Álgebra lineal y Cálculo en varias

variables
U N CURSO INTRODUCTORIO

V ERSIÓN WEB
( LINK A VERSIÓN PARA IMPRIMIR )

Gabriel Larotonda
FCEyN-UBA

2021
FCEN-UBA Álgebra lineal y Cálculo

Página 2 de 191 2 2021

FCEN-UBA Álgebra lineal y Cálculo

1 Vectores y sistemas lineales 7

1.1 Operaciones con vectores . . . . . . . . . . . . . . . . 7
1.2 Rectas y planos . . . . . . . . . . . . . . . . . . . . . 12
1.3 Sistemas de ecuaciones lineales . . . . . . . . . . . . . 16
1.4 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5 Determinante . . . . . . . . . . . . . . . . . . . . . . 28
2 Subespacios, autovalores y diagonalización 33
2.1 Bases de subespacios . . . . . . . . . . . . . . . . . . 33
2.2 Transformaciones ortogonales . . . . . . . . . . . . . 39
2.3 Diagonalización . . . . . . . . . . . . . . . . . . . . . 50
3 Conjuntos y funciones en la recta y el espacio 57
3.1 Conjuntos en la recta y el espacio . . . . . . . . . . . . 57
3.2 Funciones, gráficos . . . . . . . . . . . . . . . . . . . 71
3.3 Curvas y superficies de nivel . . . . . . . . . . . . . . 83
4 Límite y derivadas de funciones 99
4.1 Límites y continuidad . . . . . . . . . . . . . . . . . . 99
4.2 Derivadas parciales . . . . . . . . . . . . . . . . . . . 115
4.3 Diferencial y regla de la cadena . . . . . . . . . . . . . 131
5 Taylor, integración y ecuaciones diferenciales 137
5.1 Polinomio de Taylor . . . . . . . . . . . . . . . . . . . 137
5.2 Integración . . . . . . . . . . . . . . . . . . . . . . . 148
5.3 Ecuaciones diferenciales . . . . . . . . . . . . . . . . 153
6 Extremos de funciones, optimización 161
6.1 Extremos locales . . . . . . . . . . . . . . . . . . . . 161
6.2 Optimización . . . . . . . . . . . . . . . . . . . . . . 176
6.3 Extremos absolutos . . . . . . . . . . . . . . . . . . . 181
Índice alfabético 185

2021 3 Página 3 de 191

FCEN-UBA Álgebra lineal y Cálculo

Página 4 de 191 4 2021

Introducción
Este texto pretende dar una introducción a los temas de cálculo en va-
rias variables reales, y para ello no presupone conocimientos de álgebra
lineal: las nociones y propiedades de vectores, subespacios y matrices
necesarias para el desarrollo del cálculo están presentadas en los pri-
meros capítulos. Esta presentación incluye las ideas de clasificación de
superficies cuádricas, que creemos cumplen una doble función: mos-
trar la utilidad de las herramientas de matrices, y desarrollar una buena
visión geométrica de los temas de extremos locales de funciones que
visitaremos al final del texto.
Si bien el tratamiento es riguroso, hemos omitido la mayor parte de las
demostraciones de los teoremas que enunciamos y utilizamos, concen-
trándonos más en sus interpretaciones, aplicaciones y usos. El lector
interesado en las pruebas puede recurrir a textos clásicos de Cálculo
como el de Stewart “Cálculo de varias variables” [6], o el texto del que
suscribe “Cálculo y Análisis” [3].
Hemos incluido lecciones grabadas en video que recorren todos los
temas de este texto de manera coherente, que pueden verse online o
descargarse para ver luego. Los hipervínculos a esos videos pueden
hallarse al comienzo de cada sección. No es necesario haber leído la
sección correspondiente antes de ver la lección grabada en video; más
bien el texto funciona como un acompañanate de aquellas clases, para
leer y reforzar conceptos y ejemplos luego de la clase.
En el mismo espíritu, hemos usado el software GeoGebra para ilustrar
muchos de los ejemplos que se presentan en el texto; el lector hallará
que clickeando en el hipervínculo correspondiente se abre una página
web de GeoGebra. En ocasiones el applet de Geogebra tiene sliders
para modificar los gráficos presentados de manera dinámica; en todos

5
FCEN-UBA Álgebra lineal y Cálculo

los casos las figuras espaciales pueden rotarse usando el mouse, y la

escala del dibujo (zoom) se puede cambiar usando la rueda del mouse.
En muchas ocasiones estas visualizaciones son de gran ayuda; en otros
casos son simples curiosidades o juegos visuales. Dejamos en manos
del lector experimentar y decidir cuál es el caso en cada una de ellas, ya
que esto es en general una apreciación puramente subjetiva y personal.

Buenos Aires, Abril de 2021.

Página 6 de 191 6 2021

Capítulo 1
Vectores y sistemas
lineales
El símbolo de camino sinuoso indica “precaución” o “atención”.

