AMILCAR SAÚL MARTÍNEZ MAIDA

CÁLCULO
Varias Variables
Derechos reservados © 2018

Este libro se distribuye bajo la licencia Creative Commons: Atribución-NoComercial-SinDerivadas

CC BY-NC-ND (la "Licencia"). Usted puede utilizar este archivo de conformidad con la Licencia. Usted puede
obtener una copia de la Licencia en [Link] En particular,
esta licencia permite copiado y distribución gratuita, pero no permite venta ni modificaciones de este material.
Límite de responsabilidad y exención de garantía: El autor ha hecho su mejor esfuerzo en la preparación de este
material. Esta edición se proporciona“tal cual”. Se distribuye gratuitamente con la esperanza de que sea útil,
pero sin ninguna garantía expresa o implícita respecto a la exactitud o completitud del contenido.
 Índice general

1 El espacio Rn Página 5
1.1 Vectores 5
1.2 Producto escalar, vectorial y triple 8
1.3 Ecuaciones de rectas y planos 14
1.4 Superficies cuadráticas 20

2 Funciones Página 23
2.1 Funciones 23
2.2 Límites 25
2.3 Criterio de no existencia del límite 28
2.4 Continuidad 30
2.5 Teorema del valor intermedio 31

3 Derivadas Página 33
3.1 Derivadas parciales 33
3.2 Aproximación 35
3.3 Regla de la cadena 39
3.4 Derivación implícita 40
3.5 Gradiente, divergencia y rotacional 42
3.6 Teoremas del valor medio y de los incrementos finitos 43
3.7 Polinomio de Taylor 44
3.8 Derivada direccional 44
3.9 Máximos y mínimos 46
3.10 Prueba de la segunda derivada 47
3.11 Multiplicadores de Lagrange 49

4 Integrales dobles e integrales de linea Página 51

4.1 Definición de integral doble 51
4.2 Cambio del orden de integración 55
4.3 Cambio de variables 56
4.4 Aplicaciones 57

3
 4

5 Integrales triples e integrales de superficie Página 61

5.1 Definición de integral triple 61
5.2 Cambio de variables 64
5.3 Aplicaciones 65
 El espacio R n 1
1.1. Vectores
Rn denota el producto cartesiano de R consigo mismo n veces, es decir:

Rn = {(x1 , x2 , . . . , xn ) : x1 , x2 , . . . ∈ R}

Por simplicidad tomaremos n = 2 o 3.

Definición 1.1.1 Un vector v~ ∈ Rn es una n-upla (v1 , v2 , . . . , vn )

~ = (v1 , v2 , v3 ) dos elementos de R3 y sea α ∈ R un escalar cualquiera.

Sea n = 3, y sean v~ = (v1 , v2 , v3 ), u

Operaciones con los vectores

La primera operación es la adición de vectores, dados dos vectores v~, u~ le asignamos el vector deno-
tado por v~ + u~ . Geométricamente la adición de vectores sigue la ley del paralelogramo, es decir si
los vectores v~, y u~ son dos lados del paralelogramo, entonces el vector resultante es la diagonal del
paralelogramo (como se indica en la figura)

Adición de vectores

   
v~ + u
~= v1 , v2 , v3 + u1 , u2 , u3
 
= v1 + u1 , v2 + u2 , v3 + u3

Figura 1.1: Representación algebraica y geométrica de la adición de vectores

5
6 Capítulo 1. El espacio Rn

Ejemplo 1.1

Sean v~ = (1, 3, 1) y u
~ = (2, −1, 3). Entonces

v~ + u
~ = (1, 3, 1) + (2, −1, 3)
= (1 + 2, 3 + (−1), 1 + 3)
= (3, 2, 4)

La segunda operación es la multiplicación por un escalar (multiplicación por un número), a un nú-

mero real α y un vector v~ le asignamos el vector denotado por α~v . Geométricamente la multiplicación
de un número por un vector se lo puede representar como la ampliación o reducción del vector de
acuerdo a las características del número (positivo, negativo, 1 o 0)
Multiplicación por un escalar

α · v~ = α · (v1 , v2 , v3 )
 
= α · v1 , α · v2 , α · v3

Figura 1.2: Representación algebraica y geométrica de la multiplicación por un escalar

Ejemplo 1.2

2
Sean α = 3 yu
~ = (2, −1, 3). Entonces

2
~=
α·u (2, −1, 3)
3
2 2 2
 
= · 2, · (−1), · 3
3 3 3
4 2
 
= ,− ,1
3 3

Propiedades
Sean v~, u ~ vectores en R3 y α, β números reales.
~, w
Capítulo 1. El espacio Rn 7

Proposición 1.1
Se verifican la siguientes propiedades
1. La adición es asociativa.

(~
v+u
~) + w
~ = v~ + (~
u + w)
~ para todo v~, u ~ en R3
~, w

2. La adición es conmutativa.

v~ + u
~=u
~ + v~ ~ en R3
para todo v~, u

3. Existe un elemento llamado vector nulo ~0 = (0, 0, 0) tal que

v~ + ~0 = v~ para todo v~ en R3

4. Todo elemento de R3 tiene un elemento opuesto denotado por −~

v tal que

v ) = ~0
v~ + (−~ para todo v~ en R3

5. La multiplicación por un escalar es asociativa.

v ) = (αβ)~
α(β~ v para todo v~ en R3 , para todo α, β en R

6. Existencia del 1
1 · v~ = v~ v ∈ R3
∀~

7. La multiplicación por un escalar es distributiva respecto a la adición de vectores

v +u
α(~ ~ ) = α~
v + α~
u ~ en R3 , para todo α en R
para todo v~, u

8. La multiplicación por un escalar es distributiva respecto a la adición de escalares

(α + β) · v~ = α · v~ + β · v~ para todo v~ en R3 , para todo α, β en R

Se puede pensar en un vector v~ como el representante de un desplazamiento a partir del origen. Una
otra forma es, dado un punto P (p1 , p2 , p3 ) y un vector v~ = (v1 , v2 , v3 ) podemos obtener un otro punto
Q(q1 , q2 , q3 ) tal que

Q = P + v~ = (p1 + v1 , p2 + v2 , p3 + v3 )

Q puede ser pensado como el desplazamiento del punto P por medio del vector v~, alternativamente,
−−→
dados dos puntos P (p1 , p2 , p3 ) y Q(q1 , q2 , q3 ) existe un único vector P Q = v~, tal que Q = P + v~,

−−→
P Q = (q1 − p1 , q2 − p2 , q3 − p3 )
8 Capítulo 1. El espacio Rn

Proposición 1.2
Sean P , Q y R tres puntos en R3 se tiene
−−→ −−−→ −−→
P Q + QR = P R

−−→ −−−→
Demostración. Traslademos el punto P por P Q + QR
−−→ −−−→ −−→ −−−→
P + ( P Q + QR ) = (P + P Q ) + QR
−−−→
= Q + QR
=R
−−→
Como existe un único vector P R que relaciona los puntos P y R tenemos que
−−→ −−−→ −−→
P Q + QR = P R

1.2. Producto escalar, vectorial y triple

Definición 1.2.1 (Producto escalar canónico) Sean dos vectores v~ = (v1 , v2 , v3 ) y u

~ =
(u1 , u2 , u3 ) en el espacio, el producto escalar esta dado por:

   
~=
v~ · u v1 , v2 , v3 · u1 , u2 , u3
= v1 · u1 + v2 · u2 + v3 · u3

Ejemplo 1.3

Sean v~ = (−1, 4, 1) y u
~ = (2, −1, 3). Entonces

~ = (−1, 4, 1) · (2, −1, 3)

v~ · u
= (−1) · 2 + 4 · (−1) + 1 · 3
= −6

Propiedades

Proposición 1.3
Sean v~, u ~ tres vectores de R3 y sean α, β dos números reales
~yw
1. El producto escalar es lineal en la primera componente

(α~
v + βu
~) · w
~ = α(~ ~ + β(~
v · w) u · w)
~
Capítulo 1. El espacio Rn 9

2. El producto escalar es simétrico

~=u
v~ · u ~ · v~

3. El producto escalar es definido positivo

v~ · v~ ≥ 0, v~ · v~ = 0 ⇔ v~ = 0

El producto escalar nos permite hablar de longitudes, ángulos y ortogonalidad.

Definición 1.2.2 (Norma o Longitud Euclidiana) Sea v~ un elemento de R3 la norma o longitud

de un vector es:

√
v k = v~ · v~
k~
q
= v12 + v22 + v32

Ejemplo 1.4

Sea v~ = (2, 1, 3). Entonces

p
k~v k = (2, 1, 3) · (2, 1, 3)
√
= 4+1+9
√
= 14

Propiedades de la norma

Proposición 1.4
~ dos vectores de R3 y sea α un número real
Sean v~, u
1. La norma es no degenerada

v k ≥ 0,
k~ v k = 0 ⇔ v~ = 0
k~

2. La norma es absolutamente homogénea

~
v k = |α|kvk
kα~

3. Desigualdad triangular
v +u
k~ v k + k~
~ k ≤ k~ uk
10 Capítulo 1. El espacio Rn

Definición 1.2.3 (Distancia Euclidiana) Sean P (p1 , p2 , p3 ) y Q(q1 ,2 , q3 ) dos puntos de R3 , se

llama distancia Euclidiana del punto P al punto Q a:

−−→
d(P , Q) = k P Q k
q
= (q1 − p1 )2 + (q2 − p2 )2 + (q3 − p3 )2

Ejemplo 1.5

Sean P (−2, −1, 1) y Q(2, 1, 3). Entonces

−−→
dist(P , Q) = k P Q k
q
= (2 − (−2))2 + (1 − (−1))2 + (3 − 1)2
√
= 16 + 4 + 4
√
= 24

Teorema 1.1 (Desigualdad de Cauchy-Schwartz)

Dados dos vectores v~ y u
~ , se cumple

v ·u
|~ ~ | ≤ k~
v kk~
uk

De la desigualdad de Cauchy-Shwartz tenemos que:

v ·u
|~ ~|
≤1
v kk~
k~ uk

y como la función coseno es una biyección del intervalo [0, π] en [−1, 1], podemos definir lo siguiente.

Definición 1.2.4 (Ángulo entre vectores) Sean v~ y u ~ dos vectores en R3 se define el ángulo
formado por los vectores v~ y u
~ como el único θ ∈ [0, π] tal que:

u
~ · v~
cos θ =
u kk~
k~ vk
u1 v1 + u2 v2 + u3 v3
=p p
u1 + u2 2 + u3 2 v1 2 + v2 2 + v3 2
2
Capítulo 1. El espacio Rn 11

Ejemplo 1.6

Sean u
~ = (2, 1, 3) y v~(−1, −1, 2). Entonces

(2, 1, 3) · (−1, −1, 2)

cos θ =
k(2, 1, 3)kk(−1, −1, 2)k
2 · (−1) + 1 · (−1) + 3 · 2
=√ p
2 + 12 + 32 (−1)2 + (−1)2 + 22
1

3
= √
2 21
√
3 21
θ = arc cos
42
θ ≈ 1,24rad

Cuando el ángulo formado por los vectores u

~ y v~ es π/2 tenemos:

Definición 1.2.5 (Ortogonalidad) Dos vectores v~ y u

~ son ortogonales si v~ · u
~=0

Dados dos vectores v~ y u

~ podemos proyectar ortogonalmente el vector v~ sobre el vector u
~

Teorema 1.2 (Proyección ortogonal)

~ dos vectores en R3 , con u
Sean v~ y u ~ , 0, entonces

v~ · u
~
P royu~ v~ = u
~
k~ u k2
v u + v u + v 3 u3
= 1 12 2 22 u
~
u1 + u2 + u3 2

Demostración.

Ejemplo 1.7

Sea v~ = (2, −1, 3) un vector de R3 . Escriba v~ como la suma de un vector paralelo al vector
~ = (3, 1, 1) y vector paralelo a u
u ~.
12 Capítulo 1. El espacio Rn

Primero calculemos la proyección del vector v~ so-

bre el vector u
~.
(2, −1, 3) · (3, 1, 1)
P royu~ v~ = (3, 1, 1)
(3, 1, 1) · (3, 1, 1)
6−1+3
= (3, 1, 1)
9+1+1
24 8 8
 
= , ,
11 11 11
Ahora calculemos el vector v~ − P royu~ v~

24 8 8
 
v~ − P royu~ v~ = (2, −1, 3) − , ,
11 11 11
2 19 25
 
= − ,− ,
11 11 11
   
24 8 8 2 19 25
los vectores 11 , 11 , 11 y − 11 , − 11 , 11 son orto-
gonales, ya que:

24 8 8 2 19 25 48 152 200
   
, , · − ,− , =− − + =0
11 11 11 11 11 11 121 121 11
Además.
24 8 8 2 19 25
   
v~ = (2, −1, 3) = , , + − ,− ,
11 11 11 11 11 11

Definición 1.2.6 (Producto triple) Sean u

~ = (u1 , u2 , u3 ), v~ = (v1 , v2 , v3 ) y w
~ = (w1 , w2 , w3 ), defi-
nimos el producto triple como:

 
 u1 v1 w1 
[~ ~ =  u2
u , v~, w] v2 w2 
u3 v3 w3
 

Si calculamos el determinante utilizando el método de cofactores obtenemos:

 
 u1 v1 w1       
 u2 v2 w2  = w1  u2 v2  − w2  u1 v1  + w3  u1 v1 
 u3 v3   u3 v3   u2 v2 
u 3 v 3 w3 
 

= w1 (u2 v3 − u3 v2 ) + w2 (u3 v1 − u1 v3 ) + w3 (u1 v2 − u2 v1 )

Denotemos por ~a al vector (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ).

