0 0
y
0 0 0 1

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

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

A partir del concepto de combinación lineal se pueden obtener subespacios

de un espacio vectorial V . Se da antes la siguiente definición.
Definición 1.6. Sean v1 , v2 ,...,vr ; r vectores de un espacio vectorial V . Enton-

ces el espacio generado por estos vectores, denotado por gen{v1 , v2 , ....., vr },
es el conjunto de todas las combinaciones lineales de v1 , v2 ,.....,vr ; es decir,
gen{v1 , v2 , ..., vr } = {v : v = α1 v1 + α2 v2 + ... + αr vr , α1 , α2 , ..., αr ,

escalares arbitrarios};
En relación a los espacios generados por un conjunto de vectores de un es-

pacio vectorial se tiene el siguiente resultado, cuya demostración quedará para
que sea realizada por el lector.
Teorema 1.4. Dados los vectores v1 , v2 ,.....,vr de un espacio vectorial V ,

gen{v1 , v2 , ....., vr } es un subespacio de V .
En seguida, se muestran algunos ejemplos de subespacios generados.
Ejemplo 1.14. En el Ejemplo 1.13 se verificó que las matrices

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

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

(2, 0, 4) y v2 = (−1, 2, 0). La idea es buscar el subespacio generado por esos
dos vectores.
Sea v = (a, b, c) un elemento que está en el subespacio generado por los

elementos v1 y v2 , entonces existen escalares α1 y α2 tales que
(a, b, c) = α1 v1 + α2 v2
= α1 (2, 0, 4) + α2 (−1, 2, 0)
= (2α1 − α2 , 2α2 , 4α1)
con lo cual se llega al siguiente sistema de ecuaciones lineales
2α1 − α2 = a
+ 2α2 = b
4α1 = c
De la segunda y tercera ecuación del sistema se tiene que
b c
α2 = y α1 = ,
2 4
respectivamente. Reemplazando estos valores en la primera ecuación se llega
a:
c b
− =a
2 2
o equivalentemente
2a + b − c = 0
con lo cual se tiene finalmente que
gen{(2, 0, 4), (−1, 2, 0)} = {(a, b, c) ∈ IR3 : 2a + b − c = 0}
Se nota que, geométricamente, el conjunto gen{v1 , v2 } representa un plano en

el espacio que pasa por el origen.

Observación 1.8. Referente a este último ejemplo, se verifica que dos vectores
no paralelos, en el espacio vectorial IR3 , generan un plano que pasa por el
origen.
Entre los conceptos más importantes y usados dentro de los espacios vec-
toriales, están los conceptos de dependencias lineal e independencia lineal. Para
ir visualizando este tema veamos la siguiente situación: si en el espacio vecto-
rial IR3 se toman los vectores u1 = (1, −1, 1), u2 = (1, 0, 2) y u3 = (1, −3, −1)
entonces se verifica que 3u1 − 2u2 = u3 o equivalentemente:
3u1 − 2u2 − u3 = θ;
lo que significa que el vector cero, θ, es escrito como una combinación lineal de
los vectores u1 , u2 y u3 sin que necesariamente los escalares correspondientes
sean ceros.
Al respecto, se entrega la siguiente la definición.
Definición 1.7. Sea V un espacio vectorial y sean v1 , v2 ,...,vn n vectores de

V . Entonces se dice que estos vectores son linealmente dependientes si
existen n escalares α1 , α2 ,.....,αn , no todos nulos, tales que
α1 v1 + α2 v2 + ... + αn vn = θ (1.2)
Si dichos vectores no son linealmente dependientes se dicen que son lineal-
mente independientes.
Observación 1.9. Una forma alternativa de decir que los vectores son lineal-
mente independientes es que si se tiene la ecuación (1.2), entonces
α1 = α2 = ... = αn = 0
Ejemplo 1.16. En el espacio vectorial IR3 los vectores (1, 1, 1), (1, 1, 0) y
(1, 0, 0) son linealmente independientes.
En efecto:
Sean α1 , α2 y α3 tales que
α1 (1, 1, 1) + α2 (1, 1, 0) + α3 (1, 0, 0) = (0, 0, 0) (1.3)

entonces:
(α1 + α2 + α3 , α1 + α2 , α1 ) = (0, 0, 0).

Se recuerda que dos elementos de IR3 son iguales si son iguales componente a
componente; es decir, de la igualdad anterior, debe tenerse que:
α1 + α2 + α3 = 0
α1 + α2 = 0
α1 = 0
con lo que, resolviendo este sistema de ecuaciones lineales, se llega a la única

solución:
α1 = 0, α2 = 0, α3 = 0
Luego, la única posibilidad en obtener la ecuación (1.3) es que los escalares que
intervienen sean todos iguales a cero; lo que verifica que los elementos (1, 1, 1),
(1, 1, 0) y (1, 0, 0) son linealmente independientes.

Ejemplo 1.17. Consideremos el espacio vectorial P2 y el subconjunto {x2 −

3x, 3x2 + 4, 11x2 − 6x + 12} de este espacio. Entonces dicho subconjunto cons-
tituye un conjunto linealmente denpendiente de P2 .
En efecto:
Si α1 , α2 y α3 son escalares tales que:
α1 (x2 − 3x) + α2 (3x2 + 4) + α3 (11x2 − 6x + 12) = 0t2 + 0t + 0 (1.4)
o sea:
(α1 + 3α2 + 11α3 )x2 + (−3α1 − 6α3 )x + 4α2 + 12α3 = 0t2 + 0t + 0
Ahora, utilizando el hecho de que dos polinomios son iguales si los coeficientes
de las potencias correspondientes son iguales, se tiene el siguiente sistema de
ecuaciones lineales:
α1 + 3α2 + 11α3 = 0
−3α1 − 6α3 = 0
4α2 + 12α3 = 0
De la segunda ecuación del sistema se tiene que α1 = −2α3 , con lo cual re-
emplazando α1 en la primera ecuación, el sistema de tres ecuaciones lineales
anterior queda reducido al siguiente sistema de dos ecuaciones lineales:
3α2 + 9α3 = 0
4α2 + 12α3 = 0
Claramente, las dos ecuaciones son iguales y se tiene que α2 = −3α3 . Entonces
el sistema original tiene infinitas soluciones dadas por:
α1 = −2α3 , α2 = −3α3
Ası́, por ejemplo, si α3 = 1 entonces α1 = −2 y α2 = −3, con lo cual para
que la ecuación (1.4) se satisfaga no todos los escalares involucrados deben ser
nulos y por tanto el conjunto {x2 − 3x, 3x2 + 4, 11x2 − 6x + 12} es un conjunto
linealmente dependiente.

La noción de independencia lineal tiene especial importancia en lo que
constituye una base de un espacio vectorial, que puede ser considerado como
el conjunto que representa a un espacio vectorial.
Por ejemplo, en el espacio IR3 cualquier vector (a, b, c) puede ser escrito
como
(a, b, c) = ai + bj + ck;
donde i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1) son los llamados vectores
unitarios. Estos vectores generan IR3 y también se verifica, fácilmente, que son
linealmente independientes.
De la idea anterior surge la siguiente definición de base de un espacio
vectorial.
Definición 1.8. Sea V un espacio vectorial. Un conjunto de vectores
{v1 , v2 , ..., vn },
subconjunto de V , se dice base de V si:
i) {v1 , v2 , ..., vn } es un conjunto linealmente independiente.
ii) {v1 , v2 , ..., vn } genera a V .
Ejemplo 1.18. En un ejemplo anterior (Ejemplo 1.11) se vio que en el espacio

vectorial IR3 el conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} genera dicho espacio.
Pues bien, si se tienen escalares α1 , α2 y α3 tales que:
α1 (1, 0, 0) + α2 (0, 1, 0) + α3 (0, 0, 1) = (0, 0, 0) (1.5)

lo que equivale a:
(α1 , α2 , α3 ) = (0, 0, 0)
obteniéndose que:
α1 = 0, α2 = 0, α3 = 0
Es decir, la única forma de que se cumpla la ecuación (1.5) es que los escalares
involucrados sean todos nulos, lo que nos dice que el conjunto
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}

es un conjunto linealmente independiente.
Dado que el conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} genera el espacio vecto-
rial IR3 y además es un conjunto linealmente independiente, entonces resulta
ser una base de IR3 .

Ejemplo 1.19. Con relación al ejemplo anterior se tiene que, en general, si

se define e1 = (1, 0, 0, ..., 0), e2 = (0, 1, 0, ..., 0), e3 = (0, 0, 1, 0, ..., 0),..., en =
(0, 0, 0, ..., 1), elementos de IRn , entonces el conjunto {e1 , e2 , .., en } constituye
una base para el espacio vectorial IRn . El conjunto {e1 , e2 , .., en } es la llamada
base canónica de IRn .

Ejemplo 1.20. En el espacio vectorial M2×2 (IR), el conjunto:

1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
es una base para dicho espacio vectorial. Se puede verificar de forma simple
que es un conjunto generador de M2x2 (IR) y que es un conjunto linealmente
independiente.
En efecto,
Si se tienen los escalares α1 , α2 , α3 y α4 tales que:

1 0 0 1 0 0 0 0 0 0
α1 + α2 + α3 + α4 =
0 0 0 0 1 0 0 1 0 0
o equivalentemente:

α1 α2 0 0
=
α3 α4 0 0
entonces, claramente α1 = α2 = α3 = α4 = 0; lo que indica que se trata de un
conjunto linealmente independiente.
Por otro lado, cualquier elemento de M2x2 (IR):

a b
c d
puede ser escrito como

a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
lo que indica que el conjunto genera M2×2 (IR). Dicha base recibe el nombre
de base canónica de M2×2 (IR).

Ejemplo 1.21. En el Ejemplo 1.12 se verificó que el conjunto {x3 , x2 , x, 1}

es un conjunto generador de P3 ; el conjunto de polinomios de grado menor o
igual a 3 con coeficientes reales. También, en forma análoga se puede verificar
que es un conjunto linealmente independiente. Por lo tanto, dicho conjunto
constituye una base para P3 .
En general se verifica que el conjunto {xn , xn−1 , ....., x, 1} es un base para
Pn ; el conjunto de polinomios de grado menor o igual que n con coeficientes
reales, con n un número natural. En forma análoga a los ejemplos anteriores,
esta base recibe el nombre de base canónica de Pn .

A continuación se presentan ejemplos en la cual se verifica que existen

bases en los espacios vectoriales en la cual no son conjuntos canónicos.
Ejemplo 1.22. Si se consideran el espacio vectorial IR3 y el subconjunto de

este espacio vectorial A = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}. Entonces A es una base
de IR3 .
En efecto:
i) En el Ejemplo 1.16 se probó que los elementos de IR3 del conjunto A

eran linealmente independientes; es decir, el conjunto A es linealmente
independiente.
ii) Sea (x, y, z) cualquier elemento de IR3 y supongamos que existen α1 , α2

y α3 tales que:
α1 (1, 1, 1) + α2 (1, 1, 0) + α3 (1, 0, 0) = (x, y, z);

o equivalentemente:
(α1 + α2 + α3 , α1 + α2 , α1 ) = (x, y, z);

con lo que se obtiene el siguiente sistema de ecuaciones lineales en las
incógnitas α1 , α2 y α3 :
α1 + α2 + α3 = x
α1 + α2 = y
α1 = z
Resolviendo este sistema se tiene que:
α1 = z, α2 = y − z, α3 = x − y
Esto prueba que el conjunto A genera a IR3 .
i) y ii) verifican que A es base para el espacio vectorial IR3

Ejemplo 1.23. En el espacio vectorial P3 , el conjunto {1, t2 + 1, t3 + t2 , t3 + t}
de elementos de P3 , es una base para este espacio vectorial.
En efecto,
i) Sean α1 , α2 , α3 y α4 , tales que:
α1 (1) + α2 (t2 + 1) + α3 (t3 + t2 ) + α4 (t3 + t) = 0t3 + 0t2 + 0t + 0,
y operando en el primer miembro se tiene:
(α3 + α4 )t3 + (α2 + α3 )t2 + α4 t + α1 + α2 = 0t3 + 0t2 + 0t + 0

De la igualdad de polinomios, se llega al siguiente sistema de ecuaciones
lineales:
α3 + α4 = 0
α2 + α3 = 0
α4 = 0
α1 + α2 = 0
De la tercera ecuación se tiene que α4 = 0. Reemplazando este valor en la
primera ecuación, α3 = 0. Si los dos valores anteriores son reemplazados
en la segunda y cuarta ecuación se obtiene: α2 = 0 y α1 = 0. Lo anterior
indica que el conjunto en cuestión es linealmente independiente.
ii) Sea at3 + bt2 + ct + d cualquier elemento de P3 . Supongamos que existem

escalares α1 , α2 , α3 y α4 tales que:
α1 (1) + α2 (t2 + 1) + α3 (t3 + t2 ) + α4 (t3 + t) = at3 + bt2 + ct + d,
y operando en el primer miembro se tiene:
(α3 + α4 )t3 + (α2 + α3 )t2 + α4 t + α1 + α2 = at3 + bt2 + bt + d
Nuevamente, de la igualdad de polinomios se llega al siguiente sistema

de ecuaciones lineales:
α3 + α4 = a
α2 + α3 = b
α4 = c
α1 + α2 = d
Resolviendo este sistema se obtiene:
α1 = a − b − c + d, α2 = −a + b + c, α3 = a − c, α4 = c
Lo anterior indica que cualquier polinomio de grado menor o igual que

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

Ejemplo 1.24. En el Ejemplo 1.15 se demostró que los vectores en IR3 ,

(2, 0, 4) y (−1, 0, 3) generan el plano de ecuación 2x + y − z = 0, que co-
rresponde a un subespacio del espacio vectorial IR3 . Estos vectores, aparte de
generar este plano, forman un conjunto linealmente independiente. Lo anterior
nos lleva a concluir que el conjunto {(2, 0, 4), (−1, 0, 3)} constituye una base
para el plano de ecuación 2x + y − z = 0.

A continuación se entrega un resultado importante sobre bases de un
espacio vectorial lo que dará origen al concepto de dimensión de un espacio
vectorial.
Teorema 1.5. Toda base de un espacio vectorial V tiene el mismo número de

elementos.
Definición 1.9. El número de elementos de cualquier base de un espacio vec-

torial V recibe el nombre de dimensión de V y se denota por dim(V).
De acuerdo a los ejemplos anteriores se tiene entonces que:

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

dim(IRn ) = n
2.- dim(P3 ) = 4. En general para cualquier número natural n,

dim(Pn ) = n + 1.
3.- dim(M2x2 (IR)) = 4.
Con respecto de los conceptos de base y dimensión se tiene el siguiente

resultado importante.
Teorema 1.6. Sea V un espacio vectorial de dimensión n. Si el conjunto de

elementos de V , A = {v1 , v2 , ....., vn } es linealmente independiente, entonces
A es una base para V .
Ejemplo 1.25. En el espacio vectorial IR3 , el conjunto
B = {(−1, 1, −1), (1, 0, 1), (0, 0, 1)}

es un conjunto linealmente independiente y por lo tanto una base de IR3 .
En efecto,
Sean los escalares α1 , α2 y α3 tales que
α1 (−1, 1, −1) + α2 (1, 0, 1) + α3 (0, 0, 1) = (0, 0, 0),

con lo cual se tiene que:
(−α1 + α2 , α1 , −α1 + α2 + α3 ) = (0, 0, 0);

obteniendo el siguiente sistema de ecuaciones lineales:
−α1 + α2 = 0
α1 = 0
−α1 + α2 + α3 = 0
De la segunda ecuación se tiene que α1 = 0. Si se reemplaza este valor en
la primera ecuación y después en la tercera se llega a que α2 = 0 y α3 = 0,
respectivamente. Esto verifica que B es un conjunto linealmente independiente.
Como se sabe que dim(IR3 ) = 3 y B es un conjunto linealmente independiente
con tres elementos; constituyendo una base para IR3 .

1.2. TRANSFORMACIONES LINEALES

Esta sección se abocará a estudiar un tipo especial de funciones. Aparte de
tener que cumplir unas condiciones diferentes a las funciones reales valuadas
conocidas, la particularidad que tendrán dichas funciones es que van de un
espacio vectorial en otro.
1.2. TRANSFORMACIONES LINEALES 21
1.2.1. Definiciones y Ejemplos

Definición 1.10. Sean V y W dos espacios vectoriales sobre un cuerpo K.
Una Transformación Lineal (T.L.) T es una función que asigna a cada vector
v ∈ V un único vector T (v) ∈ W y que satisface , para cada u, v en V y
cada α ∈ K :
1. T (u + v) = T (u) + T (v)
2. T (αu) = αT (u)
Observación 1.10. En lo que sigue V y W denotarán espacios vectoriales

sobre el cuerpo de los números reales IR.
Ejemplo 1.26. Sea T : IR2 → IR3 definida por T (x, y) = (x + y, x − y, 3y).

Entonces T es una transformación lineal.
En efecto:
Sean (x1 , y1 ) y (x2 , y2 ) en IR2 y α en IR
i) T ((x1 , y1 ) + (x2 , y2)) = T (x1 + x2 , y1 + y2 )
=((x1 +x2 )+(y1 +y2 ), (x1 +x2 )−(y1 +y2 ), 3(y1 +y2 ))
=((x1 +y1 )+(x2 +y2 ), (x1 −y1 )+(x2 −y2 ), 3y1 +3y2 )
=(x1 + y1 , x1 − y1 , 3y1) + (x2 + y2 , x2 − y2 , 3y2)
=T (x1 , y1 ) + T (x2 , y2)
Ası́ T ((x1 , y1 ) + (x2 , y2)) = T (x1 , y1 ) + T (x2 , y2 )
ii) T (α(x1 , y1)) = T (αx1 , αy1)

= (αx1 + αy1 , αx1 − αy1, 3αy1)
= (α(x1 + y1 ), α(x1 − y1 ), 3αy1)
= α(x1 + y1 , x1 − y1 , 3y1 )
= αT (x1 , y1)
Ası́ T (α(x1 , y1)) = αT (x1 , y1)
Por lo tanto, i) y ii) verifican que T es una transformación lineal.

Ejemplo 1.27. Sea I : V → V definida por I(v) = v, entonces I es una
transformación lineal.
Para todo u y v en V y α en IR se tiene que:
i) I(u + v) = u + v = I(u) + I(v)
ii) I(αu) = αu = αI(u)
Ası́ i) y ii) verifican que I es una transformación lineal.

Ejemplo 1.28. Sea T : M2x2 (IR) −→ IR2 ; donde M2x2 (IR) es el conjunto de
las matrices cuadradas de orden 2, tal que:

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

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

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

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

a b αa αb
ii) T α =T
c d αc αd
= (αa + αc, αb + αd)
= (α(a + c), α(b + d))
= α(a+ c, b +d)
a b
= αT
c d
i) y ii) verifican que T es una transformación lineal.

A continuación se darán algunas propiedades básicas de las transforma-
ciones lineales:
Proposición 1.1. Sean T y L dos transformaciones lineales de V en W ,

entonces:
a) T (−v) = −T (v), para todo v en V .
b) T (θV ) = θW ; donde θV es el vector nulo del espacio vectorial V y θW es

el vector nulo del espacio vectorial W .
c) T + L es una T.L..
d) αT es una transformación lineal, para todo escalar α.
Demostración
a) De la definición de transformación lineal.
b) Sea v en V , entonces:
T (θV ) = T (v + (−v))
= T (v) + T (−v), (por ser T T.L..)

= T (v) + (−T (v)), (de la definición de transformación lineal.)
= T (v) − T (v), (por propiedad de espacios vectoriales, (T (v) ∈ W ))
= θW
c) Sean u, v vectores cualesquiera de V y λ un escalar, entonces:
i) (T + L)(u + v) = T (u + v) + L(u + v), (por definición de suma de

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

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

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

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

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

Proposición 1.2. Si T : V −→ W y L : W −→ Z son transformaciones

lineales, entonces:
L ◦ T : V −→ Z
es una transformación lineal.
Demostración. Cualesquiera sean u, v en V y cualquier escalar λ se tiene:

i) (L ◦ T )(u + v) = L(T (u + v)), (por definición de composición de funciones).

= L(T (u) + T (v)), (T es una T.L.).
= L(T (u)) + L(T (v)), (L es una T.L.).
= (L ◦ T )(u) + (L ◦ T )(v), (por definición de composición de
funciones).
ii) (L ◦ T )(λu) = L(T (λu)), (por definción de composición de funciones).

= L(λT (u)), (T es una T.L.).
= λL(T (u)), (L es una T.L.).
= λ(L ◦ T )(u), (por definición de composición de funciones).
De i) y ii) se tiene que L ◦ T es una transformación lineal.

Proposición 1.3. Sea T : V −→ W una transformación lineal. Enton-

ces para todos los vectores u, v, v1, v2 , . . . . . . , vn en V y todos los escalares
α1 , α2 , . . . .., αn se tiene que:
a) T (u − v) = T (u) − T (v)
b) T (α1 v1 + α2 v2 + . . . .. + αn vn ) = α1 T (v1 ) + α2 T (v2 ) + . . . .. + αn T (vn )
Observación 1.11. Esta última proposición puede ser verificada fácilmente.

La demostración de parte a) se basa en la demostración de la Proposición 1.1
parte a) y la parte b) se realiza por inducción.
Definición 1.11. Sea T : V −→ W una transformación lineal. Se llama

Kernel o Núcleo de T al conjunto de todos los vectores v tales que su imagen
es el vector nulo de W y se denota por Ker(T ); es decir,
Ker(T ) = {v ǫ V : T (v) = θW }
Definición 1.12. Sea T : V −→ W una transformación lineal. Se llama

Imagen de T al conjunto de las imagenes de todos los vectores de V ; es decir,
al recorrido de la función T y se denota por Im(T ). Ası́:
Im(T ) = {y ǫ W : ∃ x ǫ V, T (x) = y}
o también
Im(T ) = {T (x) : x ǫ V }
Para los conjuntos Ker(T ) e Im(T ) recién definidos, se tiene el siguiente

resultado importante.
Teorema 1.7. Si T : V −→ W es una transformación lineal, entonces

a) Ker(T ) es un subespacio de V .
b) Im(T ) es un subespacio de W .
Demostración
a) i) Si u y v son elementos del Ker(T ), entonces T (u) = θW y T (v) =

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

que T (u) = w1 y T (v) = w2 . Luego w1 +w2 = T (u)+T (v) = T (u+v)
y como u+v es un elemento del V , w1 +w2 es un elemento de Im(T ).
ii) Si λ es un escalar y w es un elemento del Im(T ), entonces existe u
en V tal que T (u) = w, con lo cual T (λu) = λT (u) = λw y como
λu es un elemento de V , entonces λw es un elemento de Im(T ).
Ası́ de i) y ii) se verifica que Im(T ) es un subespacio de W .

Ejemplo 1.29. Sea T : V −→ V , la transformación lineal identidad; es decir

T (v) = v, entonces Ker(T ) = {θV } e Im(T ) = V
Ejemplo 1.30. Sea T : IR3 −→ IR3 definida por T (x, y, z) = (x, y, 0). Si
T (x, y, z) = (0, 0, 0) entonces, (x, y, 0) = (0, 0, 0), con lo cual x = 0 e y = 0 y
ası́ Ker(T ) = {(0, 0, z) : z ∈ IR}. Por la definición de T , Im(T ) = {(x, y, 0) :
x, y ∈ IR} = IR2 .
Definición 1.13. Si T es una transformación lineal de V en W , entonces

se define Nulidad de T , denotado por ρ(T ), a la dimensión de Ker(T ) y
Rango de T, denotado por ν(T ), a la dimensión de Im(T ).
A modo de ilustración, para la transformación lineal del Ejemplo 1.30, se

tiene ρ(T ) = 1 y ν(T ) = 2.
La siguiente proposición sirve para obtener de una manera fácil un con-

junto generador del subespacio Im(T ) .
Proposición 1.4. Si {v1 , v2 , . . . , vn } es una base de un espacio vectorial V y

T : V −→ W una transformación lineal, entonces {T (v1 ), T (v2 ), . . . , T (vn )}
genera Im(T ).
Demostración. Sea w un elemento de la Im(T ), entonces existe v en V tal que

T (v) = w. Como v es un elemento de V existen escalares α1 , α2 , . . . .αn tales
que
v = α1 v1 + α2 v2 + . . . . + αn vn ;
de donde,
w = T (v) = T (α1 v1 + α2 v2 + . . . . + αn vn )
Por propiedad de transformación lineal se tiene que:
w = α1 T (v1 ) + α2 T (v2 ) + . . . + αn T (vn )
con lo cual el vector w es una combinación lineal de T (v1 ), T (v2 ), ..., T (vn ). Co-
mo w es un elemento arbitrario en el espacio Im(T ), {T (v1 ), T (v2 ), ..., T (vn )}
genera Im(T ).

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

La siguiente proposición, establece que una transformación inyectiva trans-

forma una base de V en una base de Im(T ). La subsiguiente proposición, da
un criterio para determinar cuando una transformación lineal es inyectiva.
Proposición 1.5. Si {v1 , v2 , . . . , vn } es una base de un espacio vectorial V y

T : V −→ W una transformación lineal inyectiva, entonces {T (v1 ), T (v2 ), . . . , T (vn )}
es una base de Im(T ).
Demostración.
Sean k1 , k2 , . . . , kn n escalares tales que:
k1 T (v1 ) + k2 T (v2 ) + · · · + kn T (vn ) = θW .

De la linealidad de T y T (θV ) = θW , podemos reescribir la identidad anterior

como,
T (k1 v1 + k2 v2 + · · · kn vn ) = T (θV ).
Como T es inyectiva se tiene que
k1 v1 + k2 v2 + · · · kn vn = θV .
Pero como{v1 , v2 , . . . , vn } es una base de V , se deduce que k1 = k2 = · · · = kn =

0; con lo cual el conjunto {T (v1 ), T (v2 ), . . . , T (vn )} es un conjunto linealmen-
te independiente. De la Proposición 1.4 el conjunto {T (v1 ), T (v2 ), . . . , T (vn )}
genera Im(T ) y por lo tanto es una base de Im(T ).