Para profundizar en los temas desarrollados en los primeros capítulos,

recomendamos el libro de texto de Serge Lang “Introducción al Álge-
bra Lineal” [2].

1.1. Operaciones con vectores

• Corresponde a clases en video 1.1 y 1.2

DEFINICIÓN 1.1.1 (Vectores). Un vector es una flecha que tiene

1. dirección (dada por la recta
que la contiene), extremo dirección

2. sentido (dado por el lado ha-

cia el que apunta la flecha), origen
longitud
3. longitud (dado por el largo
desde el comienzo hasta el
final.
El punto del comienzo es el origen del vector y el punto del final
el extremo.

Para poder comparar vectores, es necesario que tengan un origen

común.

7
FCEN-UBA Álgebra lineal y Cálculo

DEFINICIÓN 1.1.2 (Pares ordenados). Denotamos con R2 = R × R al

conjunto de pares ordenados de números reales:

R2 = {(a, b) : a, b ∈ R}.
Los pares ordenados de núme-
ros reales se pueden represen-
y tar en el plano con dos ejes per-
V = (v1, v2) pendiculares, el eje horizontal
v2
donde van las x es el eje de
abcisas y el eje vertical don-
(0, 0) v1 x de van las y es el eje de orde-
Figura 1.1: Plano cartesiano
nadas. Este plano se denomina
plano euclideo o plano carte-
siano.

El orden es importante: el par (1, 3) es distinto del par (3, 1).

DEFINICIÓN 1.1.3 (Producto cartesiano). Dados dos conjuntos A, B,

el producto cartesiano de A con B es el nuevo conjunto que se consigue
tomando pares ordenados de elementos de a y b respectivamente:

A × B = {(a, b) : a ∈ A, b ∈ B}.

DEFINICIÓN 1.1.4 (Origen de coordendadas). El par (0, 0) es el ori-

gen de coordenadas y lo anotamos con un cero grande O = (0, 0).

DEFINICIÓN 1.1.5 (Vectores en coordenadas). Dado un par ordenado

(a, b) ∈ R2, lo podemos pensar como un punto del plano, pero también
como un vector: dibujamos la flecha con origen en (0, 0) y extremo en
(a, b) -ver la Figura 1.1-.

DEFINICIÓN 1.1.6 (Operaciones con vectores). Sean V = (v1, v2) W =

(w1, w2) y λ ∈ R. Definimos

Página 8 de 191 8 2021

FCEN-UBA Álgebra lineal y Cálculo

1. Producto de un vector por un número: λV = (λv1, λv2), se mul-

tiplican ambas coordenadas por el mismo número. Corresponde
geométricamente a estirar, contraer o dar vuelta el vector (esto
último con números negativos).
2V

V 1/2 V

−1/2 V
−V
Figura 1.2: Producto de un número por el vector V .

2. Suma de vectores: V + W = (v1 + w1, v2 + w2), se suman coor-

denada a coordenada. Corresponde geométricamente a tomar el
vértico opuesto del paralelogramo formado por V y W :

V
V +W
O
W
Figura 1.3: Suma de los vectores V,W .

PROPIEDADES 1.1.7 (suma de vectores). Sean V,W, Z vectores y

sean α, β ∈ R.

1. La suma es conmutativa y asociativa: V + W = W + V y (V +

W ) + Z = V + (W + Z).

2. El vector nulo (el origen) es el neutro de la suma: V + O = V .

3. Multiplicar por el número 0 devuelve el origen: 0.V = O.

4. El producto por números distribuye con la suma: α(V + W ) =

αV + αW y también (α + β)V = αV + βV .

2021 9 Página 9 de 191

FCEN-UBA Álgebra lineal y Cálculo

5. El vector opuesto se consigue multiplicando por −1: si −V =

(−1).V entonces V + (−V ) = V −V = O.
DEFINICIÓN 1.1.8 (Longitud de un vector). Si V = (v1, v2) ∈ R2, su
longitud se calcula usando el Teorema de Pitágoras que relaciona los
lados de un triángulo rectángulo. Definimos
q
kV k = v21 + v22

la norma de V , que no es otra cosa que su longitud (ver Figura 1.1).

PROPIEDADES 1.1.9 (Norma y operaciones con vectores). Sean V,W

vectores y λ ∈ R.
1. kV k ≥ 0 para todo V .

2. kV k = 0 si y sólo si V = O.

3. kλV k = |λ| kV k donde |λ| denota el módulo del número λ.

4. kV +W k ≤ kV k + kW k (desigualdad triangular).
DEFINICIÓN 1.1.10 (Producto interno). Si V = (v1, v2) y W = (w1, w2)
entonces el producto interno de V con W es un número real que puede
ser cero, positivo o negativo:

V ·W = v1w1 + v2w2.

Otra notación: V ·W = hV,W i.

PROPIEDADES 1.1.11 (Producto interno y operaciones con vecto-

res). Sean V,W, Z vectores y λ ∈ R.
1. V ·V = kV k2.

