Notas Calculo Vectorial

Notas Para un Curso de Cálculo
Vectorial
Sebastián Vélez Vásquez
Universidad Pontificia Bolivariana

Notas Para un Curso de Cálculo
Vectorial
Sebastián Vélez Vásquez

Contents
1 Funciones Vectoriales de Variable Vectorial 4

1 Clase 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Clase 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 Clase 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4 Clase 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5 Clase 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6 Clase 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.1 Coordenadas en R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.2 Coordenadas en R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6.3 Lı́mites de funciones definidas en Rn . . . . . . . . . . . . . . . . . . 27
2 Derivación 31
1 Definiciones y Teoremas Básicos . . . . . . . . . . . . . . . . . . . . . . . . . 31
2 Regla de la Cadena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 El Teorema de la Función Implı́cita . . . . . . . . . . . . . . . . . . . . . . . 41
4 Optimización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5 Coordenadas Curvilineas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6 Operadores Diferenciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3
Chapter 1
Funciones Vectoriales de Variable

Vectorial
1 Clase 1
En los cursos de cálculo diferencial y cálculo integral se estudian funciones reales de variable
real, es decir, funciones cuyo argumento es un único número real al igual que su resultado.
Usualmente estas funciones se denotan f : R → R. En ocasiones queremos ser más especı́ficos
y escribimos f : A → B donde A y B son subconjuntos de R. Para este tipo de funciones ten-
emos un mundo de conceptos y teoremas entre los que se encuentran el dominio, codominio
y rango de una función. Las nociones de ser continua, diferenciable, integrable. Teoremas
como el teorema del valor intermedio, el teorema del valor medio, el teorema del valor ex-
tremo, el teorema fundamental del cálculo, etc. Nuestro propósito es estudiar estos mismos
conceptos en un contexto más general, el de funciones vectoriales de variable vectorial, es
decir, f : A ⊂ Rm → B ⊂ Rn .
Definición 1.1. Sean A ⊂ Rm y B ⊂ Rn . Una función definida en A con valores en B es

una regla de asignación que a cada elemento x ∈ A le asocia un único elemento de B que
denotamos f (x).
Frecuentemente será necesario para nosotros diferenciar entre un único número real (un
escalar) y un vector que contiene varios números reales. Por esta razón adoptamos la siguiente
Notación 1. Si una letra denota un vector se escribe con una flecha encima. Por ejemplo,
si x ∈ Rn escribiremos ~x. Si queremos hacer referencia a las entradas del vector ~x escribimos
~x = (x1 , x2 , · · · , xn )
Frecuentemente trabajaremos con ejemplos en R2 o R3 , en estos casos escribiremos
~x = (x, y), si x ∈ R2 , ~x = (x, y, z), si x ∈ R3
4
CHAPTER 1. FUNCIONES VECTORIALES DE VARIABLE VECTORIAL 5
Usando esta notación también podemos determinar si una función es de valor vectorial con
variable real, de valor real con variable vectorial, etc.
f (x) denota una función real de variable real (nadie tiene flecha).
f~(x) denota una función vectorial de variable real (solo la f tiene flecha). Es decir,
esta función recibe un único número real y produce un vector.
f (~x) denota una función real (o escalar) de variable vectorial (solo la x tiene flecha). Es
decir, esta función recibe un vector y produce un número real. A éste tipo de funciones
se les llama también campos escalares.
f~(~x) denota una función vectorial de variable vectorial (ambos tienen flecha). Es decir,
esta función recibe un vector y produce otro vector (no necesariamente del mismo
tamaño). Una función de este estilo también es llamada un campo vectorial
Las funciones de valor vectorial se pueden interpretar como vectores de funciones, ası́ que
también escribiremos frecuentemente
f~ = (f1 , f2 , · · · , fn )
si f toma valores en Rn . En esta escritura cada fi es una función escalar de variable escalar
o vectorial.
Ejemplo 1.1. Sea f~ la función definida por la fórmula
√

~ 1 2 xyzw
f (x, y, z, w) = , y ln(w − 1), tan(x + y + z + w), 1 − xw, e
1 − xz
En este caso f recibe 4 variables reales (un vector de R4 ) y retorna 5 valores reales (un vector
de R5 ), es decir que tenemos una función f~ : A ⊂ R4 → B ⊂ R5 . Para esta función podemos
escribir f~ = (f1 , f2 , f3 , f4 , f5 ) donde
1
f1 (x, y, z, w) = , f2 (x, y, z, w) = y ln(w2 − 1), f3 (x, y, z, w) = tan(x + y + z + w),
1 − xz
√
f4 (x, y, z, w) = 1 − xw, f5 (x, y, z, w) = exyzw
Ejemplo 1.2. Un ejemplo lineal: Sea A la siguiente matriz

1 2 3
A=
4 5 6 2×3
Utilizando el producto de matrices podemos definir una función f~ : R3 → R2 por la fórmula

 
x
1 2 3  y  = x + 2y + 3z
f~(x, y, z) =
4 5 6 4x + 5y + 6z
z
Esto mismo se puede escribir como
f~(x, y, z) = (x + 2y + 3z, 4x + 5y + 6z) = (f1 (x, y, z), f2 (x, y, z))
con f1 (x, y, z) = x + 2y + 3z y f2 (x, y, z) = 4x + 5y + 6z
Ejemplo 1.3. El ejemplo anterior sigue funcionando para cualquier matriz de cualquier
tamaño. Si A es una matriz de tamaño m × n, entonces define una función f~ : Rn → Rm .
CUIDADO con el orden! El tamaño de la matriz es m × n, en la función el orden de estos

números se invierte.
Las funciones definidas por fórmulas pueden presentar restricciones sobre los valores que
pueden tomar las variables. Algunos ejemplos tı́picos de esto son:
Si se tiene una fracción a

entonces el denominador no puede ser cero, es decir 6= 0
,
√
Si se tiene una raı́z par (ej. 6 ), el argumento de la raı́z debe ser mayor o igual a cero
≥ 0.
Si se tiene un logaritmo ln(), el argumento debe ser estrictamente mayor que cero
> 0.
Ejemplo 1.4. Un ejercicio tı́pico es encontrar el dominio de una función definida por una
fórmula. Consideremos nuevamente la función del ejemplo 1.1
√

~ 1 2 xyzw
f (x, y, z, w) = , y ln(w − 1), tan(x + y + z + w), 1 − xw, e
1 − xz
Para que esta función tenga sentido necesitamos que cada una de las componentes esté bien
definida. Vamos a analizar cada una de las componentes para ver qué restricciones imponen
sobre el dominio:
f1 (x, y, z, w) = 1−xz
1
. En este caso tenemos un cociente, de donde obtenemos la re-
stricción 1 − xz =
6 0 o lo que es equivalente 1 6= xz.
f2 (x, y, z, w) = y ln(w2 − 1). Acá tenemos un logaritmo, por lo tanto es necesario que
w2 − 1 > 0 o equivalentemente que w2 > 1. Notemos que w2 > 1 siempre que w > 1 o
w < −1, de manera que tenemos la restricción w ∈ (−∞, −1) ∪ (1, ∞).
f3 (x, y, z, w) = tan(x + y + z + w). Acá debemos recordar que la función tangente

no está definida para todos los reales (recuerden que es un cociente). Ésta función
está definida siempre que su argumento no sea un múltiplo impar de π2 , es decir que la
restricción en este caso es
π 3π 5π 7π
x + y + z + w 6= ± , ± , ± , ± , etc.
2 2 2 2
√
f4 (x, y, z, w) = 1 − xw. Acá requerimos que 1 ≥ xw.
f5 (x, y, z, w) = exyzw . De ésta componente no obtenemos ninguna restricción.

El dominio de la función f es entonces el conjunto
π
Dom(f~) = {(x, y, z, w) ∈ R4 1 6= xz, w2 > 1, x + y + z + w 6= ± , etc., 1 ≥ xw}

2
En el ejemplo anterior el dominio es subconjunto de R4 , de manera que es difı́cil de interpretar
geométricamente. A continuación veremos un ejemplo en el cual el dominio sı́ se puede
visualizar:
Ejemplo 1.5. Sea f~ la función definida por la fórmula
√
f~(x, y) = csc(y), x − y, ln(x2 − 2x + 1), 3 x2 y, ln(1 − xy)
p
Acá tenemos una función de 2 variables que retorna 5 valores, es decir f~ : A ⊂ R2 → B ⊂ R5 .

Analizamos cada una de las componentes de la función:
csc(y). La cosecante no está definida para multiplos enteros de π (por qué?), de manera
que la restricción obtenida es
y 6= 0, ±π, ±2π, ±3π, etc.
√
x − y. Acá requerimos que x − y ≥ 0 de manera que x ≥ y.
ln(x2 − 2x + 1). Queremos que x2 − 2x + 1 > 0. Factorizando el polinomio obtenemos

x2 − 2x + 1 = (x − 1)2 , de manera que la expresión es mayor que cero siempre excepto
cuando x = 1. La restricción es x 6= 1.
3 x2 y. Esto es una trampa! Acá no hay restricción porque la raı́z es impar.

p
ln(1 − xy). Queremos que 1 − xy > 0, la restricción es 1 > xy.
En la gráfica el dominio está marcado con azul. Los puntos en rojo no están incluidos en el
dominio.
En general, si queremos calcular el dominio de una función definida por una fórmula, uti-
lizamos el siguiente resultado
Proposición 1.1. Si f~ : A ⊂ Rm → B ⊂ Rn es una función dada por componentes
f~ = (f1 , f2 , · · · , fn ),
entonces el dominio de f~, que se denota Dom(f~), es
Dom(f~) = Dom(f1 ) ∩ Dom(f2 ) ∩ · · · ∩ Dom(fn )
Otro de los conjuntos asociados a una función es su rango:
Definición 1.2. Sea f~ : A ⊂ Rm → Rn . El rango de f~ es el conjunto
Ran(f~) = {f~(~x) ∈ Rn ~x ∈ A}

En palabras: el rango de f~ son todos los puntos ~y ∈ Rn a los cuales puedo llegar mediante
la función, es decir, existe un elemento del dominio ~x ∈ A tal que f~(~x) = ~y .
Calcular el rango de una función puede ser muy difı́cil. Más adelante veremos técnicas que
nos permitiran calcular el rango en algunas situaciones.
Otro conjunto importante asociado a una función es su gráfica:
Definición 1.3. Sea f~ : A ⊂ Rm → B ⊂ Rn una función. La gráfica de f~ es el conjunto
Graf(f~) = {(~x, f~(~x)) ⊂ Rm × Rn = Rm+n ~x ∈ A}

En el caso clásico de una función escalar de variable escalar f : R → R, la gráfica es un

subconjunto de R × R = R2 . En este caso la gráfica se puede visualizar. En general, si
tenemos una funcón f~ : Rm → Rn , la gráfica será un subconjunto de Rm × Rn = Rm+n , lo
cual significa que si m y n suman más de 3 no podremos visualizar la gráfica en su totalidad.
Por esta razón la mayorı́a de nuestros ejemplos serán de baja dimensión.
Ejemplo 1.6. Un ejemplo sencillo: sea f : R → R la función dada por f (x) = x2 − 2x − 3.

La gráfica de f es
{(x, f (x)) ∈ R2 x ∈ R}
Sabemos que este conjunto es precisamente la parábola que abre hacia arriba y corta el eje
x en x = −1 y x = 3.
Ejemplo 1.7. Sea f : R2 → R la función dada por f (x, y) = x2 + y 2 . Esta gráfica se conoce
como un paraboloide circulary es una superficie contenida en R3 .
En general las gráficas de funciones f : R2 → R son superficies (si la función es suficiente-

mente “buena”). Más adelante veremos más tipos de gráficas y estudiaremos curvas de nivel,
lo cual nos permitirá reconocer y graficar una gama amplia de funciones.
Para finalizar hablaremos rápidamente del álgebra de funciones. La teorı́a se puede encontrar
en la página del curso.
2 Clase 2
En esta clase vamos a hablar de tres maneras diferentes de determinar un conjunto: de man-
era explı́cita, de manera implı́cita y de manera paramétrica. Cada una de estas maneras
tiene sus ventajas y desventajas dependiendo del propósito que tengamos.
Antes de definir las tres maneras de determinar un conjunto necesitamos la noción de preim-
agen de un conjunto bajo una función.
Definición 2.1. Sea f~ : A ⊂ Rm → Rn una función y B ⊂ Rn . La preimagen del conjunto

B bajo f~ se denota f −1 (B) y es el conjunto
f −1 (B) = {~x ∈ A f~(~x) ∈ B}

CUIDADO! No se debe confundir esta notación con la notación de la función inversa. Note-
mos además que la preimagen es un subconjunto del dominio de la función.
Veamos algunos ejemplos:
Ejemplo 2.1. Sea f : A → B la función determinada por el siguiente diagrama:

Las siguientes son preimágenes de algunos subconjuntos de B:

f −1 (b3 ) = {a1 }
f −1 (b1 ) = {a2 , a4 }
f −1 (b2 ) = φ
f −1 {b1 , b4 } = {a2 , a3 , a4 , a5 }
f −1 {b2 , b3 } = f −1 (b3 ) = {a1 }
f −1 (B) = A
Ejemplo 2.2. Sea f : R → R, f (x) = sin(x). Para calcular la preimagen de un punto
s ∈ R trazamos la recta horizontal y = s sobre la gráfica de sin(x) y miramos los puntos de
intersección. Las coordenadas x de los puntos de intersección forman el conjunto f −1 (s).
En la gráfica, s toma valores entre −1 y 1. Vemos los puntos de intersección en azul y sus
coordenadas x en rojo.
A continuación escribimos las preimágenes de algunos puntos y subconjuntos de R bajo
f (x) = sin(x)
f −1 (0) = {0, ±π, ±2π, · · · }
f −1 (1) = { π2 , − 3π
2
, 5π
2
, − 7π
2
,···}
f −1 (2) = φ
f −1 ([0, 1]) = · · · ∪ [−2π, −π] ∪ [0, π] ∪ [2π, 3π] ∪ · · ·
f −1 ([0, 2]) = f −1 ([0, 1])
f −1 ([−1, 1]) = R
f −1 (R) = R
Ejemplo 2.3. Sea f : R2 → R la función dada por f (x, y) = x2 + y 2 . En este caso la gráfica
de la función es un subconjunto de R3 .
Para calcular la preimagen de un punto usamos un método análogo al del ejemplo anterior
con ligeras diferencias. En este ejemplo en vez de cortar con rectas horizontales cortamos
con planos horizontales, es decir, planos cuya ecuación es z = s con s constante. La in-
tersección del plano con la gráfica produce un conjunto de puntos (azul) y la proyección de
este conjunto en el plano xy (en rojo) es la preimagen f −1 (s). En la gráfica s se pueden

apreciar preimágenes cuando
s toma valores entre 1 y 4. En general encontramos que
−1 2
f (s) = {(x, y) ∈ R f (x, y) = x2 + y 2 = s} es una cirfunferencia con centro en el
2
√
origen de R y radio s. Notemos que si s toma valores negativos la preimagen del punto es
vacı́a.
Definición 2.2. Sea S un subconjunto de Rn , entonces:
Decimos que S está descrito de forma explı́cita si existe alguna función f (o f~) tal que
S = Graf(f ).
Decimos que S está descrito de manera implı́cita si existe alguna función f (o f~) tal
que S = f −1 (c) para algún c en el codominio de f .
Decimos que S está descrito de manera paramétrica si existe alguna función f (o f~)
tal que S = rango(f ).
Ejemplo 2.4. Sea S el hemisferio norte del cı́rculo con centro en el origen y radio 2 contenido
en R2 . Vamos a describir este conjunto de las tres maneras posibles:
√
Explı́citamente Si f : [−2, 2] → R es la función f (x) = 4 − x2 , entonces
√
S = {(x, 4 − x2 ) x ∈ [−2, 2]} = Graf(f ).
Implı́citamente Sea A el semiplano superior de R2 (los puntos con coordenada y ≥ 0). Si

g : A → R es la función g(x, y) = x2 + y 2 , entonces
S = {(x, y) ∈ A g(x, y) = x2 + y 2 = 4} = g −1 (4)

Paramétricamente Si ~h : [0, π] → R2 es ~h(t) = (2 cos(t), 2 sin(t)), entonces S = rango(~h).
las descripciones implı́cita y paramétrica de un conjunto no necesariamente son únicas. El

conjunto S también puede ser descrito de manera√implı́cita mediante la función α : B → R
2
donde B = {(x, y) ∈ R x ∈ [−2, 2]} y α(x, y) = 4 − x2 − y. Notemos que
S = {(x, y) ∈ B α(x, y) = 0} = α−1 (0).