Proposición 1.6. Sea T : V −→ W una transformación lineal. Entonces, T

es inyectiva sı́ y sólo si Ker(T ) = {θV }.
Demostración. La demostración se realizará por doble implicación
=⇒) Supongamos que T es una transformación lineal inyectiva. Luego

u ǫ Ker(T ) se tiene que
T (u) = θW o T (u) = T (θV ),
dado que T (θV ) = θW . De la inyectividad de T resulta u = θV , con lo

cual Ker(T ) = {θV }.
⇐=) Supongamos ahora que Ker(T ) = {θV }. Sean u y v ∈ V tal que

T (u) = T (v), luego:
T (u) − T (v) = θW
y como T es una transformación lineal implica que
T (u − v) = θW
Esta última ecuación dice que u − v ∈ Ker(T ) y como supusimos que

Ker(T ) = {θV } se tiene que u = v, lo que indica que T es inyectiva.
Observación 1.12. La inyectividad de una transformación lineal queda sujeta

a si el Kernel va ser el conjunto que solo contiene al vector nulo. La sobreyecti-
vidad va a depender si la Imagen es todo el co-dominmio de la transformación.
De lo anterior se puede decir que una transformación lineal es biyectiva si
el Kernel es el conjunto que sólo contiene al vector nulo y la Imagen es el
espacio vectorial de llegada de la transformación.
Proposición 1.7. Sea T : V −→ W una transformación lineal biyectiva. En-

tonces la transformación inversa T −1 : W −→ V es también una trasformación
lineal.
La demostración de la proposición anterior se deja como ejercicio.
A continuación se enuncian dos resultados importantes de transformacio-
nes lineales y cuyas demostraciones no serán desarrolladas:
Teorema 1.8. (Teorema de las dimensiones). Si T : V −→ W es una trans-
formación lineal, entonces:
dim(V ) = dim(Ker(T )) + dim(Im(T ))

En referencia al teorema anterior, si se considera el Ejemplo 1.30 en el
cual se tiene la transformación lineal T : IR3 −→ IR3 , definida por T (x, y, z) =
(x, y, 0), se obtuvo que Ker(T ) = {(0, 0, z) : z ∈ IR} y Im(T ) = IR2 ; de
donde se tiene que:
dim(IR3 ) = dim(Kert(T )) + dim(Im(T ))
3 = 1 + 2
Teorema 1.9. (Teorema Fundamental del Algebra Lineal). Sean {v1 , v2 , . . . .vn },
una base de V y {w1 , w2, . . . ., wn } un conjunto arbitrario de vectores de W . En-
tonces existe una única transformación lineal T : V −→ W , tal que T (vi ) = wi ,
i = 1, 2, . . . ., n.
Ejemplo 1.32. Sea la transformación lineal T : P2 −→ IR2 tal que T (t + 1) =

(1, −1), T (−t2 + 1) = (0, −1) y T (t2 − t) = (1, 0). Bajo estas condiciones se
puede obtener la ecuación que define la transformación.
En efecto:
Se verifica que el conjunto {t + 1, −t2 + 1, t2 − t} es una base de P2 y de
hecho cualquier vector at2 +bt+c de P2 se puede escribir como una combinación
lineal de los elementos de esta base de la siguiente manera:
a+b+c a+b−c a−b+c 2

at2 + bt + c = (t + 1) − (−t2 + 1) + (t − t)
2 2 2
Aplicando la transformación T en ambos miembros:
a+b+c a+b−c
T (at2 + bt + c) = T (t + 1) − T (−t2 + 1)
2 2
a−b+c
+ T (t2 − t)
2
a+b+c a+b−c a−b+c
= (1, −1) − (0, −1) + (1, 0)
2 2 2
= (a + c, −c)

1.2.2. Representación Matricial de una Transformación

Lineal
El operar con transformaciones lineales a veces puede resultar un poco

dificultoso. En esta subsección veremos que cualquier transformación lineal
puede ser representada por una matriz y, que de acuerdo a algunos resultados,
el operar con transformaciones lineales es equivalente a operar con matrices
asociadas, resultando esto último más sencillo.
Sean B1 = {v1 , v2 , . . . ., vn } y B2 = {w1 , w2 , . . . ., wm }, bases de V y W ,
respectivamente. Consideremos una transformación lineal T : V −→ W . En-
tonces se tendrı́a lo siguiente: si aij son escalares, i = 1, ..., m; j = 1, ..n,
entonces
T (v1 ) = a11 w1 + a21 w2 + . . . . . . . + am1 wm

T (v2 ) = a12 w1 + a22 w2 + . . . . . . . + am2 wm
.......................................
.......................................
T (vn ) = a1n w1 + a2n w2 + . . . . . . . + amn wm
La matriz:
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A= .. .. .. ,
 
..
 . . . . 
am1 am2 . . . amn
cuya j-ésima columna está formada por los escalares a1j , a2j , . . . , amj del trans-
formado por T del j-ésimo elemento de la base B1 con respecto de la base B2 ,
se llama Matriz Asociada a T con respecto de las bases B1 y B2 .
La matriz ası́ definida es denotada por M[T ]B1 B2 o [T ]B1 B2 . Se puede
observar que el orden de dicha matriz es de m × n, donde m es la dimensión
de W y n es la dimensión de V .
Ejemplo 1.33. Sea T : IR3 −→ IR2 una transformación lineal, tal que:
T (x, y, z) = (x+y, z). Consideremos las bases B1 = {(3, 0, 0), (1, 2, −1), (0, 1, 5)}
de IR3 y B2 = {(1, −1), (2, −3)} de IR2 . Entonces:
T (3, 0, 0) = (3, 0) = 9(1, −1) − 3(2, −3)
T (1, 2, −1) = (3, −1) = 7(1, −1) − 2(2, −3)
T (0, 1, 5) = (1, 5) = 13(1, −1) − 6(2, −3)
Ası́, la matriz asociada a la transformación es:

9 7 13
[T ]B1 B2 =
−3 −2 −6
Ejemplo 1.34. Sea la transformación lineal T : P3 (t) −→ P2 (t), definida por

T (p(t)) = p′ (t). Considerando las bases canónicas B1 = {1, t, t2 , t3 } en P3 (t) y
B2 = {1, t, t2 } en P2 (t), se tiene que:
T (1) = 0 = 0(1) + 0(t) + 0(t2 )
T (t) = 1 = 1(1) + 0(t) + 0(t2 )
T (t2 ) = 2t = 0(1) + 2(t) + 0(t2 )
T (t3 ) = 3t2 = 0(1) + 0(t) + 3(t2 )
con lo cual, la matriz asociada a la transformación lineal es:
 
0 1 0 0
[T ]B1 B2 =  0 0 2 0 
0 0 0 3

Observación 1.13. Notemos que si se cambia el orden en las bases, la matriz

asociada a la transformación también cambia.
En lo que resta enunciamos dos proposiciones, de una cierta importancia

teórica y, que para efecto de este material, no se requiere de sus demostraciones.
Proposición 1.8. Sean B1 = {v1 , v2 , . . . . . . , vn }, B2 = {w1, w2 , . . . . . . , wm }

bases de V y W , respectivamente, y A una matriz de orden m×n con elementos
en IR. Entonces existe una única transformación lineal T de V en W tal que
[T ]B1 B2 = A.
Ejemplo 1.35. Consideremos la matriz con elementos reales:

 
2 −1 3
A =  4 −2 6 
−6 3 −9
¿Cuál será la transformación lineal T de IR3 en IR3 y cuya matriz asociada
sea A con respecto de la base canónica de IR3 ?.
De la definición de matriz asociada a una transformación lineal, la transfor-
mación T debe ser tal que:
T (1, 0, 0) = 2(1, 0, 0) + 4(0, 1, 0) − 6(0, 0, 1) = (2, 4, −6)
T (0, 1, 0) = −1(1, 0, 0) − 2(0, 1, 0) − 3(0, 0, 1) = (−1, −2, 3)
T (0, 0, 1) = 3(1, 0, 0) + 6(0, 1, 0) − 9(0, 0, 1) = (3, 6, −9)
Por otra parte si (x, y, z) ∈ IR3 , entonces:
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)

con lo cual:
T (x, y, z) = T (x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1))
= xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1)
por propiedad de transformaciones lineales. O sea se tiene que:
T (x, y, z) = x(2, 4, −6) + y(−1, −2, 3) + z(3, 6, −9)
= (2x − y + 3z, 4x − 2y + 6z, −6x + 3y − 9z)
que corresponde a la expresión de la transformación lineal buscada.

Ejemplo 1.36. Sea la matriz:

 
1 0 0
 2 1 4 
A=
 0

0 3 
3 2 0
Entonces se desea encontrar la transformación lineal T : IR3 −→ P3 (t); con
respecto de las base B1 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} de IR3 y B2 = {1, t, t2 , t3 }
de P3 (t).
De partida se tiene que

T (1, 1, 1) = 1(1) + 2(t) + 0(t2 ) + 3(t3 ) = 1 + 2t + 3t3
T (1, 1, 0) = 0(1) + 1(t) + 0(t2 ) + 2(t3 ) = t + 2t3
T (1, 0, 0) = 0(1) + 4(t) + 3(t2 ) + 0(t3 ) = 4t + 3t2
Ahora, (x, y, z) ∈ IR3 implica que:
(x, y, z) = z(1, 1, 1) + (y − z)(1, 1, 0) + (x − y)(1, 0, 0)
y por lo tanto:
T (x, y, z) = T (z(1, 1, 1) + (y − z)(1, 1, 0) + (x − y)(1, 0, 0))
= zT (1, 1, 1) + (y − z)T (1, 1, 0) + (x − y)T (1, 0, 0)
= z(1 + 2t + 3t3 ) + (y − z)(t + 2t3 ) + (x − y)(4t + 3t2 )
= z + (4x − 3y + z)t + 3(x − y)t2 + (z + 2y)t3
Y ası́ se ha obtenido la transformación lineal.

Observación 1.14. El vector coordenado de un elemento v de V con res-

pecto de una base B corresponde a un vector columna cuyos elementos son los
escalares de la combinación lineal de los elementos de la base B que da origen
a v y se denota por [v]B .
Por ejemplo, en el espacio vectorial IR3 si se tienen la base B = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
y v = (2, 0, −1), un elemento de IR3 , entonces:
v = (2, 0, −1) = −1(1, 1, 1) + 1(1, 1, 0) + 2(1, 0, 0),

con lo cual
 
−1
[v]B =  1 
2
Proposición 1.9. Sean B1 = {v1 , v2 , . . . . . . , vn }, B2 = {w1 , w2 , . . . . . . wm }

bases de V y W , respectivamente. Si T : V −→ W es una transformación
lineal, entonces:
[T ]B1 B2 [v]B1 = [T (v)]B2

Es decir, al multiplicar la matriz asociada a T , con respecto de las bases B1
y B2 , por el vector coordenado de v, con respecto de la base B1 se obtiene el
vector coordenado de la imagen de v por T respecto de la base B2 .
Ejemplo 1.37. Consideremos la transformación lineal T : IR3 −→ IR2 tal que

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

con lo cual
 
x
[(x, y, z)]B1 = y 
z
También si (a, b) ∈ IR2 , cualquiera, se tiene que:
3a − 2b a+b
(a, b) = (1, −1) + (2, 3)
5 5
y entonces
3a−2b
 
5
[(a, b)]B2 =  
a+b
5
Ası́,
7
− 75 7
  7
x − 57 y + 75 z
  
5
x5 5
[T ]B1 B2 [(x, y, z)]B1 =  y  =  
1 1 1 1 1 1
−5 5
−5 z −5x + 5y − 5z
 7 
5
(x − y + z)
= 
1
5
(−x + y − z)
Ahora,
T (x, y, z) = (x − y + z, −2x + 2y − 2z)
= 57 (x − y + z)(1, −1) + 51 (−x + y − z)(2, 3)
por lo que:
7
 
5
(x − y + z)
[T (x, y, z)]B2 =  
1
5
(−x + y − z)
y ası́ la igualdad mencionada en la proposición anterior se cumple.

A continuación se enuncian algunas propiedades interesantes, sin demos-
trar, y se muestran algunos ejemplos en la cual se puede visualizar la utilidad
que puede prestar una matriz asociada a una transformación lineal cuando se
desea operar con transformaciones lineales.
Proposición 1.10. Sean L y T dos transformaciones lineales de V en W .
Sean B1 y B2 base de V y W , respectivamente y λ un escalar. Entonces:
i) [L + T ]B1 B2 = [L]B1 B2 + [T ]B1 B2
ii) [λL]B1 B2 = λ[L]B1 B2
Proposición 1.11. Sean T : V −→ W y L : W −→ Z dos tranformaciones
lineales. Sean B1 , B2 y B3 bases de V , W y Z, respectivamente. Entonces:
[L ◦ T ]B1 B3 = [L]B2 B3 [T ]B1 B2

Respecto del resultado anterior, se presenta el siguiente ejemplo.
Ejemplo 1.38. Sean las transformaciones lineales T : IR −→ IR2 y
L : IR2 −→ IR3 , definidas como:
T (x) = (x, −x), L(x, y) = (x, y, x − y)

Si se consideran las bases B1 = {1}, B2 = {(1, 2), (−1, 0)} y B3 = {(1, 0, 0),
(0, 1, 0), (0, 0, 1)} de IR, IR2 y IR3 , respectivamente, entonces se quiere encon-
trar la matriz asociada a la transformación lineal L ◦ T y a partir de ella
obtener la ecuación que rige dicha transformación.
Para obtener primero la matriz asociada a T se ve que
1 3
T (1) = (1, −1) = − (1, 2) − (−1, 0),
2 2
de donde
− 12
 
[T ]B1 B2 =  
− 32
es la matriz asociada a la transformación lineal T con respecto de las bases B1
y B2 . Por otro lado se tiene que
L(1, 2) = (1, 2, −1) = 1(1, 0, 0) + 2(0, 1, 0) − 1(0, 0, 1)
L(−1, 0) = (−1, 0, −1) = −1(1, 0, 0) + 0(0, 1, 0) − 1(0, 0, 1)
con lo que
 
1 −1
[L]B2 B3 = 2 0 
−1 −1
por la Proposición 1.11 se tiene que
[L ◦ T ]B1 B3 = [L]B2 B3 [T ]B1 B2

  1 
1 −1 −2
= 2 0  
3
−1 −1 −2
 
1
=  −1 
2
De la matriz asociada a la transformación L ◦ T : IR −→ IR3 , se tiene que
(L ◦ T )(1) = 1(1, 0, 0) − 1(0, 1, 0) + 2(0, 0, 1) = (1, −1, 2)
Luego para cualquier x en IR
(L ◦ T )(x) = (L ◦ T )(x · 1) = x(L ◦ T )(1) = x(1, −1, 2)
De esta manera la ecuación de la transformación lineal es
(L ◦ T )(x) = (x, −x, 2x)

Observación 1.15. Para la transformación lineal identidad I : V −→ V ;

donde V es un espacio vectorial de dimensión n, la matriz asociada a I con
respecto de una base B es la matriz identidad de orden n. Es decir,
 
1 0 ... 0
 0 1 ... 0 
[I]BB =  .. .. . . .. 
 
 . . . . 
0 0 ... 1
Proposición 1.12. Sea T : V −→ V una transformación lineal biyectiva. Si

B es una base de V entonces [T ]BB es una matriz invertible y
[T ]−1
BB = [T
−1
]BB
Ejemplo 1.39. Sea T : IR2 −→ IR2 una transformación lineal definida por
T (x, y) = (x, x + y)
Usando la propiedad [T ]−1
BB = [T
−1
]BB ; donde [T ]BB es la matriz asociada a T
con respecto de la base B = {(1, 0), (1, 2)}, la idea es encontrar la aplicación
inversa T −1 .
En efecto:
Evaluando T en los dos elementos de la base se tiene:
T (1, 0) = (1, 1), T (1, 2) = (1, 3)
Escribiendo estos elementos como combinación lineal de los elementos de B se

tiene:
(1, 1) = 1/2(1, 0) + 1/2(1, 2)
(1, 3) = −1/2(1, 0) + 3/2(1, 2)

Con lo cual se tiene que:
1
− 12
 
2
[T ]BB =  
1 3
2 2
Calculando la matriz inversa de esta matriz, se obtiene que:

 3 1 
2 2
[T ]−1
BB =
 
− 12 1
2
De la Proposición 1.12, se tiene que:

3 1
 
2 2
[T −1 ]BB =  
− 12 1
2
es la matriz asociada a la transformación lineal de T −1 . Luego, de la definición

de matriz asociada, se tiene que:
3 1
T −1 (1, 0) = (1, 0) − (1, 2) = (1, −1)
2 2
T −1 (1, 2) = 1/2(1, 0) + 1/2(1, 2) = (1, 1)

Por otro lado se tiene que:
2x−y
(x, y) = 2
(1, 0) + y2 (1, 2)
2x−y
=⇒ T −1 (x, y) = T −1 + y2 (1, 2)

2
(1, 0)
2x−y −1
=⇒ T −1 (x, y) = 2
T (1, 0) + y2 T −1 (1, 2)
2x−y
= 2
(1, −1) + y2 (1, 1)
= (x, y − x)
1.3. VALORES Y VECTORES PROPIOS
Definición 1.14. Sea A una matriz cuadrada de orden n con elementos en

un cuerpo K (conjunto de los números reales o conjunto de los números com-
plejos). Un escalar λ se denomina un valor propio de A si existe un vector
no nulo x ∈ K n tal que Ax = λx, y en tal caso x se llama vector propio de
A asociado a λ.
Observación 1.16. Para el objetivo a cumplir en este material se concide-

rará sólo el cuerpo de los números reales, IR; teniendo también especial cuidado
que las componentes de un vector propio sean números reales, dado el proce-
dimento a seguir más adelante en la obtención de estos elementos. Además,
para efecto de cálculo, los vectores propios son puestos como vectores columnas,
como se muestra en el siguiente ejemplo.
Ejemplo 1.40. Consideremos la matriz:

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

1 4 −4 4
Ax = =
2 3 2 −2
y
1.3. VALORES Y VECTORES PROPIOS 37

−4 4
λx = (−1) =
2 −2
de donde Ax = λx.

Definición 1.15. Sea λ un valor propio de una matriz A. Se llama espacio

propio asociado a λ al conjunto de todos los vectores propios asociados a
dicho valor propio (más el vector nulo de IRn ), es decir, si el espacio propio lo
denotamos por Eλ , entonces
Eλ = {x ∈ IRn : Ax = λx}
Si λ es un valor propio de una matriz A, de orden n × n, entonces debe

existir un vector propio x asociado a λ; es decir, debe cumplirse la ecuación
Ax = λx o equivalentemente (A − λI)x = θ, donde I es la matriz identidad
de orden n. Como x debe ser distinto del vector nulo, entonces det(A − λI)
debe ser distinto de cero; ya que de lo contrario, tendrı́amos sólo la solución
trivial (vector nulo). También si dicho determinante no es cero la solución no
es única, lo cual, aparte de la solución trivial, habrı́an otras soluciones. De lo
anterior, se tiene la siguiente proposición:
Proposición 1.13. Sea A una matriz cuadrada de orden n. Un escalar λ es

valor propio de A sı́ y sólo si
det(A − λI) = 0,
donde I es la matriz identidad de orden n.
La expresión:
fA (λ) = det(A − λI)

es un polinomio de orden n en λ y recibe el nombre de polinomio carac-
terı́stico. Este polinomio se puede escribir entonces como:
fA (λ) = (−1)n (λn + an−1 λn−1 + . . . a0 )
Si λ1 , λ2 , . . . , λk son los ceros del polinomio carasterı́stico, entonces fA (λ) pue-

de ser factorizado de la siguiente manera:
fA (λ) = (−1)n (λ − λ1 )β1 (λ − λ2 )β2 . . . (λ − λk )βk

donde β1 , β2 , . . . , βk son números naturales tales que:
β1 + β2 + . . . + βk = n
El número βi , i = 1, 2 . . . , k, corresponde al número de veces que se repite
el factor (λ − λi ) y se le llama multiplicidad algebraica de λi . Por otra
parte, la dimensión del espacio propio asociado a un valor propio λ, recibe el

nombre de multiplicidad geométrica y se denota por ρ(λ).
Existe un resultado del algebra lineal que dice que al valor propio λi le
pueden corresponder a lo más βi vectores propios linealmente independiente.
Ahora, el número máximo de vectores propios de una matriz A asociado a un
valor propio λi y que son linealmente independiente es igual a ρ(λi ); dado que
este valor es la dimensión del espacio propio asociado a ese valor propio. En
otras palabras se tiene que
ρ(λi ) ≤ βi , ∀ i = 1, 2, . . . . . . , k;
lo que quiere decir que la multiplicidad geométrica de λi no excede a su mul-
tiplicidad algebraica.
Ejemplo 1.41. Consideremos la matriz:

 
1 2 3
A= 1 2 3 
1 5 6
Entonces se requiere obtener los valores propio de la matriz A.
En efecto:
Por Proposición 1.13, los valores propios de la matriz A son obtenidos de
det(A − λI) = 0. Ası́
   
1 2 3 1 0 0
A − λI =  1 2 3  − λ  0 1 0 
1 5 6 0 0 1
 
1−λ 2 3
= 1 2−λ 3 
1 5 6−λ
con lo cual det(A − λI) = 0 implica que:

1−λ 2 3

1 2−λ 3 =0

1 5 6−λ
con lo que:
(1 − λ)[(2 − λ)(6 − λ) − 15] − 2[(6 − λ) − 3] + 3[5 − (2 − λ)] = 0
y haciendo el desarrollo en el primer miembro se llega a que:

−λ3 + 9λ2 = 0 ó −λ2 (λ − 9) = 0
con lo que las raı́ces son λ = 0 y λ = 9 y por lo tanto los valores propios
de la matriz A son 0, con multiplicidad algebraica 2, y 9, con multplicidad
algebraica 1.
1.4. APLICACION DE MAPLE 39
Obtengamos ahora los vectores propios, y por ende los espacios propios asocia-
dos a los valores propios. Para ello, reemplazamos los valores correspondientes
de λ en (A − λI)x = θ
Para λ = 0, el sistema (A − λI)x = θ queda como:
x1 + 2x2 + 3x3 = 0
x1 + 2x2 + 3x3 = 0
x1 + 5x2 + 6x3 = 0
con lo cual el sistema anterior sólo se reduce a:
x1 + 2x2 + 3x3 = 0
x1 + 5x2 + 6x3 = 0
De la primera ecuación se tiene que x1 = −2x2 − 3x3 , con lo que reem-

plazando x1 en la segunda se llega a 3x2 + 3x3 = 0 o bien x2 = −x3 .
Ahora, si reemplazamos x2 en x1 = −2x2 − 3x3 se obtiene que x1 = −x3 .
Ası́ los vectores propios para λ = 0 son de la forma (−x3 , −x3 , x3 ) y
por ende una base para el espacio propio asociado a este valor propio es
{(−1, −1, 1)}.
Para λ = 9, el sistema (A − λI)x = θ es:
−8x1 + 2x2 + 3x3 = 0

x1 − 7x2 + 3x3 = 0
x1 + 5x2 − 3x3 = 0
De la segunda y tercera ecuación se llega a 7x2 − 3x3 = −5x2 + 3x3 ,

de donde x3 = 2x2 . Reemplazando x3 en la primera ecuación resulta
que x1 = x2 . Entonces los vectores propios para λ = 9 tienen la forma
(x2 , x2 , 2x2 ) y ası́ una base para el espacio propio correspondiente es
{(1, 1, 2)}.
1.4. APLICACION DE MAPLE

Espacios Vectoriales
El lenguaje Maple tiene implementada la librerı́a linalg, que es cargada en
memoria, previo a una sección de algebra lineal, con el comando with(linalg);
que contiene los comandos referente al algebra matricial y que es aplicable
a la teorı́a de Algebra Lineal (espacios vectoriales, transformaciones lineales,
valores y vectores propios).
Comencemos por chequear, por ejemplo, que el vector (−7, 7, 7) es com-
binación lineal de los vectores (−1, 2, 4) y (5, −3, 1)
> with(linalg):
> v1:=vector([-1,2,4]);
v1 := [−1, 2, 4]
> v2:=vector([5,-3,1]);
v2 := [5, −3, 1]
> v:=vector([-7,7,7]):
v := [−7, 7, 7]
> A:=matrix([v1,v2]);

−1 2 4
A :=
5 −3 1
> At:=transpose(A); # transpuesta de la matriz A
 
−1 5
At :=  2 −3 
4 1
> rank(At); # rango de la matriz At
> AA:=augment(At,v); # se agrega el vector columna v a la matriz At

 
−1 5 −7
AA :=  2 −3 7 
4 1 7
> rank(AA);
2
Dado que el rango de At, la matriz de coeficientes del sistema de ecuaciones
lineales que resuelve este problema, es igual al rango de su matriz ampliada
AA , entonces se verifica que este sistema tiene solución y por lo tanto el vector
v es combinación lineal de los vectores v1 y v2. Para encontrar los escalares
correspondientes, la sentencia es:
> linsolve(At,v);
[2, −1]
Se puede encontrar una base para un espacio generado por un conjunto de
vectores usando el comando basis. Por ejemplo, para encontrar una base para
el espacio generado en IR3 por los vectores (1, 1, 1), (1, 1, 0) y (1, 0, 0) entonces
se escribe:
> with(linalg):
> v1:=vector([1,1,1]):
> v2:=vector([1,1,0]):
> v3:=vector([1,0,0]):
> basis({v1,v2,v3});
{v1, v2, v3}

Lo anterior indica que los vectores son linealmente idependientes y por lo tanto
los tres vectores costituyen una base para el espacio; en este caso IR3 . Ahora,
si se quiere saber el espacio generado por (1, 1, 1), (1, 0, 0) y (−1, −2, −2), se
digita:
> with(linalg):
> v1:=vector([1,1,1]):
> v2:=vector([1,0,0]):
> v3:=vector([-1,-2,-2]):
> basis({v1,v2,v3});
{v1, v3}
Esto indica que (1, 0, 0) (v2) es combinación lineal de (1, 1, 1) (v1) y (−1, −2, −2)
(v3); siendo estos últimos linealmente indepedientes y por tanto una base para
el espacio generado por los tres vectores, que obviamente va ser un subespacio
(no trivial) de IR3 .
Transformaciones Lineales
Sea T la transformación lineal de IR2 en IR3 , definida por T (x, y) = (x, x+
y, x − y), entonces una rutina para obtener la matriz asociada con respecto de
las bases canónicas es la siguiente:
> with(linalg):
> T:=(x,y)->[x,x+y,y-x]; # definición de la transformación lineal T
T := (x, y)− > [x, x + y, y − x]
> a:=(1,0); # primer vector de la base
a := 1, 0
> b:=(0,1); # segundo vector de la base
b := 0, 1
> v1:=T(a); # evaluación de T en el primer vector de la base

v1 := [1, 1, 1]
> v2:=T(b); # evaluación de T en el segundo vector de la base
v2 := [0, 1, −1]
> A:=matrix([v1,v2]):
> AT:=transpose(A);
 
1 0
AT :=  1 1 
1 −1
Ası́, la matriz AT resultante es la matriz asociada.
También a partir de la matriz asociada se puede obtener unn base para
el Kernel o Núcleo de T con el comando nullspace. En el ejemplo anterior, el
Kernel es el conjunto que sólo contiene al vector nulo, con lo cual al ejecutar
el comando no se va a obtener respuesta. Pero, para la transformación lineal
L de IR3 en IR2 , definida por L(x, y, z) = (x, y − z) y que tiene un Kernel
distinto al conjunto que contiene al vector nulo, la matriz asociada a L con
respecto de las bases canónica es:

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

1 0 0
AL :=
0 1 −1
> nullspace(AL);
[0, 1, 1]
Por lo tanto el conjunto {(0, 1, 1)} constituye una base para el Kernel de L.
Ahora, a partir de una matriz de orden m × n y de las bases canónicas
de IRm y IRn se puede obtener una transformación lineal de IRn en IRm . Por
ejemplo, sea la matrix A de 3x3:
 
1 1 1
A =  2 −1 0 
−1 0 1
Si se considera que A es la matriz asociada a una transformación lineal con
respecto de las bases canónicas, entonces la transformación puede obtenerse
como:
> with(linalg):
> A:=matrix([[1,1,1],[2,-1,0],[-1,0,1]]); # ingreso de la matriz asociada
 
1 1 1
A :=  2 −1 0 
−1 0 1
> T:=x->multiply(A,x):
> T([x,y,z]);
[x + y + z, 2x − y, −x + z]
lo cual la transformación lineal, de IR3 en IR3 correspondiente, está dada por
T (x, y, z) = (x + y + z, 2x − y, −x + z).
Valores y Vectores Propios

El Maple puede entregar una variada información acerca de los valores y
vectores propios. Por ejemplo, puede entregar directamente los valores propios
de una matriz. Ası́, dada la matriz
 
3 −1 0
A =  −1 2 −1 
0 −1 3
entonces los valores propios de A puueden obtenerse con:
> with(linalg):
> A:=matrix([[3,-1,0],[-1,2,-1],[0,-1,3]]);
 
3 −1 0
A :=  −1 2 −1 
0 −1 3
> eigenvals(A); # entrega los valores propios de la matriz A
1, 3, 4
Lo anterior indica que los valores propios de la matriz A son los números 1, 3 y
4. Otra cosa interesante puede ser conocer le polinomio carasterı́stico asociado
a la matriz A, el cual se puede obtener con:
> charpoly(A,lambda);
λ3 − 8λ2 + 19λ − 12
La sentencia eigenvects entrega, para cada valor propio, una base para el es-
pacio propio asociado:
> eigenvects(A); # entrega una base para el espacio propio de cada valor propio
[1, 1, {[1, 2, 1]}], [3, 1, {[−1, 0, 1]}], [4, 1, {[1, −1, 1]}]
El resultado que nos entrega la sentencia nos dice que el valor propio 1 tiene
multiplicidad algebraica 1 y el espacio propio asociado a esta valor propio tiene
como base a {(1, 2, 1)}, el valor propio 3 tiene multiplicidad algebraica 1 y el
espacio propio asociado tiene como base a {(−1, 0, 1)} y, finalmente, el valor
propio 4 también tiene multiplicidad algebraica 1 y su espacio propio tiene
como base a {(1, −1, 1)}.