2. (λV ) ·W = λ(V ·W ) = V · (λW ), “saca escalares”.

3. (V +W ) · Z = V · Z +W · Z , “propiedad distributiva”..

Página 10 de 191 10 2021

FCEN-UBA Álgebra lineal y Cálculo

4. V ·W = kV k kW k cos α.

De la última propiedad, si V,W , O, podemos escribir

V ·W
cos α = . (1.1.1)
kV k kW k

V V ⊥W
V
α α = π/2 (90o)
O O
W W
Figura 1.4: Ángulo entre V,W . En el segundo caso el ángulo es recto.

Como | cos α| ≤ 1 para cualquier ángulo α, se tiene la desigualdad de

Cauchy-Schwarz

−kV k kW k ≤ V ·W ≤ kV k kW k.

DEFINICIÓN 1.1.12 (Vectores ortogonales). Decimos que V,W son

ortogonales si son perpendiculares, y lo denotamos V ⊥ W .

OBSERVACIÓN 1.1.13 (Ortogonalidad y producto interno). Dos vec-

tores V,W son ortogonales ⇔ el ángulo que forman es α = ± π2 (90
grados) ⇔ se tiene cos α = 0, y esto último por la ecuación (1.1.1) es
equivalente a que V ·W = 0. Luego

V ⊥ W ⇐⇒ V ·W = 0. (1.1.2)

OBSERVACIÓN 1.1.14 (Vectores en R3). El espacio euclideo se re-

presenta con ternas ordenadas V = (v1, v2, v3) ∈ R3, las operaciones son
similares a las de R2. En general si V = (v1, v2, · · · , vn) ∈ Rn (y lo mismo
para W, Z), definimos

1. λV = (λv1, λv2, · · · , λvn)

2. V +W = (v1 + w1, v2 + w2, · · · , vn + wn)

2021 11 Página 11 de 191

FCEN-UBA Álgebra lineal y Cálculo
p
3. kV k = v21 + v22 + · · · + v2n.

4. V ·W = v1w1 + v2w2 + · · · + vnwn.

Estas operaciones tienen las mismas propiedades ya enunciadas en

1.1.7, 1.1.9 y 1.1.11.
Dados V,W ∈ Rn podemos pensar que están en un plano bidimen-
sional, luego aplican las reglas geométricas para producto por números
y suma (usando la ley del paralelogramo). Es más, está bien definido
el ángulo entre ellos, y se calcula usando la ecuación (1.1.1). También
vale por este motivo V ·W = 0 ⇔ V ⊥ W = 0.

1.2. Rectas y planos

• Corresponde a clases en video 1.3, 1.4, 1.5a, 1.5b, 1.5c, 1.6, 1.7, 1.8

DEFINICIÓN 1.2.1 (Forma paramétrica de la recta). Dados V, P ∈ Rn

con V , O, consideramos la ecuación paramétrica de la recta L dada
por
L : tV + P, t ∈ R.
El vector V es el vector director de la recta, el punto P es el punto de
paso de la recta y el número t es el parámetro de la recta.

DEFINICIÓN 1.2.2 (Recta y segmento entre dos puntos). Dados P ,

Q ∈ Rn, determinan una única recta con vector director Q − P ya que
V = P−Q es una copia del segmento entre P y Q pero ahora con origen
en O. La ecuación de esta recta es entonces
L : t(Q − P) + P, t ∈ R.

PQ Q
O P
Q−P L0 = s(Q − P), s ∈ R
Figura 1.5: Recta que pasa por los puntos P, Q.

Página 12 de 191 12 2021

FCEN-UBA Álgebra lineal y Cálculo

Cuando t = 0 obtenemos P y cuando t = 1 obtenemos Q. Si queremos

únicamente los puntos entre P y Q (el segmento entre P y Q), restrin-
gimos el parámetro al intervalo pidiendo t ∈ [0, 1].

DEFINICIÓN 1.2.3 (Rectas paralelas). Decimos que las rectas L1, L2 ⊂

Rn son paralelas si los vectores directores están alineados (tienen la
misma dirección). Esto es, si

L1 : tV + P L2 : sW + Q

con los parámetros s,t ∈ R, entonces L1 es paralela a L2 (denotado

L1//L2) si y sólo si V = λW para algún λ ∈ R. Equivalentemente, como
V,W son no nulos, son paralelas si y sólo si W = αV para algún α ∈ R.

Las rectas L, L0 de la Figura 1.5 son paralelas.

DEFINICIÓN 1.2.4 (Forma paramétrica del plano). Dados V,W, P ∈

Rn, el plano π generado por V,W que pasa por P tiene ecuación

Π : sV + tW + P, s,t ∈ R.

Los vectores V,W son los generadores de Π y s,t son los parámetros.

OBSERVACIÓN 1.2.5 (Plano que pasa por tres puntos). Si P, Q, R ∈

Rn no están alineados, existe un único plano Π que pasa por los tres
puntos. Su ecuación paramétrica es

Π : s(Q − P) + t(R − P) + P, s,t ∈ R.