Luego, el producto triple puede ser escrito como el producto escalar de w ~ con ~
a.

[~ ~ =~
u , v~, w] a·w
~

~ y v~ dos vectores de R3 . El producto vectorial de

Definición 1.2.7 (Producto vectorial) Sea u
~ y v~ esta dado por:
u
Capítulo 1. El espacio Rn 13

~ × v~ = (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 )
u

Nota. El producto vectorial no tiene sentido fuera de R3

Propiedades

Sean v~, u ~ vectores en R3 y α, β números reales.

~, w

Proposición 1.5
Se verifican la siguientes propiedades
1. El producto vectorial es lineal en la primera componente

(α~
v + βu
~) × w
~ = α~ ~ + βu
v ×w ~ ×w
~

2. El producto vectorial es antisimétrico.

~ = −~
v~ × u u × v~

3. El vector u
~ × v~ es ortogonal a u
~ y a v~.

4. La longitud del vector u

~ × v~ es el área del paralelogramo cuyos lados están formados por
los vectores u
~ y v~.

u × v~k = k~
k~ v k sin θ
u kk~
u × v~k = Area paralelogramo
k~

Ejemplo 1.8
Encuentre una fórmula para calcular el área de un triángulo con vértices en A(a1 , a2 ), B(b1 , b2 )
y C(c1 , c2 )
14 Capítulo 1. El espacio Rn

Sin pérdida de generalidad podemos suponer

que los puntos A, B y C se encuentran en R3
pero restringidos al plano XY , lo cual nos per-
mite escribir A(a1 , a2 , 0), B(b1 , b2 , ) y C(c1 , c2 , 0).
−−→ −−→
Los vectores AB , AC están dados por:
−−→
AB = (b1 − a1 , b2 − a2 , 0)
−−→
AC = (c1 − a1 , c2 − a2 , 0)

Luego, el área del triángulo ABC está dado por:

1 −−→ −−→
Área triángulo = k AB × AC k
2
= (0, 0, (b1 − a1 )(c2 − a2 ) − (c1 − a1 )(b2 − a2 )
= b1 c2 − b1 a2 − a1 c2 + a1 a2 − c1 b2 + c1 a2 + a1 b2 − a1 a2
= (a1 b2 − b1 a2 ) + (b1 c2 − c1 b2 ) + (−a1 c2 + c1 a2 )

Esta última expresión se puede escribir utilizando determinantes de la siguiente manera:

  
  a1 a2 1 
det  b1 b2 1 

 
c1 c2 1 


1.3. Ecuaciones de rectas y planos

Una curva puede ser pensada como la traza de una
partícula en movimiento sobre el tiempo. Ya que la
posición depende del tiempo podemos escribir

x = x(t) y = y(t) z = z(t)

donde (x, y, z) indica la posición de la partícula en el

tiempo t.
Supongamos ahora que la partícula se mueve sobre una linea rec-
ta. Si conocemos un punto sobre la recta P0 (x0 , y0 , z0 ) y un vector
v~ = (v1 , v2 , v3 ) paralelo a la recta, un punto cualquiera sobre la
recta P (x, y, z) cumple:

` = {P (x, y, z) ∈ R3 : P (x, y, z) = P0 (x0 , y0 , z0 ) + α~

v con α ∈ R}

Esta ecuación es denominada representación afín de la recta

Trabajando componente a componente obtenemos

x = x0 + αv1
y = y0 + αv2
z = z0 + αv3
Capítulo 1. El espacio Rn 15

Este sistema es denominado representación paramétrica de la recta.

Si v1 , v2 y v3 son todos diferentes de cero, resolvemos el sistema paramétrico para α

x − x0 y − y 0 z − z 0
= =
v1 v2 v3

Este sistema es denominado representación cartesiana de la recta

Si alguno de los vi es cero, por ejemplo v1 = 0 tendremos:
y − y0 z − z0
= x = x0
v2 v3

Ejemplo 1.9
Encuentre las diferentes representaciones de la recta que pasa por los puntos P (2, 1, 3) y
Q(−1, −2, 1).
Primero determinemos el vector que relaciona los puntos P y Q
−−→
P Q = (−1, −2, 1) − (2, 1, 3) = (−3, −3, −2)

a) La representación afín esta dada por:

` = {(x, y, z) ∈ R3 : (x, y, z) = (2, 1, 3) + α(−3, −3, −2) con α ∈ R}

b) Para la representación paramétrica lo que debemos hacer es escribir la representación afín

componente por componente

x = 2 − 3α
y = 1 − 3α
z = 3 − 2α

c) Para hallar la representación cartesiana despejamos el parámetro α de cada una de las ecua-
ciones en la representación paramétrica.

x−2 x−1 z−3

α= = =
−3 −3 −2

Definición 1.3.1 (Rectas Paralelas) Sean ` y `1 dos rectas en R3 , con vectores directores u
~y
v~ respectivamente, se dirá que la recta ` es paralela a la recta `1 si

~ = β~
u v β,0
16 Capítulo 1. El espacio Rn

Ejemplo 1.10
Dadas las rectas:

`1 = {(x, y, z) ∈ R3 : (x, y, z) = (3, −1, 1) + α(−1, 2, 1) con α ∈ R}

`2 = {(x, y, z) ∈ R3 : (x, y, z) = (1, −1, 2) + β(1, −2, 2) con β ∈ R}

Determine si ellas son paralelas, concurrentes o se cruzan.

a) Las rectas `1 y `2 son paralelas si sus vectores directores cumplen la relación:

(−1, 2, 1) = γ(1, −2, 2)

Es decir si el sistema tiene solución. Pero este siste-

ma es inconsistente ya que γ = −1 y γ = 12 .
Luego las rectas no son paralelas. −1 = γ
2 = −2γ
1 = 2γ

b) Para que las rectas sean concurrentes debe existir un punto (x0 , y0 , z0 ) que cumpla las ecua-
ciones paramétricas de las dos rectas:

Es deci,r que el sistema obtenido tenga solución. Al 3−α = 1+β

intentar resolver el sistema obtenemos una inconsis-
−1 + 2α = −1 − 2β
tencia, por ejemplo α + β = 2 de la primera ecuación
y α + β = 0 de la segunda ecuación. 1 + α = 2 + 2β
Luego las rectas no son concurrentes, es decir no tienen ningún punto en común.

Como las rectas no son paralelas y no son concu-

rrentes, ellas son rectas que se cruzan, es decir ellas
c)
no tienen ningún punto en común y están conteni-
das en dos planos paralelos.

Definición 1.3.2 (Ángulo entre rectas) Sean ` y `1 dos rectas concurrentes en R3 , con vectores
directores u~ y v~ respectivamente, se define el coseno del ángulo más pequeño formado por las
rectas ` y `1 como el valor absoluto del coseno del ángulo formado por los vectores directores.

u ·u
|~ ~|
cos θ =
u kk~
k~ vk
|u1 v1 + u2 v2 + u3 v3 |
=q q
u12 + u22 + u32 v12 + v22 + v32

Cuando el ángulo formado por las recta ` y `1 es π/2 tenemos:

Capítulo 1. El espacio Rn 17

Definición 1.3.3 (Ortogonalidad) Dos rectas ` y `1 son ortogonales si u

~ · v~ = 0

Definición 1.3.4 Distancia de un punto a una recta Se define la distancia de un punto Q a

una recta ` como:

dist(Q, `) = mı́n{dist(Q, P )}
P ∈`

Proposición 1.6 (Distancia de un punto a una recta)

La distancia de un punto Q a una recta ` que pasa por el punto P0 y paralela a u
~ esta dado por

dist(Q, `) = dist(Q, R)
−−−→ −−−→
= P royu~ P0 Q − P0 Q
−−−→
k P0 Q × u
~k
=
uk
k~

Ejemplo 1.11
Hallar la ecuación
 de larecta que pasa por el punto P (2, 1, 3) y corta perpendicularmente a la
recta ` = {X = 1, − 21 , − 12 + α(0, 5, 1) con α ∈ R}.
Para encontrar la recta perpendicular, debemos
encontrar un punto R sobre la recta ` tal que
−−→
RP sea perpendicular a v ~ − (0, 5, 1). Primero to-
memos un punto cualquiera

1 1
 
R 1, − + 5α, − + α
2 2
de la recta ` y construyamos el vector

−−→ 3 7
 
RP = 1, − 5α, − α
2 2
luego, elegimos α tal que:

−−→ 3 7
 
RP · v~ = 1, − 5α, − α · (0, 5, 1)
2 2
15 7
= − 25α + − α = 0
2 2
11
α=
26
−−→  8 40

Así, RP = 1, − 13 , 13 , finalmente la recta buscada es
8 40
 
` = {(x, y, z) ∈ R3 : (x, y, z) = (2, 1, 3) + α 1, − , con α ∈ R}
13 13
18 Capítulo 1. El espacio Rn

Si ahora el punto se mueve sobre un plano y conocemos un

punto sobre el plano P0 (x0 , y0 , z0 ) y dos vectores v~ = (v1 , v2 , v3 ),
~ = (w1 , w2 , w3 ) paralelos al plano, un punto cualquiera sobre
w
el plano P (x, y, z) cumple:

P = {P (x, y, z) ∈ R3 : P (x, y, z) = P0 (x0 , y0 , z0 ) + α~

v + βw
~ con α, β ∈ R}

Trabajando componente a componente obtenemos

x = x0 + αv1 + βw1 Representación

y = y0 + αv2 + βw2 paramétrica
z = z0 + αv3 + βw3 del plano

Resolviendo el sistema paramétrico para α y β

Ax + By + Cz + D = 0

Esta ecuación es denominada representación cartesiana del plano.

−
→
Se denomina vector normal a: N = (A, B, C)
3
En R es conveniente trabajar con el vector
normal, una forma rápida de encontrar un
vector normal al plano es:

−
→
N = v~ × w
~

Ejemplo 1.12
Encuentre las diferentes representaciones del plano que pasa por los puntos P (1, 2, 1),
Q(−1, −1, 1), R(2, 0, 3).
−−→ −−→
Primero determinamos los vectores P Q y P R
−−→ −−→
P Q = (−2, −3, 0), P R = (1, −2, 2)

a) La representación afín esta dada por:

P = {(x, y, z) ∈ R3 : (x, y, z) = (1, 2, 1) + α(−2, −3, 0) + β(1, −2, 2) con α, β ∈ R}

b) Para la representación paramétrica lo que debemos hacer es escribir la representación afín

componente por componente

x = 1 − 2α + β
y = 2 − 3α − 2β
z = 1 + 2β
Capítulo 1. El espacio Rn 19

−−→ −−→
c) Para hallar la representación cartesiana, calculamos primero el vector normal N = P Q × P R

N = (−2, −3, 0) × (1, −2, 2) = (−6, 4, 7)

Luego, la ecuación del plano es: −6x + 4y + 7z + D = 0, para determinar el valor de D susti-
tuimos en la ecuación alguno de los puntos, por ejemplo (x, y, z) = (1, 2, 1)

−6(1) + 4(2) + 7(1) + D = 0 ⇒ D = −9

Por la tanto la ecuación cartesiana del plano es:

−6x + 4y + 7z − 9 = 0

Definición 1.3.5 (Planos Paralelos) Sean P y P1 dos planos en R3 , con vectores normales N
y N1 respectivamente, se dirá que el plano P es paralelo al plano P1 si:

N = γN1 γ ,0

Definición 1.3.6 (Ángulo entre planos) Sean P y P1 dos planos en R3 , con vectores normales
N y N1 respectivamente, se define el coseno del ángulo formado por los planos P y P1 como el
coseno del ángulo formado por los vectores normales.

N · N1
cos θ =
kN kkN1 k

Cuando el ángulo formado por los planos P y P1 es π/2 tenemos:

Definición 1.3.7 (Ortogonalidad) Dos planos P y P1 son ortogonales si N · N1 = 0

Definición 1.3.8 (Distancia de un punto a un plano) Se define la distancia de un punto Q a

un plano P como:
dist(Q, P ) = mı́n{dist(Q, P )}
P ∈P

Proposición 1.7 (Distancia de un punto a un plano)

La distancia de un punto Q(x0 , y0 , z0 ) a un plano P de ecuación cartesiana Ax + By + Cz + D = 0
esta dada por:
20 Capítulo 1. El espacio Rn

dist(Q, P ) = dist(Q, R)
−−−→
= P royN P0 Q
|Ax0 + By0 + Cz0 + D|
=
k(A, B, C)k

1.4. Superficies cuadráticas

Superficies cuadráticas son los gráfos de cualquier ecuación que puede estar dada en su forma general
por:
Ax2 + By 2 + Cz2 + Dxy + Exz + Fyz + Gx + Hy + Iz + J = 0
donde A, B, C, D, E, F, G, H, I, J son constantes, no es posible listar todas ellas, sin embargo existen
algunas ecuaciones estándar

Elipsoide
La ecuación general de una elipsoide es:

x2 y 2 z2
+ + =1
a2 b 2 c 2
Si a = b = c tenemos una esfera
Elipsoide circular o elipsoide de revolución:
Una superficie de revolución es una superficie que se genera al hacer rotar una curva plana alrededor
de una recta directriz.
Sea
x2 y 2
+ =1
a2 b 2
una elipse, encontremos la ecuación de la superficie de
revolución que se obtiene al hacerla rotar alrededor del
eje x.
Sea (x0 , y0 , 0) un punto de la elipse, es decir satisface su
ecuación y sean (x0 , 0, 0) el centro de la circunferencia
que se obtiene al hacer rotar el punto (x0 , y0 , 0) alrede-
dor del eje x y (x0 , y, z) un punto cualquiera de la cir-
cunferencia obtenida, como los tres puntos están sobre
la circunferencia tenemos:
q q
(x0 − x0 )2 + (y0 − 0)2 + (0 − 0)2 = (x0 − x0 )2 + (y − 0)2 + (z − 0)2
x2
!
y02 2 2
= y +z , como y02 = 4 1− 0
9
x02
!
4 1− = y 2 + z2
9
x02 y 2 z2
1= + +
9 4 4
Capítulo 1. El espacio Rn 21

Como x0 es un punto cualquiera, podemos generalizar

x2 y 2 z2
+ + =1
9 4 4

Cono

La ecuación general del cono es:

x2 y 2 z2
+ =
a2 b 2 c 2

Cilindro
La ecuación general de un cilindro es:

x2 y 2
+ =1
a2 b2
La sección transversal de este cilindro es una elip-
se. Si a = b tendremos un cilindro de sección trans-
versal circular.