1.5. EJERCICIOS PROPUESTOS 45
1.5. EJERCICIOS PROPUESTOS

1.- En cada uno de los casos explicar porqué el conjunto V dado no es un
espacio vectorial, sobre el cuerpo de los números reales, con las operaciones de
suma y producto por escalar indicadas.
a) V = IR2 . Si (x, y) y (z, w) ∈ V , λ ∈ K entonces:
• (x, y) + (z, w) = (x + z, y + 1)
• λ(x, y) = (λx, λy)
b) V = IR3 . Si (x1 , x2 , x3 ) y (y1 , y2, y3 ) ∈ V , λ ∈ K entonces:
• (x1 , x2 , x3 ) + (y1 , y2, y3 ) = (x1 + y1 , x2 + y2 , x3 + y3 )

• λ(x1 , x2 , x3 ) = (λx1 , λx2 , 0)
c) V = M2×2 (IR). Si A y B ∈ V , λ ∈ K entonces:
• A + B = BAt
• λA = (λaij )
2.- Verifique que los siguientes subconjuntos S de un espacio vectorial V son

subespacios de V , con las operaciones de suma y producto por escalar usuales,
para los dintintos espacios vectoriales mencionados:
a) V = IR2 ; S = {(x, y) ∈ V : y = −2x}
b) V = IR3 ; S = {(x, y, z) / y = x − 2z}
c) V = M2×2 (IR), conjunto de matrices cuadradas de orden 2;

a b
S= / d = 2a + b .
c d
d) V = P3 , conjunto de los polinomios de grado menor o igual que 3 con

coeficientes reales;
S = {at3 + bt2 + (a + b)t + (a − b) / a y b reales }.
e) V = IR4 ; S = {(a, 0, b, 0) / a y b ǫ IR}.
f) V = C(IR), el conjunto de las funciones continuas de IR en IR;

S = {f ∈ C(IR) / f (x) = f (−x), ∀ x ∈ IR}
3.- Analice por qué los siguientes subconjuntos del espacio vectorial dado no
constituyen un subespacio, con las operaciones de suma y producto por escalar
usuales para los ditintos espacios mencionados.
a) V = IR3 ; S = {(x, y, z) / x ≤ y ≤ z}.
b) V = M2×2 (IR), conjunto de matrices cuadradas de orden 2;

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

y (−1, 21 , 4).
b) en el espacio vectorial M2×2 (IR), la matriz

0 0
−7 2
es combinación lineal de las matrices:

1 2 2 1 3 0
, ,
−1 3 4 1 2 1
5.- Encuentre un conjunto de generadores para los siguientes subespacios:
a) S = {(x, y, z) ∈ IR3 / x − 2y + 3z = 0}
b) S = {p(t) ∈ P2 / p(t) = at2 + bt + c, a = −c}

a b
c) S = ∈ M2×2 (IR)/ a − 2b = 0, d = c
c d
6.- Verifique que el conjunto del espacio vectorial mencionado es linealmente

independientes.
a) {(1, 0, 0, 1), (1, 1, 0, 0), (1, 1, 1, 1)} en IR4 .
b) { 23 t2 + 3t + 21 , t2 + 12 t + 21 , − 31 t2 − 21 } en P2 .
7.- Verifique que el conjunto de matrices de 2 × 2

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

b) B = {−3t, t2 + 1, t2 − 5}, V = P2 .

3 1 3 2 −1 1 1 1
c) B = , , , , V = M2×2 (IR).
0 0 0 0 0 3 1 −2
9- ¿ Cuáles de los siguientes conjuntos forman un base de IR3 ?. Expresar el

vector (−1, 1, 2) como una combinación lineal de los vectores de cada conjunto
que sea base.
a) {(1, 2, −1), (−1, −2, 3), (0, 1, 1)} b){(−1, 1, 3), (1, 1, −1), (3, −1, −7)}
c) {(1, 0, −1), (2, −2, 1), (3, 2, 1)}
10.- Para los siguientes subespacios, determine una base y su dimensión:
a) S = {(x, y, z)/z = 2x + y} ⊂ IR3

a b c
b) S = /a + b + c = 0, d = 2f ⊂ M2×3 (IR).
d e f
c) S = {at3 + bt2 + ct + d/a − 2b = 0, c = d} ⊂ P3
11.- Dadas las siguientes aplicaciones, verifique que ellas son Transformaciones
Lineales..
a) T : IR2 −→ IR2 , T (x, y) = (x, x + y)

b) T : P2 (t) −→ IR3 ,
T (at2 + bt + c) = (a + c, a + b, b + c)

3 x y z
c) T : IR −→ M2×3 (IR), T (x, y, z) =
2x 2y z
d) T : IR4 −→ IR3 , T (x, y, z, w) = (x + y, z − w, y + z)

a b
e) T : IR3 → M2×2 (IR), T (a, b, c) =
c a
12.- Para las siguientes Transformaciones Lineales, encuentre su Kernel e I-

magen. De acuerdo a lo anterior, diga si alguna de ellas es inyectiva.
a) T : IR3 → IR3 ; T (x, y, z) = (x, z + y, y).
b) T : P3 → IR4 ; T (at3 + bt2 + ct + d) = (a + d, b, d − c, b)
c) T : P3 → IR3 ; T (at3 + bt2 + ct + d) = (a + c, b, 2b)
13.- En los siguientes casos, encuentre la transformación lineal T tal que:
a) T : IR2 → P2 con T (1, 2) = t2 − 1 y T (0, −2) = −t2 + 2t.
b) T : IR3 → IR3 con T (1, 1, 1) = (0, 0, 1), T (1, 1, 0) = (0, 1, 1) y

T (1, 0, 0) = (1, 1, 1)
14.- En los siguientes problemas encuentre la matriz asociada a la Transfor-

mación Lineal T , com respecto de las bases B1 y B2 que se indican.
a) T : IR2 → IR3 : T (x, y) = (x − 2y, −x + y, 3y)
B1 = {(1, −2), (1, 1)}, B2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
b) T : IR3 → P2 (t) : T (x, y, z) = 2xt2 + (x + y)t + 2z
B1 = {(1, 0, 1), (1, 0, 0), (1, 1, 1)}, B2 = {3, t − 1, t2 + t}
c) T : IR3 → IR2 : T (x, y, z) = (x + y + z, y − 3z + 2x)
B1 = {(0, 1, 1), (2, −1, 0), (1, 0, 1)}, B2 = {(1, −1), (2, 3)}
15.- Sean B1 = {(1, 1, 1), (1, 1, 1), (1, 0, 0)} y

0 0 0 1 1 1 1 0
B2 = , , ,
0 1 0 1 0 0 1 0
bases de IR3 y M2 (IR), respectivamente. Encontrar la Transformación Lineal
T de IR3 en M2 (IR) cuya matriz asociada, con respecto de las bases B1 y B2 ,
es:
 
2 1 −1
 1 0 2 
A=  2 −4

0 
0 3 2
16.- Sean las transformaciones lineales T , de IR2 en P2 , y L, de P2 en IR4 ,

definidas por:
T (x, y) = xt2 + yt + y − x
L(at2 + bt + ct) = (a, b, c, a − b)
Determine la trasformación lineal compuesta L ◦ T usando la matriz asociada

respecto de las bases canónicas.
17.- Considere el espacio IR3 y la base B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}. Si
T : IR3 −→ IR3 es una transformación lineal tal que
 
1 1 1
[T ]BB =  1 1 0 
1 0 0
Encuentre la ecuación que define a T −1 .
18.- Para las matrices dada a continuación, encontrar los valores propios y sus
espacios propios asociados:
 
1 −1 0
−2 −2
,  −1 2 −1 
−5 1
0 −1 1
Capı́tulo 2
FUNCIONES EN VARIAS
VARIABLES
2.1. INTRODUCCION
Muchos fenómenos de las ciencias pueden ser descritos por una función en
una variable, pero muchas otras cantidades dependen de más de una variable.
Por ejemplo:
El área de un rectángulo depende de dos cantidades: largo y ancho.
El volumen de una caja rectangular depende de tres cantidades: largo,

ancho y alto.
En general, la temperatura de un punto P de un objeto en el espacio pue-

de depender de la tres coordenadas rectangulares: x, y, z y del tiempo
t.
En esta sección nos abocaremos a definir funciones de varias variables; dos y

tres, y se analizarán algunas de sus propiedades.
Definición 2.1. Una función en varias variables es una relación que asigna
a cada elemento de un conjunto D, llamado dominio, uno y sólo un elemento
de un conjunto E, denominado co-dominio.
El estudio estará abocado sólo a las llamadas funciones reales; es decir,

a funciones cuyo dominio va a ser un subconjunto de IRn y co-dominio un
subconjunto de los números reales, IR. Más especı́ficamente, se estudiarán las
funciones con dominio en IR2 y IR3 . De esta manera, se hablará de una función
de dos variables como la función cuyo dominio sea un conjunto de puntos en
el plano y de una función de tres variables como la función cuyo dominio
sea un conjunto de puntos en el espacio.
Una función en varias variables es denotada usualmente por letras mi-
núsculas (f, g, h, . . .). El valor de una función f de dos variables en el punto
(x, y) es denotado por f (x, y) y el valor de una función f de tres variables en
el punto (x, y, z) es denotado por f (x, y, z).
51
52 CAPÍTULO 2. FUNCIONES EN VARIAS VARIABLES
Por ejemplo, consideremos como aplicación a una lámina delgada tendida

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

variables. Dependiendo de la ecuación que represente a la función, se visuali-
zará si el dominio va a corresponder a todo IR2 o sólo un subconjunto de él,
para el caso de funciones de dos variables, o a todo IR3 o un subconjunto de
él, para funciones de tres variables.
Ejemplo 2.1.
p
1.- Sea la función f , de dos variables, dada por f (x, y) = 9 − 4x2 − y 2.
Entonces, el dominio de la función son todos los puntos (x, y) del plano
tales que 4x2 +y 2 ≤ 9; debido a que en los números reales el argumento de
la raı́z cuadrada no debe ser negativo. Geométricamente, el dominio de
la función corresponde a la elipse que se muestra en la siguiente figura:
− 3/2 3/2
x
−3
Ahora, evaluando la función en algunos puntos se tiene:

2.1. INTRODUCCION 53
p
f (0, 0) = 9 − 4(0)2 − (0)2 = 3
p
f (1, 1) = 9 − 4(1)2 − (1)2 = 2
p
f (1, 2) = 9 − 4(1)2 − (2)2 = 1
xy
2.- Consideremos la función f de dos variables definida por y−x 2 . Luego, su
dominio es el conjunto de todos los puntos (x, y) tales que y 6= x2 ; debido

a que el denominador no debe hacerse nulo. Gráficamente se tiene:
y
Por ejemplo, algunos valores de la función son:

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

La suma, producto y cuociente de dos funciones f y g en varias variables
son definidas análogamente como en las funciones de una variable. Ası́, las
propiedades para funciones de dos variables son:
(f ± g)(x, y) = f (x, y) ± g(x, y)
(f g)(x, y) = f (x, y)g(x, y)

f (x,y)
( fg )(x, y) = g(x,y)
, g 6= 0
Ahora nos proponemos a graficar una función de dos variables; esto es, di-
bujar la colección de puntos (x, y, f (x, y)), para lo cual (x, y) está en el dominio
de f . Lo que se hace para esto es poner z = f (x, y) para constituir un sistema
de coordenadas rectangulares de tres dimensiones, con ejes coordenados x, y, z,
perpendicularmente entre sı́. De esta manera, la ecuación z = f (x, y) represen-
tará una superficie S en el espacio. Si D es una región en el plano xy, entonces
el par (x, y) en D queda representado por (x, y, 0). Los valores de la función
S
.
z=f(x,y)
..
(x,y,0) D
Figura 2.1: Gráfica de f de dominio D en el plano x-y
f (x, y) son las distancias (con signo) del plano xy a S, como se muestra en la
Figura 2.1.
Un método que es útil para describir la gráfica de una superficie dada por
una función f de dos variables, de la forma z = f (x, y), consiste en trazar en
el plano xy la gráfica de la ecuaciones f (x, y) = k para varios valores de k. Las
curvas que se obtienen de esta manera son las llamadas curvas de nivel de
la función f .
Ejemplo 2.2. Sea f la función de dos variables definida por f (x, y) = 6 −
2x − 3y. Tomando z = f (x, y) = 6 − 2x − 3y, las curvas de nivel, en el plano
xy, van a estar dadas por las ecuaciones 6 − x − 3y = c, para c ∈ IR dado; o
equivalentemente por x + 3y = 6 − c.
6−c
Estas curvas son rectas que cortan al eje x en 6 − c y al eje y en 3
:
y
−3 −2 −1 1 2 3 4 5 6 7 8 9 c = −3 x
c=0
c=3
c=9
Entonces a través de las curvas de nivel se puede dibujar la superficie. Los

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

como el que se muestra en la siguiente figura:
En general en IR3 , un plano está dado por la ecuación:
ax + by + cz = d, a, b, c, d ∈ IR, constantes
Ejemplo 2.3. Consideremos ahora la función f tal que f (x, y) = x2 + y 2.

Entonces, se denota por z = f (x, y); es decir, z = x2 + y 2, y por lo tanto las
curvas de nivel van a estar dadas por las ecuaciones x2 + y 2 = c, c ≥ 0, dado,
(figura 2.2).
√
Ası́, las curvas de nivel corresponden a circunferencias de radios c:
Para graficar en tres dimensiones, vemos que a medida que aumenta c, las
circunferencias se hacen más grandes; es decir, a medida que z aumenta a partir
del plano xy, se obtienen circunferencias más grandes sobre planos paralelos
al plano xy y ası́ en el espacio se produce un cono que se encuentra sobre el
plano xy (figura 2.3).

2.2. LIMITES Y CONTINUIDAD

Consideremos f una función de dos variables y sea f (x, y) el valor de f
para un punto (x, y) cualquiera en su dominio. Si el valor de f (x, y) se acerca
a un valor real fijo L cuando (x, y) se aproxima cada vez más a un punto fijo
(x0 , y0 ), entonces esto se denota por:
lı́m f (x, y) = L
(x,y)→ (x0 ,y0 )
c=9
c=4
c=1
1 2 3
x
Figura 2.2: Curvas de nivel
y se lee: el lı́mite de f (x, y) cuando (x, y) tiende a (x0 , y0 ) es L. Con la idea de

formalizar matemáticamente el concepto anterior, la distancia entre el punto
(x, y) y (x0 , y0 ), en el plano, es menor que δ es denotado por:
p
(x − x0 )2 + (y − y0 )2 < δ
Bajo la noción anterior, se entrega la definición de lı́mite.
Definición 2.2. Sea f una función definida en un conjunto de IR2 , (x0 , y0 )
un elemento de dicho conjunto y L un número real. Entonces L es el lı́mite
de f en (x0 , y0 ), si para todo ǫ > 0 existe un número δ > 0, tal que si:
p
(x − x0 )2 + (y − y0 )2 < δ
se tiene que:
|f (x, y) − L| < ǫ.
En el caso que se den las condicones de la definición anterior, escribimos:
lı́m f (x, y) = L
(x,y)→ (x0 ,y0 )
y se dice que lı́m f (x, y) existe.

(x,y)→ (x0 ,y0 )
Los lı́mites de una suma, un producto, un cuociente de funciones en va-

rias variables tienen las mismas propiedades que los lı́mites de operaciones de
funciones de una variable; vale decir, que para funciones de dos variables se
tiene que si lı́m f (x, y) y lı́m g(x, y) existen, entonces:
(x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 )
x
Figura 2.3: Cono sobre el plano xy
lı́m [f (x, y) ± g(x, y)] = lı́m f (x, y) ± lı́m g(x, y).

(x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 )
lı́m [f (x, y) · g(x, y)] = lı́m f (x, y) · lı́m g(x, y).

(x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 )
lı́m f (x, y)
f (x, y) (x,y)→ (x0 ,y0 )
lı́m = ; si lı́m g(x, y) 6= 0.
(x,y)→ (x0 ,y0 ) g(x, y) lı́m g(x, y) (x,y)→ (x0 ,y0 )
(x,y)→ (x0 ,y0 )
p r
lı́m f (x, y) = lı́m f (x, y); si lı́m f (x, y) > 0,
(x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 )
entre otras propiedades.

En forma análoga a la definición de lı́mites para funciones de dos varia-
bles, se puede definir el lı́mite para funciones de tres variables. También las
reglas para los lı́mites de funciones de tres variables son equivalentes al caso
de funciones de dos variables.
De acuerdo a las propiedades mencionadas, el evaluar lı́mites para funcio-
nes en varias variables es totalmente equivalente a evaluar lı́mites de funciones
en una variable. A continuación se muestra el siguiente ejemplo.
Ejemplo 2.4. Evaluar:
a) lı́m (x2 + y 2 − 4)
(x,y)→ (1,3)
x3 +y 3
b) lı́m 2 2
(x,y)→ (−1,2) x +y
Solución:
a) Aquı́ se puede calcular el lı́mite reemplazando x por 1 e y por 3:
lı́m (x2 + y 2 − 4) = (1)2 + (3)2 − 4 = 6

(x,y)→ (1,3)
3 +y 3
lı́m (x3 +y 3 )
( xx2 +y
(x,y)→ (−1,2)
b) lı́m 2) = lı́m (x2 +y 2 )
(x,y)→ (−1,2) (x,y)→ (−1,2)
(−1)3 + (2)3 7
= =
(−1)2 + (2)2 5

2 2
Ejemplo 2.5. Verifique que lı́m ( xx2 −y
+y 2
) no existe.
(x,y)→ (0,0)
En efecto: aquı́ no se puede reemplazar x e y por cero, dado que eso darı́a un
denominador nulo. Entonces:
(x2 − 0)
f (x, 0) = 2 = 1, para x 6= 0.
(x + 0)
(0 − y 2 )
f (0, y) = = −1, para y 6= 0.
(0 + y 2)
Por lo tanto a medida que nos acercamos al punto (0, 0) la función f puede
tomar el valor 1 si lo hacemos a lo largo del eje x y −1 si lo hacemos a lo largo
del eje y con, lo cual no existirı́a el lı́mite en (0, 0); ya que de acuerdo a la
Definición 2.2, si se toma ǫ = 1, entonces para cualquier punto (x, y) cercano
a (0, 0) debiera tenerse que:
−1 + L < f (x, y) < 1 + L;
pero, claramente no existe ningún L tal que el intervalo (−1+L, 1+L) contenga
a 1 y −1.

Lo anterior se debe a que se verifica que si el lı́mite existe, este es único.
Ahora, en el plano xy existen infinitas trayectorias para alcanzar un punto. Lo
anterior da lugar a lo siguiente:
Regla de las trayectorias: si dos trayectorias que llevan a un punto (x0 , y0 )
producen dos valores diferentes de lı́mite entonces:
lı́m f (x, y)
(x,y)→ (x0 ,y0 )
no existe. Este es el caso presentado en el Ejemplo 2.5.

Observación 2.1. Si f es una función de dos variables definida en todo punto

(x, y) de una región R excepto en un punto interior (x0 , y0 ) de R, entonces,
puede usarse la Definición 2.2 para analizar el lı́mite de f cuando (x, y) tiende
a (x0 , y0), pensando que a este punto se puede acercar a través de cualquier
curva o trayectoria. Ahora, si (x0 , y0) es un punto de frontera de R se usa la
Definición 2.2 con la restricción adicional de que al punto (x0 , y0 ) se puede
aproximar a través de curvas o trayectorias que sólo van desde el interior de
R.
Teniendo presente la observación anterior se da la siguiente definición
Definición 2.3.
a) Una función f de dos variables es continua en un punto (x0 , y0) si
lı́m f (x, y) = f (x0 , y0 )

(x,y)→ (x0 ,y0 )
b) Una función f de tres variables es continua en un punto (x0 , y0 , z0 ) si
lı́m f (x, y, z) = f (x0 , y0, z0 )

(x,y,z)→ (x0 ,y0 ,z0 )
c) Una función en varias variables se dice continua si es continua en todo

su dominio.
Se pueden demostrar teoremas sobre la continuidad de funciones de

dos y tres variables que son análogos a los de las funciones de una variable.
En particular, los polinomios son funciones continuas en todas partes, y las
funciones racionales son continuas salvo donde el denominador es cero.
Gráficamente, para el caso de funciones de dos variables, una función
es continua si su gráfica no tiene hoyos ni saltos verticales.
Ejemplo 2.6. Analice la continuidad de la función f , donde
f (x, y) = ln(x + y − 1)
Solución:
Sabemos que el logaritmo natural esta definido y tiene un valor real cuan-
do su argumento es positivo, es decir, cuando x + y − 1 > 0; con lo cual f es
continua para todo (x, y) en el plano tal que x + y > 1.
Ejemplo 2.7. Sea la función f definida por

( 2 2
x −y
x−y
y 6= x
f (x, y) = (2.1)
2 y=x
Analice la continuidad en los puntos (1, 1) y (2, 2).

Solución:
(x2 − y 2 ) (x + y)(x − y)
lı́m f (x, y) = lı́m = lı́m
(x,y)→ (1,1) (x,y)→ (1,1) x−y (x,y)→ (1,1) (x − y)
= lı́m (x + y) = 2
(x,y)→ (1,1)
Como de (2.1) f (1, 1) = 2, entonces
lı́m f (x, y) = f (1, 1)

(x,y)→ (1,1)
y ası́ f es continua en (1,1).

Por otro lado
(x2 − y 2 )
lı́m f (x, y) = lı́m = lı́m (x + y) = 4
(x,y)→ (2,2) (x,y)→ (2,2) x−y (x,y)→ (2,2)
Como de 2.1 f (2, 2) = 2, entonces:
lı́m f (x, y) 6= f (2, 2)

(x,y)→ (2,2)
y f no es continua en (2, 2).

2.3. DERIVADAS PARCIALES

Sea f una función de dos variables x e y. Si fijamos una de las dos varia-
bles, por ejemplo y = y0 , la función que toma los valores f (x, y0 ) es sólo función
de x. Si la función con expresión f (x, y0 ) tiene derivadas en x0 , entonces dire-
mos que dicha derivada es una derivada parcial en (x0 , y0 ). En forma análoga,
se puede concluir para la función en la variable y con expresión f (x0 , y).
Con la idea anterior, se define lo que es una derivada parcial para una
función de dos variables.
Definición 2.4. Sea f una función de dos variables x e y, y sea (x0 , y0 ) un

punto del dominio de f . La derivada parcial de f con respecto de x en
el punto (x0 , y0 ) se define como:
f (x0 + h, y0 ) − f (x0 , y0 )
fx (x0 , y0 ) = lı́m
h→ 0 h
cuando este lı́mite existe. La derivada parcial de f con respecto de y en
el punto (x0 , y0 ) se define como:
f (x0 , y0 + h) − f (x0 , y0 )
fy (x0 , y0) = lı́m
h→ 0 h
cuando este lı́mite existe.
2.3. DERIVADAS PARCIALES 61
A partir de la definición anterior, se puede decir que las primeras derivadas

parciales con respecto a x e y son las funciones fx y fy definidas por:
f (x + h, y) − f (x, y)
fx (x, y) = lı́m (2.2)
h→ 0 h
f (x, y + h) − f (x, y)
fy (x, y) = lı́m (2.3)
h→ 0 h
en los puntos del dominio de f donde estos lı́mites existan. Frecuentemente,
las derivadas anteriores, son denotadas por ∂f
∂x
y ∂f
∂y
, respectivamente. En (2.2)
se está dejando a y como una constante y por lo tanto la función f se estarı́a
considerando sólo como una función de x, con lo cual fx (x, y) serı́a como una
derivada simple en x. Análogamente, en (2.3) fy (x, y) serı́a como una derivada
simple en y. Es decir, para calcular una derivada parcial a una función de dos
variables se procede en forma análoga al caso de funciones de una variable,
como se ve en el siguiente ejemplo.
Ejemplo 2.8. Dada la función f , de dos variables, con expresión
f (x, y) = 3xy − x2 y + x3 y 2
a) Encontrar fx (x, y) y fy (x, y).
b) Calcular fx (3, −2) y fy (3, −2).
Solución:
a) Dejando y constante y derivando con respecto de x, se encuentra que:
fx (x, y) = 3y − 2xy + 3x2 y 2
Ahora, dejando x constante y derivando con respecto de y, se obtiene

que:
fy (x, y) = 3x − x2 + 2x3 y
b) Substituyendo x = 3, y = −2 en fx (x, y) y fy (x, y) obtenidos en a), se

tiene que:
fx (3, −2) = 3(−2) − 2(3)(−2) + 3(3)2 (−2)2 = 114
fy (3, −2) = 3(3) − (3)2 + 2(3)3 (−2) = −108

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

f fx g − f gx
= , g 6= 0
g x g2
Análogamente, estas fórmulas se cumplen para la derivada parcial fy
∂z
Ejemplo 2.9. Sea z = x2 ysen(xy). Obtener ∂x
Solución: Escribiendo z como z = (x2 y)(sen(xy)), entonces:
∂z ∂ 2 ∂
= (x y)(sen(xy)) + x2 y (sen(xy))
∂x ∂x ∂x
= 2xysen(xy) + x2 y(ycos(xy))
= 2xysen(xy) + x2 y 2cos(xy)
= xy(2sen(xy) + xycos(xy))

xy 2 ∂z
Ejemplo 2.10. Sea z = exy
. Obtener ∂y
.
Solución:
∂ ∂
∂z ∂y
(xy 2 )(exy ) − xy 2 ∂y (exy )
=
∂y (exy )2
2xyexy − xy 2 (xexy )
=
(exy )2
xyexy (2 − xy)
=
(exy )2
xy(2 − xy)
=
exy

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

fx (x0 , y0 , z0 ) = lı́m
h→ 0 h
f (x0 , y0 + h, z0 ) − f (x0 , y0 , z0 )
fy (x0 , y0 , z0 ) = lı́m
h→ 0 h
f (x0 , y0, z0 + h) − f (x0 , y0 , z0 )

fz (x0 , y0 , z0 ) = lı́m
h→ 0 h
cuando estos lı́mites existen.
Las fórmulas anteriores en cualquier punto (x, y, z) denotan el valor de las
funciones derivadas parciales fx , fy y fz . Las notaciones alternativas para estas
funciones son ∂f , ∂f y ∂f
∂x ∂y ∂z
, respectivamente ó ∂w , ∂w y ∂w
∂x ∂y ∂z
si w = w(x, y, z).
Ejemplo 2.11. Sea f (x, y, z) = e2x cosz + e3y senz. Encontrar las derivadas
parciales de f .
Solución: En forma análoga a las funciones de dos variables, para obtener

las derivadas parciales de una función se deriva con respecto de esa variable,
considerando constantes las otras. Ası́:
∂f
= 2e2x cosz, constantes y, z.
∂x
∂f
= 3e3y senz, constantes x, z.
∂y
∂f
= −e2x senz + e3y cosz, constantes x, y.
∂z

Si f es una función de dos variables, x e y, entonces fx y fy son funciones

en las mismas variables y se pueden considerar sus derivadas parciales:
∂2f

∂ ∂f
(fx )x = fxx = =
∂x ∂x ∂x2
∂2f

∂ ∂f
(fx )y = fxy = =
∂y ∂x ∂y∂x
∂2f

∂ ∂f
(fy )x = fyx = =
∂x ∂y ∂x∂y
∂2f

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

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

A través de las derivadas parciales de primer orden puede ser definido
un vector que, como se verá más adelante, juega un papel importante en la
definición de un plano tangente al gráfico de una supeficie de tres dimensio-
nes. Dicho vector, que definimos a continuación, tiene especial significación en
algunas aplicaciones fı́sicas.
Definición 2.5. Sea f una función de dos variables x, y que tiene derivadas
parciales de primer orden, en un punto (x0 , y0 ). El gradiente de f en (x0 , y0),
es el vector denotado por ∇f (x0 , y0 ) y definido por:
∇f (x0 , y0 ) = fx (x0 , y0)i + fy (x0 , y0 )j (2.4)
En general, de la Definición 2.4, se puede decir que si f posee primeras

derivadas parciales en una región R del plano xy, el gradiente de f es una
función vectorial; es decir, una aplicación que asigna a cada punto uno y sólo
un vector, definida como:
∇f (x, y) = fx (x, y)i + fy (x, y)j, ∀ (x, y) ∈ R.
También el gradiente ∇f (x, y) es denotado a veces por gradf (x, y).
Ejemplo 2.13. Sea f (x, y) = y 2 − 2x2 y. Encontrar el gradiente de f en el

punto (1, −1) y representarlo gráficamente.
Solución: Las primeras derivadas de f son:
fx (x, y) = −4xy, fy (x, y) = 2y − 2x2 .
Entonces:
∇f (x, y) = −4xyi + (2y − 2x2 )j
Por lo tanto:
∇f (1, −1) = 4i − 4j
con lo cual es representado en la Figura 2.5.

En forma análoga a la definición de gradiente de funciones de dos varia-
bles, se define el gradiente de una función f de tres variables, x, y, z en un
punto (x0 , y0 , z0 ) del espacio por:
∇f (x0 , y0 , z0 ) = fx (x0 , y0 , z0 )i + fy (x0 , y0 , z0 )j + fz (x0 , y0 , z0 )k.
También, en una región R de IR3 , donde f tiene primeras derivadas par-

ciales, se tiene la función vectorial gradiente de f dada por:
∇f (x, y, z) = fx (x, y, z)i + fy (x, y, z)j + fz (x, y, z)k. (2.5)
Ejemplo 2.14. Sea f (x, y, z) = xy 3 z 2 . Obtener y graficar el vector ∇f (1, 1, 1).