2021 13 Página 13 de 191

FCEN-UBA Álgebra lineal y Cálculo

R
P Π
Q
R−P
O
Q−P
Π0 = α(Q − P) + β(R − P), α, β ∈ R
Figura 1.6: Plano Π que contiene a los puntos P, Q, R (en rojo).

DEFINICIÓN 1.2.6 (Producto vectorial). Si V,W ∈ R3, el producto

vectorial de V con W es un nuevo vector que es ortogonal a ambos,
denotado V ×W . Se calcula armando una matriz 3 × 3 con V,W como
segunda y tercera fila:

i j k
V ×W = v1 v2 v3 = (v2w3 − v3w2, v3w1 − v1w3, v1w2 − v2w1).
w1 w2 w3

El producto vectorial da el vector nulo si y solo si los vectores están

alineados: V ×W = O ⇐⇒ V = λW ó W = λV .
PROPIEDADES 1.2.7 (del producto vectorial). Sean V,W, Z ∈ R3, λ ∈
R. Entonces
1. V ×W = −W ×V (no es conmutativo).

2. (V +W ) × Z = V × Z +W × Z.

3. (λV ) ×W = λ(V ×W ) = V × (λW ).

OBSERVACIÓN 1.2.8. Si Π : sV +tW es un plano por el origen (s,t ∈
R), entonces

(V ×W ) · (sV + tW ) = V ×W · (sV ) +V ×W · (tW )

= t(V ×W ) ·V + s(V ×W ) ·W = t 0 + s0 = 0

Página 14 de 191 14 2021

FCEN-UBA Álgebra lineal y Cálculo

por las propiedades recién enunciadas. Entonces V ×W tiene producto

interno nulo contra cualquier punto del plano Π. Luego V ×W es per-
pendicular a cualquier punto del plano Π, por lo remarcado en (1.1.2).

DEFINICIÓN 1.2.9 (Vector normal a un plano). Si π : sV +tW + P es

un plano en R3, un vector normal Nπ del plano Π es cualquier vector
no nulo que sea ortogonal a todos los puntos del plano.
Por la observación previa, siempre podemos tomar Nπ = V × W si
V,W son generadores del plano.

X
Nπ = V ×W P
Π
W
X −P
O V
Figura 1.7: X ∈ Π si y solo si X − P ⊥ Nπ.

DEFINICIÓN 1.2.10 (Ecuación implícita del plano). Sea Π : sV +

tW + P ⊂ R3 un plano, Nπ = V × W = (a, b, c) un vector normal al
plano, entonce la ecuación implícita del plano es Π : (X − P) · Nπ = 0
(ver Figura 1.7). Equivalentemente

Π: X · Nπ = P · Nπ.

En coordendas, si X = (x, y, z) entonces la ecuación implícita es

Π: ax + by + cz = d,

donde d = P · Nπ ∈ R. Los números a, b, c, d son los coeficientes de la

ecuación. Una tal ecucación es una ecuación lineal.

DEFINICIÓN 1.2.11 (Posiciones relativas). Dos rectas L1, L2 ⊂ Rn son

2021 15 Página 15 de 191

FCEN-UBA Álgebra lineal y Cálculo

1. Paralelas si tienen vectores directores alineados.

2. Ortogonales si se cortan y tiene vectores directores ortogonales.
3. Alabeadas si no se cortan pero tampoco son paralelas.
Dos planos Π1, Π2 ⊂ R3 son paralelos si tienen vectores normales pa-
ralelos; equivalentemente si N1 = λN2 para algún λ ∈ R. Los planos de
la Figura 1.6 son paralelos.

Π2

Π1

L = Π1 ∩ Π2

Figura 1.8: La intersección de dos planos (no paralelos) en R3 es una recta.

PROPOSICIÓN 1.2.12 (Dos planos en R3). Si Π1 , Π2 no son para-

lelos, entonces se cortan a lo largo de una recta en R3: Π1 ∩ Π2 = L.

1.3. Sistemas de ecuaciones lineales

• Corresponde a clases en video 1.9, 1.10
DEFINICIÓN 1.3.1 (Sistema). Un sistema en n variables y con k ecua-
ciones se escribe como


 a11x1 + a12x2 + · · · + a1nxn = b1

a21x1 + a22x2 + · · · + a2nxn = b2

S: .. .. (1.3.1)

 =

 a x +a x +···+a x = b
k1 1 k2 2 kn n k

Página 16 de 191 16 2021

FCEN-UBA Álgebra lineal y Cálculo

Los números ai j con i = 1, 2, . . . , k, j = 1, 2, . . . , n son los coefi-

cientes de las ecuaciones del sistema.

El sistema es homogéneo si todos los bi (los términos indepen-

dientes) son nulos.

Una solución del sistema es una n-upla X = (x1, x2, . . . , xn) que
verifica simultáneamente todas las ecuaciones.

Cuando se pide hallar las soluciones del sistema, siempre se en-

tiende que queremos hallar todas las soluciones, todos los X ∈ Rn
que verifican las ecuaciones.