Hiperboloide de una hoja

La ecuación general de un hiperboloide de una ho-

ja es:
x2 y 2 z2
+ − =1
a2 b 2 c 2
La variable con el signo negativo indica el eje sobre
el cual el gráfico esta centrado.

Hiperboloide de dos hojas

La ecuación general de un hiperboloide de dos ho-
jas es:
x2 y 2 z2
− 2 − 2 + 2 =1
a b c
La variable con el signo positivo indica el eje sobre
el cual el gráfico esta centrado.

Paraboloide elíptico
La ecuación general de un paraboloide elíptico es:

x2 y 2 z
+ =
a2 b2 c
La sección transversal es una elipse. Si a = b la sec-
ción transversal será una circunferencia.
La variable que no esté elevado al cuadrado nos da
el eje sobre el cual se abre el paraboloide, si c es po-
sitivo se abre hacia arriba, si c es negativo se abre
hacia abajo.
22 Capítulo 1. El espacio Rn

Paraboloide hiperbólico

La ecuación general de un paraboloide hiperbólico

es:
x2 y 2 z
− =
a2 b 2 c
La gráfica tiene la forma de una silla de montar
 Funciones
2
2.1. Funciones

Definición 2.1.1 Una función de dos variables es una regla f de asignación, que a todo par
(x, y) de un subconjunto D ∈ R2 le corresponde un único número real z denotado por f (x, y).

f : D ⊂ R2 → R
(x, y) → z = f (x, y)

D es llamado el dominio de la función f . La imagen del conjunto f es:

Imf = {z ∈ R : Existe (x, y) ∈ R2 tal que z = f (x, y)}

Con frecuencia se da una función f por una fórmula de cálculo sin precisar su dominio, se debe
entender que el dominio es el conjunto
p de todos los pares para los cuales la fórmula tiene sentido.
Por ejemplo la función f (x, y) = 1 − x2 − y 2 tiene sentido (esta definida) para los valores de (x, y) tales
que 1 − x2 − y 2 ≥ 0, es decir para todos los (x, y) que están dentro y sobre la circunferencia x2 + y 2 = 1.

Definición 2.1.2 (Gráfico) Sea f una función de dos variables definida sobre D. Se llama
gráfico de f a la superficie representativa de f , es decir los puntos (x, y, z) de R3 que verifican
la relación z = f (x, y)

Gr(f ) = {(x, y, z) ∈ R3 : z = f (x, y) para todo (x, y) en D}

Realizar la gráfica de una función es difí-

cil, incluso para las que son simples como
f (x, y) = x2 + y 2 + 1. La dificultad del diseño
esta en la representación 3D.
Como ayuda para la representación gráfica se
puede realizar intersecciones con los planos
coordenados, rectas.

Definición 2.1.3 (Curvas de nivel y líneas de contorno) Sea f una función, y k un número
real cualquiera. Se llama curva de nivel de f al conjunto de puntos (x, y) del plano tal que

23
24 Capítulo 2. Funciones

f (x, y) = k (ecuación de la curva de nivel).

Ck = {(x, y) tales que f (x, y) = k}

Se llama linea de contorno a la curva en el espacio que resulta de la intersección del plano z = k
con la gráfica de la función z = f (x, y), es decir f (x, y) = k.

Ejemplo 2.1
Graficar las curvas de nivel, lineas de contorno de la función
2 −y 2
f (x, y) = xye−x

Definición 2.1.4 Sean P (x0 , y0 , z0 ) un punto de R3 y r un número real positivo.

La bola abierta en R3 de centro P y radio r es el conjunto

B(P , r) = {(x, y, z) ∈ R3 : k(x, y, z) − (x0 , y0 , z0 )k < r}

La bola cerrada en R3 de centro P y radio r es el conjunto

B(P , r) = {(x, y, z) ∈ R3 : k(x, y, z) − (x0 , y0 , z0 )k ≤ r}

La esfera de centro P y radio r es el conjunto

S(P , r) = {(x, y, z) ∈ R3 : k(x, y, z) − (x0 , y0 , z0 )k = r}

En particular para P el origen y r = 1 tenemos la bola abierta, la bola cerrada y la esfera unitaria
Capítulo 2. Funciones 25

Observe que en el caso de los reales R, las bolas abiertas y las bolas cerradas, son los intervalos
abiertos y cerrados respectivamente.

Definición 2.1.5 Un conjunto A en R3 es un abierto si A es vacío o si para todo P en A existe

un número real r positivo tal que B(P , r) esta completamente contenida en A.
Se dirá que un conjunto V es un vecindario de un punto P en R3 si existe r > 0 tal que B(P , r)
esta contenida en V

Definición 2.1.6 Un conjunto A es cerrado en R3 si su complemento es abierto

Definición 2.1.7 Sea A un subconjunto de R3 .

Un punto P es un punto interior de A si existe una bola abierta de centro P que este com-
pletamente contenida en A. El conjunto de todos los puntos interiores de A se denomina
el interior de A, y se denota por Int(A).

Un punto P es un punto exterior de A si existe una bola abierta de centro P que este
contenida en el complemento de A. El conjunto de todos los puntos exterior de A se
denomina exterior de A, y se denota por Ext(A).
Un punto P es un punto frontera de A si para toda bola abierta de centro P , la bola
contiene puntos de A y del complemento de A. El conjunto de todos los puntos frontera
de A se denomina la frontera de A, y se denota por Front(A).
Un punto P de R3 es un punto de acumulación (también denominado de contacto, límite,
de aglomeración) si para todo bola abierta de centro P se cumple:

B(P , ) ∩ A , ∅

Definición 2.1.8 (Conjunto acotado) Un conjunto A es acotado en R3 si es vacío o existe una

constante r > 0 tal que kxk ≤ r, para todo x en A. Es decir A esta contenido en una bola de centro
el origen y de radio r.

Definición 2.1.9 (Conjunto compacto en dimensión finita) Un conjunto A es compacto si es

cerrado y acotado.

Definición 2.1.10 (Conjunto convexo) Sea A un conjunto de R3 , se dirá que A es convexo si

y solamente sí para todo P , Q en A y para todo λ ∈ [0, 1] se tiene:

λP + (1 − λ)Q ∈ A

2.2. Límites
La noción de límite en varias variables es similar a la que se tiene en una sola variable, es decir, una
función tiene límite L en un punto x0 , si cuando x se aproxima a x0 se tiene que el número f (x) se
aproxima a L.
26 Capítulo 2. Funciones

Definición 2.2.1 (Límite) Una función f : D ⊂ R2 → R tiene por límite L en el punto (x0 , y0 )
punto de acumulación de D si para todo número real  > 0 existe un otro número real δ > 0 tal
que: para todo punto (x, y) en D y dist((x, y), (x0 , y0 )) < δ el número f (x, y) está en el intervalo
(L − , L + ).
lı́m f (x, y) = L
(x,y)→(x0 ,y0 )

Definición 2.2.2 (Límite infinito) Una función f : D ⊂ R2 → R tiene por límite +∞ en el punto
(x0 , y0 ) si para todo número real M > 0 (grande) existe un otro número real δ > 0 tal que: para
todo punto (x, y) y dist((x, y), (x0 , y0 )) < δ el número f (x, y) es más grande que M.

lı́m f (x, y) = +∞
(x,y)→(x0 ,y0 )

En la práctica para el cálculo de límites no se utilizan estas definiciones, se utilizan los teoremas de
operaciones y de comparación.

Propiedades de límites

Proposición 2.1
Sean f y g funciones de dos variables que admiten límite en el punto (x0 , y0 ).

lı́m f (x, y) = L1 lı́m g(x, y) = L2

(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

entonces:
1. La suma f + g admite un límite en (x0 , y0 )

lı́m (f + g)(x, y) = lı́m f (x, y) + lı́m g(x, y)

(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

2. El producto f · g admite límite en (x0 , y0 )

lı́m (f · g)(x, y) = lı́m f (x, y) · lı́m g(x, y)

(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

3. El cociente f /g admite límite en (x0 , y0 ).

! lı́m f (x, y)
f (x,y)→(x0 ,y0 )
lı́m (x, y) = si lı́m g(x, y) , 0
(x,y)→(x0 ,y0 ) g lı́m g(x, y) (x,y)→(x0 ,y0 )
(x,y)→(x0 ,y0 )

En particular las funciones polinomiales, racionales tienen por límite su valor en ese punto.
Capítulo 2. Funciones 27

Ejemplo 2.2
Dada la siguiente función
x2 − y 2
f (x, y) =
x−y
Calcular el límite de la función f cuando (x, y) se aproxima a (1, 3) y a (2, 2).
El dominio de la función f es
D = {(x, y) ∈ R2 : x , y}

1.
x 2 − y 2 12 − 32
lı́m =
(x,y)→(1,3) x − y 1−3
=4

2. En el anterior inciso para calcular el límite se evalúo la función en dicho punto. Para el
caso en el cual nos acercamos al punto (2, 2), la función no se puede evaluar en dicho
punto (ya que (2, 2) no pertenece al dominio de la función).

x2 − y 2 (x − y)(x + y)
lı́m = lı́m
(x,y)→(2,2) x − y (x,y)→(2,2) x−y
= lı́m x+y
(x,y)→(2,2)

= 2+2
=4

En esta situación debemos recurrir primero a una manipulación algebraica de la expre-

sión de definición de la función para luego poder calcular el límite.

Proposición 2.2
Sean A ⊂ Rn , B ⊂ Rm y f : A → B, g : B → Rk dos funciones. Supongamos que P0 es un punto de
acumulación de A, Q0 un punto de acumulación de B y

lı́m f (P ) = Q0 lı́m g(Q) = R

P →P0 Q→Q0

entonces
lı́m (g ◦ f )(P ) = R
P →P0

Comparación y regla del sándwich

Proposición 2.3
Sean f y g funciones de dos variables que admiten límite en el punto (x0 , y0 ), y tales que
f (x, y) ≤ g(x, y) en un vecindario de (x0 , y0 ), entonces:

1. Regla de comparación

lı́m f (x, y) ≤ lı́m g(x, y)

(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )
28 Capítulo 2. Funciones

2. Regla del sándwich: si además h(x, y) es una función de dos variables tal que f (x, y) ≤
h(x, y) ≤ g(x, y) en un vecindario de (x0 , y0 ) y

lı́m f (x, y) = lı́m g(x, y)

(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

entonces
lı́m h(x, y) = lı́m f (x, y)
(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )

Ejemplo 2.3
Calcular el siguiente límite
x2 y − xy 2
lı́m
(x,y)→(0,0) x2 + y 2

x2 y−xy 2
La función f (x, y) = x2 +y 2 no se puede evaluar en el (0, 0). Tampoco se puede realizar mani-
pulaciones algebraicas para poder obtener una expresión en la cual se pueda evaluar el punto
(0, 0). Razón por la cual vamos a utilizar el teorema del sándwich.
Primero notemos los siguiente:

−(x2 + y 2 ) x2 + y 2
0 ≤ (x + y)2 entonces ≤ xy 0 ≤ (x − y)2 entonces xy ≤
2 2
de donde |xy| ≤ (x2 + y 2 )/2 Luego

xy(x − y)  |xy||(x − y)| x2 + y 2 |x − y|

 
|x − y|
0 ≤  2 2
 ≤ 2 2
≤ 2 2
=
x +y |x + y | 2 x +y 2
|x−y| |x−y|
Obtenemos dos funciones g(x, y) = − 2 y h(x, y) = 2 tales que:

g(x, y) ≤ f (x, y) ≤ h(x, y)

|x − y| |x − y|
lı́m g(x, y) = lı́m − = 0 = lı́m = lı́m h(x, y)
(x,y)→(0,0) (x,y)→(0,0) 2 (x,y)→(0,0) 2 (x,y)→(0,0)

Como se cumplen las condiciones del teorema del sándwich tenemos que:

x2 y − xy 2
lı́m f (x, y) = lı́m =0
(x,y)→(0,0) (x,y)→(0,0) x2 + y 2

2.3. Criterio de no existencia del límite

Definición 2.3.1 Se llama camino en R2 a una curva parametrizada continua

γ : I = [a, b] → R2
t → (x(t), y(t))

donde las dos funciones x(t) e y(t) son continuas sobre I

Capítulo 2. Funciones 29

Definición 2.3.2 (Límite a lo largo de un camino) Sea γ un camino tal que γ(t0 ) = (x0 , y0 ). Se
llama límite de f en el punto (x0 , y0 ) a lo largo del camino γ, al límite

lı́m f (x(t), y(t))

t→t0

cuando el límite existe.