4 x
−4
Figura 2.5: ∇f (1, −1) = 4i − 4j
Solución: De acuerdo a la ecuación (2.5) se tiene que:
∇f (x, y, z) = y 3 z 2 i + 3xy 2 z 2 j + 2xy 3zk

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

Como se menciona al principio de esta sección, una de las aplicaciones
más importantes del vector gradiente es el papel que juega en la obtención del
plano tangente a una supeficie.
Para llegar a lo anterior, comencemos diciendo que si C es una curva
suave en el plano xy dada por una función f que es diferenciable en un punto
(x0 , y0 ), cuya ecuación es de la forma f (x, y) = c, c una constante, entonces se
puede demostrar que si ∇f (x0 , y0 ) 6= (0i + 0j), entonces ∇f (x0 , y0) es normal o
perpendicular a la pendiente a la curva en el punto (x0 , y0 ). Geométricamente,
esta situación es mostrada en la figura 2.7.
Ejemplo 2.15. Considere la curva en el plano xy, dada por la ecuación:

x3 y − 2xy + y 2 = 6
Encuentre un vector perpendicular a la pendiente a la curva en el punto (1, 3).
Solución: Si ponemos
f (x, y) = x3 y − 2xy + y 2
Entonces la ecuación de la curva queda como f (x, y) = 6. Ahora
fx (x, y) = 3x2 y − 2y, fy (x, y) = x3 − 2x + 2y
2 ∆
f(1,1,1)
1
1 2 3 y
1
x
Figura 2.6: ∇f (1, 1, 1) = i + 3j + 2k
con lo cual:
∇f (x, y) = (3x2 y − 2y)i + (x3 − 2x + 2y)j
y ası́:
∇f (1, 3) = 3i + 5j
Resultando el vector 3i + 5j normal a la pendiente en la curva en el punto
(1, 3).

Observación 2.2. Generalmente, para mencionar estos vectores, se habla de

vectores normales o perpendiculares a la curva en el punto.
Ahora, consideremos una superficie S cuya gráfica esta dada por la ecua-
ción F (x, y, z) = c, c una constante; donde F tiene primeras derivadas con-
tinuas. Sea (x0 , y0 , z0 ) un punto de S en que Fx , Fy y Fz no son todas nulas.
Entonces se demuestra que el vector ∇F (x0 , y0 , z0 ) es perpendicular al plano
tangente a S en (x0 , y0 , z0 ) (Figura 2.8).
Por otra parte, el plano que pasa por (x0 , y0, z0 ) y tiene como vector
normal a ∇F (x0 , y0 , z0 ) es el plano tangente a S en (x0 , y0 , z0 ) y se dice que
dicho vector es un vector normal a la superficie S en (x0 , y0 , z0 ). Todo esto
lo resumimos en el siguiente resultado.
Teorema 2.2. Sea F una función de tres variables x, y, z, con primeras

derivadas parciales continuas y sea (x0 , y0 , z0 ) un punto de la gráfica de
F (x, y, z) = 0. Si Fx , Fy y Fz no son todas nulas en (x0 , y0, z0 ), entonces
el vector ∇F (x0 , y0 , z0 ) es perpendicular o normal al plano tangente a S en
(x0 , y0 , z0 ).
y
∆
f(x0 ,y 0 )
(x 0 ,y 0)
Figura 2.7: Vector gradiente perpendicular a una curva
A partir de las condiciones del teorema anterior, se puede probar que la

ecuación del plano tangente a una superficie S de ecuación F (x, y, z) = 0 en
un punto (x0 , y0 , z0 ) es:
Fx (x0 , y0 , z0 )(x − x0 ) + Fy (x0 , y0, z0 )(y − y0 ) + Fz (x0 , y0 , z0 )(z − z0 ) = 0
Ejemplo 2.16. Encontrar √ la ecuación del plano tangente a la esfera x2 + y 2 +

z 2 = 9 en el punto (1, 1, 7).
Solución: La ecuación de la esfera se puede escribir como F (x, y, z) = 0;

donde:
F (x, y, z) = x2 + y 2 + z 2 − 9
Las derivadas parciales de F son:
Fx (x, y, z) = 2x, Fy (x, y, z) = 2y, Fz (x, y, z) = 2z

√
En este caso se tiene que (x0 , y0, z0 ) = (1, 1, 7)
√ √ √ √
Fx (1, 1, 7) = 2, Fy (1, 1, 7) = 2, Fz (1, 1, 7) = 2 7.
√
Entonces, la ecuación del plano tangente a la superficie en el punto (1, 1, 7)
es: √ √
2(x − 1) + 2(y − 1) + 2 7(z − 7) = 0
√
2x + 2y + 2 7z = 18
La gráfica se representa en la figura 2.9.

z
∇f(x0,y0,z0)
S
.
(x0,y0,z0)
x
Figura 2.8: Gradiente de F perpendicular al plano tangente a S, en (x0 , y0 , z0 )
Ahora, empezamos a introducirnos en el concepto de diferenciabilidad

total. Consideremos una función f de dos variables x, y. Además denotemos
por ∆x y ∆y a los incrementos de x e y, respectivamente
Definición 2.6. Sea z = f (x, y) y sea ∆x0 y ∆y0 los incrementos de x0 e y0 ,

coordenadas de un punto del dominio de f . Entonces, el incremento ∆z0 se
define como:
∆z0 = f (x0 + ∆x0 , y0 + ∆y0 ) − f (x0 , y0 )
Observemos que el incremento ∆z0 es el cambio en el valor de la función cuando

(x0 , y0 ) varı́a a (x0 + ∆x0 , y0 + ∆y0 ); donde este último punto también debe
estar en el dominio de f . En general, para cualquier punto (x, y) en el dominio
de una función f tal que (x + ∆x, y + ∆y) sea también un punto del dominio,
el incremento ∆z se define como
∆z = f (x + ∆x, y + ∆y) − f (x, y)
Ejemplo 2.17. Sea z = f (x, y) = 2y 2 − xy. Calcule el incremento ∆z
Solución:
∆z = f (x + ∆x, y + ∆y) − f (x, y)

∇f(1,1, 7)
(1,1, 7)
3 S
.
3
y
x
√
Figura 2.9: Plano tangente a la esfera en el punto (1, 1, 7)
donde ∆x y ∆y son los incrementos de x e y respectivamente. Ası́:
∆z = f (x + ∆x, y + ∆y) − f (x, y)

= 2(y + ∆y)2 − (x + ∆x)(y + ∆y) − (2y 2 − xy)
= 2(y 2 + 2y∆y + (∆y)2 ) − (xy + x∆y + y∆x + ∆x∆y) − 2y 2 + xy
= 4y∆y + 2(∆y)2 − x∆y − y∆x − ∆x∆y
Ahora si (x, y) varı́a de (1,1) a (0.99,1.02), entonces la variable x tiene un

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

La Definición 2.6 de ∆z0 entrega sólo la forma de calcular la diferencia
de los valores funcionales entre dos puntos que se suponen cercanos; no sien-
do adecuada para obtener resultados sobre la variación de f en esos puntos.
Al respecto, para derivar a una fórmula más útil se entrega la definición de
diferenciabilidad, para una función de dos variables.
Definición 2.7. Una función f de dos variables es diferenciable en un punto
(x0 , y0 ) si existen un disco D centrado en (x0 , y0) y funciones ǫ1 y ǫ2 de dos
variables tal que:
f (x, y) − f (x0 , y0) =

fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )
+ǫ1 (x, y)(x − x0 ) + ǫ2 (x, y)(y − y0 ), ∀(x, y) ∈ D (2.6)
donde:
lı́m ǫ1 (x, y) = 0 y lı́m ǫ2 (x, y) = 0
(x,y)→ (x0 ,y0 ) (x,y)→ (x0 ,y0 )
Puesto que los lı́mites mencionados, en la definición anterior, son ceros,

entonces para puntos (x, y) muy cercanos a (x0 , y0 ) se tiene que la ecuación
(2.6) puede ser escrita como:
f (x, y) − f (x0 , y0 ) ≈ fx (x0 , y0 )(x − x0 ) + fy (x0 , y0 )(y − y0 )

Ahora si reemplazamos x por x0 + ∆x e y por y0 + ∆y la relación anterior
queda como:
f (x0 + ∆x, y0 + ∆y) − f (x0 , y0) ≈ fx (x0 , y0)∆x + fy (x0 , y0)∆y (2.7)
Tomando el punto (x0 , y0 ) como cualquier punto (x, y) en el dominio de f en

el cual f es diferenciable, se tiene que (2.7) se puede escribir como:
f (x + ∆x, y + ∆y) − f (x, y) ≈ fx (x, y)∆x + fy (x, y)∆y

El lado derecho de esta última relación usualmente recibe el nombre de
diferencial o diferencial total de f en (x, y) con incrementos ∆x y ∆y;
siendo denotado por df . Ası́:
df = fx (x, y)∆x + fy (x, y)∆y

Finalmente, definiendo ∆x y ∆y como las diferenciales dx y dy, respecti-
vamente, se tiene que:
df = fx (x, y)dx + fy (x, y)dy
Observación 2.3. Si ponemos z = f (x, y), entonces la diferencial de la va-

riable dependiente z es:
∂z ∂z
dz = fx (x, y)dx + fy (x, y)dy = dx + dy
∂x ∂y
Ejemplo 2.18. Sea z = 2y 2 − xy. Encuentre la diferencial dz y a partir de
ella obtenga en forma aproximada la variación de z cuando (x, y) cambia de
(1,1) a (0.99,1.02)
Solución:
∂z ∂z
dz = dx + dy
∂x ∂y
= −ydx + (4y − x)dy
De acuerdo a los datos del problema se tiene que el incremento de la variable

x es dx = ∆x = −0.01, y el incremento de la variable y es dy = ∆y = 0.02.
Ahora, evaluando dz en el punto original; es decir, en el punto (1, 1) se tiene:
dz = −1(−0,01) + (4 − 1)(0.02) = 0.07
En el Ejemplo 2.17 se consideró esta función y se llegó a que ∆z = 0.071.

Luego para el valor aproximado de ∆z, dz, se comete un error de 0.001.

Ejemplo 2.19. Una lámina de metal se encuentra en el plano xy y la tempe-

ratura T en un punto (x, y) está dada por
T (x, y) = 10(x2 + y 2)2
donde T se mide en o C, x e y en cms. Calcular el cambio aproximado de la

temperatura desde el punto (2, 3) al punto (2.01, 2.03).
Solución: El cambio aproximado de la temperatura entre los puntos se apro-

xima por el diferencial dT que está dado por
∂T ∂T
dT = dx + dy
∂x ∂y
De acuerdo a la variación entre las coordenadas se tiene que dx = 0.01 y
dy = −0.97. Ahora:
∂T
= 2 · 10(x2 + y 2 ) · 2x = 40x(x2 + y 2 )
∂x
∂T
= 2 · 10(x2 + y 2) · 2y = 40y(x2 + y 2)
∂y
de donde:
dT = 40x(x2 + y 2 )dx + 40y(x2 + y 2)dy
Evaluando dT en el punto original (x, y) = (2, 3) se tiene que
dT = 1040(0.01) + 1560(−0.97) = −1502.8
Es decir, la temperatura disminuye en 1502.8 o C cuando pasa desde el punto

(2, 3) al punto (2.01, 2.03)

Generalizando, se puede afirmar que si f es una función de tres variables:
x, y, z; donde fx , fy y fz existen en una region R y son continuas en (x, y, z),
el diferencial df está dado por:
df = fx (x, y, z)dx + fy (x, y, z)dy + fz (x, y, z)dz

2.5. ROTOR Y DIVERGENCIA 73
2.5. ROTOR Y DIVERGENCIA

En el concepto de gradiente, en la sección anterior, se dió la idea de
que constituı́a, si se podı́a definir en cada punto de algún conjunto, un cierto
conjunto de vectores el cual originaba una función vectorial. En esta sección, se
detallará más este concepto que permitirá definir lo que es rotor y divergencia.
Si a cada punto P de una región (del plano o del espacio) se le asocia un
único vector con punto inicial P , entonces el conjunto de tales vectores es lo
que llamamos campo vectorial. Por ejemplo, en un rio a cada partı́cula de
agua que se mueve en él le podemos asociar un vector velocidad. Dicho campo
vectorial es un campo de velocidad o de velocidades.
Otro tipo muy común de campos vectoriales es el campo de fuerzas,
utilizado en el estudio de la mecánica. En este contexto, se puede mencionar el
campo gravitatorio de fuerzas de la tierra; ya que asocia a cada punto (x, y, z)
del espacio, un vector que representa la fuerza que ejerce la tierra sobre una
unidad de masa ubicada en (x, y, z).
Definición 2.8. Un campo vectorial en tres dimensiones F es una fun-

ción cuyo dominio es un subconjunto D de IR3 el cual asigna a cada punto
(x, y, z) en D uno y solamente un vector F (x, y, z) que se indica como:
F (x, y, z) = M(x, y, z)i + N(x, y, z)j + P (x, y, z)k;
donde M, N y P son funciones reales de tres variables.
Ejemplo 2.20. Si F (x, y, z) = j, entonces el campo vectorial se trata de vec-

tores de magnitud 1 y cuya dirección es la dirección positiva del eje y:
x

Ejemplo 2.21. Si F (x, y, z) = yk, entonces el campo vectorial se trata de

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

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

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

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

Una aplicación fı́sica de la divergencia puede observarse en el siguiente
ejemplo.
Ejemplo 2.24. Si F representa un campo de velocidades en un fluido, entonces

la div F entrega información acerca del flujo o desplazamiento de la masa. Si
div F < 0 en un punto (x, y, z) del fluido, entonces la masa fluye hacia el punto
y se dice que hay un sumidero en el punto. Ahora, si div F > 0, entonces
la masa fluye desde el punto y se dice que hay una fuente en el punto. Si
div F = 0 para cualquier punto del fluido, entonces se dice que el fluido es
incompresible.
El segundo tipo de derivada, que se obtiene a partir de un campo vectorial,

constituye otro campo vectorial que se define a continuación.
Definición 2.10. Sea F un campo vectorial en tres dimensiones dado por:
F (x, y, z) = M(x, y, z)i + N(x, y, z)j + P (x, y, z)k,
tal que las primeras derivadas parciales de M, N y P existen. El rotor de F ,

denotado por rot F , es definido por:

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

una matriz de tres por tres:

i
∂ j∂ k∂

rot F = ∂x ∂y ∂z

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

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

Nuevamente, si se supone que F representa el campo de velocidades de
un fluido, que se mueve a través de una región sólida, entonces las partı́culas
en el fluido tienden a rotar con la máxima rapidez alrededor de un eje en la
dirección de rot F (x, y, z), como se muestra el Figura 2.10; donde (x, y, z) es
un punto del fluido.
Si rot F (x, y, z) = 0, entonces el campo vectorial F se dice irrotacional,
independientemente si F representa o no un campo de velocidades.
De las distintas relaciones entre el gradiente, divergencia y rotor, las mas
frecuentes son:
div(rot F ) = 0
rot(grad F ) = θ
Otra fórmula importante es:
∂2f ∂2f ∂2f
div(grad f ) = + +
∂x2 ∂y 2 ∂z 2
El lado derecho de esta última relación se llama Laplaciano de f y usualmente
se denota por ∇2 f
2.6. REGLA DE LA CADENA

Si f y g son funciones de una variable tales que:
w = f (u) y u = g(x)
entonces la función compuesta f ◦ g está dada por:
w(x) = f (g(x))
2.6. REGLA DE LA CADENA 77
rot F(x, y, z)
(x, y, z)
Figura 2.10: rotor de un campo vectorial
y la derivada de w con respecto de x se encuentra aplicando la regla de la

cadena:
dw dw du
=
dx du dx
Las funciones compuestas en varias variables tienen su propia versión de
la regla de la cadena, en el cual se involucran derivadas y derivadas parciales.
A continuación se entregan algunos resultados de la regla de la cadena para
funciones de dos y tres variables, suponiendo que en cada caso las funciones
tienen las derivadas requeridas. Estos resultados se obtienen a partir de pro-
piedades importantes del Cálculo Superior.
1.- Sean z = f (x, y), x = g1 (t), y = g2 (t). Entonces se tiene que z =

f (g1 (t), g2 (t)) ≡ F (t) y
dz ∂z dx ∂z dy
= + (2.8)
dt ∂x dt ∂y dt
2.- Sean z = f (x, y), x = g1 (u, v), y = g2 (u, v). Entonces se tiene que
z = f (g1 (u, v), g2(u, v)) ≡ F (u, v) y
∂z ∂z ∂x ∂z ∂y
= + (2.9)
∂u ∂x ∂u ∂y ∂u
∂z ∂z ∂x ∂z ∂y
= + (2.10)
∂v ∂x ∂v ∂y ∂v
3.- Sean w = f (x, y, z), x = g1 (t), y = g2 (t), z = g3 (t). Entonces se tiene

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

Ejemplo 2.27. Suponga que z = xlny, x = u2 + v 2 , y = u2 − v 2 . Encontrar
∂z ∂z
∂u
y ∂v .
Solución: Aquı́ se debe usar relaciones (2.8) y (2.9), ya que a través de x e y,
z resulta ser función de u y v, con lo que se llega a que:
∂z x
= (ln y)(2u) + 2u
∂u y
x
= 2uln y + 2u
y
Haciendo x = u2 + v 2 , y = u2 − v 2 se obtiene finalmente:
∂z u2 + v 2
= 2uln(u2 − v 2 ) + 2u 2
∂u u − v2
Análogamente, se tiene que:
∂z x
= (ln y)2v + (−2v)
∂v y
u2 + v 2
= 2vln(u2 − v 2 ) − 2v
u2 − v 2

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

encerrado, están relacionados por la ley del gas ideal P V = kT , donde k es
una constante. Suponiendo que P y V varı́an con rapidez dP dt
y dV
dt
, respectiva-
mente, encuentre una fórmula que permita evaluar la rapidez de cambio de la
temperatura dT
dt
, usando la regla de la cadena.
Solución: De la ecuación P V = kT , se tiene que:
PV
T = ;
k
o sea, T es función de P y V . Entonces, aplicando la regla de la cadena se
obtiene dT
dt
como:
dT ∂T dP ∂T dV
= +
dt ∂P dt ∂V dt
V dP P dV
= +
k dt k dt
Ası́, conociendo los valores de la rapidez de cambio de la presión y vo-
lumen, para un cierto volumen V y una presión P , se obtiene el valor de la
rapidez de variación de la temperatura.

El uso de la regla de la cadena sirve también para obtener las derivadas de
las funciones que están determinadas implı́citamente. Asumamos, por ejemplo,
que f es una función de dos variables y que la ecuación f (x, y) = 0 define
df dy
implı́citamente a y como una función de x. Si dy no es nula y si dx existe,
dy
entonces la regla de la cadena nos permite obtener una fórmula para dx . Para
ello ponemos:
w = f (u, y), u = x, y = y(x)
Usando la regla de la cadena y el hecho de que u e y son funciones sólo de la
variable x, entonces :
dw ∂w du ∂w dy
= + (2.14)
dx ∂u dx ∂y dx
dw
Como f (x, y) = 0, para todo x, resulta que dx
= 0. Además:
du dy
=1 , = y ′(x)
dx dx
Por lo tanto, reemplazando lo anterior en ecuación (2.14), se llega a:
∂w ∂w ′
0= (1) + y (x)
∂u ∂y
∂w
Como se supone que ∂y
no es nulo , entonces:

′ ∂w ∂w
y (x) = −
∂u ∂y

∂f (x, y) ∂f (x, y)
= −
∂x ∂y
Ejemplo 2.29. Suponiendo y = y(x), encontrar y ′ en la ecuación:
y 3 + 3y 2 − 5x4 − 4x = 0
Solución: Haciendo:
f (x, y) = y 3 + 3y 2 − 5x4 − 4x
Entonces:

′ ∂f (x, y) ∂f (x, y)
y = −
∂x ∂y
−20x3 − 4 20x3 + 4
= − =
3y 2 + 6y 3y 2 + 6y

En forma análoga con el caso anterior, si se tiene una función f de tres
variables: x, y, z, dada por la ecuación de la forma f (x, y, z) = 0 en que fz no
∂z
es nula y z depende implicı́tamente de las variables x e y se verifica que ∂x y
∂z
∂y
están dadas por:
∂z fx (x, y, z) ∂z fy (x, y, z)
=− , =−
∂x fz (x, y, z) ∂y fz (x, y, z)
2.7. VALORES EXTREMOS

Lo mismo que para funciones de una variable, las funciones en varias
variables pueden tener valores máximos y mı́nimos sobre un conjunto dado.
Igual que en el caso de una variable, la noción de valores máximos y mı́nimos
relativos facilita el estudio de valores máximos o mı́nimos en el caso de varias
variables. Dado que el problema de valores extremos (máximos o mı́nimos) para
funciones en varias variables es bastante más dificultoso que para funciones de
una variable, nos limitamos sólo para el caso de funciones de dos variables.
Una función f de dos variables tiene un máximo relativo en un punto
(x0 , y0 ) del plano xy si existe un disco D centrado en (x0 , y0 ) tal que f (x, y) ≤
f (x0 , y0) para todo (x, y) en D. En forma análoga, se dice que f tiene un
mı́nimo relativo en un punto (x0 , y0 ) del plano xy si existe un disco D
centrado en (x0 , y0 ) tal que f (x, y) ≥ f (x0 , y0 ) para todo (x, y) en D.
Ahora, una función f de dos variables se dice que tiene un valor maximo
(respectivamente, un valor mı́nimo) en una región R contenida en el domi-
nio de f , en un punto (x0 , y0) de R, si f (x, y) ≤ f (x0 , y0) (respectivamente,
f (x, y) ≥ f (x0 , y0 )) para todo (x, y) en R.
Observación 2.4. Si la región R corresponde al dominio de f , se dice que f
tiene un valor máximo (respectivamente, un valor mı́nimo) en (x0 , y0 ).
Como una primera etapa, veamos la manera de identificar los valores
máximos o mı́nimos relativos. Asumamos que f tiene un valor extremo relativo
en un punto (x0 , y0 ) del plano xy y coloquemos:
2.7. VALORES EXTREMOS 81
g(x) = f (x, y0), h(y) = f (x0 , y)
Entonces, claramente g tiene un valor extremo relativo en x0 y h tiene un valor

extremo relativo en y0 . Por lo tanto si fx (x0 , y0 ) y fy (x0 , y0) existen se tiene
que:
fx (x0 , y0 ) = g ′(x0 ) = 0, fy (x0 , y0 ) = h′ (y0 ) = 0
Esto permite enunciar el siguiente resultado:
Teorema 2.3. Supongamos que f tieme un valor máximo relativo o un valor

mı́nimo relativo en un punto (x0 , y0 ), entonces
fx (x0 , y0) = fy (x0 , y0) = 0
También como en el caso de funciones en una variable, los máximos y

mı́nimos relativos se pueden alcanzar en puntos del plano en que fx o bién fy
no existe. Esto da origen a la siguiente definición.
Definición 2.11. Sea f una función de dos variables. Un par (x0 , y0 ) se dice
punto crı́tico de f si fx (x0 , y0 ) = fy (x0 , y0 ) = 0, ó bien fx (x0 , y0 ) ó fy (x0 , y0)
no existe.
Observación 2.5. Del Teorema 2.3 se puede concluir que para que un punto
pueda ser máximo o mı́nimo relativo, este debe ser un punto crı́tico.
Ejemplo 2.30. Considere la función f de dos variables dada por:
f (x, y) = 3 − x2 + 2x − y 2 − 4y
Encuentre los puntos crı́ticos de f.
Solución: Los puntos crı́ticos de f son soluciones del sistema de las dos
ecuaciones:
fx (x, y) = 0, fy (x, y) = 0;
vale decir,
−2x + 2 = 0, −2y − 4 = 0
El único punto que satisface estas dos ecuaciones es el punto (1,-2), con lo cual
(1,-2) es el único punto crı́tico de f .

El siguiente ejemplo muestra que pueden existir puntos que no son máxi-
mos ni mı́nimos relativos, aunque sean puntos crı́ticos.
Ejemplo 2.31. Sea f (x, y) = y 2 − x2 . Verificar que el punto (0,0) es el único

punto crı́tico, pero que f (0, 0) no es un valor extremo relativo.
Solución: En este caso
fx (x, y) = −2x, fy (x, y) = 2y
entonces, el punto (0,0) es el único punto crı́tico de f , con lo cual el único punto
extremo posible es el punto (0,0) con valor extremo f (0, 0) = 0. Sin embargo,
debido a que f (x, 0) = −x2 < 0 para x 6= 0 y f (0, y) = y 2 > 0 para y 6= 0, no
existe ningun disco D, centrado en el punto (0, 0), tal que f (0, 0) = 0 ≥ f (x, y)
o f (0, 0) = 0 ≤ f (x, y) para todo (x, y) en D. Por consiguiente, el punto (0,0)
no es máximo ni mı́nimo relativo. De hecho, al dibujar la gráfica de la función
f se obtiene:
z=y2- x2
Lo que verifica que el punto (0,0) no es ni máximo ni mı́nimo relativo.

Debido a la forma de la superficie alrededor del punto (0,0,0) se dice que
este punto de la gráfica es un punto de silla. En general, se puede decir que
si f es una función para la cual fx (x0 , y0 ) = fy (x0 , y0) = 0 y si existen dos
lı́neas en el plano xy que pasan por el punto (x0 , y0), en una de las cuales f
asume un valor máximo relativo y en la otra un valor mı́nimo relativo entonces
decimos que f tiene un punto de silla en (x0 , y0 ).
Una vez que se han determinados los puntos crı́ticos de una función f ,
serı́a interesante determinar cuales de ellos es un punto extremo relativo, de
máximo o mı́nimo, o también si uno de ellos corresponde a un punto de silla. A
través del siguiente resultado, cuya demostración es omitida, que involucra se-
gundas derivadas parciales, se podrá concluir el tipo de punto que corresponde
a cada uno de los puntos crı́ticos obtenidos.
Teorema 2.4. Sea f una función de dos variables, que tiene segundas deri-
vadas parciales continuas en una región rectangular R y sea
D(x, y) = fxx (x, y)fyy (x, y) − [fxy (x, y)]2 (2.15)
para todo (x, y) en R. Si (x0 , y0 ) está en R y fx (x0 , y0 ) = fy (x0 , y0 ) = 0,

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

relativo en (x0 , y0).
b) Si D(x0 , y0 ) > 0 y fxx (x0 , y0 ) > 0, entonces f tiene un valor mı́nimo

relativo en (x0 , y0).
c) Si D(x0 , y0 ) < 0, entonces f tiene un punto de silla en (x0 , y0 ).
Si D(x0 , y0 ) = 0, el teorema no entrega información; con lo cual f podrı́a

tener o no valores extremos relativos en (x0 , y0 ). La expresion D(x, y) es lla-
mada el discriminante de f en (x, y). Un punto crı́tico se dice degenerado
si D(x0 , y0) = 0 y no degenerado en caso contrario.
Ejemplo 2.32. Sea f (x, y) = x2 − 2xy + 13 y 3 − 3y. Determinar si f tiene

valores extremos relativos y puntos de silla.
Solución: Como fx (x, y) = 2x − 2y y fy (x, y) = −2x + y 2 − 3, entonces los

puntos crı́ticos se obtiene de la resolución del sistema de ecuaciones:
2x − 2y = 0
−2x + y 2 − 3 = 0.
De la primera ecuación se tiene que y = x, con lo que reemplazando y por x

en la segunda ecuación queda la ecuación en una variable:
x2 − 2x − 3 = 0
o equivalentemente:
(x − 3)(x + 1) = 0
y ası́ x = 3 y x = −1 son soluciones de esta ecuación. Como x = y, entonces

los puntos crı́ticos de f son los puntos (3,3) y (-1,-1). Las segundas derivadas
parciales de f son:
fxx (x, y) = 2, fyy = 2y, fxy = −2
y por lo tanto el discriminante queda como:
D(x, y) = 2(2y) − (−2)2 = 4y − 4.
Como D(3, 3) = 8 > 0 y fxx (3, 3) = 2 > 0, entonces f tiene un mı́nimo relativo
en el punto (3, 3). Puesto que D(−1, −1) = −8 < 0, entonces f tiene un punto
de silla en (−1, −1).