Si el sistema es homogéneo, X = O es solución, decimos que es la

solución trivial (puede haber otras).

DEFINICIÓN 1.3.2 (Sistemas equivalentes). Dos sistemas de ecua-

ciones S1, S2 son equivalentes si tienen el mismo conjunto de solucio-
nes.

Dos sistemas equivalentes no tienen por qué tener la misma cantidad

de ecuaciones. Por ejemplo

3x + y − z = 4
S1 : S2 : {3x + y − z = 4
−6x − 2y + 2z = −8
son equivalentes porque la segunda ecuación de S1 es en realidad, una
copia de la primera ecuación (multiplicada por (−2)).

PROPOSICIÓN 1.3.3 (Operaciones con filas). Las operaciones per-

mitidas para transformar un sistema en otro equivalente son dos:

1. Multiplicar una fila por un número λ , 0 (ambos lados del igual).

2. Sumar dos filas y guardar el resultado en el lugar de cualquiera

de las dos que sumamos.

2021 17 Página 17 de 191

FCEN-UBA Álgebra lineal y Cálculo

Combinando estas dos operaciones podemos escribir

Fi + λFj −→ Fi λ ∈ R,

que se interpreta como: multiplicar la fila j por λ, sumarle la fila i, y

guardar el resultado en el lugar de la fila i.

DEFINICIÓN 1.3.4 (Clasificación del conjunto de soluciones). Los

sistemas lineales se clasifican en compatibles e incompatibles. Los
compatibles tienen al menos una solución, los incompatibles no tienen
solución (equivalentemente, el conjunto de soluciones de un sistema
incompatible es vacío).
Los sistemas compatibles se clasifican en compatible determinado (cuan-
do tienen una única solución) y compatible indeterminado (cuando tie-
ne más de una solución; en ese caso siempre tiene infinitas soluciones).

SISTEMA LINEAL

INCOMPATIBLE COMPATIBLE
(sin solución)
Sol. = 0/

DETERMINADO INDETERMINADO
(única solución) (infinitas soluciones)
Sol. = {P} Sol. = recta, plano, etc.
Figura 1.9: Clasificación de los sistemas de ecuaciones lineales.

DEFINICIÓN 1.3.5 (Matriz ampliada de un sistema lineal). Dado un

sistema lineal como (1.3.1), podemos escribir su matriz ampliada co-

Página 18 de 191 18 2021

FCEN-UBA Álgebra lineal y Cálculo

mo  
a11 a12 · · · a1n b1
a21 a22 · · · a2n b2
 
 . .. .
 . 
ak1 ak2 · · · akn bk
El bloque que está a la izquierda de la barra vertical se denomina matriz
del sistema; esta matriz tiene n columnas y k filas.

DEFINICIÓN 1.3.6 (Método de Gauss y matriz escalonada). El mé-

todo de Gauss para resolver un sistema lineal consiste en hacer ope-
raciones con las filas de la matriz ampliada, hasta obtener una matriz
escalonada: cada fila de una matriz escalonada tiene su primer coefi-
ciente no nulo (comenzando desde la izquierda) a la derecha del primer
coeficiente no nulo de la fila superior.
 
a11 a12 · · · a1n b1
 0 a22 · · · a2n b2
 
. ...
. 
0 0 · · · akn bk

Puede ocurrir que el primer coeficiente no nulo de la fila inferior esté

varios lugares a la derecha, como en este ejemplo de matriz escalona-
da:  
3 0 –2 7 –4 0 –2 2
0 0 0 3 1 –2 1 0. (1.3.2)
0 0 0 0 0 7 –1 2

DEFINICIÓN 1.3.7 (Ecuaciones independientes). En una matriz (o un

sistema) escalonado, las ecuaciones son independientes (descartamos
las filas de ceros). La cantidad de filas (ecucaciones) independientes es
la cantidad de restricciones del sistema.

DEFINICIÓN 1.3.8 (Solución de un sistema lineal). Se busca dar una

expresión paramétrica del conjunto de soluciones del sistema, la di-
mensión del conjunto solución es la cantidad de parámetros indepen-

2021 19 Página 19 de 191

FCEN-UBA Álgebra lineal y Cálculo

dientes. Se puede calcular la dimensión del conjunto como la dimen-

sión del espacio total menos la cantidad de restricciones (cantidad de
ecuaciones independientes).
EJEMPLO 1.3.9 (Soluciones del sistema (1.3.2)). Como la matriz del
sistema (sin ampliar) tiene 7 columnas, es un sistema con siete varia-
bles y las soluciones son de la forma X = (x1, x2, x3, x4, x5, x6, x7). El
sistema está escalonado, las tres ecuaciones son indpendientes. El con-
junto solución tiene que tener dimensión 7 − 3 = 4; la solución se tiene
que poder expresar usando 4 parámetros independientes. Lo resolve-
mos: la última fila se reescribe como ecuación

7x6 − x7 = 2.