Por otro lado, otra forma de describir a S de manera paramétrica es mediante la función
√
β~ : [−2, 2] → R2 definida por β(t)
~ = (t, 4 − t2 ).
En general tenemos los siguiente
Proposición 2.1. Si S es un conjunto que puede ser descrito de manera explı́cita por la
función f~ : A ⊂ Rm → Rn , es decir, S = Graf(f~), entonces las siguientes son descripciones
(no las únicas) implı́citas y paramétricas para S
Implı́cita Definimos la función ~g : Rm+n → Rn de la siguiente manera. Denotaremos

las componentes de Rm+n por (x1 , · · · xm , y1 , · · · , yn ) y a f~ = (f1 , · · · , fn ). Entonces
definimos
~g (x1 , · · · xm , y1 , · · · , yn ) = (f1 (x1 , · · · , xm ) − y1 , · · · , fn (x1 , · · · , xm ) − yn )
De esta manera obtenemos que S = g −1 (0).
Paramétrica Definimos ~h : A ⊂ Rm → Rm+n como
~h(x1 , · · · xm ) = (x1 , · · · xm , f1 (x1 , · · · , xm ), · · · , fn (x1 , · · · , xm ))
Entonces S = rango(~h).
Ejemplo 2.5. Sea f~ : R2 → R2 la función
f~(x, y) = (3xy, x2 y 3 )
Supongamos que S = Graf(f~) = {(x, y, 3xy, x2 y 3 ) ∈ R4 (x, y) ∈ R2 }, es decir que S está

descrito explı́citamente por f~. Entonces una forma de describir a S de manera implı́cita es
mediante la función ~g : R4 → R2 definida por
~g (x, y, z, w) = (3xy − z, x2 y 3 − w).
Notemos que g −1 (0, 0) es el conjunto de puntos que satisface z = 3xy y w = x2 y 3 , es decir los
puntos de la forma (x, y, 3xy, x2 y 3 ), que es precisamente la gráfica de f~, es decir g −1 (0, 0) = S.
Una descripción paramétrica de S está dada por la función ~h : R2 → R4 definida por
~h(x, y) = (x, y, 3xy, x2 y 3 ).
De esta manera tenemos que S = rango(~h).
3 Clase 3
En esta clase continuaremos hablando de conjuntos definidos de manera explı́cita, implı́cita
y paramétrica.
Ejemplo 3.1. Sea ~g : R → R2 dada por ~g (t) = (cos(t), sin(t)). Comparemos los conjuntos
rango(~g ) y Graf(~g ).
El rango de ~g es un subconjunto de R2 :

rango(~g ) = {(cos(t), sin(t)) ∈ R2 t ∈ R}
Si llamamos x = cos(t) y y = sin(t) notamos que todos los puntos en el rango de ~g son
puntos (x, y) que satisfacen la ecuación x2 + y 2 = cos2 (t) + sin2 (t) = 1, es decir que el
rango de ~g es la circunferencia de radio 1.
La gráfica de ~g es un subconjunto de R3 :

Graf(~g ) = {(t, cos(t), sin(t)) ∈ R3 t ∈ R}
Podemos visualizar este conjunto como una curva en R3 :
Ejemplo 3.2. Consideremos la función ~h : R → R2 definida por la fórmula
~h(t) = (sin(2t) cos(t), sin(2t) cos(t))
Nuevamente comparamos el rango y la gráfica de esta función:
El rango es
rango(~h) = {(sin(2t) cos(t), sin(2t) sin(t)) ∈ R2 t ∈ R}

Podemos visualizar este conjunto en R2 :

La gráfica es

Graf(~g ) = {(t, sin(2t) cos(t), sin(2t) sin(t)) ∈ R3 t ∈ R}
Otra vez obtenemos una curva en R3
En general renemos que la gráfica que una función f~ : R → R2 es una curva en R3 .

Ejemplo 3.3. Consideremos la esfera de radio 1 contenida en R3 . Descrita en notación de
conjunto la esfera es
S = {(x, y, z) ∈ R3 x2 + y 2 + z 2 = 1}
Es posible describir este conjunto de manera explı́cita? (como la gráfica de una función).
Consideremos las posibilidades. Ya que S es una subconjunto de R3 tenemos dos tipos de
funciones de las cuales S podrı́a ser la gráfica
1. La primera opción es que S = Graf(g) con ~g : A ⊂ R → R2 . Como vimos en los dos
primeros ejemplos, este tipo de gráficas son curvas en R3 y ciertamente S no es una
curva, de manera que esta opci ón queda descartada.
2. La segundo opción es que S = Graf(h) con h : B ⊂ R2 → R. La gráfica de una función

de este estilo es
{(x, y, h(x, y)) ∈ R3 (x, y) ∈ B}
Es decir, la coordenada z debe estar determinada de manera única por las variables x
y y. Este no es el caso ya que existen valores de (x, y) a los cuales les corresponden dos
valores diferentes de z. Algebraicamente se tenemos que x2 + y 2 + z 2 = 1 de donde
p
z = ± 1 − x2 − y 2
La respuesta es que S no se puede describir de manera explı́cita pero sı́ se puede descomponer
en dos conjuntos que pueden ser descritos de manera explı́cita, es decir, S =pS1 ∪ S2 donde
S1 es el hemisferio
p norte y S2 es el hemisferio sur. Si tomamos f1 (x, y) = 1 − x2 − y 2 y
f2 (x, y) = − 1 − x2 − y 2 tenemos que
S1 = Graf(f1 ) y S2 = Graf(f2 ).
Hacer una descripción implı́cita de S es muy fácil: tomamos α : R3 → R tal que α(x, y, z) =
x2 + y 2 + z 2 . Entonces S = α−1 (1).
Una descripcióm paramétrica de S se puede hacer de la siguiente manera: Sea C = [0, 2π] ×
[0, π] ⊂ R2 . Definimos β : C ⊂ R2 → R3 como
β(θ, ϕ) = (cos(θ) sin(ϕ), sin(θ) sin(ϕ), cos(ϕ))
A continuación describimos algunas superficies tı́picas en R3 . Para ver las gráficas y otros
detalles les recomiendo mirar el repaso de superficies cuádricas que aparece en esta página.
Ejemplo 3.4. Una elipsoide está formada por los puntos de R3 que satisfacen la ecuación
x2 y 2 z 2
+ 2 + 2 =1
a2 b c
En el caso a = b = c = r tenemos una esfera de radio r.
Ejemplo 3.5. Un cono elı́ptico está formado por los puntos de R3 que satisfacen la ecuación
x2 y 2 z 2
+ 2 − 2 =0
a2 b c
El menos antes de z 2 se puede mover a cualquiera de las otras dos variables, esto tiene el
efecto de cambiar la posición del cono.
Ejemplo 3.6. Un paraboloide elı́ptico está formado por los puntos de R3 que satisfacen la
ecuación
x2 y 2
z= 2+ 2
a b
Ejemplo 3.7. Un paraboloide hiperbólico está formado por los puntos de R3 que satisfacen
la ecuación
x2 y 2
z= 2− 2
a b
El menos se puede poner antes de la x, esto cambia la posición de la superficie.
Ejemplo 3.8. Un hiperboloide está formado por los puntos de R3 que satisfacen la ecuación
x2 y 2 z 2
+ 2 − 2 = ±1
a2 b c
El signo del 1 determina si el hiperboloide tiene una hoja (+) o dos (−),
4 Clase 4
En esta clase hablaremos de algunos conceptos básicos de topologı́a. El objetivo de esta
clase es que ustedes aprendan a identificar los puntos interiores y frontera de un subconjunto
de Rn . Este contenido también lo pueden estudiar del documento llamado ”Nociones de
Topologı́a del Espacio Euclidiano” que pueden encontrar acá.
Primero hablaremos de la estructura de espacio métrico que tiene Rn , es decir, de qué manera
se miden distancias en Rn . Con este propósito definiremos 3 conceptos básicos:
1. El producto puntoo escalar: Dados dos vectores en Rn , el producto punto entre
ellos dos produce un escalar. La fórmula es la siguiente:
   
x1 y1
n
 x2   y2  X
•  = x1 y1 + x2 y2 + · · · + xn yn = xi y i
   
 .. ..
 .   .  i=1
xn yn
El producto punto sirve para determinar el ángulo entre dos vectores; en particular
sabemos que dos vectores son ortogonales (perpendiculares) si su producto punto es
cero.
2. La norma de un vector: A partir del producto punto podemos definir la longitud o

norma de un vector:
  v   
x1 u x1 x1
u v
u n
 x2  u  x2   x2  q uX
 u
||~x|| =  .  = u .  •   = x21 + x22 + · · · + x2n = t x2i
    
..
u
. .
 .  t .   . 
i=1
xn xn xn
Notemos que en el caso de R2 la fórmula se puede deducir del teorema de pitágoras.
3. La distancia entre puntos: Si ~x y ~y son vectores en Rn se puede calcular la distancia

entre ellos como la longitud del vector que va desde el punto ~x hasta el punto ~y , es
decir, la norma de la diferencia entre los vectores:
v
u n
p uX
2 2 2
d(~x, ~y ) = ||~x − ~y || = (x1 − y1 ) + (x2 − y2 ) + · · · + (xn − yn ) = t (xi − yi )2
i=1
Con esta noción de distancia podemos definir unos conjuntos que serán de vital importancia
en topologı́a: las vecindades abiertas de un punto. Si p~ ∈ Rn y r es un real positivo,
denotamos la vecindad (o bola) abierta de radio r con centro en p~ por V (~p, r). Este conjunto
es
V (~p, r) = {~x ∈ Rn d(~x, p~) < r}
En bajas dimensiones estos conjuntos son fáciles de reconocer:
En dimensión 1 (estamos en R), la bola abierta de radio r y centro p es el intervalo
(p − r, p + r). Notemos que los extremos del intervalo no están incluidos.
En dimensión 2 (estamos en R2 ), la bola abierta de radio r y centro p~ es el cı́rculo de

radio r y centro p~ sin incluir el borde.
En dimensión 3 (estamos en R3 ), la bola abierta de radio r y centro p~ es la esfera de

radio r y centro p~ sin incluir la superficie de la esfera.
La razón por la cual V (~p, r) se llama una bola abierta es porque en todos los casos, sin
importar la dimensión, lo que se obtiene es el análogo de lo que conocemos por una bola,
la palabra abierta se refiere al hecho de que estos conjuntos no contienen su frontera. A
continuación definiremos rigurosamente a qué nos referimos con la frontera de un conjunto
(entre otras cosas).
Definición 4.1. Sea S un subconjunto de Rn . Los puntos de Rn tienen tres posibilidades

respecto a S, ser interiores a S, ser exteriores a S o estar en la frontera. A continuación
definimos estos tres conceptos:
1. Un punto p~ ∈ S es un punto interior a S si podemos encontrar un radio r (que puede

ser muy pequeño) tal que la bola V (~p, r) está completamente contenida en S. Ojo! no
es suficiente que el punto p~ pertenezca a S para llamarlo interior.
2. Un punto p~ ∈ Rn se llama exterior a S si es interior al complemento de S. Es decir, p~ es

exterior a S si exsite un radio r tal que la bola V (~p, r) está completamente contenida en
el complemento de S. Nueva mente, no es suficiente que p~ pertenezca al complemento
de S para llamarlo exterior a S.
3. Un punto p~ se llama punto frontera de S si cualquier vecindad V (~p, r) contiene tanto

puntos de S como del complemento de S.
El conjunto de todos los puntos interiores de S se denota Int(S). El conjunto de pun-

tos exterioes se denota Ext(S) y el conjunto de puntos frontera se denota F ront(S) o ∂S
(estasegunda notación es más estándar). Veamos algunos ejemplos:
Ejemplo 4.1. Sea S el conjunto

S = {(x, y) ∈ R2 x2 + y 2 ≥ 1}
Este conjunto está comprendido por la circunferencia de radio 1 y todo lo que está por fuera
de ella. Los puntos interiores son precisamente aquellos que cumplen la condición x2 +y 2 > 1,
es decir,
Int(S) = {(x, y) ∈ R2 x2 + y 2 > 1}
Noten que el interior del conjunto S no es lo mismo que lo que está adentro de la circunfer-
encia. El exterior de S es

Ext(S) = {(x, y) ∈ R2 x2 + y 2 < 1}
y la frontera es
∂S = {(x, y) ∈ R2 x2 + y 2 = 1}
Ejemplo 4.2. Sea S el conjunto

S = {(x, y) ∈ R2 x2 + y 2 = 1}
En este caso ningún punto es interior a S porque S no puede contener ninguna bola abierta.
Es decir que Int(S) = φ. El exterior de S es

S = {(x, y) ∈ R2 x2 + y 2 > 1 o x2 + y 2 < 1},
es decir, todos los puntos que no están en la circunferencia. La frontera de S es