Ejemplo 2.33. Se desea construir una caja sin tapa con la forma de un para-
lelepı́pedo rectangular que tenga un volumen de 32 cms3 . Calcular las dimen-
siones de la caja de tal manera que el área a ocupar por ella sea mı́nima.
Solución: Sean x e y las dimensiones en centı́metros de los lados de la base

de la caja y sea z la altura, también en centı́metros. Como hay dos lados de
área xz y dos lados de área yz, el área total que ocupa la caja es:
A = xy + 2xz + 2yz
donde x, y, z deben ser diferentes de cero. Ahora, el volumen de la caja es xyz

y debe ser igual a 32 cms3 , o sea
xyz = 32
de donde
32
z=
xy
Reemplazando z en la fórmula de A y simplificando se obtiene:
64 64
A(x, y) = xy + +
y x
con x > 0 e y > 0. Los puntos crı́ticos se obtienen resolviendo el sistema de
dos ecuaciones:
64 64
Ax = y − = 0, Ay = x − =0
x2 y2
con lo que x2 y = 64 y xy 2 = 64, respectivamente. De la primera ecuación
se obtiene que y = x642 y sustituyendo y en la segunda se llega a:
2
64
x = 64
x2
o bien
x3 = 64 =⇒ x = 4
De y = x642 resulta que y = 4, con lo que el punto (4, 4) es el único punto crı́tico.
Determinando las segundas derivadas parciales se tiene que:
128 128
Axx = 3
, Ayy = 3 , Axy = 1
x y
y ası́
128 128
D(x, y) = −1
x3 y 3
y por lo tanto
D(4, 4) = 2 ∗ 2 − 1 = 3 > 0
luego D(4, 4) > 0 y Axx (4, 4) = 2 > 0, por lo tanto de, acuerdo al Teorema 2.4,
el punto (4, 4) es un punto de mı́nimo relativo. Este punto pasa a ser también
un mı́nimo global, dado que es el único punto crı́tico.
32
Finalmente, reemplazando x = y = 4 en z = xy se tiene que z = 2. Ası́ las
longitudes de la caja que minimizan su área son la base de 4 por 4 cms y la
altura de 2 cms; siendo entonces el área mı́nima A = 48 cms2

Hasta aquı́ no se ha tocado el caso en que las variables involucradas están
restringidas a tomar valores sólo dentro de un conjunto acotado del plano. Esta
situación es abordada de la siguiente manera:
Sea S un conjunto acotado en el plano, (esto es, S está contenido en una región
rectangular cerrada) y que contiene su borde o frontera. Bajo estas condiciones
se entrega el siguiente resultado para funciones de dos variables:
Teorema 2.5. Sea S un conjunto acotado en el plano xy que contiene su
borde y sea f una función de dos variables continuas en S. Entonces, f tiene
un valor máximo y un valor mı́nimo en S.
Por lo visto anteriormente, se ve que si S es un conjunto acotado y f
tiene un valor extremo en S en un punto (x0 , y0 ) entonces dicho punto es un
punto crı́tico de S o bién es un punto de frontera de S. Este hecho junto con el
Teorema 2.5 nos proporciona una metodologı́a para encontrar valores extremos
en un conjunto acotado S:
1. Ver la existencia de puntos crı́ticos de f en el conjunto S.
2. Encontrar los valores extremos de f sobre la frontera S.
3. El valor máximo de f en S es obtenido como el mayor de los valores
calculados en los puntos obtenidos en 1 (si es que los hay) y 2 y el valor
mı́nimo de f en S se obtiene del más pequeño de dichos valores.
Ejemplo 2.34. Sea f (x, y) = x2 − 4xy + y 3 + 4y. Encontrar el valor máximo
y el valor mı́nimo de la región triangular S que tiene como vértices los puntos
(−1, −1), (7, −1) y (7, 7).
Solución: Gráficamente, la región S es:
y
(7,7)
l1
l3
x
(−1,−1) l2 (7,−1)
El borde de S consta de los segmentos l1 , l2 y l3 como se muestra en la figura.

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

ecuación (2.17) se llega a la ecuación en una variable.
3y 2 − 8y + 4 = 0
cuyas soluciones son y = 2, y = 23 . Entonces los puntos crı́ticos de f son

(4, 2), ( 43 , 32 ). De acuerdo a la gráfica de la región S, tanto el punto (4, 2) como
( 43 , 32 ) quedan dentro de S. A continuación, se deben encontrar los máximos y
mı́nimos en la frontera de S:
En l1 y = x, −1 ≤ x ≤ 7 y por lo tanto la expresión de f queda dada por:
f (x, x) = x2 − 4x2 + x3 + 4x = x3 − 3x2 + 4x
Denotando
g(x) = x3 − 3x2 + 4x
se tiene que:
g ′ (x) = 3x2 − 6x + 4
Ahora, como 3x2 − 6x + 4 no tiene raı́ces reales entonces g no tiene puntos

crı́ticos. Dado que g ′ es siempre positiva en l1 entonces g es una función cre-
ciente con lo que el valor mı́nimo se obtiene para x = −1 y el valor máximo
para x = 7. Ası́, el valor mı́nimo en l1 es f (−1, −1) = −8 y el valor máximo
es f (7, 7) = 224.
En l2 se tiene que y = −1, −1 ≤ x ≤ 7, entonces la expresión de f queda dada
por
f (x, −1) = x2 + 4x − 1 − 4 = x2 + 4x − 5
Denotando
g(x) = x2 + 4x − 5
entonces
g ′ (x) = 2x + 4
que vale cero cuando x = −2, pero este número no se encuentra en el intervalo
[−1, 7]. Nuevamente, vemos que g ′ (x) es positiva en dicho intervalo con lo cual
g es creciente en el intervalo; obteniendo el valor mı́nimo en x = −1 y valor
máximo en x = 7. Ası́, el valor mı́nimo en l2 es f (−1, −1) = −8 y el valor
máximo es f (7, −1) = 72.
Finalmente, en l3 se tiene que x = 7, −1 ≤ y ≤ 7, y la función f queda dada
por:
f (7, y) = 49 − 28y + y 3 + 4y = y 3 − 24y + 49
Denotando
g(y) = y 3 − 24y + 49
entonces
g ′ (y) = 3y 2 − 24
√ √
Ahora, si g ′ (y) = 0, entonces y = ± 8. Como − 8 queda √ fuera del intervalo
[−1, 7] entonces g tiene un solo punto crı́tico en l3 , y = 8. Como
g ′′ (y) = 6y
√
entonces y = 8 es un punto√de mı́nimo. Analizando √ g ′ (y) se ve que g es
decreciente en el intervalo [−1, 8) y creciente en ( 8, 7], con lo que se concluye
que el valor máximo de g está entre √ g(−1)√y g(7).√Al evaluar se tiene que
g(−1) = 72 y g(7) = 224. Ası́, f (7, 8) = 16 2 − 48 2 + 49 ≈3.75 es el valor
mı́nimo en l3 y f (7, 7) = 224 su valor máximo.
Ahora, resumiendo se tiene lo siguiente:
Primero, en los puntos crı́ticos de f se tiene que f (4, 2) = 0 y f ( 34 , 32 ) = 32
27
≈
1.1852. El valor mı́nimo en l1 es f (−1, −1) = −8 y el valor máximo en l1 es
f (7, 7) = 224. En l2 , el valor mı́nimo es f (−1, −1)
√ = −8 y el valor máximo es
f (7, −1) = 72. Y en l3 , el valor mı́nimo es f (7, 8) ≈3.75 y su valor máximo
f (7, 7) = 224. Entonces, el valor mı́nimo de f en S es f (−1, −1) = −8 y el
valor máximo de f en S es f (7, 7) = 224.

2.8. MULTIPLICADORES DE LAGRANGE

En muchas aplicaciones, para calcular valores extremos de una función f ,
ello debe hacerse sujeto a alguna restricción sobre las variables involucradas.
Por ejemplo, sea f (x, y) la temperatura en el punto (x, y) de una lámina plana
de metal ubicada en el plano xy tal que sobre una curva C, dada por la ecuación
g(x, y) = 0, como se ilustra en la figura 2.11, se desea encontrar los puntos de
C donde la temperatura sea máxima o mı́nima, lo que equivale a calcular los
máximos y mı́nimos de f (x, y) con la restricción g(x, y) = 0.
g(x,y) = 0
C
Figura 2.11: Lámina plana de metal
En algunas oportunidades, podrı́a ser fácil despejar una de las variables

en la restricción y reemplazarla en la función a la que se desea calcular valo-
res extremos, pero en otras oportunidades puede que no sea simple. También
puede darse que, al hacer el reemplazo, el cálculo de las derivadas parciales y
hallar los puntos crı́ticos se haga dificultoso. Para obviar estas dificultades, a
continuación se describe un método que permite encontrar valores extremos de
una función de dos variables, sujeta a una restricción, de una forma directa.
Consideremos el problema de encontrar el valor extremo de una función
f de dos variables, sujeto a una restricción de la forma g(x, y) = c, esto
es, se busca un valor extremo de f sobre la curva de ecuación g(x, y) = c,
c constante. Ahora, si f tiene un valor extremo sobre la curva de ecuación
g(x, y) = c en el punto (x0 , y0 ), bajo ciertas condiciones, existe un número λ
tal que ∇f (x0 , y0 ) = λ∇g(x0 , y0 ).
En la figura 2.12 se muestra la curva C, con ecuación g(x, y) = c, con
distintas curvas de nivel de f . Si f tiene un valor extremo en el punto (x0 , y0 )
de la curva C, entonces (x0 , y0 ) pertenece a la curva de nivel f (x, y) = c3 y que
C y la curva de nivel f (x, y) = c3 tienen tangentes paralelas en (x0 , y0 ); con lo
cual, ∇g(x0 , y0 ) debe ser paralelo a ∇f (x0 , y0 ); es decir, existe un número real
λ tal que ∇f (x0 , y0 ) = λ∇g(x0 , y0).
Con la idea anterior se puede enunciar el siguiente resultado:
2.8. MULTIPLICADORES DE LAGRANGE 89
f(x,y) = c3
f(x,y) = c2
∆ y
f (x0 ,y0)
g(x,y) = c
(x0 ,y0)
f(x,y) = c1
Figura 2.12: Valor extremo de f sobre la curva g(x, y) = c
Teorema 2.6. Sean f y g diferenciables en un punto (x0 , y0). Sea g(x, y) = c

una curva suave conteniendo al punto (x0 , y0 ), tal que (x0 , y0 ) no es un punto
terminal de la curva. Si ∇g(x0 , y0 ) 6= θ y si f tiene un valor extremo sobre la
curva g(x, y) = c en (x0 , y0), entonces existe un número real λ tal que:
∇f (x0 , y0 ) = λ∇g(x0 , y0 )
El número λ es llamado multiplicador de Lagrange para f y g. El

método para determinar valores extremos por medio de multiplicadores de
Lagrange procede de la siguiente manera:
1. Asumir que f tiene un valor extremo sobre la curva g(x, y) = c.
2. Usando la ecuación g(x, y) = c, resolver la ecuación
∇f (x, y) = λ∇g(x, y)
para x e y, y si es necesario para λ.
3. Calcular f (x, y) para cada punto (x, y) obtenido en el punto 2. Si f tiene

un valor máximo sobre g(x, y) = c, éste será el más grande de los valores
calculados y si f tiene un valor mı́nimo sobre la curva, éste será el más
pequeño de los valores calculados.
Ejemplo 2.35. Calcular los valores extremos de f (x, y) = xy sobre la elipse

4x2 + y 2 = 4.
Solución: Haciendo g(x, y) = 4x2 + y 2 , entonces el problema es encontrar los

valores extremos a f (x, y) sujeto a g(x, y) = 4. Ahora
∇f (x, y) = yi + xj
∇g(x, y) = 8xi + 2yj
De la igualdad ∇f (x, y) = λ∇g(x, y) se obtiene
yi + xj = λ(8xi + 2yj).
Usando el hecho de que dos vectores son iguales, si son iguales componentes a
componentes, se tiene que
y = 8λx, x = 2λy
que sumadas a la ecuación g(x, y) = 4, nos queda el conjunto de ecuaciones

simultáneas en x, y, λ
y = 8λx, x = 2λy y 4x2 + y 2 − 4 = 0.
Usando las dos primeras ecuaciones se tiene que:
x = 2λy = 2λ(8λx) = 16λ2 x;
de donde,
x − 16λ2 x = 0 ó x(1 − 16λ2 ) = 0
y por lo tanto
1
x = 0 ó λ = ±
4
2 2
Si x = 0, de la ecuación 4x + y − 4 = 0, se obtiene y = ±2. Por lo tanto
los puntos (0,2) y (0,-2) son posibles valores extremos para f (x, y). Si λ =
± 14 , entonces de y = 8λx, se obtiene y = ±2x. Nuevamente, de la ecuación
4x2 + y 2 − 4 = 0, resulta
4x2 + 4x2 − 4 = 0 ⇒ 8x2 = 4
o bien √
2
x=±
2
√
con lo cual y = ± 2. Esto da los puntos extremos posibles
√ √ √ √
2 √ 2 √ 2 √ 2 √
( , 2), ( , − 2), (− , 2), (− , − 2)
2 2 2 2
Evaluando f en todos los puntos encontrados, se tiene √ √
lo siguiente
2
f (0, 2) = 0, f (0, √
−2) = 0, f ( 2 √, 2) = 1
√ √ √ √
f ( 2 , − 2) = −1, f (− 2 , 2) = −1, f (− 22 , − 2) = 1
2 2
√ √ √ √
2 2
Ası́ f alcanza su valor máximo 1, sobre g(x, y) = 4, en ( 2
, 2) y (− 2
, − 2)
√
2
√ √ √
2
y su valor mı́nimo -1 en ( 2 , − 2) y (− 2 , 2).


Definición y Gráfica
Para definir una función se utiliza el sı́mbolo “− >”. Por ejemplo, para
representar la función de dos variables definida por f (x, y) = xy + x2 − 4y 3, se
debe ejecutar:
> f:=(x,y)− > x*y+x∧2-4*y∧3; # se define la expresión de la función f
f := (x, y)− > xy + x2 − 4y 3

Para evaluar f en un punto (a, b) del plano, se debe poner f (a, b);. Ası́:
> f(1,2);
−29
> f(2,-1);
En forma análoga se definen las funciones de tres variables. Por ejemplo, para
definir la función g, cuya expresión es g(x, y, z) = xz − x2 y + yz 2 , se ejecuta:
> g:=(x,y,z)− > x*z-x∧2*y+y*z∧2; # se define la expresión de la función g
g := (x, y, z)− > xz − x2 y + yz 2

Evaluando la función g en algunos puntos, se tiene:
> g(-1,2,1);
−1
> g(3,0,-2);
−6
La manera más simple de graficar una función de dos variables en el

espacio es a través del comando plot3d. Si se desea graficar, por ejemplo, la
función f de dos variable con expresión f (x, y) = x2 − y 2 para −10 ≤ x ≤ 10,
−10 ≤ y ≤ 10, se digita lo siguiente:
> f:=(x,y)− > x*∧2-y∧2; # se define la expresión de la función f
f := (x, y)− > x2 − y 2
> plot3d(f(x,y),x=-10..10,y=-10..10); # graficación de la función f de forma

> # explı́cita
En ambiente Maple se pueden introducir los ejes coordenados o algún otro

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

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

dibujo de las curvas de nivel. Para ello el Maple tiene el comando contourplot.
Por ejemplo, si se desea tener las curvas de nivel del cono dado por la ecuación
z = x2 + y 2 , para x en [−10, 10] y para y en [−10, 10] con 15 curvas de nivel,
se hace con la sentencia
> contourplot(x ∧ 2 + y ∧ 2,x=-10..10,y=-10..10,contours=15);

10
y 5
–10 –5 0 5 10
x
–5
–10
Derivadas Parciales
Para obtener las derivadas parciales de una función es utilizado el co-
mando diff. Si se tiene la función f de dos variables con expresión f (x, y) =
x2 y + xy 2 , entonces para obtener ∂f
∂x
se realiza de la siguiente manera:
> f:=(x,y)-¿x∧2*y+x*y∧2;
f := (x, y)− > x2 y + xy 2

> diff(f(x,y),x);
2xy + y 2
∂2f ∂2f
Para obtener una derivada de orden 2, por ejemplo, ∂x2
y ∂y∂x
, entonces se
realiza como:
> diff(f(x,y),x,x);
2y
> diff(f(x,y),x,y);
2x + 2y
Las derivadas parciales pueden ser evaluadas en distintos puntos con el coman-
do subs. Por ejemplo, utilizando la función f anterior, fx (2, 1) y fxy (−1, 5) se
obtienen como:
> subs(x=2,y=1,diff(f(x,y),x));
5
> subs(x=-1,y=5,diff(f(x,y),x,y));
8
Una aplicación importante de la derivada parcial es la obtención del gra-
diente de una función; siendo el comando para obtener dicho vector grad. Por
ejemplo, si se tiene la función f de dos variables dada por f (x, y) = x2 y + y 2 x,

para obtener su gradiente se hace con:
> f:=(x,y)-¿x∧2*y+x*y∧2;
f := (x, y)− > x2 y + xy 2

> grad(f(x,y),[x,y]);
[2xy + y 2, x2 y + 2xy]
Ahora, para evaluar el gradiente en un punto, por ejemplo en (1, −2), se hace
con:
> fg:=(x,y)->grad(f(x,y),[x,y]): # se define el gradiente como una función
> subs(x=1,y=-2,fg(x,y));
[0, −6]
Observación. Para evaluar el gradiente en un punto, a pesar que es definido
como una función, no resulta evaluarla como tal en el punto.
Análogamente, si se tiene la función g de tres variables definida por
g(x, y, z) = x2 y − y 3 z 2 y si se desea obtener el gradiente de g para evaluarlo
en el punto (1, 2, −1), se ejecuta:
> g:=(x,y,z)-¿x∧2*y-y∧3*z∧2;
g := (x, y, z)− > x2 y − y 3 z 2

> grad(g(x,y,z),[x,y,z]);
[2xy, x2 − 3y 2z 2 , −2y 3z]

> gg:=(x,y,z)->grad(g(x,y,z),[x,y,z]):
> subs(x=1,y=2,z=-1,gg(x,y,z));
[4, −11, 16]


1.- Determine el dominio de f y el valor de f en los puntos indicados:
a) f (x, y) = 2x − y 2 ; (−2, 5), (5, −2), (0, −2)

uv
b) f (u, v) = u−2v
; (2, 3), (−1, 4), (0, 1)
√
c) f (r, s) = 1 − r − er/s ; (1, 1), (0, 4), (−3, 3)
d) f (x, y, z) = x2 sen (yz); (1, π, 2), (4, 2, π4 ), (1,2, 3,1, 4,2), f (π, π, π)
p
e) f (x, y, z) = 25 − x2 − y 2 − z 2 ; (1, −2, 2), (−3, 0, 2)
2.- En las siguientes situaciones dibuje la curva de nivel z = k para los valores
indicados de k.
a) z = 2x − 3y + 4, k = 1, 3, 5, 10
b) z = 21 (x2 + y 2 ), k = 0, 2, 6, 8.
x2
c) z = y
, k = −4, −1, 0, 1, 4
d) z = x2 + y, k = −4, −1, 0, 1, 4
e) z = x2 + 4y 2, k = 1, 4, 9, 16
3.- Grafique las superficies en IR3 dadas por las siguientes expresiones:
a) z = 2x − 3y + 4
b) x2 + y 2 + z = 9
c) z − x2 = 0
d) z = y 2 − x
e) z − 9x2 − 16x2 = 36
4.- En los siguientes problemas encuentre el lı́mite indicado o establezca que

no existe.
a) lı́m (xy 3 − xy + 3y 2)
(x,y)→(−2,1)
b) lı́m (3x2 − xy 3 )
(x,y)→(1,3)
x4 − y 4
c) lı́m
(x,y)→(0,0) x2 + y 2
xy − 1
d) lı́m
(x,y)→(1,π) cos(xy)
3x3 − 2x2 y + 3y 2x − 2y 3
f) lı́m
(x,y)→(0,0) x2 + y 2
5.- Verifique que

xy
lı́m
(x,y)→(0,0) x2 + y2
no existe, considerando el eje x como una trayectoria y la recta y = x como la
otra.
6.- Verifique que
x2
lı́m
(x,y)→(0,0) x2 + xy + y 2
no existe.
7.- Sea f una función de dos variables definida por:

x2 −4y 2

 x−2y
x 6= 2y
f (x, y) =
2 x = 2y

Analice la continuidad en los puntos (2, 1) y (1, 12 ).
8.- Para la función f de dos variables definida por:

 x2 −y2
 x+y (x, y) 6= (0, 0)
f (x, y) =
0 (x, y) = (0, 0)

Averigue si f es continua en (0, 0).
9.- En cada uno de los siguientes problemas encuentre las primeras derivadas
parciales de la función f , fx (x, y) y fy (x, y).
2
a) f (x, y) = x2 y + 2xe2y b) f (x, y) = x2 + y 2 c) f (x, y) = x22xy
p
+3y 3
2 +y 2
d) f (x, y) = ln(2x4 + y 2 ) e) f (x, y) = xyex
10.- En cada uno de los siguientes casos, encontrar las primeras derivadas
parciales de la función f , fx (x, y, z), fy (x, y, z) y fz (x, y, z).
xyz
a) f (x, y, z) = x3 y 2 − 2x2 z 3 + 3xyz b) f (x, y, z) = x2 +y 2 +z 2
11.- Si f (x, y) = 3x4 y 5 − 2x2 y 3 y g(x, y) = cos(2x2 y 2 ), encuentre las deri-

vadas parciales hasta segundo orden de las funciones f y g. Evalúe fxx (1, −2),
fxy (2, 1) y gyy (1, 0).
12.- Verificar que la función f , dada por f (x, y) = ex seny, satisface la ecuación
de Laplace
∂ 2 f (x, y) ∂ 2 f (x, y)
+ =0
∂x2 ∂y 2
13.- Para cada una de las funciones f , encuentre el gradiente en el punto

indicado.
p
a) f (x, y) = x2 + y 2; (4, 3)
b) f (x, y) = xln(x − y); (5, 4)
c) f (x, y, z) = xy 2 + x2 y + z 3 e−x ; (−1, 3, 2)
d) f (x, y, z) = xy 2 ez ; (2, −1, 0)
14.- Encuentre la ecuación del plano tangente a la superficie en el punto indi-

cado:
a) 4x2 − y 2 + 3z 2 = 10, (2, −3, 1)
b) xy + 2yz − xz 2 + 10 = 0, (−5, 5, 1)
c) 9x2 − 4y 2 − 25z 2 = 40, (4, 1, −2)
d) z = 2e−x cosy, (0, π3 , 1)
15.- Encuentre los puntos de la superficie, dada por la ecuación x2 − 2y 2 − 4z 2

= 16, en los que el plano tangente sea paralelo al plano 4x − 2y + 4z = 5.
16.- Encuentre los puntos de la superficie z = 4x2 + 9y 2 en los que el

−→
vector normal sea paralelo al segmento dirigido P Q; donde P = (−2, 4, 3) y
Q = (5, −1, 2).
17.- Determine todos los puntos (x, y) en que el plano tangente a la gráfica de
z = x2 − 6x + 2y 2 − 10y + 2xy sea horizontal.
18.- En los siguientes problemas use el diferencial total dz para aproximar el

cambio en z cuando (x, y) se varı́a de P a Q. También determine el cambio
exacto correspondiente y compare con el valor de dz.
a) z = 2x2 y 3; P (1, 1), Q(0,99, 1,02)

b) z = x2 − 5xy + y; P (2, 3), Q(2,03, 2,98)
c) z = ln(x2 y); P (−2, 4), Q(−1,98, 3,96)
19.- Se desea medir indirectamente la presión ejercida dentro de un contenedor

cerrado por un mol de un gas ideal a una temperatura de 22oC. El contenedor
es un cilindro circular recto de 50 cms de altura y 15 cms de radio. El instru-
mento con que se midió la temperatura tiene una incertidumbre de ±0,2o C,
miemtras que el utilizado para determinar las dimensiones del estanque tie-
ne una incertidumbre de ±0,001 m. Calcule el valor de la presión y el error
máximo cometido en su medición, en función de n y R a partir de la ecuación
P V = nRT .
20.- Al determinar la densidad especı́fica de un objeto, se encontró que su

peso en el aire era A = 26 libras y su peso en el agua de W = 20 libras, con
un posible error en cada medida de 0.02 libras. Encuentre el máximo error
aproximado posible en el cálculo de su densidad especı́fica S, siendo
A
S=
A−W
21.- En Los siguientes problemas, a través de la regla de la cadena, obtenga

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

∂w
∂t
y ∂w
∂s
a) w = x2 − yln x; x = s/t, y = s2 t
p
b) w = x2 + y 2 + z 2 ; x = cos st, y = sen st, z = s2 t
23.- La presión P y la temperatura T de un gas encerrado están relacionadas

por la ley del gas ideal P V = kT , donde k es una constante. Suponiendo que
P y V varı́an con la rapidez dP
dt
y dV
dt
, respectivamente, encuentre una fórmula
dT
para evaluar dt , usando la regla de la cadena.
24.- El radio r y la altura h de un cilindro circular recto aumentat a razón de

0.01 cm/min y 0.02 cm/min, respectivamente. Use la regla de la cadena para
calcular la rapidez de crecimiento del volumen, cuando r = 4 cm y h = 7 cm.
¿ Con qué rapidez varı́a el área de la superficie curva ?
25.- Un gas obedece la ley del gas ideal P V = 8T . El gas se calienta a razón
de 2 o C/min y la presión razón de 0.5 (Kgf/cm2 )/min. En cierto momento, la
temperatura es de 200 o C y la pesión es de 10 kgf/cm2 . Calcular la rapidez de
cambio del volumen en ese momento.
26.- Encuentre los puntos crı́ticos para las expresiones de funciones dadas a
continuación. Averigue si son puntos de máximos, de mı́nimos o puntos de
silla.
a) f (x, y) = 6xy − x3 − y 3
b) f (x, y) = 4x3 − 2x2 y + y 2

2 4
c) f (x, y) = xy + x
+ y
27.- La suma de las longitudes del largo, ancho y alto de una caja rectangular
debe dar 330 cms.. ¿Cuántos deben medir estas longitudes para que el volumen
de la caja sea máximo?
28.- Encuentre la distancia mı́nima entre el punto (2, 1, −1) al plano de ecua-
ción 4x − 3y + z = 5.
29.- Se desea construir una caja sin tapa con la forma de un paralelepı́pedo
rectangular que tenga un volumen de 12 pies cúbicos. El costo por pies cuadra-
do del material que se usará para el fondo es de 4 dólares, el que se usará para
los lados opuesto es de 3 doláres, y el que se usará para los otros dos lados
opuesto es de 2 doláres. Calcular las dimensiones de la caja para las que el
costo sea mı́nimo.
30.- Para las siguientes funciones encuentre el valor máximo global y el valor
mı́nimo global en la región R que se indica.
a) f (x, y) = x2 + y 2 ; R = {(x, y) : −1 ≤ x ≤ 3, −1 ≤ y ≤ 4}
b) f (x, y) = x3 + 3xy − y 3 ; R es la región triangular con vértices en los

puntos (1, 2), (1, −2) y (−1, −2)
c) f (x, y) = 5 + 4x − 2x2 + 3y − y 2; R es la región triangular acotadas por

las rectas y = x, y = −x, y = 2
31.- Suponga que la temperatura T de una lámina circular {(x, y) : x2 + y 2 ≤

1} está dada por T = 2x2 + y 2 − y. Encuentre los puntos más calientes y más
frios de la lámina.
32.- A través de Multiplicadores de Lagrange, resuelva los siguientes proble-

mas:
a) Determine el valor máximo de f (x, y) = 4x2 − 4xy + y 2 sujeta a la

restricción g(x, y) = x2 + y 2 = 1.
b) Determine el valor mı́nimo de f (x, y) = x2 +4xy+y 2 sujeta a la restricción

g(x, y) = x − y − 6 = 0.
Capı́tulo 3
INTEGRALES MÚLTIPLES
El objetivo del capı́tulo es estudiar las integrales de funciones de dos

y tres variables. Ası́ como la integral de funciones en una variable permite,
bajo ciertas condiciones, calcular áreas; las integrales de dos y tres variables
permiten calcular áreas de regiones más complicadas, volúmenes de muchos
tipos de regiones, sólidos, etc.
3.1. INTEGRALES DOBLES

Sea f una función de dos variables tal que f (x, y) existe en toda una
región R cerrada del plano xy y que está contenida en un rectángulo cerrado
W . Si W se divide en rectángulos más pequeños mediante rectas paralelas a los
ejes coordenados, entonces el conjunto de todas las subregiones rectangulares
cerradas que quedan completamente contenidas en R es lo que constituye una
partición interna P de R:
y
W
Figura 3.1: Partición interna P de R.
Si a las subregiones rectangulares que quedan completamente dentro de R

se les denota por R1 , R2 , . . . , Rn , entonces la partición interna P puede ser
103
104 CAPÍTULO 3. INTEGRALES MÚLTIPLES
denotada por {Rk }nk=1 . Se denomina norma de la partición P a la mayor

de las diagonales de las subregiones Rk , k = 1, 2, ..., n, y se denota por ||P ||.
Denotemos por ∆Ak al área de Rk y sea (xk , yk ) un punto cualquiera de Rk ,
k = 1, 2, 3, . . . , n. Con todos estos elementos se entrega la siguiente definición.
Definición 3.1. Sea f una función de dos variables definida en una región R
y sea P = {Rk }nk=1 una partición interna de R. Una suma de Riemann de
f para P es una suma de la forma
X
f (xk , yk )∆Ak (3.1)
k
para algún punto (xk , yk ) en Rk ; siendo ∆Ak el área de Rk .