De aquí despejamos la variable x6 en función de x7

7x6 = 2 + x7 =⇒ x6 = 1/7 x7 + 2/7.

La segunda fila se corresponde con la ecuación 3x4 + x5 − 2x6 + x7 = 0.

De aquí despejamos 3x4 = −x5 + 2x6 − x7. Reemplazando la variable
x6 en función de la x7 según lo deducido de la tercer fila, y dividiendo
luego por 3, se obtiene

x4 = −1/3 x5 − 5/21 x7 + 4/21.

De la primer fila despejamos la variable x1 en función de las demás

variables, reemplazando además las variables x6 y x5 por los valores ya
despejados (que estaban en función de las variables x5 y x7):

x1 = 2/3 x3 + 19/9 x5 + 11/9 x7 + 2/9.

Las variables x2, x3, x5, x7 quedaron como variables libres: son los 4
parámetros independientes. La solución general del sistema es
2 19 11 2 −1 5 4 1 2
( x3 + x5 + x7 + , x2, x3, x5 − x7 + , x5, x7 + , x7)
3 9 9 9 3 21 21 7 7
que se puede reescribir usando las propiedades de las operaciones con

Página 20 de 191 20 2021

FCEN-UBA Álgebra lineal y Cálculo

vectores como

Sol. = x2(0, 1, 0, 0, 0, 0, 0) + x3(2/3, 0, 1, 0, 0, 0, 0) + x5(19/9, 0, 0, −1/3, 1, 0, 0

+x7(11/9, 0, 0, −5/21, 0, 1/7, 1) + (2/9, 0, 0, 4/21, 0, 2/7, 0).

Podemos cambiar el nombre de los cuatro parámetros independientes

y reescribir la solución

Sol. = α(0, 1, 0, 0, 0, 0, 0) + β(2/3, 0, 1, 0, 0, 0, 0) + γ(19/9, 0, 0, −1/3, 1, 0, 0)

+ δ(11/9, 0, 0, −5/21, 0, 1/7, 1) + (2/9, 0, 0, 4/21, 0, 2/7, 0) α, β, γ, δ ∈ R

de donde es claro que el conjunto solución tiene dimensión 4.

1.4. Matrices
• Corresponde a clases en video 1.11, 1.12, 1.13

DEFINICIÓN 1.4.1 (Rk×n). Es el conjunto de los arreglos de núme-

ros (o coeficientes) de k filas y n columnas ubicados en un rectángulo,
encerrado por paréntesis ( · ) o corchetes [ · ].
 
a11 a12 · · · a1n
a21 a22 · · · a2n
 
A= . .  ∈ Rk×n.
 . . 
ak1 ak2 · · · akn

Las entradas se indican con un subíndice, el primero indica la fila y el

segundo la columna. Así por ejemplo a21 es el coeficiente de la segunda
fila y la primer columna, mientras que a12 es el coeficiente de la primer
fila y la segunda columna.
Dado un vector V ∈ Rd , podemos pensarlo como un vector fila (ma-
triz en R1×d ), o como un vector columna (matriz de Rd×1), según se
indique (o sea conveniente).

DEFINICIÓN 1.4.2 (Operaciones con matrices: suma y producto por

2021 21 Página 21 de 191

FCEN-UBA Álgebra lineal y Cálculo

números). Sean A, B ∈ Rk×n. Entonces la suma A + B ∈ Rk×n se calcula

lugar a lugar. El producto de la matriz A por el número λ da también
una matriz del mismo tamaño, cuyas entradas se obtienen multiplican-
do todas las entradas de A por λ. Valen las propiedades distributivas de
suma con producto.

DEFINICIÓN 1.4.3 (Operaciones con matrices: producto). Si A ∈ Rk×n

y B ∈ Rn×d , se calcula el producto AB haciendo el producto interno de
las filas de A por las columnas de B, obteniéndose una matriz de k × d,
de la siguiente manera:
   
− F1 −   F1 ·C1 F1 ·C2 · · · F1 ·Cd
 | | ... |
− F −  F2 ·C1 F2 ·C2 · · · F2 ·Cd 
  
2
AB =  . C1 C2 Cd  =  . .
 
. .
.  . .
. 
| | ... |
− Fk − Fk ·C1 Fk ·C2 · · · Fk ·Cd

El producto se puede hacer si y solo si la cantidad de columnas de

A (la matriz de la izquierda) es igual a la cantidad de filas de B (la
matriz de la derecha; en el ejemplo de arriba este número es n. Así
cada Fi tiene de largo n lugares, y cada C j también. De esta manera, el
producto interno de Fi con C j está bien definido.
Aunque se puedan calcular ambos productos, en general AB , BA.

PROPIEDADES 1.4.4 (Distributiva de la suma y el producto de ma-

trices). Si A, B tienen el mismo tamaño, se pueden sumar. Si C tiene el
tamaño adecuado para poder multiplicar por A (y por B) a la izquierda,
entonces también se puede multiplicar por A + B (a la izquierda) y vale

C · (A + B) = C · A +C · B.