∂S = {(x, y) ∈ R2 x2 + y 2 = 1} = S
Ejemplo 4.3. Para los intervalos [a, b], (a, b], [a, b) y (a, b) se tiene
Int([a, b]) = Int((a, b]) = Int([a, b)) = Int((a, b)) = (a, b)
Ext([a, b]) = Ext((a, b]) = Ext([a, b)) = Ext((a, b)) = (−∞, a) ∪ (a, ∞)
∂([a, b]) = ∂((a, b]) = ∂([a, b)) = ∂((a, b)) = {a, b}
Ejemplo 4.4. El conjunto de los números enteros es Z = {0, ±1, ±2, ±3, ±4, · · · } ⊂ R.
Para este conjunto tenemos que ningún punto es interior ya que Z no puede contener ningún
intervalo. Es decir que IntZ = φ. El exterior de Z es
Ext(Z) = · · · ∪ (−2, −1) ∪ (−1, 0) ∪ (0, 1) ∪ (1, 2) ∪ · · ·
Todos los puntos de Z son puntos frontera, es decir ∂Z = Z.
Ejemplo 4.5. Sea S el siguiente subconjunto de R3

S = {(x, y, z ∈ R3 ) z 2 ≤ x2 + y 2 }
Sabemos que la ecuación z 2 = x2 + y 2 determina un cono, de manera que el conjunto S está

comprendido por el cono y la parte de afuera. El interior de S es el conjunto

Int(S) = {(x, y, z ∈ R3 ) z 2 < x2 + y 2 }
El exterior es
Ext(S) = {(x, y, z ∈ R3 ) z 2 > x2 + y 2 }
La frontera es
∂S = {(x, y, z ∈ R3 ) z 2 = x2 + y 2 }
Ejemplo 4.6. Si S es el conjunto

S = {(x, y, z ∈ R3 ) z 2 = x2 + y 2 }
tenemos que Int(S) = φ. El exterior es

Ext(S) = {(x, y, z ∈ R3 ) z 2 > x2 + y 2 o z 2 < x2 + y 2 }
y la frontera es ∂S = S.
Advertencia: Más adelante veremos otra noción de frontera de un conjunto que en ocasiones
difiere con la que acabamos de ver, en su momento haremos la distinción pertinente.
5 Clase 5
En esta clase continuamos hablando de nociones de topologı́a. Empezaremos definiendo qué
son los puntos de acumulación de un conjunto. Luego veremos qué significa que un conjunto
sea abierto o cerrado. Veremos muchos ejemplos.
Definición 5.1. Sea S ⊂ Rn . Los puntos de acumulación de S son los puntos de Rn para
los cuales cualquier vecindad abierta contiene infinitos puntos de S. El conjunto de puntos
de acumulación de S será denotado Acum(S). En notación de conjunto tenemos

Acum(S) = {~p ∈ Rn para todo r > 0, V (~p, r) ∩ S es infinito}
Veamos algunos ejemplos:
Ejemplo 5.1. Sea S = {1, 21 , 13 , 14 , 51 , 16 , 17 , · · · } ⊂ R. Intuitivamente, los puntos de este

conjunto se están acumulando cerca del 0. En efecto, el 0 es punto de acumulación de S ya
que cualquier vecindad abierta centrada en 0, es decir, cualquier intervalo abierto de la forma
(−r, r), va a contener infinitos números de la forma n1 .
Ejemplo 5.2. Sea S la siguiente unión:

S = {(0, 0)} ∪ {(x, y) ∈ R2 x2 + y 2 = 1} ∪ {(x, y) ∈ R2 x2 + y 2 = 4}.
El conjunto S es la unión del origen y las circunferencias de radio 1 y 2.
En el dibujo vemos que el origen no puede ser punto de acumulación de S ya que existe por lo
menos una vecindad (la verde) que no contiene infinitos puntos del conjunto. Por otro lado,
las vecindades de los puntos de las circunferencias (por ejemplo la roja y la azul) siempre
tendrán infinitos puntos del conjunto S. Tenemos entonces que el conjunto de puntos de
acumulación de S es la unión de las dos circunferencias, es decir,

Acum(S) = {(x, y) ∈ R2 x2 + y 2 = 1} ∪ {(x, y) ∈ R2 x2 + y 2 = 4}.
De manera intuitiva, no hay puntos acumulándose cerca del origen.

Ejemplo 5.3. Sea S = {(x, y) ∈ R2 x2 + y 2 < 1}. Esta es la bola de centro en el origen y
radio 1 (sin incluir la forntera!).
Vemos que cualquier punto en el interior debe ser punto de acumulación ya que cualquier
vecindad siempre tiene infinitos puntos de S (por ejemplo, la vecindad roja). Con los puntos
de la frontera pasa lo mismo (observen la vecindad verde), de manera que también son puntos
de acumulación. En conclusión

Acum(S) = {(x, y) ∈ R2 x2 + y 2 ≤ 1}
De manera que el conjunto de puntos de acumulación de S puede contener puntos que no

están en S.
En este punto tenemos que dado un conjunto S podemos encontrar otros conjuntos asociados
Int(S), Ext(S), ∂S = F ront(S) y Acum(S). Dependiendo de cómo sean los conjuntos Int(S)
y F ront(S) diremos que el conjunto S es abierto, cerrado o ninguna de las dos cosas:
Definición 5.2. Sea S un subconjunto de Rn

Diremos que S es abierto si es igual a su interior, es decir, S = Int(S). Que S sea

abierto es equivalente a decir que su complemento es cerrado.
Diremos que S es cerrado si contiene su frontera, es decir, F ront(S) ⊂ S. Que S sea

cerrado es equivalente a decir que su complemento es abierto.
Es posible que no se cumpla ninguna de las dos condiciones anteriores, es decir, es posible
que un conjunto no sea abierto ni cerrado.
Ejemplo 5.4. La terminologı́a anterior coincide con lo que conocemos sobre los intervalos.
Int(a, b) = (a, b), es decir que (a, b) es abierto.
F ront[a, b] = {a, b} ⊂ [a, b], es decir que [a, b] es cerrado.
Int(a, b] = Int[a, b) = (a, b), de manera que (a, b] y [a, b) no son abiertos. Además
F ront(a, b] = F ront[a, b) = {a, b}. Como (a, b] y [a, b) no contienen la frontera, no son
cerrados.
Ejercicio 5.1. Sean S1 , S2 y S3 los siguientes conjuntos:

S1 = {(x, y) ∈ R2 1 ≤ x2 + y 2 ≤ 4}

S2 = {(x, y) ∈ R2 1 < x2 + y 2 < 4}

S3 = {(x, y) ∈ R2 1 < x2 + y 2 ≤ 4}
Dibujar cada conjunto.
Encontrar el interior, el exterior, la frontera y los puntos de acumulación de cada

conjunto.
Determinar para cada conjunto si es abierto, cerrado o ninguna de las dos opciones.
Teorema 5.1. Antes de continuar con ejemplos y ejercicios mencionamos algunos hechos
sobre conjuntos abiertos y cerrados:
1. En Rn los únicos conjuntos que son abiertos y cerrados a la vez son el mismo Rn y el
conjunto vacı́o.
2. Para cualquier conjunto S, su interior es abierto. En otras palabras Int(Int(S)) =

Int(S).
3. Para cualquier conjunto S, su frontera es un conjunto cerrado. En otras palabras

F ront(F ront(S)) ⊂ F ront(S).
4. La unión de conjuntos abiertos es un conjunto abierto.
5. La intersección finita de conjuntos abiertos es un conjunto abierto.

6. La intersección de conjuntos cerrados es un conjunto cerrado.
7. La unión finita de conjuntos cerrados es un conjunto cerrado.
El siguiente ejemplo combina lo visto de topologı́a con temas anteriores.
Ejemplo 5.5. Consideremos la función
√

1 p
2
p
2
f (x, y) = , x + y, ln(|x| + 1), x + 1 − y, y + 1 − x)
(x − 1)2 + (y − 1)2
Hallaremos el dominio de la función, identificaremos el interior, exterior, frontera y los puntos

de acumulación. Además determinaremos si es un conjunto abierto, cerrado o ninguna de las
dos opciones. Empezamos analizando las restricciones que impone la fórmula:
De la primera componente vemos que el punto (1, 1) no está incluido en el dominio.
De la segunda componente obtenemos que x + y ≥ 0, o equivalentemente y ≥ −x. Es

decir que debemos excluir del dominio la región que se encuentra debajo de la recta
y = −x.
De la tercera componente no obtenemos ninguna rectricción ya que |x| + 1 siempre es

mayor que cero.
De la cuarta componente obtenemos que x2 + 1 ≥ y, es decir que excluimos la región

que está por encima de la parábola y = x2 + 1.
De la quinta componente obtenemos que y 2 + 1 ≥ x, es decir que excluimos la región

que está a la derecha de la parábola x = y 2 + 1.
El dominio es la región azul del dibujo. En notación de conjunto es

Dom(f ) = {(x, y) ∈ R2 (x, y) 6= (1, 1) y y ≥ −x y x2 + 1 ≥ y y y 2 + 1 ≥ x}
Los conjuntos asociados a Dom(f ) son

Int(Dom(f )) = {(x, y) ∈ R2 (x, y) 6= (1, 1) y y > −x y x2 + 1 > y y y 2 + 1 > x}

Ext(Dom(f )) = {(x, y) ∈ R2 y < −x o x2 + 1 < y o y 2 + 1 < x}

F ront(Dom(f )) = {(x, y) ∈ R2 (x, y) = (1, 1) o y = −x o x2 + 1 = y o y 2 + 1 = x}

Acum(Dom(f )) = {(x, y) ∈ R2 y ≥ −x y x2 + 1 ≥ y y y 2 + 1 ≥ x}
Concluimos que Dom(f ) no es abierto ni cerrado.
Ejercicio 5.2. Repetir el ejemplo anterior para la función

2 2 1 1 1
f (x, y) = ln(4 − x − y ), , ,
4y − x 5x + 5 − y 4y + 4x − 5
6 Clase 6
En esta clase haremos una breve descripción de los sistemas de coordenadas en R2 y en R3 .
Además hablaremos un poco de lı́mites.
6.1 Coordenadas en R2
En R2 trabajaremos con dos sistemas de coordenadas: las cartesianas y las polares.
En coordenadas cartesianas cada punto es determinado por una pareja de números (x, y). x
representa la distancia que se debe recorrer horizontalmente desde el origen y y la distancia
que se debe recorrer verticalmente para ubicar el punto. En este sistema las ecuaciones
de la forma x = c determinan lineas verticales y las ecuaciones y = c determinan lineas
horizontales.
Ejemplo 6.1. El punto (2, 3) es la intersección de las rectas x = 2 y y = 3.

En coordenadas polares cada punto del plano se puede determinar con dos números (r, θ). Al
trazar el segmento de recta desde el punto al origen se forma un ángulo con el eje horizontal
positivo, este ángulo es el número θ medido en radianes. El número r es la distancia del punto
al origen. En este sistema de coordenadas los puntos pueden tener muchas represnetaciones
diferentes. Las ecuaciones de tipo r = c son circunferencias con centro en el origen y radio c.
Las ecuaciones θ = c son semirrayos que parten desde el origen.
Ejemplo 6.2. El punto 4, π4 en coordenadas polares es la intersección de la circunferencia

r = 4 y la semi-recta θ = π4 .
Tenemos fórmulas que nos permiten pasar de un sistema de coordenadas a otro:
x = r cos θ, y = r sin θ
p y
r= x2 + y 2 , tan θ =
x
6.2 Coordenadas en R3
En R3 trabajaremos con tres sistemas de coordenadas: cartesianas, cilı́ndricas y esféricas.

En coordenadas cartesianas cada punto es representado por tres números (x, y, z). Las ecua-
ciones de tipo x = c determinan planos paralelos al plano yz, las de tipo y = c son planos
paralelos al plano xz y las de tipo z = c sonplanos paralelos al plano xy.
Ejemplo 6.3. El punto (3, 4, 5) en coordenadas cartesianas es la intersección de los planos

x = 3, y = 4 y z = 5.
Las coordenadas cilı́ndricas son la extensión del sistema de coordenadas polares a R3 . Cada
punto se determina por tres números (r, θ, z). Los n’umeros (r, θ) determinan cual es la
proyección del punto en el plano xy y z determina la altura. Las ecuaciones de tipo r = c
determinan cilindros de radio c con eje a lo largo del eje z. Las ecuaciones de tipo θ = c
determinan semiplanos cuya frontera es el eje z. Las ecuaciones tipo z = c determinan planos
paralelos al plano xy.
Ejemplo 6.4. El punto 5, π4 , 3 en coordenadas cilı́ndricas es la intersección del cilindro

r = 5, el semiplano θ = π4 y el plano z = 3.
Para pasar de coordenadas cartesianas a cilı́ndricas y viceversa usamos las mismas ecuaciones
anteriores.
En coordenadas esféricas tenemos números (r, θ, ϕ). Una ecuación de tipo r = c define una
esfera con radio c. Una ecuación de tipo θ = c define un semiplano con frontera el eje z. Una
ecuación de tipo ϕ = c define un cono.
Ejemplo 6.5. El punto 5, π2 , π6 en coordenadas esféricas es la intersección de la esfera r = 5,

el semiplano θ = π2 y el cono ϕ = π6 .
Para obtener las coordenadas cartesianas de un punto a partir de sus coordenadas esféricas
usamos las fórmulas
x = r cos θ sin ϕ y = r sin θ sin ϕ, z = r cos ϕ
Si tenemos las coordenadas cartesianas y queremos las esféricas usamos las siguientes fórmulas:
p
2 2 2 2 y x2 + y 2
r = x + y + z , tan(θ) = , tan(ϕ) =
x z
6.3 Lı́mites de funciones definidas en Rn