Como consecuencia, se tiene que si f tiene por límite L en el punto (x0 , y0 ), entonces f tiene límite en
el punto (x0 , y0 ) a lo largo de cualquier camino pasando por (x0 , y0 ) y ese límite es siempre L.

Proposición 2.4 (Criterio de no existencia del límite)

Si se encuentran dos caminos γ1 y γ2 tales que el límite de f en (x0 , y0 ) a lo largo de los caminos
no sean iguales entonces la función no tiene límite en el punto (x0 , y0 ).

En la práctica, se buscan límites a largo de caminos rectilíneos o parabólicos. Se puede considerar

como camino al gráfico de y = φ(x) función continua. En este caso el límite de f en el punto (x0 , φ(x0 ))
a lo largo del camino es:
lı́m f (x, φ(x))
x→x0

Ejemplo 2.4
Existe el siguiente límite?
x−y
lı́m
(x,y)→(0,0) x + y

La respuesta es no, ya que si calculamos los límites de forma iterada obtenemos:

! !
x−y x−0 x−y 0−y
lı́m lı́m = lı́m lı́m lı́m = lı́m
x→0 y→0 x + y x→0 x + 0 y→0 x→0 x + y y→0 0 + y

= lı́m 1 = lı́m −1
x→0 y→0
=1 = −1

en las gráficas podemos ver dos formas de aproximarnos al (0, 0), y como los límites a lo largo
de estos caminos es diferente, el límite inicial no puede existir.

Ejemplo 2.5
Existe el siguiente límite?
2x2 y
lı́m
(x,y)→(0,0) x4 + y 2
30 Capítulo 2. Funciones

La respuesta es no, ya que si consideramos los caminos

γ :I → R2
t → (t, at 2 )

que son parábolas y = ax2 tendremos el siguiente límite

2x2 ax2 x4 (2a)

lı́m = lı́m
x→0 x4 + (ax2 )2 x→0 x4 (1 + a2 )
2a
= lı́m
x→0 1 + a2
2a
=
1 + a2
El límite cambia cuando a varia, así que el límite no existe

2.4. Continuidad

Definición 2.4.1 (Continuidad) Sea (x0 , y0 ) un punto de R2 , f una función definida en el

vecindario de (x0 , y0 ). Se dirá que f es continua en el punto (x0 , y0 ) si

lı́m f (x, y) = f (x0 , y0 )

(x,y)→(x0 ,y0 )

Teorema 2.1
La suma, producto de dos funciones continuas son funciones continuas. El cociente de una
función continua por una función continua que no se anula es una función continua. La com-
posición de dos funciones continuas es continua.

Teorema 2.2
Sea f : D ⊂ R2 → R una función continua. Las propiedades siguientes son equivalentes:

1. f es continua en todo punto de D.

2. Para todo intervalo abierto U ∈ R, f −1 (U ) es abierto en R2 .
3. Pata todo intervalo cerrado V ∈ R, f −1 (V ) es cerrado en R2 .

Teorema 2.3 (Continuidad y compacto)

Sea f : A ⊂ R3 → R una función continua, y K una conjunto compacto contenido en A. Entonces
f (K) es un conjunto compacto.

Corolario 2.4.1. Una función continua sobre un compacto es acotada y alcanza sus extremos.
Capítulo 2. Funciones 31

2.5. Teorema del valor intermedio

Definición 2.5.1 Se dirá que una parte Γ de R3 es un arco continuo si se puede encontrar una
aplicación continua γ : [a, b] → R3 tal que Img(γ) = Γ . La aplicación γ es llamada parametriza-
ción de Γ . Los puntos P = γ(a) y Q = γ(b) son llamados extremidades de Γ .

Definición 2.5.2 (Conexo por arcos) Un subconjunto A de R3 , es llamado conexo por arcos si
dados dos puntos cualesquiera P y Q de A, se puede encontrar un arco continuo Γ , de extremos
P y Q contenido enteramente en A.

Teorema 2.4 (Teorema del valor intermedio)

Sea f : A ⊂ R3 → R una función continua sobre A conexo por arcos. Sean P y Q dos puntos
de A. Para todo número real r comprendida entre f (P ) y f (Q) existe un punto R en A tal que
f (R) = r.
32 Capítulo 2. Funciones
 Derivadas
3
Cuando se quiere información acerca del comportamiento de una función f (x, y) en el vecindario de
un punto (a, b), se puede calcular su derivada, que nos da una aproximación de f por una función afín,
se obtendrá esta aproximación afín calculando las derivadas parciales de f en el punto considerado.
La gráfica de la aproximación afín será el plano tangente a la gráfica de f .

3.1. Derivadas parciales

La derivada de una función real sobre un intervalo I en un punto a ∈ I esta dado por:

f (x) − f (a)
f 0 (a) = lı́m
x→a x−a
Si tomamos una función f : D ⊂ Rn → R, la expresión precedente no tendría sentido, ya que no
podemos realizar la división por un vector, pero si fijamos las componentes excepto una, podemos
definir derivadas parciales.
Sea z = f (x, y) una función a dos variables. su gráfica es una superficie en el espacio.
Fijamos el valor y = b y dejamos a x variar. Conseguimos una función a una variable,

z = f (x, b)

la función parcial para y = b, su gráfica es una curva en el plano y = b, cuya pendiente en el punto
(a, b) esta dada por la derivada  
d ∂f 
f (x, b) o 
dx x=a ∂x (a,b)

Definición 3.1.1 (Derivadas parciales) Se llama derivada parcial de f respecto a x en el

∂f
punto (a, b) al número real denotado por ∂x y definida por:

∂f f (x, b) − f (a, b)
(a, b) = fx0 (a) = lı́m
∂x x→a x−a

∂f
Se llama derivada parcial de f respecto a y en el punto (a, b) al número real denotado por ∂y
y
definida por:

∂f f (a, y) − f (a, b)
(a, b) = fy0 (b) = lı́m
∂y y→b y −b

33
34 Capítulo 3. Derivadas

La derivada parcial es la derivada de una sola variable de la función parcial, se calcula fijando una
variable y derivando respecto a la otra.
La derivada parcial ∂f /∂x nos da la tasa de cambio de f respecto a x, en el punto (a, b), nos dice cuan
rápido f crece o decrece cuando x crece, mientras la otra variable y permanece constante.

Para funciones de más de dos variables ya no es posible realizar una gráfica, pero la idea detrás de las
derivadas parciales se mantiene.

Ejemplo 3.1
2 +y 2
Sea f (x, y) = ex + x2 + y 2 + xy + 2y − 3x + 2 calcular sus derivadas parciales:

∂f 2 2 ∂f 2 2
(x, y) = 2xex +y + 2x + y − 3; (x, y) = 2yex +y + 2y + x + 2
∂x ∂y

Definición 3.1.2 (Diferenciabilidad) Sea A un abierto de R2 , (x0 , y0 ) un punto de A y f : A → R

una aplicación. Se dirá que f es diferenciable en el punto (x0 , y0 ) si existe una aplicación lineal
T : R2 → R tal que:

kf (x, y) − f (x0 , y0 ) − T (x − x0 , y − y0 )k
lı́m =0
(x,y)→(x0 ,y0 ) k(x, y) − (x0 , y0 )k

Una alternativa de escritura es: f es diferenciable en un punto (x0 , y0 ) si existe una aplicación lineal
T , tal que:
f (x, y) = f (x0 , y0 ) + T (x − x0 , y − y0 ) + o(x − x0 , y − y0 )
donde
o(x − x0 , y − y0 )
lı́m =0
(x,y)→(x0 ,y0 ) k(x − x0 , y − y0 )k
Capítulo 3. Derivadas 35

Escribiremos T = Df (x0 , y0 )

Proposición 3.1
Si f es diferenciable en el punto (x0 , y0 ), entonces Df (x0 , y0 ) es la matriz dada por:

 
∂f ∂f
Df (x0 , y0 ) = (x , y )
∂x 0 0
(x , y )
∂y 0 0

Df (x0 , y0 ) es llamada la diferencial de f en el punto (x0 , y0 ). La aplicación P → Df (P ) de A en

L(R2 , R), recibe el nombre de diferencial de f y se denota por Df .

3.2. Aproximación
Sea z = f (x, y) una función, si f es diferenciable tenemos:

!
x − x0
 
∂f ∂f
f (x, y) = f (x0 , y0 ) + (x , y )
∂x 0 0
(x , y )
∂y 0 0
+ o(x − x0 , y − y0 )
y − y0

Llamamos linealización de la función z = f (x, y) a:

!
x − x0
 
∂f ∂f
z̄ = f (x0 , y0 ) + (x , y )
∂x 0 0
(x , y )
∂y 0 0 y − y0

Si z0 = f (x0 , y0 ), entonces tendremos:

∂f ∂f
z̄ = z0 + (x , y )(x − x0 ) + (x , y )(y − y0 )
∂x 0 0 ∂y 0 0

Luego, la ecuación del plano tangente a z = f (x, y) en

el punto (x0 , y0 , z0 ) es:

∂f ∂f
z = z0 + (x0 , y0 )(x − x0 ) + (x , y )(y − y0 )
∂x ∂y 0 0

Ejemplo 3.2
2 2
Sea f (x, y) = ex +y + x2 + y 2 + xy + 2y − 3x + 2 encontrar el plano tangente a la gráfica z = f (x, y)
en el punto (0, 0, 3).
Las derivadas parciales de la función están dadas por:

∂f 2 2 ∂f 2 2
(x, y) = 2xex +y + 2x + y − 3; (x, y) = 2yex +y + 2y + x + 2
∂x ∂y
36 Capítulo 3. Derivadas

las derivadas parciales evaluadas en el punto (x0 , y0 ) = (0, 0) nos da:

∂f ∂f
(0, 0) = −3 (0, 0) = 2
∂x ∂y

Luego la ecuación del plano tangente es:

z = 3 − 3x + 2y

Una de la utilidades del plano tangente es dar una aproximación.

La idea intuitiva es: si estamos cerca del punto (x0 , y0 , z0 ), la gráfica del plano tangente será una buena
aproximación al gráfico de la función z = f (x, y). Por esta razón si el punto (x, y) esta cerca del punto
(x0 , y0 ) tendremos
∂f ∂f
f (x, y) ≈ z0 + (x , y )(x − x0 ) + (x , y )(y − y0 )
∂x 0 0 ∂y 0 0
altura graf ica ≈ altura plano tangente
El plano tangente (linealización) nos da; la mejor aproximación lineal a la función f (x, y) para valores
(x, y) cercanos a (x0 , y0 ).

Ejemplo 3.3
√ √
Calcular aproximadamente ln( 3 1,03 + 3 0,94 − 1)
√ √
- Primero determinamos la función: f (x, y) = ln( 3 x + 3 y − 1).
- Elegimos un valor cercano a (1,03, 0,94) del cual podemos calcular su imagen. En este
caso (x0 , y0 ) = (1, 1), además f (1, 1) = 0.
- Calculamos la linealización de la función f (x, y).

∂f 1 1 ∂f 1
(x, y) = √ √ √ , (1, 0) =
∂x 3
x + 3 y − 1 3 3 x2 ∂x 3

∂f 1 1 ∂f 1
(x, y) = √ √ , (1, 0) =
3
p
∂y 3
x + y − 1 3 y2
3 3 ∂y
Luego la linealización es:
1 1
z= (x − 1) + (y − 1)
3 3
- Utilizamos la linealización para aproximar el valor deseado
√ √ 1 1
ln( 3 1,03 + 3 0,94 − 1) ≈ (1,03 − 1) + (0,94 − 1) = −0,01
3 3

Una forma equivalente para la aproximación es utilizar incrementos

∆x = x − x0 ∆y = y − y0 ∆z = z − z0
Luego
! !
∂f ∂f
∆z ≈ (x , y ) ∆x + (x , y ) ∆y
∂x 0 0 ∂y 0 0
Capítulo 3. Derivadas 37

Si ∆x ≈ 0 y ∆y ≈ 0.
Esta fórmula nos da el cambio aproximado que sufre z cuando realizamos cambios en x e y.

Ejemplo 3.4

Alrededor del punto (1, 0) es ¿ f (x, y) = x2 (y + 1) más sensible a los cambios en x o a cambios en
y?
La variación de la función f (x, y) puede ser aproximada utilizando derivadas parciales

∂f ∂f
∆f (x, y) ≈ (x, y)∆x + (x, y)∆y
∂x ∂y

calculando las derivadas parciales y evaluando en el punto (1, 0) tenemos:

∂f ∂f ∂f ∂f
(x, y) = 2x(y + 1), (1, 0) = 2; (x, y) = x2 , (1, 0) = 1
∂x ∂x ∂y ∂y

por lo que:
∆f (1, 0) ≈ 2∆x + 1∆y
por lo que la función f (x, y) es más sensible a los cambios en la variable x, ya que una varia-
ción de una unidad en x, resultara en una variación de 2 unidades en f aproximadamente, en
cambio una unidad de variación en y resultara en una variación de 1 unidad en f aproximada-
mente.

Nota ((Principio de sensibilidad)). El valor numérico de z calculado en algún punto (x0 , y0 ) será más
sensible a cambios en la variable para la cual la derivada parcial en dicho punto tenga el valor absoluto más
grande en ese punto.

Nota. La formula de aproximación no es una afirmación matemática precisa, ya que el símbolo ≈ no

especifica exactamente cuan cerca están las cantidades. Para solucionar esto, uno debería especificar
el error en la aproximación.