Lo mismo aplica si puede hacerse el producto por la derecha.

DEFINICIÓN 1.4.5 (Matriz traspuesta). Si A ∈ Rk×n, la matriz tras-

puesta de A (denotada At ) es la matriz que se obtiene intercambiando

Página 22 de 191 22 2021

FCEN-UBA Álgebra lineal y Cálculo

las filas de A por las columnas de A. Entonces At ∈ Rn×k . Por ejemplo

 
2 3 !
2 –1 4
A = –1 0  ∈ R3×2 =⇒ At = ∈ R2×3.
 
3 0 2
4 –2

Si A ∈ Rn×n (es una matriz cuadrada, es decir, tiene la misma can-

tidad de filas que de columnas) entonces la matriz traspuesta de A se
obtiene haciendo una reflexión de los coeficientes de A respecto de la
diagonal. Decimos entonces que A es simétrica si At = A.

OBSERVACIÓN 1.4.6 (Escritura de un sistema lineal usando el pro-

ducto). Si A ∈ Rk×n es la matriz de coeficientes de un sistema lineal y
X ∈ Rn es el vector de las variables, el sistema (1.3.1) se puede escribir
como
AX = b
donde b ∈ Rk es el vector columna de los términos independientes (hay
tantos como filas). Esto es porque
    
a11 a12 · · · a1n x1 a11x1 + a12x2 + · · · + a1nxn
a21 a22 · · · a2n  x2   a21x1 + a22x2 + · · · + a2nxn 
    
AX =  . .  .  =  . .
 . .  .   . 
ak1 ak2 · · · akn xn ak1x1 + ak2x2 + · · · + aknxn

Igualando este vector columna al vector columna b, recuperamos el

sistema de ecuaciones lineales (1.3.1).

DEFINICIÓN 1.4.7 (Sistema homogéneo asociado). Dado el sistema

lineal AX = b, el sistema homogéneo asociado es el sistema lineal
AX = O, donde O denota el vector columna de ceros (del mismo largo
que el vector columna b).

OBSERVACIÓN 1.4.8. Sea AX = b sistema lineal. Entonces

2021 23 Página 23 de 191

FCEN-UBA Álgebra lineal y Cálculo

1. Si V es solución del sistema homogéneo asociado y P es solu-

ción del sistema original, entonces V + P también es solución del
sistema original:

A(V + P) = AV + AP = O + b = b.

2. Si P, Q son soluciones del sistema original, entonces V = P − Q

es solución del sistema homogéneo asociado:

AV = A(P − Q) = AP − AQ = b − b = O.

3. Si S0 es el conjunto de todas las soluciones del sistema homogé-

neo, y P es solución del sistema original, entonces

Sb = S0 + P = {V + P : V ∈ S0}

es el conjunto de todas las soluciones del sistema original.

DEFINICIÓN 1.4.9 (Combinación lineal). Una combinación lineal de

dos vectores (o dos matrices) V,W que están en el mismo espacio, es
cualquier suma de dos múltiplos de V,W . Es decir, cualquier elemento
de la forma
αV + βW α, β ∈ R.

Si V,W son dos soluciones de un sistema homogéneo, cualquier com-

binación lineal de ellos también es solución del mismo sistema homo-
géneo.

PROPIEDADES 1.4.10 (de un sistema homogéneo). Sea AX = O un

sistema homogéneo. Entonces

1. Si V es solución, λV es solución para cualquier λ ∈ R:

A(λV ) = λ(AV ) = λO = O.

Página 24 de 191 24 2021

FCEN-UBA Álgebra lineal y Cálculo

2. Si V,W son soluciones, entonces la suma es solución:

A(V +W ) = AV + AW = O + O = O.

DEFINICIÓN 1.4.11 (Subespacio). Un subespacio S de Rn es el con-

junto de soluciones de un sistema homogéneo. Equivalentemente, es
un conjunto S ⊂ Rn tal que

1. O ∈ S

2. V ∈ S ⇒ λV ∈ S para todo λ ∈ R.

3. V,W ∈ S ⇒ V +W ∈ S.

Cualquier combinación lineal de elementos de un subespacio es tam-

bién un elemento del subespacio.

OBSERVACIÓN 1.4.12 (Rectas y planos como subespacios). Una rec-

ta es un subespacio si y solo si contiene al origen. Lo mismo ocurre con
un plano cualquiera: es un subespacio si y solo si contiene al origen.

DEFINICIÓN 1.4.13 (Generadores de un subespacio). Los vectores

V1,V2, · · · ,Vr ∈ Rn son generadores del subespacio S ⊂ Rn si todo ele-
mento de S se puede escribir como combinación lineal de estos vecto-
res: si X ∈ S, existen α1, α2, . . . , αr ∈ R tales que

X = α1V1 + α2V2 + · · · + αrVr .