Para funciones de una variable real se dice que el lı́mite de f (x) cuando x tiende a a existe
si existen los lı́mites laterales y coinciden, es decir
lim f (x) = L si lim f (x) = L = lim+ f (x)

x→a x→a− x→a
En el caso en que los lı́mites laterales no existen o son diferentes decimos que el lı́mite no
existe
Si lim− f (x) 6= lim+ f (x), entonces lim f (x) no existe.
x→a x→a x→a
Esta definición es suficiente en el caso de una sola variable ya que solo existen dos trayectorias
posibles para acercarse a a, por la izquierda o por la derecha. Al analizar la situación con dos
(o más) variables vemos que existen múltiples (de hecho infinitas) formas en que podemos
acercarnos a un punto (a, b). Basados en esta idea formulamos el siguiente procedimiento
para determinar si un lı́mite existe o no:
1. Probar algunas trayectorias diferentes que se acerquen al punto. En R2 las trayectorias
usualmente tienen la forma y = g(x) o x = h(y). Cuidado! Es absolutamente necesario
que la trayectoria escogida pase por el punto.
2. Si existen por lo menos dos trayectorias bajo las cuales los lı́mites difieren, decimos que
el lı́mite no existe.
3. Si todas las trayectorias probadas producen el mismo valor, no podemos concluir que
el lı́mite sı́ existe, pero empezamos a sospechar que sı́. En este caso debemos usar
otros métodos para probar la existencia del lı́mite. Por ejemplo, usar el teorema de
compresión o hacer cambios de coordenadas (a polares en R2 o a cilı́ndricas o esféricas
en R3 ).
Veamos algunos ejemplos de lı́mites que no existen:
Ejemplo 6.6. Calcular
x2 − y 2
lim .
(x,y)→(0,0) x2 + y 2
Consideraremos dos trayectorias: x = 0 y y = 0. Notemos que estas dos trayextorias son

válidas ya que ambas contienen al punto al cual nos acercamos, el (0, 0).
Si x = 0 tenemos
x2 − y 2 −y 2
lim = lim = −1
(x,y)→(0,0) x2 + y 2 y→0 y 2
x=0
Si y = 0 tenemos
x2 − y 2 x2
lim = lim =1
(x,y)→(0,0) x2 + y 2 x→0 x2
y=0
Como los lı́mites por trayectorias difieren, concluimos que el lı́mite no existe.
xy
lim .
(x,y)→(0,0) x2 + y 2
Consideraremos trayectorias:
Si x = 0 o y = 0 tenemos
xy xy
lim = lim = 0.
(x,y)→(0,0) x2 + y 2 (x,y)→(0,0) x2 + y 2
x=0 y=0
Probemos la trayectoria y = x. Esta es una trayectoria válida ya que la recta y = x

pasa por el punto (0, 0).
xy x2 1
lim = lim =
(x,y)→(0,0) x2 + y 2 x→0 x2 + x2 2
y=x

xy 2
lim .
(x,y)→(0,0) x2 + y 4
Consideraremos trayectorias:
Si x = 0 o y = 0 tenemos
xy 2 xy 2
lim = lim = 0.
(x,y)→(0,0) x2 + y 4 (x,y)→(0,0) x2 + y 4
x=0 y=0
Probaremos con trayectorias que sean lineas rectas que pasan por el origen, es decir,
rectas cuya ecuación es y = mx donde m es la pendiente de la recta:
xy 2 x(mx)2 m2 x3 m2 x
lim = lim = lim = lim =0
(x,y)→(0,0) x2 + y 4 x→0 x2 + (mx)4 x→0 x2 + m4 x4 x→0 1 + m4 x2
y=mx
Vemos que las trayectorias rectas no producen resultados diferentes, probaremos con
una trayectoria cuadrática: x = y 2
xy 2 y4 1
lim 2 4
= lim 4 4
=
(x,y)→(0,0) x + y y→0 y + y 2
x=y 2
Ahora nos enfrentaremos a un lı́mite que sı́ existe. Para eso necesitaremos el teorema de
compresión
Teorema 6.1. Sea f (x, y) una función y L ∈ R. Si existe otra función g(x, y) tal que
1. Para todo (x, y) en una vecindad de (a, b) se tiene que
0 ≤ |f (x, y) − L| ≤ g(x, y)
2.
lim g(x, y) = 0
(x,y)→(a,b)
Entonces el lı́mite de f (x, y) cuando (x, y) → (a, b) existe y es igual a L
lim f (x, y) = L
(x,y)→(a,b)
Con este teorema podemos probar la existencia de algunos lı́mites.

3x2 y
lim
(x,y)→(0,0) x2 + y 2
Al analizar varias trayectorias (x = 0, y = 0, y = mx, y = x2 , x = y 2 ), vemos que todas

producen el mismo resultado L = 0. Para poder usar el teorema anterior, necesitamos otra
función g(x, y) tal que
3x2 y

0 ≤ 2 − 0 ≤ g(x, y).
x + y2
2
La idea es construir la función g a partir de la función x3x y
2 +y 2 teniendo en cuenta que queremos
una función más sencilla. Para esto notamos que x2 ≤ x2 + y 2 , de donde obtenemos que
3x2 y 2 2 2

= 3x |y| ≤ 3(x + y )|y| = 3|y|.
x2 + y 2 x2 + y 2 x2 + y 2
Podemos entonces tomar g(x, y) = 3|y|. Claramente
lim 3|y| = 0,
(x,y)→(0,0)
por lo tanto podemos concluir que
3x2 y
lim = 0.
(x,y)→(0,0) x2 + y 2
Chapter 2
Derivación
1 Definiciones y Teoremas Básicos

No voy a separar el tema por clases, voy a hacer un resumen de lo que deben saber para el
quiz y el parcial.
Definición 1.1. Derivadas Parciales:

Si f : R2 → R es una función de dos variables (x, y), se definen las derivadas parciales
respecto a cada una de las variables en el punto (a, b) ası́:
∂f f (a + h, b) − f (a, b) ∂f f (a, b + h) − f (a, b)

(a, b) = lim , (a, b) = lim .
∂x h→0 h ∂y h→0 h
Noten que la única diferencia es el lugar donde va el (+h), en la primera componente o en la

segunda. Para funciones de más variables se pone el (+h) en la componente correspondiente
a la variable respecto a la cual estamos derivando parcialmente. También tenemos otra
notación para referirnos a las derivadas parciales:
∂f
(a, b) = fx (a, b) = la derivada parcial de f respecto a x en el punto (a, b)
∂x
∂f
(a, b) = fy (a, b) = la derivada parcial de f respecto a y en el punto (a, b)
∂y
La definición anterior se puede generalizar un poco. En vez de hablar de derivada respecto

a x o y, podemos hablar de derivadas en cualquier dirección:
Definición 1.2. Derivadas direccionales:

Si f : R2 → R es una función de dos variables (x, y) y ~u es un vector de R2 , se define la
derivada direccional de f en dirección de ~u en el punto p~ como:
f (~p + h~u) − f (~p)

f~u (~p) = lim .
h→0 h
31
CHAPTER 2. DERIVACIÓN 32
Otra forma de denotar esto es
f~u (~p) = D~u f (~p) = la derivada direccional de f en dirección ~u en el punto p~
Las derivadas parciales son precisamente las derivadas direccionales en las direcciones ~u =
(1, 0) y ~u = (0, 1).
Ejercicio 1.1. Escribir el lı́mite de la derivada direccional reemplazando p~ = (a, b) y ~u =

(1, 0). Observen que el lı́mite obtenido es exactamente la derivada parcial respecto a x en
(a, b). Repetir el ejercicio cambiando reemplazando ~u = (0, 1).
Si tuviéramos una función de 3 variables, ¿por cual vector se debe reemplazar ~u para obtener
∂f
∂z
?
Ejemplo 1.1. Sea f (x, y) = x2 + xy + y 2 . Calcular las derivadas parciales respecto a ambas
variables en el punto p~ = (2, 3). Además calcular la derivada direccional en la dirección
~u = (−2, 1) en el mismo punto.
Vamos a usar las definiciones:

∂f f (2 + h, 3) − f (2, 3)
(2, 3) = lim
∂x h→0 h
(2 + h)2 + (2 + h) ∗ (3) + 32 − (22 + 2 ∗ 3 + 32 )
= lim
h→0 h
2 2
2 + 4h + h + 6 + 3h + 9 − 4 − 6 − 9
= lim
h→0 h
h2 + 7h
= lim
h→0 h
=7
∂f f (2, 3 + h) − f (2, 3)
(2, 3) = lim
∂y h→0 h
2 + (2) ∗ (3 + h) + (3 + h)2 − (22 + 2 ∗ 3 + 32 )
2
= lim
h→0 h
4 + 6 + 2h + 9 + 6h + h2 − 4 − 6 − 9
= lim
h→0 h
2
h + 8h
= lim
h→0 h
=8
f ((2, 3) + h(−2, 1)) − f (2, 3)

D~u f (2, 3) = lim
h→0 h
f (2 − 2h, 3 + h) − f (2, 3)
= lim
h→0 h
(2 − 2h) + (2 − 2h) ∗ (3 + h) + (3 + h)2 − 4 − 6 − 9
2
= lim
h→0 h
4 − 8h + 4h2 + 6 − 4h − 2h2 + 9 + 6h + h2 − 4 − 6 − 9
= lim
h→0 h
3h2 − 6h
= lim
h→0 h
= −6
Esta forma de calcular derivadas parciales y direccionales es ineficiente, más adelante veremos
formas mejores de hacer esto.
Definición 1.3. Sea f : R2 → R una función de dos variables. Si las derivadas parciales fx
y fy existen en un punto (a, b), tenemos la siguiente ecuación de un plano que contiene al
punto (a, b):
z = f (a, b) + fx (a, b)(x − a) + fy (a, b)(y − b).
El plano anterior será tangente a la superficie definida por la función f en algunos casos
(no siempre). Cuando este plano sea tangente a la superficie diremos que la función es
diferenciable en el punto (a, b). A continuación damos una definición rigurosa de esto
Definición 1.4. Sea f una función de dos variables (x, y). Diremos que la función es difer-
enciable en el punto (a, b) si
f (a + h1 , b + h2 ) − f (a, b) − fx (a, b)h1 − fy (a, b)h2

lim p = 0.
(h1 ,h2 )→((0,0) h21 + h22
El lı́mite anterior dice que cuando nos acercamos al punto (a, b) el plano z = f (a, b) +
fx (a, b)(x − a) + fy (a, b)(y − b) y la superficie z = f (x, y) son casi indistinguibles el uno del
otro.
Para definir diferenciabilidad de funciones de más variables simplemente agregamos los

términos necesarios. Por ejemplo, el lı́mite para una función de 3 variables es
f (a + h1 , b + h2 , c + h3 ) − f (a, b, c) − fx (a, b, c)h1 − fy (a, b, c)h2 − fz (a, b, c)h3

lim p = 0.
(h1 ,h2 ,h3 )→((0,0,0) h21 + h22 + h23
Para funciones de más variables este lı́mite es inmenso. Lo que haremos es escribir todo de
manera vectorial, para eso definimos el gradiente de una función:
Definición 1.5. Sea f una función de dos variables (x, y). El gradiente de la función f se
denota ∇f y es el vector que tiene como componentes las derivadas parciales de f respecto
a x y y en ese orden. Es decir

∂f ∂f
∇f = (fx , fy ) = , .
∂x ∂y
El gradiente puede ser evaluado en un punto (a, b): ∇f (a, b) = (fx (a, b), fy (a, b)).
Si f tiene n variables (x1 , · · · , xn ), su gradiente tiene n componentes

∂f ∂f
∇f = (fx1 , · · · , fxn ) = ,··· , .
∂x1 ∂xn
Usando el gradiente podemos definir qué significa que una función de muchas variables sea
diferenciable sin escribir demasiado:
Definición 1.6. Una función f : Rn → R es diferenciable en el punto p~ ∈ Rn si
f (~p + ~h) − f (~p) − ∇f (~p) · ~h

lim = 0.
~h→~0 ||~h||
Acá ~h es un vector de Rn que tiende al vector ~0, ∇f (~p) · ~h es un producto punto y ||~h|| es la
norma de ~h.
Ejemplo 1.2. Sea f (x, y) = x2 + xy + y 2 . Probar que f es diferenciable en el punto (2, 3).
Según la definición de diferenciabilidad, debemos verificar que el siguiente lı́mite es cero:
f (2 + h1 , 3 + h2 ) − f (2, 3) − fx (2, 3)h1 − fy (2, 3)h2

lim p = 0.
(h1 ,h2 )→((0,0) h21 + h22
Antes de trabajar con este lı́mite necesitamos las derivadas parciales fx (2, 3) y fy (2, 3), que
son justamente las que calculamos en el ejemplo 1.1. Tenemos entonces
(2 + h1 )2 + (2 + h1 ) ∗ (3 + h2 ) + (3 + h2 )2 − 22 − 2 ∗ 3 − 32 − 7h1 − 8h2
lim p
(h1 ,h2 )→((0,0) h21 + h22
4 + 4h1 + h21 + 6 + 3h1 + 2h2 + h1 h2 + 9 + 6h2 + h22 − 4 − 6 − 9 − 7h1 − 8h2
= lim p
(h1 ,h2 )→((0,0) h21 + h22
h21 + h1 h2 + +h22
= lim p
(h1 ,h2 )→((0,0) h21 + h22
Pasando a coordenadas polares obtenemos
r2 (cos2 θ + cos θ sin θ + sin2 θ)

lim = 0.
r→0 r
Los ejemplos que hemos hecho hasta el momento implican escribir bastante, manipular expre-
siones grandes y calcular lı́mites en una o varias variables. A continuación veremos algunos
teoremas que facilitan este tipo de cálculos en algunos casos (no todos).
Proposición 1.1. Forma fácil de calcular derivadas parciales:

Sea f una función en las variables x y y. Para calcular la derivada parcial respecto a x
podemos usar las reglas de derivación usuales considerando a y una constante. Similarmente,
si queremos derivar parcialmente respecto a y, aplicamos las reglas de derivación usuales
considerando a x como constante.
Ejemplo 1.3. Si f (x, y) = x2 + xy + y 2 , calcular fx (2, 3) y fy (2, 3).
Tenemos que
∂f ∂f
fx = = 2x + y y fy = = x + 2y.
∂x ∂y
Luego fx (2, 3) = 2 ∗ 2 + 3 = 7 y fy (2, 3) = 2 + 2 ∗ 3 = 8. Comparen este procedimiento con
el realizado en el ejemplo 1.1.
Teorema 1.1. Forma fácil de probar diferenciabilidad:

Sea f una función de dos variables (x, y). Si las derivadas parciales fx y fy son continuas en
un punto (a, b), entonces f es diferenciable en (a, b).
Ejemplo 1.4. Si f (x, y) = x2 + xy + y 2 , probar que f es diferenciable en (2, 3).
Ya sabemos que fx = 2x + y y fy = x + 2y. Estas dos funciones son claramente continuas

en cualquier punto, ası́ que la función f es diferenciable en todos los puntos del plano. En
particular, f es diferenciable en (2, 3). Comparen este procedimiento y el resultado con lo
hecho en el ejemplo 1.2.
Teorema 1.2. Forma fácil de calcular derivadas direccionales:

Sea f una función de dos variables (x, y). Si f es diferenciable en el punto (a, b) y ~u es
cualquier vector, la derivada direccional de f en dirección de ~u en el punto (a, b) s puede
calcular multiplicando el gradiente ∇f (a, b) por el vector ~u. Es decir
D~u f (a, b) = ∇f (a, b) · ~u.
Ejemplo 1.5. Sea f (x, y) = x2 + xy + y 2 . Calcular la derivada direccional en la dirección

~u = (−2, 1) en el punto (2, 3).
Ya sabemos que f es diferenciable en todo punto y además
∇f (2, 3) = (fx (2, 3), fy (2, 3)) = (7, 8)
De manera que
D~u f (2, 3) = (7, 8) · (−2, 1) = (7) ∗ (−2) + (8) ∗ (1) = −14 + 8 = −6.
Comparen este procedimiento con el realizado en el ejemplo 1.1.
Estos teoremas son muy útiles en la mayorı́a de los casos, pero hay situaciones especiales
donde no funcionan y debemos recurrir a las definiciones, como en el siguiente ejemplo.
Ejemplo 1.6. Sea f la función