Otra observación esta sobre la hipótesis de que el plano tangente es una buena aproximación a la su-
perficie en el punto (x0 , y0 , z0 ). El plano tangente es determinado en función a las derivadas parciales,
pendientes en las direcciones x e y. Esto significa que la aproximación será buena en las direcciones x e
y a partir del punto (x0 , y0 ), para que el plano tangente tenga la misma pendiente que la superficie en
las otras direcciones tendríamos que tener que la gráfica de f (x, y) sea una superficie suave en (x0 , y0 ),
es decir que la gráfica no tenga puntas, dobleces o algo peculiar.

∂f ∂f
Definición 3.2.1 (Suavidad) Una función f (x, y) es suave en (x0 , y0 ) si ∂x
= fx y ∂y
= fy son
continuas en un vecindario de (x0 , y0 )

La diferencial en un punto es una aplicación lineal, la cual cumple:

∂f ∂f
Df (P )(~
v) = (P ) · v1 + (P ) · v2
∂x ∂y

Una alternativa de escritura es:

∂f ∂f
df = dx + dy
∂x ∂y
38 Capítulo 3. Derivadas

Proposición 3.2
Sea A un conjunto abierto de R2 , P (x0 , y0 ) un punto de A, y f una función. Las siguientes
afirmaciones son equivalentes;

1. f es diferenciable en P .
2. f es continua en P y existe una función afín g : A → R tal que

f (x, y) − g(x, y)
lı́m =0
(x,y)→(x0 ,y0 ) k(x − x0 , y − y0 )k

g es única y viene dada por

g(x, y) = f (x0 , y0 ) − Df (x0 , y0 )(x − x0 , y − y0 ), ∀(x, y) ∈ R2

Esta proposición da un significado geométrico a la diferencial. La función g es la función afín que

mejor se aproxima a la función f en las proximidades del punto (x0 , y0 ), ya que es la única que
verifica la condición :
f (x, y) − g(x, y)
lı́m =0
(x,y)→(x0 ,y0 ) k(x − x0 , y − y0 )k

Por ello, g recibe el nombre de función afín tangente a la gráfica de f en el punto (x0 , y0 , z0 ). Por tanto,
la diferencial de f en (x0 , y0 ) es la aplicación lineal Df (x0 , y0 ) : R2 → R que determina a la función g.

Teorema 3.1
Sean f y g funciones de dos variables que son diferenciables en P (x0 , y0 ) entonces:

1. La suma f + g es diferenciable en P y

D(f + g)(P ) = Df (P ) + Dg(P )

2. El producto f · g es diferenciable en P y

D(f · g)(P ) = Df (P ) · g(P ) + f (P ) · Dg(P )

3. Si g(P ) , 0, el cociente f /g es diferenciable en P y

Df (P ) · g(P ) − f (P ) · Dg(P )
D(f /g)(P ) =
g 2 (P )

Definición 3.2.2 (Derivadas de orden superior) Sea D un conjunto abierto de R2 y sea

f : D → R una función. La derivada parcial de orden k de f , con respecto a las variables
Capítulo 3. Derivadas 39

xi1 , xi2 , . . . , xik es la derivada iterada

dk f
! !!
∂ ∂ ∂ ∂f
(P ) = ··· · · · (P )
∂xik · · · ∂xi1 ∂xik ∂xik−1 ∂xi2 ∂xi1

Se puede utilizar la notación fxi x ···xi2 xi1 (P ).

k ik−1

Definición 3.2.3 Sea D un abierto de R2 y f : D → R una función, diremos que f es de clase

C k si todas las derivadas parciales de orden k existen y son continuas.

Teorema 3.2 (Schwarz)

Sea D un abierto de R2 y f : D → R una función de clase C 2 , entonces

∂2 f ∂2 f
=
∂xi ∂xj ∂xj ∂xi

Ejemplo 3.5
∂2 f ∂2 f
Sea f (x, y) = exy + x2 + y 3 − 3xy + 2x + y verificar que ∂xi ∂xj
= ∂xj ∂xi
.

∂2 f
!
∂f ∂ ∂f
= yexy + 2x − 3y, = = exy + xyexy − 3
∂x ∂y ∂x ∂y∂x

∂2 f
!
∂f ∂ ∂f
= xexy + 3y 2 − 3x + 1, = = exy + xyexy − 3
∂y ∂x ∂y ∂x∂y
de donde
∂2 f ∂2 f
=
∂y∂x ∂x∂y

3.3. Regla de la cadena

Teorema 3.3 (Regla de la cadena)

Sean A abierto de Rn y B abierto de Rm . f : A → B y g : B → Rk dos funciones. Si f es di-
ferenciable en P y g es diferenciable en Q = f (P ), entonces g ◦ f es diferenciable en P , con
derivada:

D(g ◦ f )(P ) = Dg(f (P )) · Df (P )

40 Capítulo 3. Derivadas

Trabajemos con un caso específico. Supongamos:

f : R2 → R2 g : R2 → R
(x, y) → (u, v) = f (x, y) (u, v) → z = g(u, v)

Entonces  
∂f1 ∂f1

∂x
(x, y) ∂y
(x, y)  
∂g ∂g

Df (x, y) =  Dg(u, v) = (u, v) (u, v)
 
∂f2 ∂f2  ∂u ∂v

∂x
(x, y) ∂y
(x, y) 
 
∂f1 ∂f1

∂g◦f ∂g◦f
 
∂g ∂g
 
∂x
(x, y) ∂y
(x, y) 
D(g ◦ f )(x, y) = (x, y) (x, y) = (u, v) (u, v)  
∂x ∂y ∂u ∂v ∂f2 ∂f2 
(x, y) (x, y)
 
∂x ∂y

 
∂g ∂f ∂g ∂f ∂g ∂f ∂g ∂f
 
∂g◦f ∂g◦f
(x, y) (x, y) = ∂u
(u, v) ∂x1 (x, y) + ∂v (u, v) ∂x2 (x, y) ∂u
(u, v) ∂y1 (x, y) + ∂v (u, v) ∂y2 (x, y)
∂x ∂

Luego    
∂g◦f ∂g◦f ∂g ∂u ∂g ∂g ∂u ∂g
∂x ∂y
= ∂u ∂x
+ ∂v ∂v
∂x ∂u ∂y
+ ∂v ∂v
∂y

Ejemplo 3.6
∂w
Sea w = xy − z2 , x = 2u − 3v, y = uv 2 , z = 2u 2 + v 2 . Hallar ∂u
(u, v) en el punto (u, v) = (1, 2).
 ∂x ∂x 
     ∂u ∂v 
∂w ∂w ∂w ∂w ∂w ∂y ∂y 
∂u ∂v
= ∂x ∂y ∂z

 ∂u ∂v


 ∂z ∂z 
∂u ∂v

La regla de la cadena nos da:

∂w ∂w ∂x ∂w ∂y ∂w ∂z
= + +
∂u ∂x ∂u ∂y ∂u ∂z ∂u
= (y)(2) + (x)(v 2 ) + (−2z)(4u)

Además, x(1, 2) = −4, y = 4, z = 6

∂w
(1, 2) = (4)(2) + (−4)(22 ) + (−2 · 6)(4 · 1) = 8 − 16 − 48 = −56
∂u

3.4. Derivación implícita

Consideremos la curva y 2 = x en el plano R2

C = {(x, y) ∈ R2 : y 2 = x}
Capítulo 3. Derivadas 41

C no es el gráfico de una función, pero esta bastante cerca a ser la gráfica de una función.
Dado cualquier punto de la gráfica, supongamos (4, 2), podemos encontrar intervalos abiertos U de
4, V de 2 y una función f : U → V suave tal que C ∩ (U × V√ ) es el gráfico de f .
Podemos definir la función f : (3, 5) → R tal que y = f (x) = x.
Podríamos decir que el origen es un punto donde no po-
demos definir una función implícita?. Fuera del origen, la
recta tangente no es vertical, pero en el origen la recta tan-
gente es vertical. Si consideramos

F : R2 → R
(x, y) → F(x, y) = y 2 − x

tal que C es el conjunto de puntos donde F se hace cero,

DF(x, y) = ( −1 2y )

El lugar donde tenemos problemas es donde 2y = 0.

Teorema 3.4 (Teorema de la función implícita)

Sea A ⊂ Rn+m un conjunto abierto y sea F : A → Rm una función de clase C 1 . Supongamos que

(a, b) ∈ S = {(x, y) ∈ A : F(x, y) = 0}

Asumimos que: !
∂Fi
det ,0
∂yj
Entonces podemos encontrar conjuntos abiertos a ∈ U ⊂ Rn , b ∈ V ⊂ Rm , tal que U × V ⊂ A y
una función f : U → V tal que S ∩ (U × V ) es el gráfico de f , es decir

F(x, y) = 0 ⇔ y = f (x)

donde x esta en U e y esta en V .

Ejemplo 3.7

Sea F : R3 → R, tal que F(x, y, z) = x2 y − xy 2 + xz2 + z3 + 4 y

S = {(x, y, z) ∈ R3 : F(x, y, z) = 0}

Calculemos las derivadas parciales de F en el punto (1, 3, 1) ∈ S

∂F 
(1, 3, 1) = 2xy − y 2 + z2 (1,3,1) = −2
∂x
∂F 
(1, 3, 1) = x2 − 2xy (1,3,1) = −5
∂y
∂F 
(1, 3, 1) = 2xz + 3z2 (1,3,1) = 5
∂z

Ya que ∂F
∂z
(1, 3, 1) = 5 , 0, podemos encontrar un abierto U ⊂ R2 del punto (1, 3), y V abierto que
contiene a 1 y una función f : U → V de clase C 1 , tal que z = f (x, y), es decir F(x, y, f (x, y)) = 0.
De manera general no será posible escribir de forma explícita la función f , pero podemos
calcular sus derivadas parciales.
42 Capítulo 3. Derivadas

Derivemos la siguiente expresión respecto de x e y.

F(x, y, f (x, y)) = 0

∂F
∂F ∂F ∂z ∂z
+ = 0, = − ∂x
∂x ∂z ∂x ∂x ∂F
∂z
∂F
∂F ∂F ∂z ∂z ∂y
+ = 0, =−
∂y ∂z ∂y ∂y ∂F
∂z
Luego
∂F ∂F
∂z (1, 3, 1) −2 2 ∂z ∂y
(1, 3, 1) −5
(1, 3) = − ∂x =− = , (1, 3) = − =− =1
∂x ∂F 5 5 ∂y ∂F 5
∂z
(1, 3, 1) (1, 3, 1)
∂z

3.5. Gradiente, divergencia y rotacional

Definición 3.5.1 (Operador nabla) El operador nabla es:

!
∂ ∂ ∂
∇= , ,
∂x ∂y ∂z

Definición 3.5.2 (Gradiente) Sea f : D ⊂ R3 → R una función cuyas derivadas parciales exis-
ten en el punto P (x0 , y0 , z0 ). Se llama vector gradiente de f en el punto P al vector cuyas coor-
denadas son las derivadas parciales de f :

!
∂f ∂f ∂f
grad(f )(x0 , y0 , z0 ) = (x0 , y0 , z0 ), (x0 , y0 , z0 ), (x , y , z )
∂x ∂y ∂z 0 0 0

Una otra notación para el gradiente es ∇f (x0 , y0 , z0 ).

Definición 3.5.3 (Divergencia) Sea f : D ⊂ R3 → R3 una función vectorial, de componentes

f = (f1 , f2 , f3 ) cuyas derivadas parciales existen. Se llama divergencia de f al escalar

∂f1 ∂f ∂f
div(f )(P ) = (P ) + 2 (P ) + 3 (P )
∂x ∂y ∂z

Una otra forma de escribir la divergencia es: ∇ · f (P ).

Una función vectorial f que cumple div(f ) = 0, es llamada incompresible.

Definición 3.5.4 (Rotacional) Sea f : D ⊂ R3 → R3 de componentes f1 , f2 , f3 cuyas derivadas

Capítulo 3. Derivadas 43

parciales existen. Se llama rotacional de f en el punto P al vector:

!
∂f3 ∂f ∂f ∂f ∂f ∂f
rot(f )(P ) = (P ) − 2 (P ), 1 (P ) − 3 (P ), 2 (P ) − 1 (P ))
∂y ∂z ∂z ∂x ∂x ∂y

Una otra notación para el rotacional es: ∇ × f (P ).

Una función vectorial f que cumple rot(f ) = 0 es llamada función irrotacional (libre de rotación).

Definición 3.5.5 (Operador de Laplace) Sea f : D ⊂ R3 → R una función escalar. Se llama

laplaciano de f al escalar:

∂2 f ∂2 f ∂2 f
∇2 f = + +
∂x2 ∂y 2 ∂z2

Una función f que cumple ∇2 f = 0 es llamada función armónica.

3.6. Teoremas del valor medio y de los incrementos finitos

Definición 3.6.1 (Segmento) Sean P y Q puntos de R3 . Se llama segmento cerrado de extre-

mos P y Q al conjunto:
[P , Q] = {tP + (1 − t)Q tal que t ∈ [0, 1]}
Se llama segmento abierto de extremidades P y Q al conjunto:

(P , Q) = {tP + (1 − t)Q tal que t ∈ (0, 1)}

Teorema 3.5 Teorema del valor medio

Sea A un conjunto abierto de R3 , P y Q puntos de A tales que el segmento [P , Q] esta en A y
f : A → R es una función continua en [P , Q] y diferenciable en (P , Q). Entonces existe R ∈ (P , Q)
tal que:
f (Q) − f (P ) = Df (R)(Q − P )

El teorema del valor medio no se verifica en el caso de funciones vectoriales.