Ahora si f es una función continua, se puede demostrar que cuando
||P || → 0, las sumas de Riemann (3.1) tienden a un número real L, inde-
pendientemente de los puntos (xk , yk ) elegidos en las subregiones Rk . Esto da
pie a la definición de integral doble.
Definición 3.2. Sea f una función de dos variables que está
RR definida en una
región R. La integral doble de f sobre R se denota por R f (x, y)dA y se
define como
ZZ X
f (x, y)dA = lı́m f (xk , yk )∆Ak (3.2)
R ||P ||→0
k
siempre y cuando el lı́mite exista.

Si la integral doble de una función f sobre R existe, entonces se dice que
f es integrable sobre R. Si f es una función continua en R, entonces f es
integrable en R.
De (3.2) se puede obtener la siguiente aplicación geométrica: sea f una
función continua tal que f (x, y) ≥ 0 para todo (x, y) en R. Sean S la gráfica
de f y Q el sólido (región en tres dimensiones) que se encuentra entre R y S
como se muestra en la figura 3.2. Si (xk , yk , 0) es un punto en la región Rk de
una partición P de R, entonces f (xk , yk ) es la distancia del plano xy al punto
Bk de la superficie S que se encuentra directamente arriba del punto (xk , yk , 0)
y de esta manera el número f (xk , yk )∆Ak es el volumen de la columna con
base rectangular de área ∆Ak y altura f (xk , yk ). Ahora, si se suman todos los
volúmenes de las columnas de base rectangular en R se obtiene una aproxima-
ción del volumen V de Q. Como la aproximación mejora cuando ||P || tiende a
cero, V se define como el lı́mite de la suma de los números f (xk , yk )∆Ak . La
idea anterior da lugar a la siguiente definición.
Definición 3.3. Sea f una función continua de dos variables, tal que f (x, y) ≥
0 en una región R del plano xy. El volumen V del sólido bajo la gráfica de
z = f (x, y) y sobre la región R es:
ZZ
V = f (x, y)dA
R
3.1. INTEGRALES DOBLES 105
z
Bk s
f(xk,yk)
y
.R
(xk ,yk ,0)
Figura 3.2: Gráficas de S y Q.
Observación 3.1. En la Definición 3.3 si f (x, y) ≤ 0 en toda la región R,

entonces la integral doble de f sobre R es igual al negativo del volumen del
sólido sobre la gráfica de f y bajo la región R.
Antes de analizar la manera de como se evalúan las integrales dobles,

se mencionan algunas propiedades, que como se verá son semejantes a las
propiedades de integrales de funciones en una variable. Suponiendo que todas
las regiones y las funciones son tales que las integrales que se indican existen,
se tiene el siguiente resultado:
Teorema 3.1.
i) ZZ ZZ
cf (x, y)dA = c f (x, y)dA, ∀ c ∈ R.
R R
ii) ZZ ZZ ZZ
[f (x, y) + g(x, y)]dA = f (x, y)dA + g(x, y)dA
R R R
iii) Si R es la unión de dos regiones R1 y R2 que no se sobreponen:

ZZ ZZ ZZ
f (x, y)dA = f (x, y)dA + f (x, y)dA
R R1 R2
iv) Si f (x, y) ≥ 0 en toda una región R, entonces:

ZZ
f (x, y)dA ≥ 0
R
R2
R1
Figura 3.3: Dos regiones con puntos de frontera común
Observación 3.2. En la parte iii) del Teorema 3.1, que las regiones R1 y R2
no se sobrepongan significa que estas regiones tienen en común, a lo sumo,
sólo los puntos de frontera, como se muestra en la figura 3.3.
Salvo en algunos casos elementales, evaluar una integral doble me-

diante la Definición 3.2 es casi imposible. A continuación se verán distintas
formas de evaluar integrales dobles, dependiendo del tipo de región donde la
integral es evaluada. Comenzamos con el caso más simple, el de una función f
que es continua en una región rectangular R:
d R
(x,y)
a b x
Figura 3.4: Función continua sobre una región rectangular R
La notación
Z d
f (x, y)dy
c
significa que x se toma como constante e y es la variable de integración. La

evaluación de esta integral va a corresponder a una integración parcial con
respecto de y. Entonces, a cada x en el intervalo [a, b], le corresponde un valor
único de esta integral, lo que determina una función A tal que el valor A(x)
está dado por:
Z d
A(x) = f (x, y)dy (3.3)
c
La función A es continua para x en el intervalo [a, b].

En forma análoga, se puede efectuar una integración parcial con respecto
de x denotada por:
Z b
B(y) = f (x, y)dx (3.4)
a
En este caso y se considera constante y se integra con respecto de x. La función

B, obtenida de esta manera, es continua en el intervalo [c, d].
Ahora bién, como la función A definida en (3.3) es continua en el intervalo
[a, b], A(x) se puede integrar con respecto de x, resultando:
Z b Z b Z d
A(x)dx = f (x, y)dy dx (3.5)
a a c
Análogamente, puede integrarse B(y) en 3.4 con respecto de y y se obtiene:
Z d Z d Z b
B(y)dy = f (x, y)dx dy (3.6)
c c a
Las integrales en el lado derecho de (3.5) y (3.6) se llaman integrales

dobles iterativas. Generalmente, se simplifica la notación omitiendo los cor-
chetes; vale decir,
Z bZ d Z b Z d
f (x, y)dydx = f (x, y)dy dx (3.7)
a c a c
Z dZ b Z d Z b
f (x, y)dxdy = f (x, y)dx dy (3.8)
c a c a
Notemos que, en las integrales en (3.7) y (3.8), la primera diferencial a la

derecha del integrando f (x, y) determina la variable de la primera integración
parcial. El sı́mbolo de integral a la izquierda de f (x, y) especı́fica los lı́mites
o extremos de integración de la variable correspondiente. Ası́, al evaluar una
integral iterativa se determina primero la integral de más adentro.
Ejemplo 3.1. Evaluar la integral iterativa:

2 2
Z Z
(12xy 2 − 8x3 )dydx.
1 −1
Solución: Primero se debe integrar con respecto de y, entre −1 y 2, y el

resultado de esta integración debe integrarse con respecto de x, entre 1 y 2.
Ası́:
Z 2Z 2 Z 2
y=2
2 3 3 3

(12xy − 8x )dydx = (4xy − 8x y) dx
1 −1 1 y=−1
Z 2
= [(32x − 16x3 ) − (−4x + 8x3 )]dx
1
Z 2
= (36x − 24x3 )dx
1
x=2
2 4

= (18x − 6x ) = −36
x=1

Ahora, en el ejemplo anterior, si se cambian el orden de las integrales;
vale decir, si se evalúa:
Z 2Z 2
(12xy 2 − 8x3 )dxdy
−1 1
da el mismo valor que la integral anterior: -36. El hecho que estos dos valores
sean iguales no es una casualidad; ya que se verfica que si f es una función
continua, entonces las dos integrales dobles iterativas de (3.7) y (3.8) son igua-
les. De esta manera se dice que el resultado de la integración es independiente
del orden en que se integre.
A continuación, se verá la manera de calcular una integral doble iterativa
sobre regiones que no son rectangulares. Sea f una función de dos variables
continua en una región, que se denomina región del tipo I :
y
R
y=g 2 (x)
y=g 1 (x)
a b x
Figura 3.5: Región del tipo I
Entonces, la integral doble iterativa definida sobre la región R anterior se define

como:
Z bZ g2 (x) Z b "Z g2 (x)

#
f (x, y)dydx = f (x, y)dy dx (3.9)
a g1 (x) a g1 (x)
Si consideramos ahora a f como una función continua en una región, que

se denomina región del tipo II, Figura 3.6, entonces la integral doble iterativa
R
d
x=h 1 (y) x=h 2 (y)
Figura 3.6: Región del tipo II
de f sobre la región R anterior se define como:
Z dZ "Z #
h2 (y) Z d h2 (y)
f (x, y)dxdy = f (x, y)dx dy (3.10)
c h1 (y) c h1 (y)
En (3.9) primero se realiza una integración parcial con respecto de la

variable y, reemplazándola por g2 (x) y g1 (x) después de la integración. Luego,
la expresión en x resultante se integra entre a y b. En (3.10) se integra primero
con respecto de x y después de reemplazar x por h2 (y) y h1 (y), se integra el
resultado con respecto de y entre c y d.
Ejemplo 3.2. Evaluar la integral doble iterativa

Z 2Z √
x
x2 ydydx
1 1−x
Solución:
Z 2Z √
x 2 √x
x2 y 2
Z
2
x ydydx = dx
1 1−x 1 2 1−x
2
x3 x2 (1 − x)2
Z
= − dx
1 2 2
2
1
Z
= [x3 − (x2 − 2x3 + x4 )]dx
2 1
1 2
Z
= [−x2 + 3x3 − x4 ]dx
2 1
3 2
1 x 3 4 x5
= − + x −
2 3 4 5 1
163
=
120

Ejemplo 3.3. Evaluar la integral doble iterativa

Z 2 Z 2y
(4x − y)dxdy
0 y2
Solución:
Z 2Z 2y Z 2
2y
2

(4x − y)dxdy = [2x − yx] dy
0 y2 0 y2
Z 2
= [(8y 2 − 2y 2 ) − (2y 4 − y 3 )]dy
0
Z 2
= (6y 2 + y 3 − 2y 4)dy
0
2
y 4 2 5

3
= 2y + − y
4 5 0
36
=
5

En la Definición 3.3 se vió que, bajo ciertas condiciones, la integral doble
de una función f sobre una región R,
ZZ
f (x, y)dA,
R
corresponde al valor del volumen V del sólido que se encuentra bajo la super-
ficie de la gráfica z = f (x, y) y sobre la región R. Por ejemplo, si considera-
mos una región R del tipo I, el volumen V que se encuentra bajo la gráfica
z = f (x, y) y sobre dicha región está dado por:
Z bZ g2 (x)
V = f (x, y)dydx (3.11)
a g1 (x)
Ejemplo 3.4. Calcule el volumen del sólido que se encuentra bajo la gráfica
de z = 4x2 + y 2 y sobre la región triangular R en el plano xy con vértices
(0,0,0), (1,0,0) y (1,2,0).
z y
2
0 1 x
y
Figura 3.7: Figura de ejemplo 3.4
Solución: El volumen a calcular es presentado en la Figura 3.7 (izquerda). La

superficie que está sobre el plano xy está dada por f (x, y) = 4x2 + y 2 , entonces
el volumen V puede ser calculado por:
ZZ
V = (4x2 + y 2 )dA
R
donde R es el triángulo representado en la Figura 3.7 (derecha). Tomando los

puntos (0,0) y (1,2) de la hipotenusa del triángulo se obtiene la ecuación de la
recta y = 2x. Entonces, si consideramos R como una región tipo I, primero se
deberá integrar con respecto de y, el cual variarı́a entre 0 y 2x, y enseguida se
integrará con respecto de x entre 0 y 1. Ası́, el volumen V queda dado por:
Z 1Z 2x
V = (4x2 + y 2)dydx
0 0
Evaluando esta integral doble se tiene:

Z 1Z 2x
V = (4x2 + y 2 )dydx
0 0
Z 1 2x
2 y 3
= 4x y + dx
0 3 0
Z 1
8x3

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

Z 2Z 1
V = (4x2 + y 2 )dxdy
y
0 2
Z 2 1
4 3 2

= x + y x dy
0 3 y
Z 2 2
1 3 y3

4 2
= +y − y + dy
0 3 6 2
Z 2
4 2 2 3
= + y − y dy
0 3 3
2
y 3 y 4

4
= y+ −
3 3 6 0
8
=
3

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

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

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

partición . Ahora, cuando ||P || tiende a cero los rectángulos de la partición
van cubriendo una mayor parte de R, de tal manera que en el lı́mite resulta
ser igual al área de R. Ası́, el área A de una región del tipo I queda dada por:
Z bZ g2 (x)
A= dydx
a g1 (x)
Ejemplo 3.5. Calcular el área de la región acotada por las gráficas de
y = 2x2 − 4, y = 5x + 3
3.2. INTEGRALES TRIPLES 113
Solución: La región se encuentra bajo la recta y = 5x + 3 y sobre la parábola

y = 2x2 − 4, como se ilustra en la siguiente figura:
3-
-1 1 2 3 4 x
-
-4
Se encuentra que estas dos curvas se intersectan para x = −1 y para x = 72 .

Por lo tanto, usando integral doble, se tiene que el área A de la región achurada
se puede calcular como:
Z 7Z 5x+3 Z 7 5x+3
2 2
A= dydx = y dx
−1 2x2 −4 −1 2
2x −4
Z 7
2
= [(5x + 3) − (2x2 − 4)]dx
−1
Z 7
2
= (7 + 5x − 2x2 )dx
−1
7
5 2 2 3 2
= 7x + x − x
2 3 −1
243
=
8

3.2. INTEGRALES TRIPLES

En forma análoga a las integrales dobles, se pueden definir las integrales
triple de una función f de tres variables. Comencemos por el caso más sencillo,
cuando f es continua en un paralelepı́pedo rectangular Q dado por:
Q = {(x, y, z) : a ≤ x ≤ b, c ≤ y ≤ d, e ≤ z ≤ f ; a, ..., f constantes}; (3.13)

(a,c,e)
Q
. . (b,d,f)
0 y
Figura 3.8: paralelepı́pedo rectangular
es decir, con caras paralelas a los planos coordenados, como se presenta en la

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

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

ZZZ X
f (x, y, z)dV = lı́m f (xk , yk , zk )∆Vk
Q ||P ||→0
k
cuando este lı́mite existe.

En forma análoga al caso de integrales dobles, se verifica que si Q es una
región de la Figura 3.8, entonces:
ZZZ Z fZ dZ b
f (x, y, z)dV = f (x, y, z)dxdydz (3.14)
Q e c a
La integral iterativa del lado derecho de (3.14) se evalúa de adentro hacia

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

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

= (8x + 24x)
0
= 224

Pueden definirse integrales triples sobre regiones más complicadas. Por
ejemplo, sea R una región del plano xy, que puede ser una de los dos tipos
de regiones vistas anteriormente, tipo I o tipo II, y sea Q la región en tres
dimensiones definida por:
Q = {(x, y, z) : (x, y) ∈ R, k1 (x, y) ≤ z ≤ k2 (x, y)}
donde k1 y k2 son funciones que tienen primeras derivadas parciales continuas

en R. La región Q se encuentra entre las superficies con gráfica z = k1 (x, y) y
z = k2 (x, y) y arriba de la región R como se muestra en la Figura 3.9. Si Q se
subdivide mediante planos paralelos a los tres planos coordenados, entonces los
paralelepı́pedos pequeños resultantes que se encuentran completamente dentro
de Q forman una partición interna P de Q. Ahora, una suma de Riemann de
una función f para la partición P es una suma de la forma:
X
f (xk , yk , zk )∆Vk
k
z=k 2 (x,y)
z=k 1 (x,y)
Figura 3.9: Regiones R bidimensional y Q tridimensional
donde (xk , yk , zk ) es un punto cualquiera del paralelepı́pedo Qk y ∆Vk su volu-

men. La integral triple de f sobre Q es definida, igual como en el caso anterior,
por:
ZZZ X
f (x, y, z)dV = lı́m f (xk , yk , zk )dVk (3.15)
Q ||P ||→0
k
cuando este lı́mite existe. Ahora, si f es una función continua en Q, se verifica

que:
ZZZ ZZ "Z #
k2 (x,y)
f (x, y, z)dV = f (x, y, z)dz dA (3.16)
Q R k1 (x,y)
La notación del lado derecho de (3.16) significa que se integra primero con
respecto de z y luego se evalúa la integral doble resultante sobre la región R
del plano xy. Considerando los dos tipos de regiones, región tipo I y región
tipo II; la integral triple (3.16) queda como:
Z bZ g2 (x)Z k2 (x,y)
f (x, y, z)dzdydx
a g1 (x) k1 (x,y)
si R es del tipo I, y
Z dZ h2 (y)Z k2 (x,y)
f (x, y, z)dzdxdy
c h1 (y) k1 (x,y)
si R es del tipo II.

Ejemplo 3.7. Sea R la región en el plano xy entre las gráficas y = 0 e y = x,

para 0 ≤ x ≤ 1, y sea Q la región sólida entre las superficies z = −y 2 y z = x2
para (x, y) ∈ R. Evaluar ZZZ
(x + 1)dV
Q
Solución: Gráficamente, la situación tanto para el sólido Q como para la

región R, es la siguiente:
z y
y=x
R
z=x 2
0 1 x
y
z=-y 2
x
Figura 3.10: Figura Ejemplo 3.7
La región R, en el plano xy, está acotada por 0 ≤ x ≤ 1 y 0 ≤ y ≤ x; con lo

que, tomando a R como una región tipo I, la integral es calculada como:
Z 1Z xZ x2 Z 1Z x x2

(x + 1)dzdydx = [xz + z] dydx
0 0 −y 2 0 0 −y 2
Z 1Z x
= [(x3 + x2 ) − (−xy 2 − y 2)]dydx
Z0 1Z0 x
= (x3 + x2 + xy 2 + y 2 )dydx
0 0
Z 1 x
3 2 xy 3 y 3
= x y+x y+ + dx
0 3 3 0
Z 1
x4 x3

4 3
= x +x + + dx
0 3 3
Z 1
4 4
= (x + x3 )dx
0 3
1
4 x5 x4

= +
3 5 4 0
3
=
5

También, a través de integrales triples, pueden calcularse volúmenes de
sólidos encerrados por superficies en el espacio. En efecto, de acuerdo a la
definición de integral triple dada por (3.15), si f (x, y, z) = 1, entonces la
sumatoria corresponderı́a a la suma de los volúmenes de los paralelepı́pedos
pequeños Qk que forman la partición P de Q y por lo tanto cuando ||P || tiende
a cero, la partición {Qk } cubrirá cada vez mejor al sólido Q y ası́, en el lı́mite,
la suma de los volúmenes Qk será al volumen de Q. Entonces, se concluye que
si f (x, y, z) = 1 en Q, la integral triple de f sobre Q se escribe como:
ZZZ
dV
Q
y su valor es el volumen de la región Q.

Ejemplo 3.8. Calcular el volumen del sólido acotado por la superficie y = x2
y los planos z = 0 y y + z = 4.
Solución: Gráficamente, la situación es la siguiente:
z y
4 R
y+z=4
y=x2
y -2 2 x
Geométricamente se puede decir que z se mueve entre los planos z = 0 y

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

V = dzdydx = z dydx
−2 x2 0 −2 x2 0
Z 2Z 4 Z 2 4
y 2
= (4 − y)dydx = 4y − dx
−2 x2 −2 2 x2
Z 2
x4

2
= (16 − 8) − 4x − dx
−2 2
Z 2
x4
= (8 − 4x2 + )dx
−2 2
5 2

4 3 x 256
= (8x − x + ) =
3 10 −2 15

Algunas integrales triples se pueden evaluar mediante una integral triple
iterativa en que la primera integración se efectúa con respecto de y. Ası́, sea:
Q = {(x, y, z) : a ≤ x ≤ b, h1 (x) ≤ z ≤ h2 (x), k1 (x, z) ≤ y ≤ k2 (x, z)}
donde h1 y h2 son funciones continuas en el intervalo [a, b] y k1 , k2 tienen

derivadas parciales continuas en la región R del plano xz como se muestra en
la Figura 3.11. Entonces, la integral de una función f , de tres variables, sobre
y=k1 (x,z) y=k 2 (x,z)
z=h 2 (x)
z=h 1 (x)
y
a
Figura 3.11: Región Q donde se evalúa una integral triple iterativa.
la región Q, está dada por:
ZZZ Z bZ h2 (x)Z k2 (x,z)

f (x, y, z)dV = f (x, y, z)dydzdx (3.17)
Q a h1 (x) k1 (x,z)
Ejemplo 3.9. Calcular el volumen del sólido del Ejemplo 3.8, usando la inte-
gral de la fórmula (3.17).
Solución: De acuerdo al orden de integración dado en (3.17) diremos que y

se mueve entre x2 y 4 − z con lo que, haciendo la intersección entre estas dos
superficies, tenemos que z = 4 − x2 . Ası́, z se va a mover entre 0 y 4 − x2 para
x entre -2 y 2. Geométricamente, se tiene:
z z
4
z = 4 - x2
y x
z = 4 - x2
x
Entonces, el volumen V del sólido es calculado como:

Z 2Z 4−x2Z 4−z
V = dydzdx
−2 0 x2
Z 2Z 4−x2 4−z Z 2Z 4−x2
(4 − z − x2 )dzdx

= y dzdx =
−2 0 x2 −2 0
2 4−x2 Z 2
z2 2 2

(4 − x )
Z
2 2 2 2

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

En general, una integral triple puede evaluarse de varias maneras depen-
diendo del orden en que se integra. Obviamente que de acuerdo a la región
donde se evalúe la integral, se eligirá el orden de integración más conveniente.
3.3. CAMBIO DE VARIABLES EN INTEGRA-

LES MULTIPLES
Existen algunas situaciones que para evaluar alguna integral doble o tri-
ple es conveniente hacer un cambio de variables. Es ası́ como existe el caso
tı́pico de cambiar una integral doble en coordenadas rectangulares a una in-
tegral doble equivalente en coordenadas polares. En esta sección se presenta
un método general para hacer cambio de variables en las integrales múltiples
para el caso particular de integrales dobles. Este método está basado en las
llamadas Aplicaciones o Transformaciones de un sistema de coordenadas en
otro.
Consideremos una función T cuyo dominio D es una región en el plano
xy y su codominio E es una región en el plano uv. Esquemáticamente, se tiene
lo siguiente: como se muestra en la Figura 3.12, a cada punto (x, y) en D se
le asocia un único punto (u, v) en E tal que T (x, y) = (u, v). A la función T
se le llama Transformación de Coordenadas del plano xy al plano uv y
por lo tanto se puede decir que las coordenadas u y v son funciones de las
coordenadas x e y. Ası́, la transformación T puede ser definida mediante las
fórmulas
u = f (x, y), v = g(x, y); (x, y) ∈ D, (u, v) ∈ E;
donde, f y g son funciones que tienen el mismo dominio que T .

Una transformación T, como la definida anteriormente, se dice que es uno
a uno si (x1 , y1 ) 6= (x2 , y2) en el plano xy, entonces T (x1 , y1 ) 6= T (x2 , y2 ) en
el plano uv. Ahora, si T es una transformación de coordenadas uno a uno,
entonces invirtiendo la correspondencia se obtiene una transformación T −1 del
3.3. CAMBIO DE VARIABLES EN INTEGRALES MULTIPLES 121
y v
T
E
D
.
(x,y) .(u,v)
x u
Figura 3.12: Función T con dominio D y codominio E.
plano uv al plano xy, llamada inversa de T. Esta transformación se puede

definir también mediante las fórmulas
x = F (u, v), y = G(u, v)
para ciertas funciones F y G:
y v
T -1
E
D
.
(x,y)
. (u,v)
x u
Figura 3.13: Transformación Inversa T −1
Obviamente, se tiene que T −1 (T (x, y)) = (x, y) y T (T −1 (u, v)) = (u, v) para
todo (x, y) en D y para todo (u, v) en E.
Ejemplo 3.10. Sea T la tranformación de coordenadas definida por
u = x + 2y, v = x − 2y (3.18)
1. Encontrar la inversa de la transformación T .

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

la elipse x2 + 4y 2 = 1 del plano xy.
Solución:
1.- Si sumamos las dos ecuaciones de (3.18) tenemos u+v = 2x y si las restamos
nos da u − v = 4y. Por lo tanto T −1 queda definido por
u+v u−v
x= , y=
2 4
2.- Si se reemplaza x por u+v2
e y por u−v
4
en la ecuación x2 + 4y 2 = 1 se
tiene que: 2 2
1 1
(u + v) + 4 (u − v) = 1
2 4
lo que haciendo las operaciones correspondientes se llega a
u2 + v 2 = 2
√
que corresponde a una circunsferencia de radio 2 con centro en el origen en
el plano uv. Gráficamente, se tiene:
y v
T -1
x u
x 2 + 4y 2 =1 u 2 + v2 =2

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

variables en las integrales dobles.
Sea la integral doble de una función F sobre una región R del plano xy:
ZZ
F (x, y)dA
R
y una transformación de coordenadas dada por
x = f (u, v), y = g(u, v)
donde f y g tienen segundas derivadas parciales continuas. Ası́, podemos decir

que estas ecuaciones dan lugar a una transformación L del plano uv al plano
xy. Gráficamente, se tiene lo siguiente:
y v
R S
L
.
(x,y)
.
(u,v)
x u
Figura 3.14: Transformación L del plano uv al plano xy.
Entonces, la idea es encontrar la región S en el plano uv que se transforme en

la región R bajo L, como se presenta en la Figura 3.14, tal que
ZZ ZZ
F (x, y)dA = F (f (u, v), g(u, v))dA (3.19)
R S
Es decir, se requiere pasar de la integral doble en las variables x e y a la integral

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

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

u
x= , y=v
v
Encontrar el Jacobiano de x e y con respecto de u y v.
Solución:
∂x 1 ∂x u ∂y ∂y
= , = − 2, = 0, =1
∂u v ∂v v ∂u ∂v
Entonces
1
− vu2

∂(x, y) v = 1
=
∂(u, v) v
0 1

Como se decı́a anteriormente, se tendrá que encontrar la región S en el
plano uv que se transforme en una región R del plano xy por la transformación
de coordenada L, como lo gráfica la Figura 3.14. Para la obtención de S, tanto
R como el integrando F (x, y) de (3.19) deben cumplir algunas condiciones.
Para empezar, R debe constar de todos los puntos que están sobre una curva
simple cerrada C que es suave por todas partes y la función F debe tener
primeras derivadas parciales en toda una región abierta que contenga a R.
Además, se requiere que L transforme la región S del plano uv en la región R
del plano xy de manera biunı́voca y que S este acotada por una curva simple
K que sea suave por todas partes y que L la transforme en C.
También aparte de las condiciones anteriores de tipo analı́ticas, debe cum-
plirse una restricción de tipo geométrica. Para ello, decimos que el sentido (o
dirección) positivo a lo largo de la curva C es tal que cuando un punto P re-
corre C, la región R queda siempre a la izquierda y con el sentido negativo,
R queda a la derecha. Entonces, la restricción consiste en que cuando en el
plano uv se recorra la curva K una vez en el sentido positivo, la curva C debe
ser recorrida una vez; ya sea en el sentido positivo o negativo.
En el siguiente teorema, que entrega la fórmula para evaluar una integral
doble cuando se realiza el cambio de variables, se supone que las regiones y
funciones satisfacen las condiciones mencionadas.
Teorema 3.2. Si x = f (u, v), y = g(u, v) es una transformación de coorde-
nadas entonces:
∂(x, y)
ZZ ZZ
F (x, y)dxdy = ± F (f (u, v), g(u, v)) dudv, (3.20)
R S ∂(u, v)
donde; el signo + o el signo − se elige de acuerdo a que si: cuando se recorre
la frontera K de S una vez en el sentido positivo, la curva C de R se recorre
una vez en la dirección positiva o negativa, respectivamente.
Observación 3.3. En las integrales del teorema anterior se usaron las nota-
ciones dxdy y dudv en vez de dA para evitar confusiones acerca de la región
de integración.
Ejemplo 3.12. Evalúe la integral
Z 1Z 2−y
x−y
sen dxdy
0 y x+y
Solución: Es claro que lo que conviene es hacer la sustitución:
u = x − y, v = x + y
lo cual define una transformación T del plano xy al plano uv. Al sumar y restar
estas dos ecuaciones se tiene que, respectivamente:
u+v v−u
x= , y= (3.21)
2 2
Estas dos ecuaciones definen la transformación L = T −1 . Ahora de 3.21 se
tiene:
1 1

∂(x, y) 2 2 1
= =
∂(u, v) 1 2
1
−2 2
La región R está dada por y ≤ x ≤ 2 − y, para 0 ≤ y ≤ 1; lo que gráficamente

es:
R
1
x=y x=2 - y
1 2 x
El perı́metro de R es dado por las curvas de ecuaciones:
x = 0, y = x, x + y = 2
A continuación, usando las transformaciones T y L, se obtienen las curvas

correspondientes al perı́metro de la región en el plano uv, de acuerdo a las
condiciones que deben satisfacerse para que el Toerema 3.2 sea aplicado :
u+v
x = 0 ⇒ = 0 ⇒ v = −u
2
u+v v−u
y = x ⇒ = ⇒u=0
2 2
x+y = 2 ⇒ v =2
Entonces los lados de la región S en el plano uv están dados por las curvas de
ecuaciones:
v = −u, u = 0, v = 2;
lo que gráficamente es:
s v =2
2
u=0
v = -u
Se verifica que cuando se recorre la frontera de S en sentido positivo (en direc-

ción contraria a los punteros de el reloj) una vez, entonces se recorre la frontera
de R una vez en el sentido negativo (en dirección a los punteros de el reloj).
Ası́:
Z 1Z 2−y
1 2 0

x+y u
Z Z
sen dxdy = − sen( )dudv
0 y x−y 2 0 −v v
Z 2 0
1 u
= − −vcos( ) dv
2 0 v −v
Z 2
1
= (v − cos(−1))dv
2 0
2
1 v2

= − cos(−1)v
2 2 0
≈ 0.4597

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

coordenadas polares están dadas como se indica a continuación. Si (x, y) es
un punto en el plano xy y (r, θ) su equivalente en el plano polar entonces

deben cumplirse el siguiente conjunto de ecuaciones:
x = rcosθ , y = rsenθ (3.22)
y
tgθ = , r 2 = x2 + y 2 (3.23)
x
Las ecuaciones (3.22) representan la transformación del plano polar al plano
de coordenadas rectangulares; siendo viceversa las ecuaciones (3.23).
En condiciones adecuadas, una integral doble en coordenadas rectangula-
res se puede transformar en una integral doble en coordenadas polares. Muchas
veces, una integral doble en coordenadas rectangulares puede resultar compleja
su evaluación; sin embargo, al hacer la transformación a coordenadas polares
el cálculo de la integral puede hacerse muy sencillo.
Ejemplo 3.13. Evaluar
Z Z
3
(x2 + y 2 ) 2 dydx
R
donde R es la región en el primer cuadrante entre x2 + y 2 = 1, x2 + y 2 = 4.