 (x2 + y 2 ) sin √ 1 si (x, y) 6= (0, 0)
f (x, y) = x2 +y 2
0 si (x, y) = (0, 0)

Para calcular las derivadas parciales, direccionales o verificar diferenciabilidad de esta función
en cualquier punto diferente de (0, 0), sı́ se pueden utilizar los teoremas. Si queremos calcu-
lar las derivadas parciales, direccionales y verificar diferenciabilidad justo en (0, 0), debemos
recurrir a las definiciones y calcular los lı́mites. Les queda como ejercicio.
Hasta el momento solo hemos trabajado con funciones que toman valores en R, es decir,
funciones que tienen una sola componente. La generalización a funciones de más componentes
es sencilla:
Definición 1.7. Sea f~ : Rn → Rm una función. Como f~ toma valores en Rm , tiene m

componentes y se puede escribir como
f~ = (f1 , · · · , fm ).
Diremos que f~ es diferenciable en un punto p~ ∈ Rn si cada una de sus componentes es

diferenciable en p~.
Notemos que la definición anterior implica que m lı́mites diferentes deben ser iguales a cero.
Todos estos lı́mites se puede combinar en uno solo si se escriben de manera matricial. Con
este propósito hacemos la siguiente definición:
Definición 1.8. Sea f~ : Rn → Rm una función con componentes f~ = (f1 , · · · , fm ). La

matriz Jacobiana de f~ es la matriz que en sus filas tiene los gradientes de las componentes
de f~ en orden. Es decir, la matriz Jacobiana es
 
∇f1 −→
 ∇f2 −→ 
J =
 
.. 
 . 
∇fm −→
Notemos que si f~ : Rn → Rm entonces la matriz Jacobiana es de tamaño m × n.
Con la matriz Jacobiana podemos escribir de manera compacta qué significa ser diferenciable
para uno función de varias componentes:
Definición 1.9. Sea f~ : Rn → Rm una función. Decimos que f~ es diferenciable en un punto

p~ ∈ Rn si
f~(~p + ~h) − f~(~p) − J(~p) · ~h
lim = 0.
~h→~0 ||~h||
2 Regla de la Cadena
Recordemos como funciona la regla de la cadena en el curso de cálculo diferencial. Supong-
amos que tenemos dos funciones f, g : R → R. La compuesta f ◦ g está definida por
(f ◦ g)(x) = f (g(x)) para x ∈ R
Es decir, primero se aplica la función g y luego la función f (noten que la escritura es al

revés). El siguiente diagrama sirve para recordar cómo se componen funciones:
g f
R R R
f ◦g
La regla de la cadena sirve para calcular la derivada de funciones compuestas y está dada
por la siguiente fórmula (escribimos la fórmula en las dos notaciones más frecuentes):
df df dg
(f ◦ g)0 (x) = f 0 (g(x))g(x), = .
dx dg dx
En palabras, la regla de la cadena dice
“La derivada de una función compuesta es la derivada de la función externa evaluada en la

función interna multiplicada por la derivada de la función interna”
Para funciones de varias variables y varias componentes la regla de la cadena sigue siendo
cierta, con la diferencia de que las derivadas involucradas ya no son números sino matri-
ces. Inicialmente notemos que para componer funciones necesitamos que las funciones sean
compatibles. Supongamos que tenemos funciones
~g f~
n m k
R R R Rl
Si los números m y k son diferentes, es imposible hacer la composición f~ ◦ ~g
~g f~
n m k
R R 6= R Rl
Para poder hacer la composición f~ ◦ ~g necesitamos entonces que el codominio de ~g sea igual
al dominio de f~
~g f~
Rn Rm Rl
f~ ◦ ~g
La fórmula de la regla de la cadena en esta situación es
D(f~ ◦ ~g )(~x) = Df~(~g (~x))D~g (~x)
El producto que aparece en la fórmula anterior es un producto de matrices, veamos que los
tamaños de las matrices son compatibles
La derivada de f~ : Rm → Rl es una matriz de tamaño l × m, esto es [Df~]l×m .
La derivada de ~g : Rn → Rm es una matriz de tamaño m × n, esto es [D~g ]m×n .
La derivada de f~ ◦ ~g : Rn → Rl es una matriz de tamaño l × n, esto es [D(f~ ◦ ~g )]l×n .
De manera que en la regla de la cadena, los tamaños de las matrices cumplen la condición
de compatibilidad necesaria para poder multiplicar
h i h i
D(f~ ◦ ~g )(~x) = Df~(~g (~x)) [D~g (~x)]m×n
l×n l×m
Ejemplo 2.1. Consideremos las funciones f : R → R3 y g : R2 → R dadas por las fórmulas
f (t) = t2 , sin(t), et , g(x, y) = x2 y 3 .

Notemos que la composición f ◦ g : R2 → R3 tiene sentido
g f
R2 R1 R3
f ◦g
La composición g ◦ f no tiene sentido en este caso (¿por qué?). Calcularemos la derivada de

la función f ◦ g de dos maneras diferentes:
1. Calcularemos la composición f ◦g y luego calcularemos la matriz Jacobiana de la función

que resulta.
2. Usando la regla de la cadena
Debemos obtener el mismo resultado con los dos procedimientos:

1. Primero calculamos la composición f ◦ g : R2 → R3 :
(f ◦ g)(x, y) = f (g(x, y))

= f (x2 y 3 )
2 3

= x4 y 6 , sin(x2 y 3 ), ex y
Ahora calculamos la derivada normalmente
4x3 y 6 6x4 y 5
 
D(f ◦ g)(x, y) =  cos(x2 y 3 )2xy 3 cos(x2 y 3 )3x2 y 2 

2 3 2 3
ex y 2xy 3 ex y 2xy 3
2. Acá usamos la regla de la cadena. Empezamos calculando Df (t) y luego evaluamos en

g(x, y):
2x2 y 3
   
2t
Df (t) =  cos(t)  Df (g(x, y)) = Df (x2 y 3 ) =  cos(x2 y 3 ) 
2 3
et 3×1
ex y 3×1
La derivada de g es simplemente su gradiente

Dg(x, y) = ∇g(x, y) = 2xy 3 3x2 y 2 1×2
Finalmente multiplicamos las matrices
D(f ◦ g)(x, y) = Df (g(x, y))Dg(x, y)

2x2 y 3 4x3 y 6 6x4 y 5
   

=  cos(x2 y 3 )  2xy 3 3x2 y 2 1×2 =  cos(x2 y 3 )2xy 3 cos(x2 y 3 )3x2 y 2 
2 3 2 3 2 3
ex y 3×1
ex y 2xy 3 ex y 2xy 3
A continuación veremos dos casos particulares de la regla de la cadena.
Proposición 2.1. Sean g : R → R2 y f : R2 → R funciones diferenciables. Escribiremos
g(t) = (x(t), y(t))
Calculamos la derivada de la composición
g f
R R2 R
f ◦g
Usando la regla de la cadena tenemos

i dx

h
∂f ∂f dt
∂f dx ∂f dy
D(f ◦ g)(t) = ∂x ∂y dy = +
dt
∂x dt ∂y dt
Si escribimos z(t) = f (x(t), y(t)), la ecuación anterior se reduce a
dz ∂z dx ∂z dy
= + (2.1)
dt ∂x dt ∂y dt
∂z ∂z
Para utilizar la expresión anterior recuerden que ∂x
y ∂y
deben ser evaluadas en la función
interna.
3 +5xy+y 3
Ejemplo 2.2. Sean g(t) = (x(t), y(t)) = (2 cos(t), 2 sin(t)) y z = f (x, y) = x 10
. Calcu-
∂z ∂z
lamos la derivada de la función compuesta, empezamos calculando ∂x y ∂y :
∂z 3x2 + 5y ∂z 5x + 3y 2
= , =
∂x 10 ∂y 10
Evaluamos las derivadas parciales en g(t), es decir, reemplazamos x(t) = 2 cos(t) y y(t) =
2 sin(t):
∂z 12 cos2 (t) + 10 sin(t) ∂z 10 cos(t) + 12 sin2 (t)
= , = .
∂x 10 ∂y 10
dx dy
Luego calculamos dt
y dt
dx dy
= −2 sin(t), = 2 cos(t).
dt dt
Finalmente tenemos la derivada
dz ∂z dx ∂z dy
= +
dt ∂x dt ∂y dt
2
12 cos (t) + 10 sin(t) 10 cos(t) + 12 sin2 (t)
= (−2 sin(t)) + (2 cos(t))
10 10
Proposición 2.2. Sean g : R2 → R2 y f : R2 → R funciones diferenciables tales que
g(s, t) = (x(s, t), y(s, t)), z = f (x(s, t), y(s, t)).
Tenemos que z se obtiene componiendo f ◦ g, es decir que z depende en últimas de las

variables s y t. Usando la regla de la cadena para calcular la derivada obtenemos
i ∂x ∂x
h
∂z ∂z ∂s ∂t
∂x ∂y ∂y ∂y
∂s ∂t
h i
∂z ∂x ∂z ∂y ∂z ∂x ∂z ∂y
= ∂x ∂s
+ ∂y ∂s ∂x ∂t
+ ∂y ∂t
Finally we get
∂z ∂z ∂x ∂z ∂y ∂z ∂z ∂x ∂z ∂y
= + , = + (2.2)
∂s ∂x ∂s ∂y ∂s ∂t ∂x ∂t ∂y ∂t
Ejemplo 2.3. Sean z = ex sin(y), x = st2 y y = s2 t.
Proposición 2.3. En general, si y = f (x1 , · · · , xn ) y cada variable xi depende de (t1 , · · · , tk ),

tenemos que
∂y ∂y ∂x1 ∂y ∂xn
= + ··· + .
∂ti ∂x1 ∂ti ∂xn ∂ti
3 El Teorema de la Función Implı́cita

Anteriormente hablamos de conjuntos definidos de manera explı́cita (el conjunto es la gráfica
de una función), implı́cita (es un conjunto de nivel) y paramétrica (es la imagen de una
función). Vimos que dada una descripción explı́cita siempre se puede encontrar una de-
scripción implı́cita (también paramétrica, pero eso no nos importa en este momento). El
problema contrario es más difı́cil:
Pregunta: Dada una descripción implı́cita de un conjunto, ¿se puede encontrar una
descripción explı́cita? Es decir, si un conjunto está definido como conjunto de nivel, ¿puedo
encontrar una función cuya gráfica sea ese conjunto?
La respuesta a la pregunta anterior es en general NO. Veamos el siguiente ejemplo
Ejemplo 3.1. Sea f : R3 → R la función dada por la fórmula f (x, y, z) = x2 + y 2 + z 2 . Sea

S el conjunto de nivel del 1, es decir
S = f −1 (1) = {(x, y, z) ∈ R3 f (x, y, z) = 1}

= {(x, y, z) ∈ R3 x2 + y 2 + z 2 = 1}
Fácilmente reconocemos este conjunto de nivel como la esfera de radio 1 en R3 . Al aplicar

la prueba de la recta vertical vemos que la esfera NO puede ser la gráfica de una función,
ya que existen rectas verticales que cortan la esfera en dos puntos. Algebraicamente también
podemos verificar esto, al intentar despejar la variable z de la ecuación x2 + y 2 + z 2 = 1
obtenemos p
z = ± 1 − x2 − y 2
La ecuación anterior indica que para algunos valores de x y y existen dos posibles valores de
z (uno positivo y otro negativo), esto corresponde a los dos puntos donde la recta vertical
corta la esfera.
Ahora bien, aunque la esfera completa no puede ser descrita de manera explı́cita, hay trozos
de ella que sı́ son gráficas de funciones. En la figura se puede ver que al rededor del polo
norte N~ existe un parche (un trozo de esfera) que sı́ puede ser descrito de manera explı́cita
ya que cualquier recta vertical corta el parche en un solo punto. Esto también es cierto para
el punto P~ . Sin embargo, vemos que para cualquier parche al rededor del punto Q ~ la prueba
de la recta vertical indica que ese parche no es la gráfica de una función, sin importar que
tan pequeño sea el parche.
Con la esfera es fácil determinar cuales son los puntos problemáticos, precisamente aquellos
que están en el ecuador (los que tienen coordenada z = 0). En general, hacer este tipo de
razonamiento gráfico es más difı́cil o imposible, ası́ que necesitamos otra forma de detectar
los puntos problemáticos. Esos puntos son precisamente aquellos donde el plano tangente a
la superficie es paralelo al eje z, en otras palabras, los puntos que satisfacen ∂f
∂z
= 0.
El ejemplo anterior muestra que en algunos casos el problema de encontrar una descripción
explı́cita de un conjunto de nivel puede resolverse localmente al rededor de ciertos puntos del
conjunto. El teorema de la función implı́cita nos proporciona un método para detectar los
puntos al rededor de los cuales se puede encontrar una descripción explı́cita, y ademas una
fórmula para calcular la derivada de la función que describe explı́citamente el conjunto.
Teorema 3.1. TEOREMA DE LA FUNCIÓN IMPLÍCITA

Sea f~ : R
n+m
→ Rm una función diferenciable. Separaremos las variables en dos grupos, las
primeras n (x1 , · · · , xn ) y las últimas m (y1 , · · · , ym ). Para reducir la escritura escribiremos
~x = (x1 , · · · , xn ) y ~y = (y1 , · · · , ym ). De manera que la función es
f~(~x, ~y ) = f1 (~x, ~y ), · · · , fm (~x, ~y )

Sea S el conjunto de nivel de cierto punto p~ ∈ Rm , es decir
S = f −1 (~p) = {(~x, ~y ) ∈ Rn+m f~(~x, ~y ) = p~}

Supongamos que el punto (~a, ~b) = (a1 , · · · , an , b1 , · · · , bm ) ∈ Rn+m pertenece a S. Para

determinar si S puede ser descrito de manera explı́cita al rededor de (~a, ~b) calculamos la
derivada de f~  ∂f1 ∂f1 ∂f1 ∂f1 

∂x1
··· ∂xn ∂y1
··· ∂ym
Df~ =  ... .. .. ..
 