Sin embargo para funciones vectoriales se tiene una desigualdad.

Teorema 3.6 Teorema de los incrementos finitos

Sea A abierto en Rn , P y Q puntos de A tales que [P , Q] esta en A, y f : A → Rm continua en
[P , Q] y diferenciable en (P , Q). Suponiendo que el conjunto

{kDf (R)k : R ∈ (P , Q)}

esta mayorado. Entonces

kf (Q) − f (P )k ≤ sup{kDf (R)k : R ∈ (P , Q)}kQ − P k

44 Capítulo 3. Derivadas

3.7. Polinomio de Taylor

Recordemos el caso de una función real de parámetro real.

Definición 3.7.1 Sea f : I ⊂ R → R una función de clase C k . Dado un punto a ∈ I

f 00 (a) f (k) (a)

Pa,k f (x) = f (a) + f 0 (a)(x − a) + (x − a)2 + · · · + (x − a)k
2! k!
k
X f (i)
= (x − a)i
i!
i=0

Pa,k f (x) es el k-esimo polinomio de Taylor de f centrado en a

Definición 3.7.2 (Polinomio de Taylor de orden k) Sea D un abierto de Rn convexo. Supon-

gamos que f : D → R es una función de clase C k . Dado un punto A ∈ D, el k-esimo polinomio
de Taylor de f centrado en A es:

X ∂f 1 X ∂2 f
PA,k f (X) = f (A) + (A)(xi − ai ) + (A)(xi − ai )(xj − aj ) + · · ·
∂xi 2 ∂xi ∂xj
1≤i≤n 1≤i,j≤n

1 X ∂k f
··· + (A)(xi1 − ai1 )(xi2 − ai2 ) · · · (xik − aik ).
k! ∂xik · · · ∂xi2 ∂xi1
1≤i1 ,i2 ,...,ik ≤n

El resto es la diferencia
RA,k f (X) = f (x) − PA,k f (X)

3.8. Derivada direccional

Las derivadas parciales describen el comportamiento de la función f cuando se realizan desplaza-

mientos horizontales o verticales, no existe ninguna razón “a priori” para privilegiar estas dos direc-
ciones, se puede estudiar el comportamiento de f a lo largo de una dirección diferente.
Sea ` la recta que pasa por el punto (x0 , y0 ) y de dirección v~ = (v1 , v2 ). Estudiaremos la función f a lo
largo de esta recta, es decir consideraremos la función compuesta:

t → F(t) = f (x0 + tv1 , y0 + tv2 )

Definición 3.8.1 (Derivada direccional) Se dirá que f admite derivada direccional en el pun-
to (x0 , y0 ) siguiendo el vector v~ si, y solamente sí F(t) = f (x0 + tv1 , y0 + tv2 ) es derivable en t = 0.
Si este es el caso se denotará por Dv~ f (x0 , y0 ) = F 0 (0) y se tiene:
Capítulo 3. Derivadas 45

!
f ((x0 , y0 ) + t(v1 , v2 )) − f (x0 , y0 )
Dv~ f (x0 , y0 ) = lı́m
t→0 t

Las derivadas direccionales de una función f en un punto (x0 , y0 ) siguiendo los vectores e1 = (1, 0) y
e2 = (0, 1) si existen, corresponden a las derivadas parciales de f respecto a x e y respectivamente.
∂f ∂f
De1 f (x0 , y0 ) = (x , y ) De2 f (x0 , y0 ) = (x , y )
∂x 0 0 ∂y 0 0
Para poder comparar las derivadas en diferentes direcciones en el mismo punto (x0 , y0 ), es necesario
que el vector v~ sea unitario.
La derivada en la dirección v~ tiene una interpretación gráfica similar a la derivada de una función de
una sola variable, ya que Dv~ f (x0 , y0 ) = F 0 (0), es decir, es la pendiente de la recta tangente a la curva
en el punto 0

Teorema 3.7
Sea f : D ⊂ R2 → R una función diferenciable en el punto (x0 , y0 ), entonces f es derivable en el
punto (x0 , y0 ) siguiendo cualquier vector v~, y Dv~ f (x0 , y0 ) = Df (x0 , y0 )(~
v ), además

Dv~ f (x0 , y0 ) = Df (x0 , y0 )(~

v ) = ∇f (x0 , y0 ) · v~

La recíproca no es cierta, es decir, si una función es derivable en un punto siguiendo cualquier di-
rección, no podemos asegurar que sea diferenciable en dicho punto, es más, no podemos asegurar
siquiera su continuidad.
En la práctica para calcular la derivada dirección de f en un punto (x0 , y0 ) siguiendo un vector v~ se
realiza el producto escalar entre el vector gradiente de f en el punto (x0 , y0 ) por el vector v~.
La dirección que da la tasa de cambio más grande para f está en la dirección ∇f (x0 , y0 ) ya que:
Dv~ f (x0 , y0 ) = ∇f (x0 , y0 ) · v~
= k∇f (x0 , y0 )kk~
v k cos θ
= k∇f (x0 , y0 )k cos θ
≤ k∇f (x0 , y0 )k
El valor más grande para cos θ es 1 y se obtiene cuando θ = 0, esto quiere decir que v~ = λ∇f (x0 , y0 ),
luego v~ tiene la misma dirección que ∇f (x0 , y0 ).
De manera similar se tiene la mayor tasa de decrecimiento en la dirección de −∇f (x0 , y0 ) y las direc-
ciones de cambio nulo, son las direcciones ortogonales al vector gradiente ∇f (x0 , y0 ).

Proposición 3.3
El gradiente es ortogonal a las curvas de nivel
46 Capítulo 3. Derivadas

Ejemplo 3.8

Calcular la derivada direccional de f (x, y, z) = 3x2 − yz + z2 en el punto (1, 2, −1), en la dirección

del vector v = (2, −1, 2). En el punto (1, 2, −1) en que dirección debemos movernos para conse-
guir la mayor tasa de decrecimiento de la función f . Cual es la derivada direccional en dicha
dirección?.
Primero calculemos el gradiente de f en el punto (1, 2, −1).

∇f (x, y, z) = (6x, −z, −y + 2z), ∇f (1, 2, −1) = (6, 1, −4)

a) Dv f (1, 2, −1) = (6, 1, −4) · 31 (2, −1, 2) = 12−1−8

3 =1

b) La dirección en la cual nos debemos mover para obtener la mayor tasa de decrecimiento es
−∇f (1, 2, −1) = (−6, −1, 4).
c) D−∇f f (1, 2, −1) = (6, 1, −4) · √1 (−6, −1, 4) = −qrt53
53

3.9. Máximos y mínimos

Definición 3.9.1 Sea f : D ⊂ R2 → R:

Se dirá que una función f alcanza su máximo en el punto (x0 , y0 ) sobre el conjunto D si

f (x, y) ≤ f (x0 , y0 )

para todo (x, y) en D.

Se dirá que una función f alcanza su mínimo en el punto (x0 , y0 ) sobre el conjunto D si

f (x, y) ≥ f (x0 , y0 )

para todo (x, y) en D.

Se dirá que f tiene un máximo local en (x0 , y0 ) si f (x, y) ≤ f (x0 , y0 ) para todos los puntos
(x, y) en un vecindario de (x0 , y0 ).

Se dirá que f tiene un mínimo local en (x0 , y0 ) si f (x, y) ≥ f (x0 , y0 ) para todos los puntos
(x, y) en un vecindario de (x0 , y0 ).
Se dirá que f tiene un extremo en (x0 , y0 ) si f tiene un máximo o mínimo en (x0 , y0 ).

Definición 3.9.2 (Punto crítico) Se dirá que un punto (x0 , y0 ) es un punto crítico de la función
f si:

El gradiente de la función en ese punto se hace cero.

∂f
(x , y ) = 0
∂x 0 0
∂f
(x , y ) = 0
∂y 0 0

El gradiente no existe en ese punto

Capítulo 3. Derivadas 47

Teorema 3.8
Sea f : D ⊂ R2 → R función de clase C 1 ,sobre D abierto, si f alcanza un extremo local en (x0 , y0 )
entonces (x0 , y0 ) es un punto crítico.

Sin perdida de generalidad supongamos que tenemos un mínimo en (x0 , y0 ). Sea B((x0 , y0 ), ) una bola
abierta tal que f (x, y) ≥ f (x0 , y0 ), sea v~ un vector unitario cualquiera, luego por continuidad de f en
(x0 , y0 ), si t ∈ (−, ) el punto (x0 , y0 ) + t~
v pertenece a la bola. Tomando g(t) = f ((x0 , y0 ) + t~
v ), se tiene

g(t) = f ((x0 , y0 ) + t~
v ) ≥ f (x0 , y0 )

De esta relación, concluimos que g(t) tiene un mínimo local en t = 0.

g 0 (0) = Dv~ f (x0 , y0 ) = ∇f (x0 , y0 ) · v~ = 0

válido para todo v~, entonces ∇f (x0 , y0 ) = 0.

3.10. Prueba de la segunda derivada

Definición 3.10.1 Sea f : D ⊂ R2 → R función de clase C 2 , sobre D abierto. La función f

admite un desarrollo en serie de Taylor de orden 2 en el vecindario de un punto P (x0 , y0 ), si
existe una bola abierta B((x0 , y0 ), ) contenida en D tal que para todo (x, y) en D, f se puede
escribir:

!
x − x0
 
∂f ∂f
f (x, y) = f (P ) + ∂x
(P ) ∂y
(P ) +
y − y0
 2
∂2 f

∂ f
  ∂x2 (P ) (P )  !
1 ∂y∂x  x − x0
x − x0 y − y0  ∂2 f

∂2 f
 +
2  (P ) (P )

 y − y0
∂x∂y ∂y 2
o((x − x0 )2 , (y − y0 )2 )

La matriz:
∂2 f ∂2 f
 
(P ) (P )
!
∂f 
∂x2 ∂y∂x

Hf (P ) = (P ) = 
 
∂xi ∂j ∂2 f ∂2 f 
1≤i≤2 
∂x∂y
(P ) ∂y 2
(P ) 
1≤j≤2

es denominada matriz Hessiana de f en el punto P (x0 , y0 ), la matriz Hessiana es simétrica

Definición 3.10.2 Si A es una matriz simétrica n × n, entonces la función

v ) = v~t A~
Q(~ v

es llamada la forma cuadrática simétrica.

Se dirá que Q es definida positiva si v~ , 0 entonces Q(~
v ) > 0.

Se dirá que Q es definida negativa si v~ , 0 entonces Q(~

v ) < 0.
48 Capítulo 3. Derivadas

Proposición 3.4
Sea f : D ⊂ R2 → R una función de clase C 2 y (x0 , y0 ) punto crítico de f , entonces
v ) = v~t Hf (x0 , y0 )~
Si Q(~ v es definida positiva, entonces f alcanza un mínimo en (x0 , y0 ).

v ) = v~t Hf (x0 , y0 )~
Si Q(~ v es definida negativa, entonces f alcanza un máximo en (x0 , y0 ).
v ) = v~t Hf (x0 , y0 )~
Si Q(~ v no es cero, ni definida positiva, ni definida negativa, entonces f
tiene un punto silla en (x0 , y0 ).

Proposición 3.5
Sea A es una matriz n×n, y Mk los menores principales de talla k (submatriz superior izquierda
v ) = v~t A~
de dimensión k × k). Sea Q(~ v.
1. Si det(Mk ) > 0 para todo k, entonces Q es definida positiva.

2. Si det(Mk ) > 0 para todo k par, det(Mk ) < 0 para todo k impar, entonces Q es definida
negativa.

Ejemplo 3.9
Encontrar y clasificar todos los puntos críticos de
f (x, y) = 12x2 + y 3 − 12xy
a) Determinemos los puntos críticos:
∂f

∂x
(x, y) = 24x − 12y = 0 
 (x, y) = (0, 0)
 resolviendo

∂f
∂y
(x, y) = 3y 2 − 12x = 0 
 (x, y) = (1, 2)

Los puntos críticos son (0, 0) y (1, 2).

b) Calculamos la segunda derivada
 ∂2 f ∂2 f

2 (x, y) (x, y)
!

∂y∂x
 24 −12
H(x, y) =  ∂∂x2 f  =
 
2
∂ f
 (x, y) (x, y)  −12 6y
∂x∂y ∂y 2

Evaluamos la segunda derivada en los puntos críticos

! !
24 −12 24 −12
H(0, 0) = ; H(1, 2) =
−12 0 −12 12

c) Determinemos el tipo de punto crítico.

1. Para el punto crítico (0, 0), tenemos:
∂2 f
(0, 0) = 24 > 0, det(H(0, 0)) = 24 · 0 − (−12) · (−12) = −144 < 0
∂x2
En el punto crítico (0, 0) tenemos un punto silla.
2. Para el punto crítico (1, 2), tenemos:
∂2 f
(1, 2) = 24 > 0, det(H(1, 2)) = 24 · 12 − (−12) · (−12) = 144 > 0
∂x2
En el punto crítico (1, 2) la función alcanza un mínimo local.
Capítulo 3. Derivadas 49

3.11. Multiplicadores de Lagrange

Sea D un dominio abierto de R2 y f : D → R un función de clase C 1 . Tomemos una otra función
g : D → R con la misma regularidad que f y consideremos la curva de nivel

C = {(x, y) ∈ D : g(x, y) = 0}

Estamos interesados en los extremos de f sobre la curva C, es decir, extremos en la restricción f˜

de f en C, se habla de extremos bajo restricciones. Se busca optimizar la función f (x, y) cuando las
variables x e y están sujetas a la restricción g(x, y) = 0.
Se dirá que f˜ admite un mínimo local (respectivamente máximo local) en un punto P (x0 , y0 ) de C, si
existe una bola abierta B(P , ) contenida en D, tal que para todo (x, y) en C ∩ B(P , ), se tiene f (x, y) ≥
f (x0 , y0 ) (respectivamente f (x, y) ≤ f (x0 , y0 )).