Solución Esta integral puede ser cambiada a una integral en coordenadas
polares. Haciendo
x = rcosθ, y = rsenθ
entonces el jacobiano de la sustitución es:
∂x ∂x

∂(x, y) ∂r ∂θ
=
∂(r, θ) ∂y ∂y

∂r ∂θ

cosθ −rsenθ

= =r

senθ rcosθ
Por otra parte, la gráfica de la región R del plano xy es:
2
R
1
1 2 x
Ahora, nuevamente analizando la frontera de la región R se obtiene la frontera

de la región S en el plano rθ:
x2 + y 2 = 1 ⇒ r=1
1≤x≤2 ⇒ θ = 0 (y = 0)
x2 + y 2 = 4 ⇒ r=2
1≤y≤2 ⇒ θ = π2 (x = 0)
π
Ası́, la región S en el plano rθ queda definida por 1 ≤ r ≤ 2, 0 ≤ θ ≤ 2
.
Gráficamente se tiene:
π
S
2
1 2 r
Se verifica que cuando se recorre la frontera de S una vez en el sentido positivo,

también se recorre la frontera de R una vez en el mismo sentido. De acuerdo
al Teorema 3.2 se tiene que:
Z Z Z 2Z π
2
2 2 23
(x + y ) dydx = r 3 · rdθdr
R 1 0
Z 2Z π
2
= r 4 dθdr
1 0
Z 2 π Z 2
4
2 π 4
= r θ dr = r dr
1 0 1 2
2
π 5 31
= r = π ≈ 9.7389
10 1 10


Para obtener una integral doble en Maple se usa el comando Doubleint,
precedido de la sentencia with(student), que abre la libreria corespodiente. La
sentencia anterior obtiene la integral doble de una manera simbólica; usando
el comando value para obtener su valor numérico. Por ejemplo, si se desea
enaluar la integral doble de la función f definida por f (x, y) = x2 y − 3y para

−2 ≤ y ≤ 3, 0 ≤ x ≤ 2, entonces se ejecuta:
> with(student):
> f:=(x,y)− > x∧2*y-3*y; # la expresión se escribe como función
f := (x, y)− > x2 y − 3y

> Doubleint(f(x,y),y=-2..3,x=0..2);
Z 2Z 3
x2 y − 3ydydx
0 −2
> value( %);

−25
3
con lo cual
2 3
25
Z Z
(x2 y − 3y)dydx = −
0 −2 3
Ahora, si se desea calular el área encerrada entre las curvas y = x2 ,
y = x + 6, una rutina completa serı́a:
> with(student):
> plot([x∧2,x+6],x=-5..5);
25
20
15
10
–4 –2 0 2 4
> Doubleint(1,y=x∧2..x+6,x=-2..3);
Z 3 Z x+6
1dydx
−2 x2
> value( %);

125
6
y ası́ el área entre las dos curvas anteriores es de 125
6
unidades cuadradas.
Observación: Un modo de ayudarse en el cálculo de áreas encerrada entre
curvas, es con la sentencia intercept, que también está dentro de la libreria
student; el cual encuentra las coordenadas de los puntos de intersección entre
dos curvas. Para el cálculo del área anterior, los puntos de interseción entre las
curvas y = x2 y y = x + 6 son encontrados ejecutando:
> with(student)
> intercept(y=x**2,y=x+6,{x,y});
{y = 4, x = −2}, {y = 9, x = 3}
el cual indica que los puntos de intersección de las dos curvas son (−2, 4) y
(3, 9)
En Maple las integrales dobles pueden ser evaluadas directamente con una
sentencia de doble integral. Por ejemplo, el área anterior puede ser calculada
como:
> int(int(1,y=x∧2..x+6),x=-2..3);
125
6
y la primera integral como:
> f:=(x,y)− > x∧2*y-3*y;
f := (x, y)− > x2 y − 3y
> int(int(f(x,y),y=-2..3),x=0..2);
−25
3
Se puede realizar una pequeña rutina para calcular un volumen encerrado por
superficies. Por ejemplo, si se desea calcular el volumen de un sólido, en el
primer octante, acotado por las superficies z = 9 − x2 − y 2 y x + y = 2,
entonces la representación y el cálculo de su volumen se hace como:
> with(student):
> with(plots):
> implicitplot3d({z=9-x∧2-y∧2,x+y=2},x=0..5,y=0..5,z=0..15,orientation=[300,45],
axes=boxed); # se representa el gráfico de la superficie encerrada
14
12
10
z 8
6
4 5
2 4
0
3
0
1 2 y
2
x 3 1
4
5 0
> Doubleint( 9-x∧2-y∧2,y=0..2-x,0..2); # se representa la integral doble que

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

1.- Considere los conjuntos del plano:
R = {(x, y) : 0 ≤ x ≤ 2, 0 ≤ y ≤ 2}
R1 = {(x, y) : 0 ≤ x ≤ 2, 0 ≤ y ≤ 1}
R2 = {(x, y) : 0 ≤ x ≤ 2, 1 ≤ y ≤ 2}.
Además suponga que:
Z Z Z Z Z Z
f (x, y)dA = 3, g(x, y)dA = 5 g(x, y)dA = 2
R R R1
Use las propiedades de las integrales para evaluar:

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

Z 4Z 2
a) (x + y 2) dydx
−1 1
Z 3 Z 2
b) (xy + y 2 ) dxdy
0 1
Z 1Z 1
c) xy 3 dxdy
0 −1
Z ln 3 Z 1
2
d) xyexy dydx
0 0
3.- En cada uno de los casos, evaluar la integral doble sobre la región R ence-
rrada por las curvas que se indican:
Z Z
a) (x + y)dA; R es el triángulo con vértices: (0, 0), (0, 4), (1, 4)
R
Z Z
b) xy dA; y = x2 , y = 1
R
√
Z Z
c) (x2 + 2y) dA; y = x2 , y = x
R
Z Z
d) ex/y dA; y = 2x, y = −x, y ≥ 1, y = 4
R
Z Z
e) ysen xdA; x = y 2 , x = 9, y ≥ 1
R
4.- En los siguentes problemas, bosqueje el sólido indicado. Luego, determine

el volumen mediante una integración doble iterada.
a) El tetaedro acotado por los planos coordenados y el plano de ecuación
z = 6 − 2x − 3y
b) La cuña acotada por los planos coordenados y los planos de ecuaciones
x = 5 y y + 2z − 4 = 0
c) El sólido acotado en el primer octante acotado por las superficies de
ecuaciones z = 4 − x2 y x + y = 2.
d) El sólido acotado por el cono de ecuación z = x2 + y 2 , los planos de
ecuaciones x = 0, z = 0 y la superficie de ecuación x = 9 − y 2 .
5.- Represente la región acotada por las curvas, dadas por las ecuacioines
indicadas, y calcule el área por medio de integrales dobles:
a) y = x, 2x + 3y = 18, y = 0
b) y 2 = x, y + x = 2
c) y = x, y = 3x, x + y = 4
√
d) y = x, x = 1, x = 4
6.- En los siguientes problemas evalúe las integrales iteradas.

Z 1Z 2Z 2
a) xy 2 zdydxdz
0 1 0
Z 5 Z 4 Z 2
b) 6xy 2z 3 dxdzdy
0 −2 1
Z 2 Z 4 Z 3y+x
c) dzdydx
0 −1 0
Z 7 Z 2x Z x−1
d) dzdydx
−3 0 0
Z π/2 Z z Z y
e) sen(x + y + z)dxdydz
0 0 0
7.- Represente la región acotada por la gráfica de las ecuaciones y use una
integral triple para calcular su volumen:
a) 3x + 4y + z − 12 = 0, x = 0, y = 0, z = 0
b) 4 − x2 = z, z = 3y, y = 0, z = 0
c) z = 4y 2, z = 2, x = 2, x = 0
d) z + x2 + y 2 = 9, x = 0, y = x, y = 2, z = 0
8.- Evalúe la integral haciendo el cambio de variables a coordenadas rectan-

gulares correspondiente.
Z Z
a) sen[(y − x)/(x + y)]dxdy;
S
S es el trapecio con vértices (1, 1), (2, 2), (4, 0), (2, 0).
1
Z Z p
b) ( x − 2y + y 2)dxdy;
S 4
S es el triángulo con vértices (0, 0), (4, 0), (4, 2).
9.- Evalúe la integral haciendo el cambio de variables a coordenadas polares.

Z Z
(x2 + y 2)3/2 dydx;
S
S es la región acotada por y ≥ 0 y x2 + y 2 = 9
10.- Si f es una función con primeras derivadas paeciales continuas tal que
f (x, y) ≥ 0 en una región S del plano xy, entonces es posible calcular el área
A de la superficie dada por la gráfica de f sobre la rgión S de la siguiente
manera:
Z Z q
A= (fx (x, y))2 + (fy (x, y))2 + 1dA
S
Entonces:
a) Sea S la región del plano xy acotada por y = 21 x, x = 0, y = 6. Calcular

el área de la superficie de la gáfica dada por la ecuación z = x + 2y 2 que
se encuentra sobre la región S.
b) Calcule el área de la superficie de la parte del paraboloide z = x2 + y 2

que se obtiene al cortarlo en plano z = 1.
Capı́tulo 4
SERIES INFINITAS
Las series infinitas presentan bastante utilidad en la resolución de muchos

problemas de matemática aplicada. Por ejemplo, una cierta función en una va-
riable, que en el papel se ve complicada, puede ser aproximada por una suma
de términos; en que cada uno de ellos es una potencia en la variable. Dicha
suma de términos corresponderá a una parte de una serie infinita que, gene-
ralmente, mientras mayor sea el número de términos de la suma mejor será la
aproximación. Otro caso importante es que la solución de algunas ecuaciones
diferenciales, que representan algún fenómeno, tienen por solución una serie
infinita.
La idea de este capı́tulo es entregar algunos conceptos básicos de series,
desarrollando primero para ello la idea de sucesiones.
4.1. SUCESIONES INFINITAS

En una manera simple, se puede decir que una sucesión infinita
a1 , a2 , a3 , . . .
es un arreglo ordenado de números reales, uno por cada entero positivo. Con
más formalidad, una sucesión infinita (o simplemente sucesión o secuencia)
es una función cuyo dominio es el conjunto de los enteros positivos y cuyo
rango es el conjunto de los números reales. Cada número real ak es un término
de la sucesión y se dice que la sucesión es un arreglo ordenado, ya que hay un
primer término a1 , un segundo término a2 , y para todo entero positivo n un
n-ésimo término an . Generalmente, una sucesión a1 , a2 , . . . es denotada por
{an }.
Ejemplo 4.1.
1. Si an = 1 − n1 , entonces reemplazando primero n = 1, después n = 2,

etc, se pueden obtener los primeros términos de la sucesión:
1 2 3 4
0, , , , ,...
2 3 4 5
135
136 CAPÍTULO 4. SERIES INFINITAS
2. Si bn = (−1)n + n1 , entonces los primeros términos de la sucesión serı́an:
3 2 5 4 7 6
0, , − , , − , , − ,...
2 3 4 5 6 7
3. Si cn = 4, entonces la sucesión es:
4, 4, 4, 4, . . .

Una sucesión infinita {an } puede tener la propiedad que cuando n aumen-
ta, el valor de el n-ésimo término, an , se acerque a un número real L; es decir,
el valor de |an − L| sea cercano a cero cuando n es grande. Por ejemplo, la
sucesión {an } del Ejemplo 4.1 se acerca progresivamente a 1 cuando n crece y
en este caso se dice que la sucesión {an } tiene lı́mite 1 o converge a 1. También
es correcto decir que la sucesión {cn } converge a 4. La sucesión {bn } no se
acerca a ningún número y se dice que diverge.
Con la idea anterior, se entrega la definición de convergencia de una su-
cesión.
Definición 4.1. Una sucesión {an } converge a L, lo cual se escribe como
lı́m an = L,
n→∞
si para todo número positivo ǫ existe un número positivo N correspondiente tal

que
|an − L| < ǫ, siempre que n > N
Observación 4.1. Si tal número L, en la definición anterior, no existe, se

dice que la sucesión diverge o que es divergente.
Ahora, si el n-ésimo término de una sucesión {an }, an , se puede hacer

tan grande como se quisiera tomando n suficientemente grande, entonces la
sucesión diverge; usando, en este caso, la notación de lı́mite y escribiéndose
como
lı́m an = ∞
n→∞
Por otra parte, si una sucesión {an } coincide con los valores de una función f
en todo entero positivo n, y si f (x) tiende a un lı́mite cuando x → ∞, entonces
la sucesión debe converger a ese mismo lı́mite. A partir de esta idea, se tiene
el siguiente resultado que permite investigar la convergencia o divergencia de
una sucesión.
Teorema 4.1. Sea {an } una sucesión infinita y sea f (n) = an , para todo
entero positivo n, donde f (x) existe para todo número real x ≥ 1:
i) Si lı́m f (x) = L, entonces lı́m an = L, L ∈ IR

x→∞ n→∞
4.1. SUCESIONES INFINITAS 137
ii) Si lı́m f (x) = ∞ (ó − ∞), entonces lı́m an = ∞ (ó − ∞)

x→∞ n→∞
Antes de revisar algunos ejemplos, se mencionan algunas propiedades so-

bre lı́mites de sucesiones las cuales son análogas a las propiedades de lı́mites
de funciones.
Teorema 4.2. Sean {an } y {bn } sucesiones convergentes y k cualquier número
real. Entonces:
a) lı́m k = k
n→∞
b) lı́m kan = k lı́m an

n→∞ n→∞
c) lı́m (an ± bn ) = lı́m an ± lı́m bn

n→∞ n→∞ n→∞
d) lı́m (an bn ) = lı́m an lı́m bn

n→∞ n→∞ n→∞
an lı́m an
e) lı́m = n→∞ ; si lı́m bn 6= 0
n→∞ bn lı́m bn n→∞
n→∞
Ejemplo 4.2. Determinar si son convergentes las siguientes sucesiones

(−1)n
a)
4
5n2
b)
8n2 + 4
ln(n)
c)
en
Solución:
(−1)n
a) an = , con lo cual la sucesión tiene términos
4
1 1 1 1
− , , − , ,...
4 4 4 4
con lo cual la suceción oscila entre los valores − 14 y 14 y por lo tanto no
tiene lı́mite y la sucesión diverge (el lı́mite es único).
b) Aplicando los resultados del Teorema 4.2 se tiene
5n2 5
lı́m = lı́m
n→∞ 8n2 + 4 n→∞ 8 + 42
n
lı́m 5
n→∞
=
lı́m 8 + n42

n→∞
5
= 4
lı́m 8 + lı́m 2
n→∞ n→∞ n
5 5
= =
8+0 8
c) Aquı́ es conveniente aplicar el Teorema 4.1 por la necesidad de aplicar la

regla de l’Hopital. Consideremos
ln(x)
f (x) = ,
ex
para lo cual f (x) existe para todo número real x ≥ 1. Ahora, la idea es
evaluar
ln(x)
lı́m
x→∞ ex
Por regla de l’Hopital se tiene:

1
ln(x) x
lı́m = lı́m x = 0
x→∞ ex x→∞ e
con lo que, por el Teorema 4.1, se concluye que

ln(n)
lı́m = 0;
n→∞ en
ln(n)
es decir, la sucesión converge a cero.
en

A continuación se ve el resultado que tiene que ver con la situación en
que los términos de una sucesión estén siempre intercalados entre los términos
correspondientes de dos sucesiones que tienen el mismo lı́mite.
Teorema 4.3. Sean {an } y {bn } dos sucesiones tales que
lı́m an = L = lı́m bn
n→∞ n→∞
y supongamos que existe un número entero N y una suceción {cn } tales que
an ≤ cn ≤ bn para todo n > N, entonces
lı́m cn = L
n→∞
sen3 n

Ejemplo 4.3. Calcular el lı́mite de la sucesión
2n
Solución: Para n ≥ 1 se tiene que
−1 ≤ sen3 n ≤ 1
de donde
−1 sen3 n 1
n
≤ n
≤ n , para n ≥ 1
2 2 2
1 1
Como lı́m − n = 0 y lı́m n = 0 y de acuerdo al Teorema 4.3 se tiene
n→∞ 2 n→∞ 2
que
sen3 n
lı́m = 0,
n→∞ n
4.1. SUCESIONES INFINITAS 139
sen3 n

con lo cual la sucesión converge a cero.
2n

Claramente, por lo que hemos visto, se ve que si an = c, c un número real
constante para todo n; con lo cual la sucesión infinita es c, c, c, . . ., entonces
lı́m an = c. Además si b es una valor real y k es un número real positivo,
n→∞
entonces:
b
lı́m k = 0
n→∞ n
Para sucesiones de signos variables es útil tener el resultado que se da a con-

tinuación y que es una consecuencia directa de la definición de lı́mite de una
sucesión.
Teorema 4.4. Sea {an } una sucesión. Si lı́m |an | = 0, entonces lı́m an = 0
n→∞ n→∞
Del Teorema 4.4 se concluye lo siguiente: si se tiene una sucesión de térmi-

nos positivos y términos negativos y si la sucesión de términos positivos con-
verge a cero entonces la sucesión original también debe converger a cero.

n (n + 1)
Ejemplo 4.4. Encuentre el lı́mite de la sucesión (−1)
n2
Solución: Algunos términos de la sucesión son
3 4 5 6 7
−2, , − , , − , , ...
4 9 16 25 36

(n + 1)
Si se considera sólo la sucesión de términos positivos, se tiene la serie .
n2
Ahora
n+1 1 1
lı́m = lı́m + 2 =0
n→∞ n2 n→∞ n n

(n + 1)
y ası́ la sucesión (−1)n converge a cero.
n2

Serı́a interesante ver también, por ejemplo, que pasa con la sucesión
{(0.75)n } o bién con la sucesión {(1.5)n }. Al evaluar la primera sucesión para
valores de n grande (10, 100, . . .) se ve que cada vez el valor de los términos
se va haciendo más pequeño y la segunda sucesión marcha directo hacia ∞.
Al respecto, se tiene el siguiente resultado:
Teorema 4.5.
1) lı́m r n = 0; si |r| < 1

n→∞
2) lı́m |r n | = ∞; si |r| > 1

n→∞
4.2. SERIES INFINITAS

Una de las aplicaciones importantes de las sucesiones es que ellas sirven
para representar sumas infinitas y que dan pie a la siguiente definición.
Definición 4.2. Sea {an } una sucesión infinita, entonces la expresión

∞
X
an = a1 + a2 + · · · + an + · · ·
n=1
se llama serie infinita (o simplemente serie).
Los números a1 , a2 , a3 , . . . de la Definición 4.2 constituyen los términos

∞
P
de la serie y como convenio de notación suele escribirse como an o bién
P n=1
an . En algunas situaciones será conveniente comenzar la serie con n = 0.
P
Ahora, a partir de la serie an definamos las siguientes sumas:
S1 = a1
S2 = a1 + a2
S3 = a1 + a2 + a3
.. .. ..
. . .
Sn = a1 + a2 + a3 + · · · + an
Pensando que n puede hacerse tan grande como se quiera se puede pensar que;
de esta manera, se ha obtenido la suceción {Sn }. Con esta idea se entrega la
siguiente definición
P
Definición 4.3. Para la serie an , la n-ésima suma parcial viene dada por
Sn = a1 + a2 + · · · + an
P
Si la sucesión de sumas parciales {Sn } converge a S, diremos que la serie an
converge a S, llamando a S suma de la serie y escribiendo
S = a1 + a2 + a3 + · · · + an + · · ·
Si {Sn } diverge, diremos que la serie es divergente.
P∞ 1
Ejemplo 4.5. Verifique que la serie n
es convergente.
n=1 2
Solución:
∞
X 1 1 1 1 1
n
= + + + +···
n=1
2 2 4 8 16
4.2. SERIES INFINITAS 141
con lo cual la sucesión de sumas parciales es:

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

1
Sn = 1 − ,
2n
de donde:

1
lı́m Sn = lı́m 1 − n = 1
n→∞ n→∞ 2
P∞ 1
y ası́ {Sn } converge a 1. Por lo tanto la serie n
es convergente y su lı́mite
n=1 2
es 1.

Definición 4.4. Una serie de la forma

∞
X
ar n−1 = a + ar + ar 2 + ar 3 + · · · ;
n=1
donde, a y r son números reales, con a 6= 0, se llama serie geométrica.

P∞ 1
Ejemplo 4.6. La serie de el Ejemplo 4.5 n
es una serie geométrica. En
n=1 2
efecto:
∞ ∞ n−1 X ∞
X 1 X 1 1
n
= = ar n−1 ;
n=1
2 n=1
2 2 n=1
1
con lo que se puede tomar a = r = 2
En cuanto a la convergencia de la serie, se dispone del siguiente resultado:
Teorema 4.6. Sea a 6= 0. La serie geométrica

∞
X
ar n−1 = a + ar + ar 2 + ar 3 + · · ·
n=1
a
1.- es convergente y su suma vale si |r| < 1.
1−r
2.- es divergente si |r| > 1.
Ejemplo 4.7. Use el resultado del Teorema 4.6 para analizar la convergencia
de las siguientes series geométricas:
∞
P 5
a)
n=1 4n−1
∞
n−1
P 7
b) −
n=1 4
Solución:
a)
∞
X 5 5 5 5
n−1
= 5 + + 2
+ 3
+···
n=1
4 4 4 4
2 3
1 1 1
= 5+5 +5 +5 +···
4 4 4
Con lo cual se trata de una serie geométrica con a = 5 y r = 41 . Como |r| < 1
la serie es convergente y su suma S es:
a 5 20
S= = 1 =
1−r 1− 4
3
b)
∞ n−1 2 3 4
X 7 7 7 7 7
− =1+ − + − + − + − +···
n=1
4 4 4 4 4
siendo una serie geométrica con a = 1 y r = − 74 . Como |r| = 7

4
> 1 la serie es
divergente.

Definición 4.5. La serie
∞
X 1 1 1 1
= 1+ + + +···
n=1
n 2 3 4
recibe el nombre de serie armónica.

Observación 4.2. A través de un arreglo agebraico, se verifica que la serie
armónica es una serie divergente.
En el siguiente resultado se entregan algunas propiedades de las series,
las cuales son consecuencias directas de las correspondientes propiedades de
los lı́mites de sucesiones.
∞
P P∞
Teorema 4.7. Si an y bn son series convergentes y c es una constante,
n=1 n=1
∞
P P∞
entonces las series can y (an + bn ) también convergen y además
n=1 n=1
∞
P ∞
P
a) can = c an
n=1 n=1
∞
P ∞
P ∞
P
b) (an + bn ) = an + bn
n=1 n=1 n=1
De acuerdo al Teorema 4.6, se ve que una serie geométrica converge si y

sólo si el n-ésimo término converge a cero. ¿Será posible que esto se cumpla
P
para todas las series? La respuesta es no, aunque se sabe que si una serie an
es convergente entonces lı́m an = 0. De lo anterior se obtiene el siguiente
n→∞
resultado inmediato.
P
Teorema 4.8. Si lı́m an 6= 0 (ó lı́m an no existe), la serie an es divergente.
n→∞ n→∞
Ejemplo 4.8. Consideremos la serie

∞
X n2
n=1
5n2 + 1
Entonces el n-ésimo término de la serie es

n2
an =
5n2 + 1
con lo que
n2 1 1
lı́m an = lı́m = lı́m =
n→∞ n→∞ 5n2 + 1 n→∞ 5 + 12 5
n
Por consiguiente, el lı́mite del n-ésimo término no es cero y se concluye que
la serie es divergente.

A continuación, se mencionan unos criterios de convergencia, algunos de
los cuales podrán ser aplicados a series especiales que se definen más adelante.
Muchas de las series se componen sólo términos positivos; teniéndose para
éstas series el siguiente criterio de convergencia llamado criterio de la razón.
P
Criterio de la Razón: Sea an una serie con términos positivos y
supóngase que
an+1
lı́m =L
n→∞ an
entonces,
i) Si L < 1, la serie converge.

an+1
ii) Si L > 1 o bién lı́m = ∞, la serie diverge.
n→∞ an
iii) Si L = 1, no hay conclusión.
Ejemplo 4.9. Determinar si las siguientes series convergen.

P∞ 5n
a)
n=1 n!
P∞ 2n
b) 3
n=1 n
Solución:n
5
a) an = , entonces
n!
an+1 5n+1 n!
L = lı́m = lı́m
n→∞ an n→∞ (n + 1)! 5n
Ahora, se sabe que (n + 1)! = (n + 1)n!, con lo cual

an+1 5
L = lı́m = lı́m =0
n→∞ an n→∞ n + 1
Como L = 0 < 1, la serie es convergente.

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

Consideremos ahora una serie en que tenga términos positivos y negati-
vos. En particular, veamos las llamadas series alternantes, cuya forma es la
siguiente:
a1 − a2 + a3 − a4 + · · ·
donde an es positivo, para todo n ∈ IN. Por ejemplo, la serie
1 1 1
1− + − +··· ;
2 3 4
se puede considerarse como la serie armónica alternante. Más adelante se
verá que, a diferencia de la serie armónica, esta serie alternante es convergente.
El siguiente resultado proporciona un criterio de convergencia para las series
alternantes.
Criterio de Series Alternantes: Sea
X
(−1)n−1 an = a1 − a2 + a3 − a4 + · · ·
n→∞
una serie alternante con an ≥ an+1 para todo n ∈ IN. Si lı́m an = 0 entonces
n→∞
la serie es convergente.
Ejemplo 4.10. Estudiar la convergencia de las series

∞ 1
(−1)n−1 (
P
a) )
n=1 n!
∞ 2n
(−1)n−1 (
P
b) )
n=1 4n2 − 3
Solución:
a)
∞
X 1 1 1 1 1 1 1
(−1)n−1 = − + − + − +···
n=1
n! 1! 2! 3! 4! 5! 6!
1
(−1)n−1 an , donde an = . Ahora
P
Entonces la serie se puede denotar por
n!
1 1
≤ , para todo n ∈ IN
(n + 1)! n!
lo cual implica que an+1 ≤ an , para cualquier entero n. También
1
lı́m an = lı́m =0
n→∞ n→∞ n!
con lo que la serie converge, de acuerdo al criterio de series alternantes.

b)
∞
X 2n 4 2 8 10 4
(−1)n−1 2
=2− + − + − +···
n=1
4n − 3 13 11 61 97 47
Para establecer que an+1 ≤ an usemos cálculo diferncial. En este caso tomemos
2x
f (x) = , x≥1
4x2−3
cuya derivada es
2(4x2 − 3) − (2x)(8x)
f ′ (x) =
(4x2 − 3)2
2
−8x − 6
=
(4x2 − 3)2
la que resulta ser siempre negativa; es decir, f es decreciente, de donde se
deduce que an+1 ≤ an para n ≥ 1. Además:
2n
lı́m = lı́m
n→∞ n→∞ 4n2 − 3
2
= lı́m =0
n→∞ 4n − 3
n
con lo que la serie converge, según el criterio de las series alternantes.