. . . 
∂f1 ∂f1 ∂f1 ∂f1
∂x1
··· ∂xn ∂y1
··· ∂ym m×(n+m)
Las primeras n columnas contienen las derivadas parciales de f~ respecto a las primeras
n variables ~x =h (xi1 , · · · , xn ), por tal razón denotaremos la submatriz formada por estas
~
columnas como ∂∂~fx . Similarmente, la matriz formada por las últimas m columnas será
h ~ i m×n
denotada por ∂∂~fy . Con esta notación tenemos
m×m
"" # " # #
∂ f~ ∂ f~
Df~ =
∂~x ∂~y
m×n m×m
Evaluamos la derivada en el punto que nos interesa, es decir el punto (~a, ~b) y nos enfocamos
en la matriz formada por las últimas m columnas
" #
∂ f~ ~
(~a, b) .
∂~y
m×m
La matriz anterior es cuadrada, por lo tanto es posible que sea invertible. En caso de que la
matriz sı́ sea invertible, el conjunto S puede ser descrito de manera explı́cita al rededor del
punto (~a, ~b). En otras palabras, existe una función ~g : A ⊂ Rn → Rm cuyas variables son
~x = (x1 , · · · , xn ) y cuyas componentes son ~y = (y1 , · · · , ym ), es decir
~g (~x) = (y1 (~x), · · · , ym (~x)) = ~y (~x).
Noten que la conclusión es que las últimas m variables ~y se pueden escribir como función de
las n primeras ~x, en particular tenemos que ~g (~a) = ~b. Más aún, los puntos de la gráfica de ~g
son puntos de S, es decir que se satisface la ecuación
f~(~x, ~g (~x)) = p~.
Además la derivada de ~g se puede calcular usando la siguiente fórmula

" #−1 " #
∂ f~ ∂ f~
[D~g ]m×n =− . (3.1)
∂~y ∂~x
m×m m×n
h ~i
Noten que debemos calcular la inversa de ∂∂~fy . Noten además que los tamaños de las ma-
trices cuadran bien para calcular el producto.
h i
∂ f~
En el caso en que la matriz ∂~y
(~a, ~b) no es invertible, concluimos que las variables
m×m
(y1 , · · · , ym ) no pueden escribirse como función de las (x1 , · · · , xn ), es decir que no existe
dicha función ~g y el conjunto S no puede ser descrito de manera explı́cita al rededor del
punto (~a, ~b).
A continuación veremos un ejemplo de aplicación del teorema de la función implı́cita.
Ejemplo 3.2. (Este es el primer ejercicio del taller de reglas de derivación).

Consideremos el conjunto de nivel en R4 determinado por las ecuaciones
x + y − eu + ev = 0, x2 + y 2 − u − v = 2.
Es decir, tenemos la funcón F~ : R4 → R2 dada por
F~ (x, y, u, v) = (x + y − eu + ev , x2 + y 2 − u − v).
El conjunto de nivel que tenemos es
S = F −1 (0, 2) = {(x, y, u, v) ∈ R4 F~ (x, y, u, v) = (0, 2)}

El punto (x, y, u, v) = (1, −1, 0, 0) pertenece a S ya que se satisfacen las ecuaciones
1 + (−1) − e0 + e0 = 0, 12 + (−1)2 − 0 − 0 = 2.
Veamos si es posible describir a S de forma explı́cita al rededor de este punto, es decir, si u

y v se pueden escribir como función de x y y. Para esto calculamos la derivada de F~ :
1 1 −eu ev

DF~ =
2x 2y −1 −1
Las columnas rojas contienen las derivadas de F~ respecto a las variables x y y y las azules
contienen las derivadas respecto a las variables u y v. Como nos interesa despejar a u y v en
términos de x y y nos enfocamos en las columnas azules:
" #
∂ F~ −eu ev

=
∂(u, v) −1 −1
Evaluamos la matriz en el punto que nos interesa (x, y, u, v) = (1, −1, 0, 0), de donde obten-
emos la matriz " #
∂ F~

−1 1
(1, −1, 0, 0) =
∂(u, v) −1 −1
Para saber si la matriz es invertible calculamos el determinante

−1 1
det = (−1)(−1) − (−1)(1) = 2 6= 0.
−1 −1
Como el determinante es diferente de cero, concluimos que la matriz es invertible y por lo

tanto sı́ es posible escribir las variables u y v en términos de x y y. Es decir, existe una
función ~g : A ⊂ R2 → R2 tal que
~g (x, y) = (u(x, y), v(x, y)).
Esta función satisface que u(1, −1) = 0 y v(1, −1) = 0, es decir ~g (1, −1) = (0, 0). Si queremos
calcular la derivada de la función ~g usamos la fórmula 3.1:
−1
−eu ev

1 1
D~g = −
−1 −1 2x 2y
Para calcular la inversa utilizamos la conocida fórmula

−1
a b 1 d −b
= .
c d ad − bc −c a
De manera que tenemos
−1 −ev −1 − 2xev −1 − 2yev

−1 1 1 −1
D~g = u = u
e + ev 1 −eu 2x 2y e + ev 1 − 2xeu 1 − 2yeu
Evaluando en el punto (x, y) = (1, −1) obtenemos (u, v) = (0, 0) y
−1 − 2(1)e0 −1 − 2(−1)e0

−1 1 −3 1
D~g (1, −1) = 0 =−
e + e0 1 − 2(1)e0 1 − 2(−1)e0 2 −1 3
Ya que las componentes de ~g son precisamente u y v, las entradas de la derivada D~g son las
derivadas parciales de u y v respecto a x y y, es decir,
" #
∂u ∂u
−1) −1)

∂x
(1, ∂y
(1, 1 −3 1
D~g (1, −1) = ∂v ∂v =−
∂x
(1, −1) ∂y (1, −1) 2 −1 3
De lo anterior tenemos
∂u 3 ∂u 1 ∂v 1 ∂v 3
(1, −1) = , (1, −1) = − , (1, −1) = , (1, −1) = − .
∂x 2 ∂y 2 ∂x 2 ∂y 2
Supongamos ahora que en el ejemplo anterior nos hubieran preguntado si es posible escribir
las variables x y v en términos de y y u. En ese caso lo que cambia en la solución es en
cuales columnas de la derivada DF~ nos enfocamos. Las variables x y v corresponden a las
columnas 1 y 4 respecivamente:
1 1 −eu ev

DF~ =
2x 2y −1 −1
De manera que la matriz que debe ser invertible es

" #
∂ F~ ev

1
=
∂(x, v) 2x −1
4 Optimización
En esta sección trabajamos con funciones de una sola componente, es decir, funciones f :
A ⊂ Rn → R.
Definición 4.1. Sea f : A ⊂ Rn → R una función.
Un punto p~ ∈ A se llama un punto de máximo local de f si f (~

p) ≥ f (~x) para todo ~x
en una vecindad de p~.
Un punto p~ ∈ A se llama un punto de mı́nimo local de f si f (~

p) ≤ f (~x) para todo ~x en
una vecindad de p~.
Un punto p~ ∈ A se llama un punto de máximo global (o absoluto) de f si f (~

p) ≥ f (~x)
para todo ~x en el dominio de f .
Un punto p~ ∈ A se llama un punto de mı́nimo global (o absoluto) de f si f (~

p) ≤ f (~x)
para todo ~x en el dominio de f .
Los puntos extremos de una función son los puntos de máximo o mı́nimo de la función.
Nuestro objetivo en esta sección es aprender a detectar puntos extremos de una función.
Para esto necesitamos la noción de punto crı́tico
Definición 4.2. Los puntos crı́ticos de una función f son los puntos donde ∇f = ~0 y los
puntos donde por lo menos una de las derivadas parciales no existe.
Teorema 4.1. Si f : A ⊂ Rn → R es una función y A es un conjunto abierto, los puntos

extremos de f son puntos crı́ticos de f .
El teorema anterior dice que si queremos buscar los puntos extremos de una función en un
conjunto abierto, los candidatos son los puntos crı́ticos de la función. Es decir que debemos
resolver el sistema de ecuaciones ∇f = ~0 y además encontrar los puntos donde no exista
al menos una de las derivadas parciales. Una vez tengamos los puntos crı́ticos debemos
determinar si son máximos, mı́nimos o ninguna de los dos opciones. Para esto utilizamos la
matriz Hessiana de la función.
Definición 4.3. Si para la función f (x1 , · · · , xn ) existen todas las derivadas parciales de
2f
segundo orden, la matriz Hessiana de f es la matriz que tiene la derivada ∂x∂i ∂x j
en la posición
(i, j) de la matriz. Es decir

∂2f ∂2f ∂2f
 
∂x21 ∂x1 ∂x2
··· ∂x1 ∂xn
∂2f ∂2f ∂2f
···
 
∂x2 ∂x1 ∂x22 ∂x2 ∂xn
 
Hf =  .. .. ... ..

. . .
 
 
∂2f ∂2f ∂2f
∂xn ∂x1 ∂xn ∂x2
··· ∂x2n
Si la función f tiene segundas derivadas parciales continuas, entonces la matriz Hessiana es

simétrica (por el teorema de Schwarz-Clairaut).
El siguiente teorema es el análogo dos-dimensional del criterio de la segunda derivada para

máximos y mı́nimos:
Teorema 4.2. Sea f : R2 → R una función con segundas derivadas parciales continuas.
Supongamos que (a, b) es un punto crı́tico de f y definimos
D = det Hf (a, b).
El número D nos permite determinar si (a, b) es un punto extremo o no:
Si D > 0, entonces (a, b) es un punto extremo (es máximo o mı́nimo).
Si D < 0, entonces (a, b) es un punto de silla (no es ni máximo ni mı́nimo).
Si D = 0 este criterio no proporciona nada de información sobre el punto.
En el caso en que D > 0 aún tenemos que decidir si el punto es máximo o mı́nimo, para eso
utilizamos fxx (a, b):
Si fxx (a, b) > 0, la función es cóncava hacia arriba, lo que implica que (a, b) es un
mı́nimo.
Si fxx (a, b) < 0, la función es cóncava hacia abajo, lo que implica que (a, b) es un
máximo.
Ejemplo 4.1. Hallaremos los máximos, mı́nimos y puntos de silla de la función f (x, y) =
x4 + y 4 − 4xy + 1. Empezamos calculando ∇f :
∇f (x, y) = (4x3 − 4y, 4y 3 − 4x)
Igualando el gradiente al vector (0, 0) obtenemos el sistema de ecuaciones
4x3 − 4y =0
4y 3 − 4x =0
Las soluciones de este sistema son los puntos crı́ticos de la función. Dividiendo todo por 4 y
pasando lo que esta restando a sumar obtenemos
x3 =y (4.1)
3
y =x (4.2)
Reemplazando el valor de y que se obtiene de la ecuación (4.1) en la ecuación (4.2) obtenemos

x9 = x. Pasando la x a restar y factorizando:
x9 − x = x(x − 1)(x + 1)(x2 + 1)(x4 + 1) = 0
De donde encontramos que x = −1, 0, 1. Reemplazando estos valores de x en la ecuación

(4.1) sale que y = −1, 0, 1 respectivamente. Es decir que los puntos crı́ticos de la función son
(−1, −1), (0, 0), (1, 1).
Ahora calculamos la matriz Hessiana, para esto debemos calcular las segundas derivadas de
la función:
fx (x, y) = 4x3 − 4y
∂ ∂
∂x ∂y
fxx (x, y) = 12x2 fxy (x, y) = −4
fy (x, y) = 4y 3 − 4x
∂ ∂
∂x ∂y
fyx (x, y) = −4 fyy (x, y) = 12y 2
La matriz Hessiana de la función es
12x2 −4

fxx (x, y) fyx (x, y)
Hf (x, y) = =
fxy (x, y) fyy (x, y) −4 12y 2
El determinante de la matriz Hessiana es
D(x, y) = det(Hf (x, y)) = 144x2 y 2 − 16.
Debemos evaluar D(x, y) en cada punto crı́tico, si el determinante es positivo debemos además
evaluar fxx (x, y):
Para el punto (0, 0) tenemos D(0, 0) = −16 < 0. Por lo tanto este es un punto de silla
(no es máximo ni mı́nimo).
Para el punto (−1, −1) tenemos D(−1, −1) = 144 > 0, es decir que tenemos un máximo
o un mı́nimo. Evaluando fxx (−1, −1) = 12 > 0, lo que indica que en este punto la
función es cóncava hacia arriba y el punto es un mı́nimo.
Para el punto (1, 1) encontramos D(1, 1) = 144 > 0 y fxx (1, 1) = 16 > 0, es decir que
este punto también es un mı́nimo.
Noten que el criterio de la matriz Hessiana no garantiza que los máximos o mı́nimos encon-
trados sean absolutos, solamente podemos garantizar que son locales. Resulta que no todas
las funciones tienen máximo o mı́nimo absoluto, sin embargo, bajo ciertas condiciones, se
puede garantizar que existen. El teorema del valor extremo habla de esas condiciones. Antes
de enunciar el teorema necesitamos la noción de compacidad:
Definición 4.4. Sea K un subconjunto de Rn . Decimos que K es un conjunto acotado si

se puede meter dentro de una bola V (~p, r) (sin importar qué tan grande es el radio de esta
bola). Decimos que K es compacto si es un conjunto cerrado y acotado.
Teorema 4.3. Teorema del Valor Extremo

Sea f : K ⊂ Rn → R una función. Si K es compacto y f es continua, entonces f tiene
máximo y mı́nimo absoluto en K.
Para hallar los puntos crı́ticos en el interior de K utilizamos el método descrito al comienzo
ce la sección (resolvemos el sistema ∇f = 0). Para encontrar puntos crı́ticos en la frontera
necesitamos una herramienta adicional, multiplicadores de Lagrange:
Teorema 4.4. Multiplicadores de Lagrange

Sean f, g : Rn → R funciones diferenciables. Supongamos que queremos encontrar los
máximos y mı́nimos de la función f sujeta a la restricción g(x1 , · · · , xn ) = c. En este caso
debemos resolver el sistema de ecuaciones
∇f (x1 , · · · , xn ) = λ∇g(x1 , · · · , xn )
g(x1 , · · · , xn ) = c
En el sistema anterior, λ es una variable real más, de manera que tenemos n + 1 variables y
n + 1 ecuaciones. Las soluciones de este sistema son los candidatos a ser máximos o mı́nimos
de la función f .
Ejemplo 4.2. Encontraremos los máximos y los mı́nimos absolutos de la función f (x, y) =
x2 +2y 2 en el interior del disco con centro en el origen y radio 1. En el dibujo se puede apreciar
que el mı́nimo de la función está en el origen y los máximos están en los puntos (0, −1) y (0, 1).
Vamos a verificar esto usando los métodos descritos en esta sección. Inicialmente buscamos
los puntos crı́ticos en el interior del disco, para eso resolvemos el sistema de ecuaciones
∇f (x, y) = (2x, 4y) = (0, 0). La solución de este sistema es obvia, x = 0 y y = 0, lo cual nos
indica que el origen es un punto crı́tico. Ahora bien, para determinar si es máximo a mı́nimo
usamos la matriz Hessiana:
fxx (x, y) = 2, fxy (x, y) = 0, fyx (x, y) = 0, fyy (x, y) = 4,

de donde la matriz es

fxx (x, y) fyx (x, y) 2 0
Hf (x, y) = =
fxy (x, y) fyy (x, y) 0 4
El determinante es D = 8 > 0, por lo tanto (0, 0) sı́ es un punto extremo (máximo o mı́nimo).
Además fxx (0, 0) = 2 > 0, lo que indica que la función es cóncava hacia arriba en el origen
y tenemos un punto mı́nimo.
Nota: Si el punto crı́tico obtenido no está en el conjunto que nos interesa simplemente lo
ignoramos. En este caso el punto crı́tico claramente está dentro del disco de radio 1.
Ahora buscamos los puntos extremos en la frontera del disco unitario, es decir que tenemos
la restricción x2 + y 2 = 1. Sea g(x, y) = x2 + y 2 . Según el teorema de multiplicadores de
Lagrange, debemos resolver el sistema de ecuaciones ∇f = λ∇g junto con la restricción
g(x, y) = 1. Tenemos
∇f (x, y) = (2x, 4y), ∇g(x, y) = (2x, 2y).
Es decir que el sistema que debemos resolver es
2x =2λx (4.3)
4y =2λy (4.4)
x2 + y 2 =1 (4.5)
La ecuación (4.3) es equivalente a 2(1 − λ)x = 0, de manera que tenemos dos posibilidades
x = 0 o λ = 1.
Si x = 0, reemplazando en (4.5) tenemos y 2 = 1 de donde y = ±1. En este caso

tenemos los puntos crı́ticos (0, −1) y (0, 1).
Si λ = 1, reemplazando en (4.4) tenemos 4y = 2y. Despejando el valor de y obtenemos

y = 0. Por lo tanto de (4.5) obtenemos x2 = 1, es decir x = ±1. Los puntos obtenidos
en este caso son (−1, 0) y (1, 0).
Después de todo este procedimiento encontramos 5 candidatos a ser máximos y mı́nimos.