Teorema 3.9 Extremos bajo restricción

Sea P (x0 , y0 ) un punto de C verificando ∇g(P ) , 0. Entonces, si f admite un extremo local en P
entonces los vectores ∇f (P ) y ∇g(P ) están vinculados: debe existir un escalar λ ∈ R tal que

∇f (P ) = λ∇g(P )

Los puntos críticos para la función f con la restricción g(x, y) = 0 deben satisfacer

∇f (x, y) = λg(x, y) g(x, y) = 0

Ejemplo 3.10

Encontrar los valores máximos y mínimos de f (x, y) = x2 − xy + y 2 sobre el cuarto de circunfe-

rencia x2 + y 2 = 1, x, y ≥ 0.
a) Determinemos los puntos críticos: Los puntos críticos de la función f (x, y) son las soluciones
de ∇f (x, y) = λ∇g(x, y) y los puntos extremos del cuarto de circunferencia:

∇f (x, y) = (2x − y, −x + 2y), ∇g(x, y) = (2x, 2y)

Resolviendo ∇f (x, y) = λ∇g(x, y) y g(x, y) = 0.


2x − y = λ2x  
 1 1 1
−x + 2y = λ2y  solución x = √ , y = √ , λ =

2 2 2
x2 + y 2 =

1 


Los puntos críticos son ( √1 , √1 ) y (1, 0), (0, 1).

2 2

b) Determinemos el tipo de punto crítico.

1. Para el punto crítico ( √1 , √1 ), tenemos:

2 2

1 1 1
f (√ , √ ) =
2 2 2

En el punto crítico ( √1 , √1 ) la función alcanza un mínimo local.

2 2
50 Capítulo 3. Derivadas

2. Para los puntos (1, 0) y (0, 1) tenemos:

f (1, 0) = 1
f (0, 1) = 1

La función alcanza máximos en los puntos

(1, 0) y (0, 1)
 Integrales dobles e integrales de linea
4
Definimos la integral doble como el límite de las sumas de Riemann, para luego realizar el cálculo
del valor de la integral doble

4.1. Definición de integral doble

Sea D una región del plano y z = f (x, y) una función continua sobre D. La integral doble de la función
f (x, y) sobre la región D se la denota por:
"
f (x, y)dA
D

Dividimos la región D en pequeños rectángulos. Sea ∆Ak = ∆xi ∆yj el área del k-esimo rectángulo,
también elegimos (xk∗ , yk∗ ) en el k-esimo rectángulo.

Definición 4.1.1 (Suma de Riemann) La suma

n
X
f (xk∗ , yk∗ )∆Ak
k=1

es llamada una suma de Riemann

Haciendo tender max{∆Ak } a cero, obtenemos:

" n
X
f (x, y)dA = lı́m f (xk∗ , yk∗ )∆Ak
∆A→0
D k=1

Si el límite existe diremos que f es integrable.

51
52 Capítulo 4. Integrales dobles e integrales de linea

Proposición 4.1
Sean f : D → R y g : D → R funciones integrables sobre D conjunto acotado, entonces:
1. La suma f + g es integrable sobre D

" " "

(f + g)(x, y)dA = f (x, y)dA + g(x, y)dA
D D D

2. λf es integrable sobre D

" "
λf (x, y)dA = λ f (x, y)dA
D D

3. Si f (x, y) ≤ g(x, y) para todo (x, y) en D, entonces

" "
f (x, y)dA ≤ g(x, y)dA
D D

Definición 4.1.2 (Región elemental) Un subconjunto D ⊂ R2 es una región elemental si es

uno de los siguientes tipos:
Tipo 1:
D = {(x, y) ∈ R2 : a ≤ x ≤ b, f (x) ≤ y ≤ g(x)}
donde f : [a, b] → R y g : [a, b] → R son funciones continuas.

Tipo 2:
D = {(x, y) ∈ R2 : c ≤ y ≤ d, h(y) ≤ x ≤ l(y)}
donde h : [c, d] → R y l : [c, d] → R son funciones continuas.

Tipo 3: D es una combinación de los tipos 1 y 2.

Capítulo 4. Integrales dobles e integrales de linea 53

Para calcular la integral doble sobre un dominio de cualquier tipo, se calcula la integral de manera
iterada

Teorema 4.1 (Teorema de Fubini)

Sea D ⊂ R2 una región elemental y F : D → R una función continua, entonces

" Z b Z g(x)
 Z d Z l(y)

   
F(x, y)dA = 
 F(x, y)dy  dx =
  F(x, y)dx dy
a f (x) c h(y)
D

En la practica es conveniente elegir de acuerdo al tipo de dominio.

1. Si D es una región de tipo 1.

" Z b Z g(x)

 
F(x, y)dA = 
 F(x, y)dy  dx
a f (x)
D

2. Si D es una región de tipo 2.

" Z d Z l(y)

 
F(x, y)dA = 
 F(x, y)dx dy
c h(y)
D

Nota. El teorema indica que la integral puede ser calculada de manera iterativa, es decir, integrando pri-
mero respecto a una variable luego respecto a la otra, además es independiente del orden de integración.

Ejemplo 4.1
Evaluar la integral

"
x + ydA
D
D es la región limitada por
x2 + y 2 = 1, x + y = 1

Para poder integrar coloquemos los límites de integración:

Integremos primero respecto a la variable y
a) Fijando x, observamos la variación de y, como x esta fijo el punto (x, y) se mueve de manera
vertical, trazamos lineas verticales.

b) El límite inferior es el valor más pequeño que toma y cuando las lineas verticales entran a la
región D, el límite superior es el valor más grande que toma y cuando las lineas verticales
abandonan la región D.
54 Capítulo 4. Integrales dobles e integrales de linea

c) Finalmente, el límite inferior para x es el valor más pequeño para el cual las lineas verticales
intersectan a la región, el límite superior es el valor más grande para el cual las lineas
verticales intersectan a la región D
Así obtenemos:
" Z x=1 Z y=√1−x2 


x + ydA = x + ydy  dx


x=0  y=1−x 
D
Z1 √1−x2
y 2 
= xy + dx
2 1−x

0

Z 1 p √ 2

1 2  2!
x 1 − x2 + − x  − x(1 − x) + (1 − x) dx
 
=
0 
 2  2
Z1 p
= x 1 − x2 dx
0
2 1

1
= − (1 − x2 ) 3 
3 0
1 2 1 2
   
= − (1 − 1 ) 3 − − (1 − 02 ) 3
2
3 3
1
=
3

Probemos ahora integrando primero respecto a la variable x

a) Fijando y, observamos la variación de x, como y esta fijo el punto (x, y) se mueve de manera
horizontal, trazamos lineas horizontales.
b) El límite inferior es el valor más pequeño que toma x cuando las lineas horizontales en-
tran a la región D, el límite superior es el valor más grande que toma x cuando las lineas
horizontales abandonan la región D.
c) Finalmente, el límite inferior para y es el valor más pequeño para el cual las lineas horizon-
tales intersectan a la región, el límite superior es el valor más grande para el cual las lineas
horizontales intersectan a la región D
Así obtenemos:

"
 q 
Z y=1 Z x= 1−y 2 
x + ydA = x + ydx dy
 


y=0  x=1−y 
D
q
Z1 2  1−y 2
x 
= + yx dy
0 2 
1−y
q 2 
Z 1  1 − y 2 
(1 − y)2
q  !
+ y 1 − y 2  −

= + y(1 − y) dy
 
0 

 2 
 2

Z1 q
= y 1 − y 2 dy
0
2 1

1
= − (1 − y 2 ) 3 
3 0
1 2 1 2
   
= − (1 − 1 ) − − (1 − 02 ) 3
2 3
3 3
1
=
3

Se observa que el resultado es el mismo que integrar primero respecto a la variable y.

Capítulo 4. Integrales dobles e integrales de linea 55

Proposición 4.2
Sea D = D1 ∪ D2 una región acotada y sea f : D → R una función.
Si f es integrable sobre D1 y sobre D2 , entonces f es integrable sobre D y sobre D1 ∩ D2 , y
tenemos:
" " " "
f (x, y)dA = f (x, y)dA + f (x, y)dA − f (x, y)dA
D D1 D2 D1 ∩D2

4.2. Cambio del orden de integración

Evaluar Z π/2 Z π/2
sin y
I= dydx
0 x y
Para la primera integral no se puede encontrar una primitiva para la función utilizando funciones
elementales.
Razón por la cual debemos realizar el cambio de orden de integración, es decir, integrar primero
respecto a la variable x. Para lo cual debemos:

- Primero recuperar los límites de integración, y varia de x a π/2 y x varia de 0 a π/2.

- Esbozamos la región de integración:

- Invertimos el orden de integración, utilizamos lineas horizontales, es decir, x varia de 0 a y, e y

varia de 0 a pi/2, la integral llega a ser:
Z π/2 Z y
sin y
I= dxdy
0 0 y

Resolvemos
π/2 Z y π/2
sin y y
Z Z 
sin y
dxdy = x dy
0 0 y 0 y 0
Z π/2 ! !
sin y sin y
= y − 0 dy
0 y y
Z π/2
= sin ydy
0
π/2
= − cos y 0
= − cos(π/2) + cos(0)
=1
56 Capítulo 4. Integrales dobles e integrales de linea

4.3. Cambio de variables

El área de un paralelogramos (ABCD) esta dada por:
−−→ −−−→
area(ABCD) = k AB kk AD k sin θ

de manera alternativa esta expresión es igual a:

−−→ −−−→
area(ABCD) = det( AB , AD )
−−→ −−−→
donde AB y AD son las columnas de la matriz.
Ahora, si tenemos una aplicación lineal T de R2 en R2 , el área del cuadrado C = [0, 1]2 por T es el
área del paralelogramo T (C), que vale

area(T (C)) = | det(T )|

de manera general, si se considera el cuadrado [0, ]2 , entonces el área de su imagen por T esta dada
por:
area(T ([0, ]2 ) = 2 | det(T )|
Consideremos ahora una aplicación de cambio de variable

Φ :R → D
(u, v) → Φ(u, v) = (x(u, v), y(u, v))

de un dominio R ⊂ R2 en un dominio D ⊂ R2 , que es biyectiva, diferenciable, tal que la matriz

jacobiana  ∂x ∂x 
 D(x, y)
DΦ(u, v) =  ∂u ∂v 

=
∂y ∂y 
 D(u, v)
∂u ∂v
sea invertible para todo punto (x, y).
Supongamos que un pequeño cuadrado P(u0 ,v0 ), de vértice (u0 , v0 ) y lado  esta incluido en R. Por
definición, la aplicación Φ esta bien aproximada por la aplicación lineal dada por su matriz derivada

Φ(u + h1 , v + h2 ) = Φ(u, v) + DΦ(u, v) · (h1 , h2 ) + o(h1 , h2 )

Luego, la imagen por Φ del pequeño cuadrado P(u0 ,v0 ), de área 2 tiene un área dada por:

area(Φ(P(u0 ,v0 ), ) = | det(DΦ(u, v)|2 + o(, epsilon)

Teorema 4.2 Cambio de variable

Sea Φ : R → D un cambio de variable entre dos dominios R y D de R2 , con Φ un difeomorfismo,
y f una función sobre D. Se tiene entonces la igualdad:

" "
f (x, y)dA = f (Φ(u, v))| det(DΦ(u, v))|DA0
D R

Coordenadas polares
Sea D el disco de centro 0 y de radio a. Consideremos las coordenadas polares (r, θ) y efectuemos el
cambio de variable
x = r cos θ y = r sin θ
Capítulo 4. Integrales dobles e integrales de linea 57

El jacobiano de (x, y) respecto a (r, θ) es

 
D(x, y)  cos θ −r sin θ
DΦ(r, θ) = =   = r
D(u, v) sin θ r cos θ 

Cuando (x, y) varia sobre D, r varia en [0, a], y θ varia en [0, 2π). Luego, (r, θ) varia en el rectángulo
R = [0, a] × [0, 2π]. Se obtiene:
" "
f (x, y)dA = f (r cos θ, r sin θ)rdA0
D R

Para calcular la integral en coordenadas polares requerimos tres etapas:

1. Cambiar el integrando f (x, y) a g(r, θ) = f (r cos θ, r sin θ).

2. Dar el elemento de área en el sistema (r, θ): dA = rdrdθ = rdA0

3. Transformar la región D en R para determinar los límites de integración en el sistema (r, θ).

De la misma forma, las integrales dobles que involucran otros tipos de regiones o integrandos pueden
a veces ser simplificados cambiando el sistema de coordenadas de x, y a uno mejor adaptado a la
región o al integrando.