A continuación veremos un criterio para series de términos positivos en el

cual se permite comparar, término a término, una serie con otra más sencilla
cuya convergencia o divergencia ya es conocida.
Criterio de Comparación Directa: Sean 0 ≤ an ≤ bn , para todo n ∈ IN.
∞
P ∞
P
1. Si bn converge, entonces an converge.
n=1 n=1
∞
P ∞
P
2. Si an diverge, entonces bn diverge.
n=1 n=1
Ejemplo 4.11. Sea la serie
∞
X 2
(4.1)
n=1
1 + 5n
Verificar que es convergente.
Solución:
2 2
an = < = bn , n≥1
1 + 5n 5n
Pero la serie X X 2
bn =
5n
es una serie geométrica convergente (¿porqué?). De acuerdo al criterio de com-
P 2
paración directa, la serie es convergente.
1 + 5n

Puede ocurrir que una serie tenga términos positivos y negativos sin ser
una serie alternante como ocurre con:
X sen(n) sen1 sen2 sen3
2
= + + +···
n 1 4 9
Dada la caracterı́stica de este tipo de series, se podrı́a pensar en tomar la serie
de los valores absolutos. Al respecto, se entrega la siguiente definición.
P
Definición 4.6. La serie an se dice absolutamente convergente si la
serie ∞
X
|an | = |a1 | + |a2 | + |a3 | + · · ·
n=1
es convergente.
P
Obsérvese que si an es una serie de términos positivos, entonces |an | =
an y, por lo tanto, la convergencia absoluta es lo mismo que la convergencia.
Antes de presentar un ejemplo de series absolutamente convergente, se entrega
el siguiente resultado.
Teorema 4.9. La serie p o serie armónica
∞
X 1 1 1 1
= 1 + + + +···
n=1
np 2p 3p 4p
converge si p > 1 y diverge si p ≤ 1.
∞ 5n
(−1)n
P
Ejemplo 4.12. Verifique que la serie converge absolutamente.
n=1 n!
P 5n
Solución: Si consideramos la serie de valores absolutos y usamos el
n!
criterio de la razón se tiene:
an+1 5n+1 n! 5n!
lı́m = lı́m = lı́m
n→∞ an n→∞ (n + 1)! 5n n→∞ (n + 1)n!
5
= lı́m =0
n→∞ n + 1
an+1 P 5n 5n
es convergente, con lo cual la serie (−1)n
P
Ası́ lı́m < 1 y la serie
n→∞ an n! n!
es absolutamente convergente.

Ejemplo 4.13. Verifique la convergencia absoluta de la serie
∞
X sen(n)
n=1
n3
Solución: Esta es una serie con términos positivos y negativos, en la cual los
signos varı́an aleatoriamente. Ahora, sabemos que

sen(n) 1
n3 ≤ n3 , ∀ n = 1, 2, 3, ...

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

n3
es convergente. Ası́
∞
X sen(n)
n=1
n3

Existe una relación entre convergencia absoluta y convergencia. Esta re-
lación está dada en el siguiente resultado.
P
Teorema 4.10. Si una serie Pan es absolutamente convergente, P entonces
ella es convergente. Es decir, si |an | converge entonces an converge.
La implicancia inversa del teorema anterior generalmente no se cumple;
es decir, que la convergencia implique la convergencia absoluta. Por ejemplo,
la serie
X (−1)n
n
en la cual se puede verificar que es convergente (por el criterio de series alter-
nantes), pero al tomar los valores absolutos resulta la serie armónica que se
sabe que es divergente. Esto da lugar a la siguiente definición.
P
Definición 4.7. Una serie
P an es condicionalmente convergente si ella
es convergente pero |an | es divergente.
P (−1)n
Ejemplo 4.14. Verificar que la serie es condicionalmente con-
ln(n + 1)
vergente.
P (−1)n
Solución: Por el criterio de series alternantes la serie es conver-
ln(n + 1)
gente. Sin embargo, la serie
∞
(−1)n

X 1 1 1
ln(n + 1) = ln2 + ln3 + ln4 + · · ·

n=1
es divergente, ya que para todo n > 1 se tiene que

1 1
<
n+1 ln(n + 1)
∞
P 1 ∞
P 1
Como es divergente (serie armónica), entonces la serie
n=1 n + 1 n=1 ln(n + 1)
es divergente, por el criterio de comparación directa. Ası́, la serie es condicio-
nalmente convergente.

De todo lo dicho anteriormente, se concluye que las series infinitas se
pueden clasificar en uno de los siguientes grupos: series absolutamente conver-
gentes, series condicionalmente convergentes o series divergentes. También las
series de términos positivos sólo pueden ser convergentes o divergentes.
4.3. SERIES DE POTENCIAS

En esta sección nos abocaremos a las series en las que los términos no son
números reales, sino que funciones en una variable.
Son muchas las funciones, que se utilizan para estudiar los problemas
matemáticos, fı́sicos y quı́micos, entre otros, que conviene expresar como una
suma de una serie de potencias. Para los casos en que las funciones tienen una
cierta complejidad es necesario representarlas por una de estas series; ya que
de esta manera se facilitará el estudio de ellas.
Claramente, en este tipo de series se debe delucidar cuales serán el o los
valores de la variable para lo cual la serie converge (intervalo de convergencia).
Por ejemplo, consideremos la serie geométrica:
∞
X
xn = 1 + x + x2 + x3 + x4 + · · ·
n=0
donde x es una variable real. De acuerdo a un resultado anterior, sabemos que

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

1
f (x) = , |x| < 1
1−x
entonces
f (x) = 1 + x2 + x3 + · · ·
y se dice que la función f esta representada por esta serie de potencia infinita.
Definición 4.8. Sea x una variable. Una serie de potencias en x es una
serie de la forma
∞
X
an xn = a0 + a1 x + a2 x2 + a3 x3 + · · ·
n=0
donde a0 , a1 , a2 . . . son números reales. En general, una serie del tipo

∞
X
an (x − c)n = a0 + a1 (x − c) + a2 (x − c)2 + · · ·
n=0
se llama una serie de potencias centrada en c, donde c es una constante

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

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

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

b) La serie converge absolutamente para |x − c| < R y diverge para |x − c| >
R, donde R es un número real positivo.
c) La serie converge para todo x.
El número R en el teorema anterior recibe el nombre de radio de con-

vergencia de la serie de potencias. Si se da el caso a) diremos que R = 0 y si
se da el caso c) entonces diremos que R = ∞. El conjunto de todos los valores
x donde la serie es convergente se llama intervalo de convergencia de la
serie de potencias.
Observación 4.3. El Teorema 4.11 no dice nada acerca de la convergencia
en los valores extremos del intervalo de convergencia de radio R (0 < R <
∞). La convergencia de los dos puntos extremos de este tipo de intervalo de
convergencia deben estudiarse en forma separada.
Ejemplo 4.16. Encontrar los valores de x para los que la serie de potencias
centrada en 0:
∞
X n n 1 2 3 4
n
x = x + 2 x2 + 3 x3 + 4 x4 + · · ·
n=1
5 5 5 5 5
Solución: El n-ésimo término de esta serie es
n n nxn
an = x = n
5n 5
entonces
(n + 1)xn+1 5n

an+1
lı́m = lı́m , x 6= 0
n→∞ an n→∞ 5n+1 nxn

(n + 1)x n + 1
= lı́m = lı́m |x|
n→∞ 5n n→∞ 5n

1 1 1
= |x| lı́m + = |x|
n→∞ 5 5n 5
4.3. SERIES DE POTENCIAS 151
Luego, por el criterio de la razón con L = 15 |x|, la serie es absolutamente

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

Ejemplo 4.17. Encontrar el intervalo de convergencia de la serie

∞
X (−1)n 1 1 1
(x − 3)n = 1 − (x − 3) + (x − 3)2 − (x − 3)3 + · · ·
n=0
n+1 2 3 4
Solución: El n-ésimo término de la serie es

(−1)n
an = (x − 3)n
n+1
entonces
(x − 3)n+1 n + 1

an+1
lı́m = lı́m , x 6= 3
n→∞ an n→∞ n + 2 (x − 3)n

n + 1
= lı́m (x − 3)
n→∞ n + 2

n + 1
= |x − 3| lı́m = |x − 3|
n→∞ n + 2
Luego, la serie converge si |x − 3| < 1; vale decir, −1 < x − 3 < 1 ó 2 < x < 4
y la serie diverge para x < 2 y x > 4. Ahora si x = 2, se obtiene la serie:
1 1 1
1+ + + +···
2 3 4
lo que constituye la serie armónica y por lo tanto divergente. Si x = 4 la serie
que se obtiene es:
1 1 1 1
1− + − + −···
2 3 4 5
que es una serie alternante convergente. Ası́ el intervalo de convergencia de la
serie es (2,4].

4.4. SERIES DE TAYLOR Y MACLAURIN

De la sección Panterior se sabe que el conjunto de convergencia de una
serie de potencias an xn , en general, es un intervalo I el cual pasa a ser el
dominio de una nueva función S(x), la suma de la serie. Ası́, por lo analizado
en la sección (4.3), se tiene que:
∞
X 1
xn = = S(x) , −1 < x < 1
n=0
1−x
con
P∞ lo cual se tiene una fórmula más simple para para la serie de potencias
n
n=0 x . Lo que cabe preguntarse ahora, es que propiedades puede tener la
función S(x); por ejemplo, si es diferenciable o integrable. Esta interrogante
queda despejada en el siguiente resultado.
Teorema 4.12. Supóngase que S(x) es la suma de una serie de potencias

sobre un intervalo I; es decir,
∞
X
S(x) = an xn
n=0
= a0 + a1 x + a2 x2 + a3 x3 + ......
Entonces si x está en el interior de I,
i)
∞
X
′
S (x) = nan xn−1 = a1 + 2a2 x + 3a3 x2 + ......
n=0
ii)
x ∞
an n+1
Z X
S(t)dt = x
0 n=0
n+1
1 1 1
= a0 x + a1 x2 + a2 x3 + a3 x4 + ....
2 3 4
Las series que se obtienen, derivando en i) e integrandoP
en ii), del Teorema
4.12 tienen el mismo radio de convergencia que la serie an xn , aunque la
convergencia en los extremos puede variar. Por otro lado, una consecuencia
interesante de este teorema es que se puede aplicar a una serie de potencias en
la que conocemos la fórmula de su suma, para obtener fórmulas para la suma
de otras series.
Ejemplo 4.18. Consideremos la serie geométrica

1
= 1 + x + x2 + x3 + x4 + ..., −1 < x < 1
1−x
Entonces la derivación en el primer miembro y la derivación por términos en
el segundo produce:
4.4. SERIES DE TAYLOR Y MACLAURIN 153
1
= 1 + 2x + 3x2 + 4x3 + ..., −1 < x < 1
(1 − x)2
La integración en el primer miembro y la integración por téminos en el segundo
da:
Z x Z x Z x Z x
1
dt = 1dt + tdt + t2 dt + ...
0 1 − t 0 0 0
con lo cual:
x2 x3
−ln(1 − x) = x + + + ..., −1 < x < 1
2 3
o bien
x2 x3
ln(1 − x) = −x − − − ..., −1 < x < 1
2 3

Ahora la incógnita que queda por resolver es si es posible representar una
función dada en una serie de potencias en x, o más general en una serie de
términos (x − a), en alguún intervalo en torno de a.
Supóngamos una función f representada por una serie de potencias en
x − a, de manera que
∞
X
f (x) = cn (x − a)n
n=0
= c0 + c1 (x − a) + c2 (x − a)2 + c3 (x − a)3 + ...;

donde, el dominio de f es un intervalo abierto que contiene a a. Entonces, por
el Teorema 4.12,
′
f (x) = c1 + 2c2 (x − a) + 3c3 (x − a)2 + 4c4 (x − a)3 + ...
′′
f (x) = +2c2 + (3 · 2)c3 (x − a) + (4 · 3)c4 (x − a)2 + ...
′′′
f (x) = (3 · 2)c3 + (4 · 3 · 2)c4 (x − a) + ...
·
·
·
Sustituyendo x = a en cada una de las represenaciones anteriores, se obtiene:
′ ′′ ′′′
f (a) = c0 , f (a) = c1 , f (a) = 2c2 , f (a) = (3 · 2)c3
y, para todo entero positivo n, se tiene que:
f n (a) = n!cn
con lo cual
f (n) (a)
cn =
n!
Ası́, se verifica que los coeficientes cn quedan determinados por la función

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

Solución: Calculando las primeras derivadas de f y envaluándolas en x = 2,
se tiene:
1 1
f (x) = , f (2) =
x 2
′ 1 ′ 1
f (x) = − , f (2) = −
x2 4
′′ 2 ′′ 1
f (x) = , f (2) =
x3 4
′′′ 6 ′′′ 3
f (x) = − 4
, f (2) = −
x 8
24 3
f iv (x) = , f iv (2) =
x5 4
... ...
... ...
4.4. SERIES DE TAYLOR Y MACLAURIN 155
Entonces, de acuerdo a la ecuación (4.2), se tiene que:
1 1 1 1 1
f (x) = − (x − 2) + (x − 2)2 − (x − 2)3 + (x − 2)4 − ...
2 4 8 16 32

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

Todavı́a no se ha respondido la pregunta acerca de las condiciones para
la representación de una función en una serie de Taylor (o Maclaurin). En el
siguiente resultado se encuentra la repuesta.
Teorema 4.14. Sea f una función con derivadas en todos los órdenes en algún
intervalo abierto I que contiene a a. Una condición necesaria y suficiente para
que la serie de Taylor
′′ ′′′
′ f (a) f (a)
f (a) + f (a)(x − a) + (x − a)2 + (x − a)3 + ...
2! 3!
represente a la función f en el intervalo I es que
lı́m Rn (x) = 0
n→∞
donde Rn (x) es llamado el residuo de la serie de Taylor, dado por:
f n+1 (c)
Rn (x) = (x − a)n+1
(n + 1)!
con c ∈ I.
Ejemplo 4.21. Encuentrar la serie de Maclaurin para sen x y verificar que
representa a sen x para todo número real x.
Solución: Obteniendo las primeras derivadas de f (x) = sen x y evaluándolas
en 0 se tiene:
f (x) = sen x, f (0) = 0

′ ′
f (x) = cos x, f (0) = 1
′′ ′′
f (x) = −sen x, f (0) = 0
′′′ ′′′
f (x) = − cos x, f (0) = −1
f iv (x) = sen x, f iv (0) = 0

... ...
... ...
con lo cual, sustituyendo en la ecuación (4.2), se llega a que:
x3 x5 x7
f (x) = x − + − + ...
3! 5! 7!
Ahora, |f n+1 (x)| = |sen x| o |f n+1(x)| = | cos x|. Por lo tanto, |f n+1 (c)| ≤ 1
para todo número c y ası́, usando la fórmula de Rn (x) con a = 0, se tiene que:
|f n+1 (c)| n+1 |x|n+1

|Rn (x)| = |x| ≤
(n + 1)! (n + 1)!
Pero
|x|n
lı́m =0
n→∞ n!
P n
ya que se verifica que la serie de potencias x /n! es absolutamente conver-
gente para todo número real x (teorema 4.8). De aquı́, lı́mn→∞ Rn (x) = 0 y la
representación en serie de Maclaurin de sen x es válida para todo número real
x.


Sucesiones
Una sucesión puede ser manejada a través de las sentencias seq, subs,
limit. Por ejemplo, si se desea estudiar la convergencia de la sucesión
5n2

8n2 + 4
entonces, se puede definir como
> an:=5n∧2/(8n∧2+4); # se define el término n-ésimo de la suceción
5n2
an :=
8n2 + 4
Para obtener valores de la sucesión para distinto valores de n, por ejemplo,
para n = 10, n = 50 y n = 200, respectivamente; se puede hacer con:
> subs(n=10,an);
125
201
> subs(n=50,an);
3125
5001
> subs(n=200,an);
50000
80001
Si cada vez que se ejecuta cada una de las sentencias anteriores se pone la
sentencia evalf( %) entonces aparecerá la versión decimal de cada una de las
fracciones; es decir, 0.6218905473, 0.6248750250, 0.6249921876, respectivamen-
te.
Si se requiere una secuencia de, por ejemplo, los diez primeros valores de la
sucesión, entonces se ejecuta
> seq(an,n=1..10);
5 5 45 20 125 45 245 80 405 125
, , , , , , , , ,
12 9 76 33 204 73 396 129 652 201
Finalmente, para calcular el lı́mite de la sucesión, se pone:
> limit(an,n=infinity);
5
8
Lo anterior indica que la sucesión converge a 58 ; es decir, 0. 625, cosa que se
instuye de acuerdo a los cálculos preliminares obtenidos.
Series
La sentencia que más se puede usar acá es la sentencia sum; que permite
sumar una secuencia de números reales. Dada la serie
∞
X 1
n=1
n(n + 1)
entonces para analizar la convergencia se puede pensar primero en calcular
algunas sumas parciales. Por ejemplo, para los primero 10, 50 y 200 términos
de la serie, se ejecuta, respectivamente; definiendo en primer lugar el n-ésimo
término de la serie:
> an:=1/(n*(n+1)); # se define el n-ésimo término de la serie
1
n(n + 1)
> sum(an,n=1..10);
10
11
> sum(an,n=1..50);
50
51
> sum(an,n=1..200);
200
201
Los tres cálculos anteriores nos hace instuir que la serie es convergente y su
suma vale 1, lo que se comprueba con:
> sum(an,n=1..infinity); # se evalúa la serie completa
1
Sea ahora la serie:
∞
X n2
n=1
n+1
entonces al evaluar algunas sumas parciales, se tiene:
> an:=n∧2/(n+1); # se define el n-ésimo término de la serie
n2
n+1
> evalf(sum(an,n=1..10)); # se calcula los primeros 10 términos de la serie
47,01987734
1228,518813
1,247557948 105
En el cálculo de las sumas anteriores, se usó el comando evalf para que los
resultados sean impresos como números decimales, dado que las fracciones
correspondientes a estos números no resultan legibles para leer. Los resultados
anteriores indican que a medida que el número de términos de la serie aumenta,
su suma se hace cada vez más grande, lo que indica que las serie debe ser
divergente. Esto se verifica con:
> sum(an,n=1..infinity); # se evalúa la serie completa
Observación: En Maple, en la sumatoria hasta el infinito hay que tener cuidado.

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

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

> is:= powint(s):
> tpsform(is,x,15);
1 2 1 1 6 1 1 1
x − x4 + x − x8 + x10 − x12
2 24 720 40320 3628800 479001600
1
+ x14 + O(15)
87178291200
Para las otras series conocidas se tiene los comandos powsqrt, powexp, powlog,
powcos para las series de las funciones raı́z cuadrada, exponecial, logaritmo
natural y coseno, respectivamente.
Para representar, en general, una función en serie de potencias se recurre
a la representación en series de Taylor. Para ello se usa el comando taylor. Por
ejmplo, si se quiere representar la función f dada por la expresión
1
f (x) =
x
en torno al punto x = 2 hasta potencia de orden 8, entonces se realiza como:
> f:=x->1/x;
1
f := x − >
x
> t:=taylor(f(x),x=2,8);
1 1 1 1 1 1 1
t := − x − 2 + (x − 2)2 − (x − 2)3 + (x − 2)4 − (x − 2)5 + (x − 2)6
2 4 8 16 32 64 128
1
− (x − 2)7 + O((x − 2)8 )
256
Para obtener la derivada de la serie anterior se digita
> diff(t,x);
1 1 3 1 5 3
− + x − 2 − (x − 2)2 + (x − 2)3 − (x − 2)4 + (x − 2)5
4 4 16 8 64 64
7
− (x − 2)6 + O((x − 2)7 )
756
y para su integral
> int(t,x);
1 1 1 1 1 1
x − 2 − (x − 2)2 + (x − 2)3 − (x − 2)4 + (x − 2)5 − (x − 2)6
2 8 24 64 160 384
1 1
+ (x − 2)7 − (x − 2)8 + O((x − 2)9 )
896 2048

1.- Para las siguientes suceciones, escriba los primeros términos y determine
si la suceción converge.
n o n o
3n+1 n+4 ln(n) nsen(nπ/2)
a) n+2 b) 2n2 +1 c) n d) 2n+1
n n
o n o
n3
f) (−π)
en
e){e−n cos n } 4n
g) 2n
h) en
2.- Para las siguientes sucesiones encuentre una forma explı́cita para el n-ésimo
término an . Determine si la sucesión converge o diverge.
a) 21 , 23 , 34 , 45 ..........
b) −1, 32 , − 53 , 47 , − 59 ,..........
c) sen 1, 2sen 1/2, 3sen 1/3, 4sen 1/4,......
1
d) , 2 , 3 , 4
2− 12 3− 13 4− 14 5− 15
,.......
3.- Determine si la serie converge o diverge. Si es convergente, calcule su suma.

a) ∞ 3
b) ∞ en
c) ∞ −n n−1
P P P
n=1 4n−1 n=1 3n−1 n=1 2 3
P∞ 1 n 1 n
P∞ π n+1
d) ∞ n−5
P
n=1 n+2 e) n=1 5 2
− 3 7
f) n=1 e
4.- Verifique que las siguientes series alternantes son convergentes.

a) ∞
P n+1 2
P∞ n+1 √1
P∞ n+1 ln n
n=1 (−1) 3n+1
b) n=1 (−1) n
c) n=1 (−1) n
5.- En cada uno de los siguientes casos, determine si la serie es absolutamente

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

n2 n
a) ∞ 1 n
b) ∞
P P
n=0 n+4 x n=0 2n x
P∞ (−3)n n+1 P∞ n n
c) n=1 n
x d) n=1 n2 +1 x
P∞ 1 2n+1
P∞ 1
e) n=0 (−4)n x f) n=1 n5n (x − 5)n
n2 32n
P∞ P∞
g) n=0 23n (x + 4)n h) n=0 n+1 (x − 2)n
7.- Determinar la representación en serie de potencias para f (x) y especifique

el radio de convergencia.
1 1 1
a) f (x) = 1+x
b) f (x) = (1+x)2
c) f (x) = 2−3x
x2 x
d) f (x) = 1−x4
e) f (x) = (1+x)2
8.- Encuentre la serie de Maclaurin de la expresión dada y determine el radio

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

a) 1/x, c = 2 b) cos x, c = π/3
c) e2x , c = −1
Bibliografı́a
[1] Devaud, G., otros. (2001) Algebra Lineal. Fac. Cs. Fı́sicas Y Matemáti-
cas, Universidad de Concepción, (5ta edición).
[2] Grossman, S. (1996) Algebra Lineal. McGraw-Hill, (5ta edición).
[3] Lipschutz, S. (1992) Algebra Lineal. McGraw-Hill.
[4] Ellis, R., Gullick, D. (1986) Calculus with Analytic Geometry. Ha-
court Brace Jovanovich Publishers, (3ra edición).
[5] Swokowski, E. (1989) Cálculo con Geometrı́a Analı́tica. Grupo Editorial

Iberoamérica, (2da edición).
[6] Purcell, E., Varberg, D., Rigdon S. (2000) Cálculo. Prentice Hall,
(8va edición).
[7] Thomas, G. Finney, R. (1987) Cálculo con Geometrı́a Analı́tica. Ad-

dison Wesley Iberoamericana.
[8] Perez, C. (1998) Métodos Matemáticos y programación. Ra-Ma.
[9] Contreras. (1998) Introducción al uso del Software Maple en Matemáti-

ca. Fac. Cs. Fı́sicas Y Matemáticas, Universidad de Concepción.
[10] Redfern, A. (1993) The Maple Handbook. Springer-Verlong.
165

Libro Docente Andres Duran Poblete - Image.Marked PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Libro Docente Andres Duran Poblete - Image.Marked PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Cálculo en varias variables

para Ciencias Quı́micas y Ambiental

Andrés Durán Poblete

Concepción, Enero de 2008

2. FUNCIONES EN VARIAS VARIABLES 51

3. INTEGRALES MÚLTIPLES 103

4. SERIES INFINITAS 135

4.5. APLICACION DE MAPLE . . . . . . . . . . . . . . . . . . . . 156

1.1. ESPACIOS VECTORIALES

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

y la multplicación por escalar de α y u, denotada por αu, como:

Observación 1.1. En forma totalmente análoga estas dos operaciones pueden

Las operaciones de suma y multiplicación por escalar para vectores de IR2

donde θ = (0, 0), llamado el vector nulo o vector cero. También,

donde −u es el llamado vector inverso del vector u. Ası́, si u = (a, b),

1.1.2. Definición y Propiedades

i) En general, los espacios vectoriales están definidos sobre conjuntos de

ii) En la definición de un espacio vectorial hay involucradas dos operaciones:

Definición 1.2. Un espacio vectorial V es un conjunto no vacı́o de elemen-

5.-) Si u está en V existe un único vector −u en V , llamado el inverso

6.-) Si u está en V y α es un escalar, entonces el producto por escalar αu

7.-) Si u y v están en V y α es un escalar entonces α(u + v) = αu + αv.

8.-) Si u está en V , α y β son escalares entonces (α + β)u = αu + βu.

9.-) Si u está en V , α y β son escalares entonces α(βu) = (αβ)u.

10.-) Para todo vector u que está en V , 1u = u.

1.- De la propiedad 4.-), el conjunto V no debe ser vacı́o (V 6= φ).

2.- Para todo par de vectores u y v de un espacio vectorial V , u + (−v) se

IR3 = {(x, y, z) : x ∈ IR, y ∈ IR, z ∈ IR}

- Si u = (x1 , y1 , z1 ) y v = (x2 , y2, z2 ) son dos elementos de IR3 , entonces:

u + v = (x1 , y1, z1 ) + (x2 , y2, z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )

- Si α es un número real y u = (x, y, z) es un elemento de IR3 , entonces:

αu = α(x, y, z) = (αx, αy, αz)

Ejemplo 1.2. En general, el conjunto V = IRn , n ∈ IN, que denota el con-

IRn = {(x1 , x2 , ..., xn ) : x1 ∈ IR, x2 ∈ IR, ..., xn ∈ IR},

- Si α es un número real, u = (x1 , x2 , ..., xn ) es un elemento de IRn enton-

αu = (αx1 , αx2 , ..., αxn ).

Ejemplo 1.3. Sea V = Pn , n ∈ IN, el conjunto de polinomios con coeficientes

p = an xn + an−1 xn−1 + ... + a1 x + a0 ,

- Si p = an xn +an−1 xn−1 +...+a1x+a0 y q = bn xn +bn−1 xn−1 +...+b1 x+b0

p + q = (an + bn )xn + (an−1 + bn−1 )xn−1 + ... + (a1 + b1 )x + a0 + b0

- Si α es un número real y p = an xn + an−1 xn−1 + ... + a1 x + a0 es un

αp = (αan )xn + (αan−1 )xn−1 + ... + (αa1 )x + αa0

El conjunto V con estas dos operaciones cumple las propiedades de la Defini-

Ejemplo 1.4. Sea V = Mmxn (IR), m ∈ IN y n ∈ IN; el conjunto de las

En el siguiente resultado se enuncian, sin demostración, algunas propie-

Teorema 1.1. Sea V un espacio vectorial, entonces:

1. Para todo escalar α y θ, el vector cero de V , se tiene que

2.- Sea u un vector cualquiera de V , entonces

3.- Sea α un escalar y u un elemento de V , se tiene que:

4.- Sea α un escalar y u un vector de V , se tiene que

5.- Dados los vectores u, v y w de V ,entonces

Definición 1.3. Un subconjunto S, no vacı́o, de un espacio vectorial V , se

Observación 1.3. Para todo espacio vectorial V , el subconjunto S que con-

A continuación se presenta un resultado, sin demostración, que hace re-

Teorema 1.2. Sea V un espacio vectorial. Un subconjunto S no vacı́o de V

2.- Para cualquier escalar α y cualquier vector u en S, entonces αu ∈ S.

Observación 1.4. Del resultado anterior se tiene que todo subespacio S de

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

S = {(a, b, −b) : a ∈ IR, b ∈ IR}

1.- Sean u = (a, b, −b) y v = (r, s, −s) dos elementos cualesquiera de S,

De esta manera, el subconjunto S de IR3 satisface las dos condiciones del

S = {(x, y) ∈ IR2 : y = mx, m número real fijo}

S = {(x, y) ∈ IR2 : y = mx + b, m y b números reales fijos, b 6= 0}.