Para saber cuales son los máximos y mı́nimos absolutos evaluamos en la función f :
f (0, 0) = (0)2 + 2(0)2 = 0.
f (−1, 0) = (−1)2 + 2(0)2 = 1.
f (1, 0) = (1)2 + 2(0)2 = 1.
f (0, −1) = (0)2 + 2(−1)2 = 2.

f (0, 1) = (0)2 + 2(1)2 = 2.
En conclusión, (0, 0) es el mı́nimo absoluto. Los puntos (0, 1) y (0, −1) son máximos ab-
solutos. Los puntos (−1, 0) y (1, 0) son mı́nimos absolutos solo en la frontera del disco; al
considerar el disco completo estos puntos no son puntos extremos (ni mı́nimos ni máximos).
5 Coordenadas Curvilineas
Definición 5.1. Sea f~ : A ⊂ R3 → R3 una función inyectiva y de clase C 1 (por lo menos).
Supongamos que f tiene variables u, v, w y componentes x, y, z, es decir
f~(u, v, w) = (x(u, v, w), y(u, v, w), z(u, v, w)).
Entonces las variables (u, v, w) se llaman coordenadas curvilı́neas de (x, y, z).
Las coordenadas cilı́ndricas y esféricas son ejemplos de esto
Ejemplo 5.1. Sea A = {(ρ, θ, z) ρ ∈ (0, ∞), θ ∈ [0, 2π), z ∈ R}. Definimos F~ : A ⊂ R3 →

R3 por
F~ (ρ, θ, z) = (ρ cos θ, ρ sin θ, z) = (x, y, z).
En este caso decimos que (ρ, θ, z) son las coordenadas cilı́ndricas de (x, y, z).
Ejemplo 5.2. Sea A = {(r, θ, φ) r ∈ (0, ∞), θ ∈ [0, 2π), φ ∈ [0, π]}. Definimos F~ : A ⊂

R3 → R3 por
F~ (r, θ, z) = (r cos θ sin φ, r sin θ sin φ, r cos φ) = (x, y, z).
En este caso decimos que (r, θ, φ) son las coordenadas esféricas de (x, y, z).
Ejemplo 5.3. Sea A = {(u, v, z) v ∈ [0, ∞)}. Definimos F~ : A ⊂ R3 → R3 por

u2 − v 2

F~ (u, v, z) = , uv, z = (x, y, z).
2
En este caso decimos que (u, v, z) son las coordenadas cilı́ndricas-parabólicas de (x, y, z).
En el taller 7.1 de coordenadas curvilı́neas hay más ejemplos de sistemas coordenados.
Si se tiene un sistema de coordenadas curvilı́neas, f~(u, v, w) = (x, y, z), este sistema define
unas direcciones básicas en las cuales podemos movernos. Estas direcciones están determi-
nadas por las derivadas parciales respecto a cada una de las variables.
Ejemplo 5.4. Consideremos las coordenadas cilı́ndricas
F~ (ρ, θ, z) = (ρ cos θ, ρ sin θ, z) = (x, y, z).

Al derivar F~ respecto a cada una de las variables obtenemos 3 vectores
∂ F~ ∂ F~ ∂ F~
(ρ, θ, z) = (cos θ, sin θ, 0) , (ρ, θ, z) = (−ρ sin θ, ρ cos θ, 0) , (ρ, θ, z) = (0, 0, 1) .
∂ρ ∂θ ∂z
Estos vectores forman una base tangente del sistema de coordenadas. Las magnitudes de
estos vectores son llamadas factores de escala. En este ejemplo tenemos que los factores de
escala son respectivamente 1, ρ y 1. Frecuentemente es conveniente trabajar con vectores
unitarios, ası́ que normalizamos (dividimos por las magnitudes) estos vectores para obtener
la base tangente unitaria del sistema de coordenadas. Los vectores de esta base se denotan
~eρ , ~eθ , ~ez respectivamente. En este caso son
~eρ = (cos θ, sin θ, 0) , ~eθ = (− sin θ, cos θ, 0) , ~ez = (0, 0, 1) .
Ejemplo 5.5. Para coordenadas esféricas tenemos los vectores tangentes
(cos θ sin φ, sin θ sin φ, cos φ), (−r sin θ sin φ, r cos θ sin φ, 0), (r cos θ cos φ, r sin θ cos φ, −r sin φ).
Los factores de escala son respectivamente 1, r sin φ y r. De manera que los vectores tangentes
unitarios son
~er = (cos θ sin φ, sin θ sin φ, cos φ)

~eθ = (− sin θ, cos θ, 0)
~eφ = (cos θ cos φ, sin θ cos φ, − sin φ)
En resumen, dado un sistema de coordenadas
f~(u, v, w) = (x(u, v, w), y(u, v, w), z(u, v, w)),
tenemos unos vectores tangentes en las direcciones en que aumentan las variables. Estos
vectores se obtienen derivando parcialmente respecto a cada variable
f~u , f~v , f~w .
Las magnitudes de estos vectores se llaman los factores de escala, esto es
||f~u ||, ||f~v ||, ||f~w ||.
Si los factores de escala son diferentes de cero, podemos normalizar los vectores obteniendo
ası́ los vectores de la base tangente unitaria que denotamos por ~e:
1 ~ 1 ~ 1 ~
~eu = fu , ~ev = fv , ~ew = fw .
||f~u || ||f~v || ||f~w ||
Frecuentemente será de interés conocer si estos vectores son ortogonales entre sı́, para eso se
puede utilizar el producto punto. Es decir, la base tangente unitaria es ortogonal si
~eu · ~ev = 0, ~eu · ~ew = 0, ~ev · ~ew = 0.
Superficies y Lı́neas Coordenadas
Todo sistema de coordenadas en R3 tiene unas superficies y lı́neas asociadas. En los sistemas
usuales estas son bien conocidas:
Para un sistema de coordenadas arbitrario
f~(u, v, w) = (x(u, v, w), y(u, v, w), z(u, v, w)),
podemos encontrar las superficies coordenadas considerando ecuaciones del tipo u = c, v = c

o w = c, donde c es una constante válida. Para obtener las curvas coordenadas se deben
volver constantes dos de las variables. Veamos el siguiente ejemplo:

Ejemplo 5.6. Recordemos el sistema de coordenadas cilı́ndricas-parabólicas: sea A = {(u, v, z) v ∈
[0, ∞)}. Definimos F~ : A ⊂ R3 → R3 por
2 2

u − v
F~ (u, v, z) = , uv, z = (x, y, z).
2
Este sistema tiene tres tipos de superficies coordenadas:
Si u es constante, supongamos u = 2, tenemos la superficie parametrizada
4 − v2

3
S= , 2v, z ∈ R v ≥ 0, z ∈ R .
2
Esta superficie es un cilindro cuya generatriz es media parábola y cuya directriz es el

eje z.
Si v es constante, supongamos v = 4, tenemos la superficie parametrizada

2
u − 16
3
S= , 4u, z ∈ R u, z ∈ R .
2
Esta superficie es un cilindro cuya generatriz es una parábola y cuya directriz es el eje
z.
Si z es constante, supongamos z = 1, tenemos la superficie parametrizada

2
u − v2

3
S= , uv, z ∈ R u ∈ R, v ≥ 0 .
2
Esta superficie es un plano horizontal (perpendicular al eje z).
Ahora las curvas coordenadas:
Si u y v son constantes, digamos u = 3 y v = 1, obtenemos la curva parametrizada

{(4, 3, z) ∈ R3 z ∈ R}
Esto es una recta paralela al eje z.
Si u y z son constantes, digamos u = 2 y z = 1, obtenemos la curva parametrizada
4 − v2

3
, 2v, 1 ∈ R v ≥ 0
2
Esto es media parábola
Si v y z son constantes, digamos v = 1 y z = 2, obtenemos la curva parametrizada

2
u −1
3
, u, 2 ∈ R u ∈ R
2
Esto es una parábola
Cambios de Base
Los campos vectoriales en R3 usualmente se escriben como
F~ = (F1 , F2 , F3 ) = F1 î + F2 ĵ + F3 k̂,
donde {î, ĵ, k̂} es la base canónica de R3 . Como vimos anteriormente, siempre que tenemos
un cambio de coordenadas f (u, v, w) tenemos otra base {~eu , ~ev , ~ew }. Los problemas que
queremos resolver son los siguientes:
Problema 1: Dado un campo vectorial escrito respecto a la base canónica {î, ĵ, k̂}, ¿cómo
se puede escribir este mismo campo respecto a la base {~eu , ~ev , ~ew }?.
Problema 2: Dado un campo vectorial escrito respecto a la base {~eu , ~ev , ~ew }, ¿cómo se
puede escribir este mismo campo respecto a la base canónica {î, ĵ, k̂}?.
La respuesta a esta pregunta es sencilla en el caso en que la nueva base es ortogonal. Si la

base no es ortogonal el problema es un poco más complicado de resolver (y requiere algunas
herramientas de álgebra lineal). Por suerte para los ejemplos más importantes (coordenadas
cilı́ndricas y esféricas), las bases son ortogonales. Veamos como se resuelve:
Supongamos que tenemos el campo vectorial
F~ (x, y, z) = F1 (x, y, z)î + F2 (x, y, z)ĵ + F3 (x, y, z)k̂,
y que la base tangente unitaria del nuevo sistema de coordenadas es ortogonal. El primer
paso es reemplazar las variables x, y y z por sus correspondientes valores en el nuevo sistema
de coordenadas. De esta manera obtenemos
F (f~(u, v, w)) = F1 (f~(u, v, w))î + F2 (f~(u, v, w))ĵ + F3 (f~(u, v, w))k̂
A continuación construimos una matriz cuyas filas son los vectores de la nueva base
~eu −→
 
 ~ev −→ 
~ew −→ 3×3
Esta matriz es llamada la matriz de cambio de la base canónica a la base {~eu , ~ev , ~ew }. Para
obtener el campo vectorial en la nueva base multiplicamos la matriz por el campo vectorial
en la base canónica (escrito como columna). Es decir
  
~eu −→ F1 (f~(u, v, w))

 ~ev −→    F2 (f~(u, v, w)) 

~ew −→ 3×3 F3 (f~(u, v, w))
3×1
Como ejemplo resolvemos el ejercicio 2c. del taller 7.1:
Ejemplo 5.7. Consideramos el campo vectorial

x y z
F~ (x, y, z) = −GM m p 3 î−GM m p 3 ĵ−GM m p 3 k̂
2 2
x +y +z 2 2 2
x +y +z 2 2 2
x +y +z 2
Queremos escribir este campo vectorial en coordenadas esféricas respecto a la base esférica
unitaria. Primero recordemos como es el cambio a coordenadas esféricas:
x = r cos θ sin φ, y = r sin θ sin φ, z = r cos φ.
Además sabemos que x2 + y 2 + z 2 = r2 . Reemplazando esto en el campo vectorial obtenemos
cos θ sin φ sin θ sin φ cos φ

F~ (r, θ, φ) = −GM m 2
î − GM m 2
ĵ − GM m 2 k̂ (5.1)
r r r
Este es el campo vectorial escrito en coordenadas polares respecto a la base canónica. Ahora
recordamos que la base esférica unitaria es
~er = (cos θ sin φ, sin θ sin φ, cos φ)

~eθ = (− sin θ, cos θ, 0)
~eφ = (cos θ cos φ, sin θ cos φ, − sin φ)
Escribiendo estos vectores como filas de una matriz obtenemos

 
 − sin θ cos θ 0 
cos θ cos φ sin θ cos φ − sin φ
Multiplicando esta matriz por el campo vectorial (5.1) obtenemos

    
cos θ sin φ sin θ sin φ cos φ cos θ sin φ 1
GM m 
− 2 − sin θ cos θ 0   sin θ sin φ = 0 
 
r
cos θ cos φ sin θ cos φ − sin φ cos φ 0
Lo anterior quiere decir que el campo vectorial en la base ésferica unitaria es simplemente
GM m
F~ (r, θ, φ) = − 2 ~er .
r
Si queremos ir de la base {~eu , ~ev , ~ew } a la base canónica, debemos multiplicar por la matriz
obtenida al poner los vectores {~eu , ~ev , ~ew } como columnas

~eu ~ev ~ew
↓ ↓ ↓ 3×3
Esta matriz es la matriz de cambio de la base {~eu , ~ev , ~ew } a la base canónica {î, ĵ, k̂}.
A continuación resolvemos el ejercicio 3a del taller.
Ejemplo 5.8. Consideramos el campo vectorial en coordenadas cilı́ndricas respecto a la base

cilı́ndrica
F~ (ρ, θ, z) = ρ~eρ + ρ~eθ + 0~ez
Queremos escribir este campo en coordenadas cartesianas respecto a la base canónica. Primero
recordamos la base cilı́ndrica unitaria
~eρ = (cos θ, sin θ, 0) , ~eθ = (− sin θ, cos θ, 0) , ~ez = (0, 0, 1) .
Construimos una matriz poniendo estos vectores como columnas
cos θ − sin θ 0
 
 sin θ cos θ 0 
0 0 1
Multiplicamos esta matriz por el campo vectorial (escrito como columna)
cos θ − sin θ 0 ρ cos θ − ρ sin θ