4.4. Aplicaciones

Definición 4.4.1 (Área) Sea D una parte elemental de R2 . Se llama área de D a la cantidad

"
Area D = 1dA
D

Ejemplo 4.2

Utilizar un cambio de variable para encontrar el área de la región acotada por las curvas y = x2 ,
y = 2x2 , y = 1/x, y = 2/x. p √ 
3
El cambio de variables esta dado por la función Φ(u, v) = 3 uv , u 2 v

 q q 
1 1
D(x, y) 

3
3
u2 v
− 13 3 u
v4

 = 1
DΦ(u, v) = =  q
 3v
D(u, v)  2 3 v
p 1 3 u2
 3 u 3 v2 
58 Capítulo 4. Integrales dobles e integrales de linea

Luego
" "
1
1dA = dA0
3v
D R
Z 2Z 2
1
= dudv
1 1 3v
Z 2
u 2
=  dv
1 3v 1
Z 2
1
= dv
1 3v
2
1
= ln v 
3 1
ln 2
=
3

Definición 4.4.2 (Masa) Sea D una región elemental de R2 . Se llama masa de D con función
de densidad ρ : D → R a la cantidad

"
M= ρ(x, y)dA
D

Definición 4.4.3 (Centro de Gravedad) Sea D una región elemental de R2 y ρ(x, y) función
de densidad se llama centro de gravedad de D al punto de coordenadas:

" "
 
1

(xcg , ycg ) = xρ(x, y)dA, yρ(x, y)dA
 
 
M  
D D

Se puede pensar en el centro de masa como la posición promedio de la masa, es decir, la posición
promedio respecto a la masa. Podemos tomar también promedio de funciones con respecto a otras
cosas. Por ejemplo, el valor promedio de f (x, y) con respecto al área de una región D.
"
1
f (x, y)dA
area D
D

El centro de masa es el valor promedio de x e y con respecto a la masa.

El centro geométrico tiene coordenadas dadas por el valor promedio de x e y con respecto al área, es
decir, el centro de masa cuando ρ = 1.
Momento de inercia: El momento de inercia de un objeto mide la resistencia del objeto a un cambio
en su movimiento rotacional, ya que tiene relación con un movimiento rotacional el momento de
inercia siempre es medido respecto a una recta de referencia, la cual es considerada como el eje de
rotación. Para una masa puntual, m, el momento de inercia alrededor de la recta es:

I = md 2
Capítulo 4. Integrales dobles e integrales de linea 59

donde d es la distancia de la masa a la recta.

Si tenemos una masa distribuida calculamos el momento de inercia sumando la contribución de cada
una de sus partes. Si la masa tiene una distribución continua, las suma es una integral.

Definición 4.4.4 (Momento de inercia) Sea D una región elemental de R2 . Se llama momento
de inercia de D con función de densidad ρ : D → R respecto a la recta ` a la cantidad:

"
I` = dist 2 ((x, y), `)ρ(x, y)dA
D

donde dist((x, y), `) representa la distancia del punto (x, y) a la recta `.

60 Capítulo 4. Integrales dobles e integrales de linea
 Integrales triples e integrales de 5
superficie

Definimos la integral triple como el límite de las sumas de Riemann, para luego realizar el cálculo
del valor de la integral triple

5.1. Definición de integral triple

Sea D una región del espacio y u = f (x, y, z) una función continua sobre D. La integral triple de la
función f (x, y, z) sobre la región D se la denota por:
$
f (x, y, z)dV
D

Dividimos la región D en pequeños paralelepípedos. Sea ∆Vm = ∆xi ∆yj ∆zk el volumen del m-esimo
∗ , y ∗ , z∗ ) en el m-esimo paralelepípedo.
paralelepípedo, también elegimos (xm m m

Definición 5.1.1 (Suma de Riemann) La suma

n
X
∗ ∗ ∗
f (xm , ym , zm )∆Vm
m=1

es llamada una suma de Riemann

Haciendo tender max{∆Vm } a cero, obtenemos:

$ n
X
∗ ∗ ∗
f (x, y)dA = lı́m f (xm , ym , zm )∆Vm
∆V →0
D m=1

Si el límite existe diremos que f es integrable.

Proposición 5.1
Sean f : D → R y g : D → R funciones integrables sobre D conjunto acotado, entonces:

61
62 Capítulo 5. Integrales triples e integrales de superficie

1. La suma f + g es integrable sobre D y

$ $ $
(f + g)(x, y, z)dV = f (x, y, z)dV + g(x, y, z)dV
D D D

2. λf es integrable sobre D y

$ $
λf (x, y, z)dV = λ f (x, y, z)dV
D D

3. Si f (x, y, z) ≤ g(x, y, z) para todo (x, y, z) en D, entonces

$ $
f (x, y, z)dV ≤ g(x, y, z)dV
D D

Definición 5.1.2 Definimos tres proyecciones

πij : R3 → R2

donde πij denota la proyección sobre las coordenadas i y j.

π12 (x, y, z) = (x, y) π23 (x, y, z) = (y, z) π13 (x, y, z) = (x, z)

Por ejemplo, si tomamos una pirámide con base sobre el plano xy, tenemos que su proyección π12
sobre el plano xy es un cuadrado, pero su proyección sobre el plano xz (π13 ) es un triángulo, de
manera similar sobre el plano yz.

Definición 5.1.3 (Subconjunto elemental) Un subconjunto D ⊂ R3 es un subconjunto ele-

mental si es uno de los siguientes tipos:
Tipo 1: W = π12 (D) es una región elemental y
D = {(x, y, z) ∈ R3 : (x, y) ∈ W , f1 (x, y) ≤ z ≤ f2 (x, y)}
donde f1 : W → R y f2 : W → R son funciones continuas.
Tipo 2: W = π23 (D) es una región elemental y
D = {(x, y, z) ∈ R3 : (y, z) ∈ W , g1 (y, z) ≤ x ≤ g2 (y, z)}
donde g1 : W → R y g2 : W → R son funciones continuas.
Tipo 3: W = π13 (D) es una región elemental y
D = {(x, y, z) ∈ R3 : (x, z) ∈ W , h1 (x, z) ≤ y ≤ h2 (x, z)}
donde h1 : W → R y h2 : W → R son funciones continuas.
Capítulo 5. Integrales triples e integrales de superficie 63

Tipo 4: D es una combinación de los tipos 1 2 y 3.

La pirámide es un subconjunto de tipo 4.

Para calcular la integral triple sobre un dominio de cualquier tipo, se calcula la integral de manera
iterada

Teorema 5.1 (Teorema de Fubini)

Sea D ⊂ R3 una subconjunto elemental y F : D → R una función continua, entonces

$ " " "

 f2 (x,y)  g2 (y,z)  h2 (x,z)
Z  Z  Z 
  
F(x, y, z)dV = 
 F(x, y, z)dz dA = 
 F(x, y, z)dx dA = 
 F(x, y, z)dy  dA.
f1 (x,y) g1 (y,z) h1 (x,z)
D π12 (D) π23 (D) π13 (D)

En la practica es conveniente elegir de acuerdo al tipo de dominio.

1. Si D es una región de tipo 1.

$ " Z f2 (x,y)

 
F(x, y, z)dV = 
 F(x, y, z)dz dA.
f1 (x,y)
D π12 (D)

2. Si D es una región de tipo 2.

$ " Z g2 (y,z)

 
F(x, y, z)dV = 
 F(x, y, z)dx dA.
g1 (y,z)
D π23 (D)

3. Si D es una región de tipo 3.

$ " Z h2 (x,z)

 
F(x, y, z)dV = 
 F(x, y, z)dy  dA.
h1 (x,z)
D π13 (D)

Nota. El teorema indica que la integral es igual a lo que se obtiene integrando primero respecto a una
variable luego respecto a las otras, además es independiente del orden de integración.

Proposición 5.2
Sea D = D1 ∪ D2 una región acotada y sea f : D → R una función.
Si f es integrable sobre D1 y sobre D2 , entonces f es integrable sobre D y sobre D1 ∩ D2 , y
64 Capítulo 5. Integrales triples e integrales de superficie

tenemos:

$ $ $ $
f (x, y, z)dV = f (x, y, z)dV + f (x, y, z)dV − f (x, y, z)dV
D D1 D2 D1 ∩D2

5.2. Cambio de variables

La regla general para el cambio de variable es análoga al caso de dos variables.
Consideremos ahora una aplicación de cambio de variable

Φ :R → D
(u, v, w) → Φ(u, v, w) = (x(u, v, w), y(u, v, w), z(u, v, w))

de un dominio R ⊂ R3 en un dominio D ⊂ R3 , que es biyectiva, diferenciable, tal que la matriz

jacobiana
 ∂x ∂x ∂x 
 ∂u ∂v ∂w
 D(x, y, z)

 ∂y ∂y ∂y
DΦ(u, v, w) =  ∂u ∂v ∂w
 =
 D(u, v, w)
 ∂z ∂z ∂z 
∂u ∂v ∂w

sea invertible para todo punto (x, y, z).

Teorema 5.2 Cambio de variable

Sea Φ : R → D un cambio de variable entre dos dominios R y D de R3 , con Φ un difeomorfismo,
y f una función sobre D. Se tiene entonces la igualdad:

$ $
f (x, y, z)dV = f (Φ(u, v, w))| det(DΦ(u, v, w))|DV 0
D R

Coordenadas cilíndricas
Sea D el cilindro definido por
x2 + y 2 ≤ a2 , z ∈ [b, c]

Consideremos las coordenadas cilíndricas (r, θ, z) y efectuemos el cambio de variable

x = r cos θ y = r sin θ z=z

El jacobiano de (x, y, z) respecto a (r, θ, z) es

 
cos θ −r sin θ 0
D(x, y, z)  
DΦ(r, θ, z) = =  sin θ r cos θ 0  = r
D(r, θ, z) 
0 0 1

Capítulo 5. Integrales triples e integrales de superficie 65

Cuando (x, y, z) varia sobre D, r varia en [0, a], θ varia en [0, 2π) y z varia en [b, c]. Luego, (r, θ, z) varia
en el paralelepípedo R = [0, a] × [0, 2π] × [b, c]. Se obtiene:
$ $
f (x, y, z)dA = f (r cos θ, r sin θ, z)rdA0
D R

Para calcular la integral en coordenadas cilíndricas requerimos tres etapas:

1. Cambiar el integrando f (x, y, z) a g(r, θ, z) = f (r cos θ, r sin θ, z).

2. Dar el elemento de volumen en el sistema (r, θ, z): dV = rdV 0

3. Transformar la región D en R para determinar los límites de integración en el sistema (r, θ, z).

Coordenadas esféricas
Sea D la bola definida por
x 2 + y 2 + z 2 ≤ a2
Consideremos las coordenadas esféricas (r, θ, ϕ) y efectuemos el cambio de variable

x = r sin ϕ cos θ y = r sin ϕ sin θ z = r cos ϕ

El jacobiano de (x, y, z) respecto a (r, θ, ϕ) es

 
sin ϕ cos θ −r sin ϕ sin θ r cos ϕ cos θ
D(x, y, z)  
 = −r 2 sin ϕ
DΦ(r, θ, ϕ) = =  sin ϕ sin θ r sin ϕ cos θ r cos ϕ sin θ
D(r, θ, ϕ) 
cos ϕ 0 −r sin ϕ


Cuando (x, y, z) varia sobre D, r varia en [0, a], θ varia en [0, 2π) y ϕ varia en [0, π]. Luego, (r, θ, ϕ)
varia en el paralelepípedo R = [0, a] × [0, 2π] × [0, π]. Se obtiene:
$ $
f (x, y, z)dV = f (r sin ϕ cos θ, r sin ϕ sin θ, r cos ϕ)r 2 sin ϕdV 0
D R

Para calcular la integral en coordenadas esféricas requerimos tres etapas:

1. Cambiar el integrando f (x, y, z) a g(r, θ, ϕ) = f (r sin ϕ cos θ, r sin ϕ sin θ, r cos ϕ).

2. Dar el elemento de volumen en el sistema (r, θ, z): dV = rdV 0

3. Transformar la región D en R para determinar los límites de integración en el sistema (r, θ, z).

De la misma forma, las integrales triples que involucran otros tipos de regiones o integrandos pueden
a veces ser simplificados cambiando el sistema de coordenadas de x, y z a uno mejor adaptado a la
región o al integrando.

5.3. Aplicaciones

Definición 5.3.1 (Volumen) Sea D un subconjunto elemental de R3 . Se llama volumen de D a

la cantidad
$
V olumen D = 1dV
D
66 Capítulo 5. Integrales triples e integrales de superficie

Definición 5.3.2 (Masa) Sea D un subconjunto elemental de R3 . Se llama masa de D con

función de densidad ρ : D → R a la cantidad

$
M= ρ(x, y, z)dV
D

Definición 5.3.3 (Centro de Gravedad) Sea D un subconjunto elemental de R3 y ρ(x, y, z)

función de densidad se llama centro de gravedad de D al punto de coordenadas:

$ $ $
 
1

(xcg , ycg , zcg ) = xρ(x, y, z)dV , yρ(x, y, z)dV , zρ(x, y, z)dV
 
 
M  
D D D

Se puede pensar en el centro de masa como la posición promedio de la masa, es decir, la posición
promedio respecto a la masa. Podemos tomar también promedio de funciones con respecto a otras
cosas. Por ejemplo, el valor promedio de f (x, y, z) con respecto al volumen de una región D.
$
1
f (x, y, z)dV
volumen D
D

El centro de masa es el valor promedio de x, y y z con respecto a la masa.

El centro geométrico tiene coordenadas dadas por el valor promedio de x, y y z con respecto al volu-
men, es decir, el centro de masa cuando ρ = 1.

Definición 5.3.4 (Momento de inercia) Sea D un subconjunto elemental de R3 . Se llama

momento de inercia de D con función de densidad ρ : D → R respecto a la recta ` a la cantidad:

$
I` = dist 2 ((x, y, z), `)ρ(x, y, z)dV
D

donde dist((x, y, z), `) representa la distancia del punto (x, y, z) a la recta `.