    
ρ
 sin θ cos θ 0   ρ  =  ρ sin θ + ρ cos θ 
0 0 1 0 0
Esto significa que el campo vectorial en coordenadas cilı́ndricas respecto a la base canónica
es
F~ (ρ, θ, z) = (ρ cos θ − ρ sin θ)î + (ρ sin θ + ρ cos θ)ĵ + 0k̂
Para convertir a coordenadas cartesianas recordamos que
x = ρ cos θ, y = ρ sin θ,
de donde el campo vectorial es
F~ (x, y, z) = (x − y)î + (x + y)ĵ = (x − y, x + y, 0)
En resumen tenemos:
Para cambiar de la base canónica a la base cilı́ndrica multiplicamos por la matriz
 
cos θ sin θ 0
0 0 1
Para cambiar de la base cilı́ndrica a la base canónica multiplicamos por la matriz
cos θ − sin θ 0
 
 sin θ cos θ 0 
0 0 1
Para cambiar de la base canónica a la base esférica multiplicamos por la matriz

 
cos θ cos φ sin θ cos φ − sin φ
Para cambiar de la base esférica ala base canónica multiplicamos por la matriz
cos θ sin φ − sin θ cos θ cos φ

 
 sin θ sin φ cos θ sin θ cos φ 
cos φ 0 − sin φ
6 Operadores Diferenciales
Acá definimos los operadores diferenciales gradiente, divergencia, rotacional y laplaciano.
Empezaremos con algo de notación
Definición 6.1. Sea A un subconjunto abierto de Rn . El conjunto de todas las funciones

f : A → R de clase C r será denotado C r (A), es decir

C r (A) = {f : A → R f es de clase C r }
Este conjunto también se llama el conjunto de campos escalares de clase C r definidos en A.
Por otro lado, el conjunto de todas las funciones F~ : A → Rn de clase C r se denota Xr (A),
es decir
Xr (A) = {F~ : A → Rn F~ es de clase C r }

Este conjunto también se llama el conjunto de campos escalares de clase C r definidos en A.
La mayorı́a de ejemplos que veremos serán con campos escalares y vectoriales definidos en
R3 , es decir que trabajaremos principalmente con C r (R3 ) y Xr (R3 ).
Todos los operadores diferenciales que veremos se definen en términos de ∇. Supongamos

que tenemos Rn con coordenadas cartesianas (x1 , · · · , xn ). Entonces ∇ es formalmente el
vector
∂ ∂
∇= ,··· ,
∂x1 ∂xn
En los casos de R2 y R3 escribimos respectivamente

∂ ∂ ∂ ∂ ∂
∇= , ∇= , ,
∂x ∂y ∂x ∂y ∂z
Definición 6.2. Sea A ⊂ Rn y f ∈ C r (A) un campo escalar. Definimos el gradiente Gradf

como el producto ∇f , es decir

∂f ∂f
Gradf = ∇f = ,··· ,
∂x1 ∂xn
En dos y tres variables el gradiente es respectivamente

∂f ∂f ∂f ∂f ∂f
Gradf = , Gradf = , ,
∂x ∂y ∂x ∂y ∂z
Notemos que el gradiente toma campos escalares y los convierte en campos vectoriales de
clase 1 menor, es decir
Grad : C r (A) → Xr−1 (A)
Definición 6.3. Sea A ⊂ Rn y F~ ∈ Xr (A) un campo vectorial, digamos F~ = (F1 , · · · , Fn ).

Definimos la divergencia divF~ como el producto punto ∇ · F~ , es decir

~ ~ ∂ ∂
divF = ∇ · F = ,··· , · (F1 , · · · , Fn )
∂x1 ∂xn
∂F1 ∂Fn
= + ··· +
∂x1 ∂xn
En dos y tres variables la divergencia es respectivamente
∂F1 ∂F2 ∂F1 ∂F2 ∂F3

divF~ = + divF~ = + +
∂x ∂y ∂x ∂y ∂z
Notemos que la divergencia toma campos vectoriales y los convierte en campos escalares de
clase 1 menor, es decir
div : Xr (A) → C r−1 (A)
Definición 6.4. A diferencia del gradiente y la divergencia, el rotacional se define solo en

campos vectoriales sobre un subconjunto de R3 . Sea A ⊂ R3 y F~ ∈ Xr (A) un campo vectorial,
digamos F~ = (F1 , F2 , F3 ). Definimos el rotacional rotF~ como el producto cruz ∇ × F~ , es
decir

~ ~ ∂ ∂ ∂
rotF = ∇ × F = , , × (F1 , F2 , F3 )
∂x ∂y ∂z

î ĵ k̂

∂ ∂ ∂
= ∂x ∂y ∂z

F1 F2 F3

∂F3 ∂F2 ∂F1 ∂F3 ∂F2 ∂F1
= − , − , −
∂y ∂z ∂z ∂x ∂x ∂y
Notemos que el rotacional toma campos vectoriales y los convierte en otros campos vectoriales
de clase 1 menor, es decir
rot : Xr (A) → Xr−1 (A)
Definición 6.5. Sea A ⊂ Rn y f ∈ C r (A) un campo escalar. Definimos el laplaciano como

div(Grad(f )). En términos de ∇ el laplaciano es (∇ · ∇)f = ∇2 f . Es decir
∂ 2f ∂ 2f
∇2 f = + ··· +
∂x1 ∂x1 ∂xn ∂xn
En dos y tres variables el laplaciano es respectivamente
∂ 2f ∂ 2f ∂ 2f ∂ 2f ∂ 2f
∇2 f = + ∇2 f = + +
∂x∂x ∂y∂y ∂x∂x ∂y∂y ∂z∂z
Notemos que el laplaciano toma campos escalares y los convierte en otros campos escalares
de clase 2 menor, es decir

∇2 : C r (A) → C r−2 (A)
Cada uno de los operadores anteriores tiene interpretación geométrica (que pondré luego con
todo el detalle).
Todos los operadores diferenciales los definimos en coordenadas cartesianas. Si cambiamos

de coordenadas y de base, los operadores se definen de manera ligeramente diferente.
Coordenadas cilı́ndricas: Supongamos que tenemos un campo escalar
f (ρ, θ, z)
y un campo vectorial
F~ = F1~eρ + F2~eθ + F3~ez
en coordenadas y base cilı́ndricas. Entonces el gradiente es
∂f 1 ∂f ∂f
Gradf = ∇f = ~eρ + ~eθ + ~ez
∂ρ ρ ∂θ ∂z
La divergencia es
1 ∂ ∂F2 ∂
divF~ = (ρF1 ) + + (ρF3 )
ρ ∂ρ ∂θ ∂z
El rotacional es
~e ρ~e ~e
ρ θ z
1 ∂

rotF~ = ∂ρ ∂
∂θ
∂
∂z
ρ
F1 ρF2 F3
El laplaciano es
1 ∂ 2f ∂ 2f

2 1 ∂ ∂f
∇f= ρ + +
ρ ∂ρ ∂ρ ρ2 ∂θ2 ∂z 2
Coordenadas esféricas: Supongamos que tenemos un campo escalar
f (r, θ, φ)
y un campo vectorial
F~ = F1~er + F2~eθ + F3~eφ
en coordenadas y base esféricas. Entonces el gradiente es
∂f 1 ∂f 1 ∂f
Gradf = ∇f = ~er + ~eθ + ~eφ
∂r r sin φ ∂θ r ∂φ
La divergencia es

1 1 ∂ 2 1 ∂F2 1 ∂
divF~ = (r F1 ) + + (sin φF3 )
r r ∂r sin φ ∂θ sin φ ∂φ
El rotacional es
~e r sin φ~e r~e
r θ φ
−1 ∂

rotF~ = 2 ∂r ∂
∂θ
∂
∂φ
r sin φ

F1 r sin φF2 rF3
El laplaciano es
∂ 2f

2 1 ∂ 2 ∂f 1 1 ∂ ∂f
∇f= 2 r + 2 2 2
+ 2 sin φ
r ∂r ∂r r sin φ ∂θ r sin φ ∂φ ∂φ

Notas Calculo Vectorial

Încărcat de

Informații document

Descriere originală:

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Notas Calculo Vectorial

Încărcat de

Drepturi de autor:

Formate disponibile

Notas Para un Curso de Cálculo

Sebastián Vélez Vásquez

Universidad Pontificia Bolivariana

Sebastián Vélez Vásquez

1 Funciones Vectoriales de Variable Vectorial 4

Funciones Vectoriales de Variable

Definición 1.1. Sean A ⊂ Rm y B ⊂ Rn . Una función definida en A con valores en B es

Frecuentemente trabajaremos con ejemplos en R2 o R3 , en estos casos escribiremos

~x = (x, y), si x ∈ R2 , ~x = (x, y, z), si x ∈ R3

Utilizando el producto de matrices podemos definir una función f~ : R3 → R2 por la fórmula

Esto mismo se puede escribir como

f~(x, y, z) = (x + 2y + 3z, 4x + 5y + 6z) = (f1 (x, y, z), f2 (x, y, z))

con f1 (x, y, z) = x + 2y + 3z y f2 (x, y, z) = 4x + 5y + 6z

CUIDADO con el orden! El tamaño de la matriz es m × n, en la función el orden de estos

 Si se tiene una fracción a

 f3 (x, y, z, w) = tan(x + y + z + w). Acá debemos recordar que la función tangente

 f5 (x, y, z, w) = exyzw . De ésta componente no obtenemos ninguna restricción.

Acá tenemos una función de 2 variables que retorna 5 valores, es decir f~ : A ⊂ R2 → B ⊂ R5 .

y 6= 0, ±π, ±2π, ±3π, etc.

 ln(x2 − 2x + 1). Queremos que x2 − 2x + 1 > 0. Factorizando el polinomio obtenemos

 3 x2 y. Esto es una trampa! Acá no hay restricción porque la raı́z es impar.

 ln(1 − xy). Queremos que 1 − xy > 0, la restricción es 1 > xy.

Proposición 1.1. Si f~ : A ⊂ Rm → B ⊂ Rn es una función dada por componentes

entonces el dominio de f~, que se denota Dom(f~), es

Dom(f~) = Dom(f1 ) ∩ Dom(f2 ) ∩ · · · ∩ Dom(fn )

Otro de los conjuntos asociados a una función es su rango:

Definición 1.2. Sea f~ : A ⊂ Rm → Rn . El rango de f~ es el conjunto

Otro conjunto importante asociado a una función es su gráfica:

Definición 1.3. Sea f~ : A ⊂ Rm → B ⊂ Rn una función. La gráfica de f~ es el conjunto

Graf(f~) = {(~x, f~(~x)) ⊂ Rm × Rn = Rm+n ~x ∈ A}

En el caso clásico de una función escalar de variable escalar f : R → R, la gráfica es un

Ejemplo 1.6. Un ejemplo sencillo: sea f : R → R la función dada por f (x) = x2 − 2x − 3.

En general las gráficas de funciones f : R2 → R son superficies (si la función es suficiente-

lo cual nos permitirá reconocer y graficar una gama amplia de funciones.

Definición 2.1. Sea f~ : A ⊂ Rm → Rn una función y B ⊂ Rn . La preimagen del conjunto

f −1 (B) = {~x ∈ A f~(~x) ∈ B}

Veamos algunos ejemplos:

Ejemplo 2.1. Sea f : A → B la función determinada por el siguiente diagrama:

Las siguientes son preimágenes de algunos subconjuntos de B:

 f −1 {b2 , b3 } = f −1 (b3 ) = {a1 }

 f −1 (0) = {0, ±π, ±2π, · · · }

 f −1 ([0, 1]) = · · · ∪ [−2π, −π] ∪ [0, π] ∪ [2π, 3π] ∪ · · ·

 f −1 ([0, 2]) = f −1 ([0, 1])

este conjunto en el plano xy (en rojo) es la preimagen f −1 (s). En la gráfica s se pueden

Definición 2.2. Sea S un subconjunto de Rn , entonces:

Implı́citamente Sea A el semiplano superior de R2 (los puntos con coordenada y ≥ 0). Si

S = {(x, y) ∈ A g(x, y) = x2 + y 2 = 4} = g −1 (4)

Paramétricamente Si ~h : [0, π] → R2 es ~h(t) = (2 cos(t), 2 sin(t)), entonces S = rango(~h).

las descripciones implı́cita y paramétrica de un conjunto no necesariamente son únicas. El

S = {(x, y) ∈ B α(x, y) = 0} = α−1 (0).

En general tenemos los siguiente

Implı́cita Definimos la función ~g : Rm+n → Rn de la siguiente manera. Denotaremos

~g (x1 , · · · xm , y1 , · · · , yn ) = (f1 (x1 , · · · , xm ) − y1 , · · · , fn (x1 , · · · , xm ) − yn )

De esta manera obtenemos que S = g −1 (0).

Paramétrica Definimos ~h : A ⊂ Rm → Rm+n como

~h(x1 , · · · xm ) = (x1 , · · · xm , f1 (x1 , · · · , xm ), · · · , fn (x1 , · · · , xm ))

Ejemplo 2.5. Sea f~ : R2 → R2 la función

Supongamos que S = Graf(f~) = {(x, y, 3xy, x2 y 3 ) ∈ R4 (x, y) ∈ R2 }, es decir que S está

~g (x, y, z, w) = (3xy − z, x2 y 3 − w).

Una descripción paramétrica de S está dada por la función ~h : R2 → R4 definida por

~h(x, y) = (x, y, 3xy, x2 y 3 ).

De esta manera tenemos que S = rango(~h).

Si se tiene una fracción a

f3 (x, y, z, w) = tan(x + y + z + w). Acá debemos recordar que la función tangente

f5 (x, y, z, w) = exyzw . De ésta componente no obtenemos ninguna restricción.

ln(x2 − 2x + 1). Queremos que x2 − 2x + 1 > 0. Factorizando el polinomio obtenemos

3 x2 y. Esto es una trampa! Acá no hay restricción porque la raı́z es impar.

ln(1 − xy). Queremos que 1 − xy > 0, la restricción es 1 > xy.

f −1 {b2 , b3 } = f −1 (b3 ) = {a1 }

f −1 (0) = {0, ±π, ±2π, · · · }

f −1 ([0, 1]) = · · · ∪ [−2π, −π] ∪ [0, π] ∪ [2π, 3π] ∪ · · ·

f −1 ([0, 2]) = f −1 ([0, 1])

En dimensión 2 (estamos en R2 ), la bola abierta de radio r y centro p~ es el cı́rculo de

En dimensión 3 (estamos en R3 ), la bola abierta de radio r y centro p~ es la esfera de

Diremos que S es abierto si es igual a su interior, es decir, S = Int(S). Que S sea

Diremos que S es cerrado si contiene su frontera, es decir, F ront(S) ⊂ S. Que S sea

Int(a, b) = (a, b), es decir que (a, b) es abierto.

F ront[a, b] = {a, b} ⊂ [a, b], es decir que [a, b] es cerrado.

Dibujar cada conjunto.

Encontrar el interior, el exterior, la frontera y los puntos de acumulación de cada

De la primera componente vemos que el punto (1, 1) no está incluido en el dominio.

De la segunda componente obtenemos que x + y ≥ 0, o equivalentemente y ≥ −x. Es

De la tercera componente no obtenemos ninguna rectricción ya que |x| + 1 siempre es

De la cuarta componente obtenemos que x2 + 1 ≥ y, es decir que excluimos la región

De la quinta componente obtenemos que y 2 + 1 ≥ x, es decir que excluimos la región