EJEMPLO 1.4.14 (Planos y rectas). Dada una recta por el origen, es

un subespacio y si tenemos su forma paramétrica L : tV , t ∈ R, entonces
el generador es V (alcanza con uno solo).
Dado un plano por el origen, si tenemos su forma paramétrica Π :
tV + sW , s,t ∈ R, entonces los generadores son V,W (necesitamos dos
generadores).

2021 25 Página 25 de 191

FCEN-UBA Álgebra lineal y Cálculo

EJEMPLO 1.4.15 (Comprobar si un vector está en un subespacio). Si

V = (1, 3, 1),W = (0, 2, −1) son generadores del subesapacio S, para
saber si P = (2, 1, 7) es un elemento de S, hay que plantear

(2, 1, 7) = α(1, 3, 1) + β(0, 2, −1).

Igualando las coordenadas obtenemos un sistema lineal con tres ecua-

ciones (hay tres coordenadas) y dos incógnitas (α y β). Su matriz am-
pliada es  
1 0 2
3 2 1.
 
1 -1 7

Si hacemos F3 − F1 → F3, luego F2 − 3F1 → F2, y finalmente 2F3 + F2 →

F3, llegamos a  
1 0 2
0 2 -5.
0 0 5
La última ecuación dice 0 = 5 entonces el sistema es incompatible.
Esto nos dice que P no pertenece a S, lo escribimos como P < S.

DEFINICIÓN 1.4.16 (Matriz nula y matriz identidad). La matriz nula

es aquella cuyas entradas son todas 0, la denotamos Ok×n o O si se
entiende su tamaño del contexto. Es el neutro de la suma: para toda
matriz A ∈ Rk×n se tiene
A + O = A.
La matriz identidad es la matriz cuadrada de n × n cuyas entradas son
todas nulas salvo las de la diagonal, que son 1, la denotamos In. Por
ejemplo:
 
  1 0 0 0
! 1 0 0
1 0 0 1 0 0
 
I2 = , I3 =  0 1 0  , I4 =  .
 
0 1 0 0 1 0
0 0 1
0 0 0 1

Página 26 de 191 26 2021

FCEN-UBA Álgebra lineal y Cálculo

Es el neutro del producto de las matrices de n × n: si A ∈ Rn×n entonces

A In = A = In A.

DEFINICIÓN 1.4.17 (Matriz inversa). Si A ∈ Rn×n, decimos que A

tiene inversa (o que A es inversible) si existe una matriz B ∈ Rn×n tal
que
AB = In = BA.
Si existe, la matriz B es única y en general se denota A−1 (se lee A a la
menos uno), es la matriz inversa de A. Entonces si A es inversible, vale

AA−1 = In = A−1A.

Si A, B ∈ Rn×n verifican AB = In, entonces A es la (única) inversa de

B y recíprocamente B es la (única) inversa de A. Se puede probar que
en ese caso la condición BA = In se cumple automáticamente (no hace
falta chequearla).

OBSERVACIÓN 1.4.18 (Cálculo de la matriz inversa). Para ver si A ∈

Rn×n tiene inversa (y calcularla en ese caso), planteamos un sistema con
matriz ampliada que a la derecha lleva la matriz identidad: (A|In) o más
explícitamente
 
a11 a12 · · · a1n 1 0 · · · 0
a21 a22 · · · a2n 0 1 · · · 0
 
 . . . . .
 . . . .
ak1 ak2 · · · akn 0 · · · 0 1

Aplicamos el método de Gauss a la matriz de la izquierda, hay que

escalonar debajo de la diagonal y luego también arriba de la diagonal.

Supongamos que llegamos a (In|B). Entonces A es inversible y

La matriz de la derecha es la inversa de A. Es decir, luego de
escalonar obtenemos (In|A−1).

2021 27 Página 27 de 191

FCEN-UBA Álgebra lineal y Cálculo

Si al triangular, a la izquierda nos queda alguna fila de ceros, la

matriz A no tiene inversa.

PROPIEDADES 1.4.19 (Matrices inversibles y sistemas). Sea A ∈

Rn×n la matriz asociada al sistema lineal AX = b (aquí X, b ∈ Rn) ya
que A es cuadrada; el sistema tiene la misma cantidad de incógnitas
que de ecuaciones). Entonces

1. El sistema es compatible determinado si y solo si A es inversible.

Si tenemos la inversa A−1 entonces

AX = B → A−1(AX) = A−1b → InX = A−1b → X = A−1b.

Luego la única solución del sistema es X = A−1b.

2. Si b , O, y A no es inversible, puede tratarse de un sistema in-

compatible o de un sistema compatible indeterminado.

3. Si b = O (sistema homogéneo) entonces

a) La única solución es X = O si y sólo si A es inversible.

b) Si A no es inversible el sistema es compatible indetermina-
do.

1.5. Determinante
• Corresponde a clase en video 1.14

DEFINICIÓN 1.5.1 (Determinante). Es un número real que puede ser

positivo, negativo o nulo, denotado det(A). Cuando tenemos la matriz
podemos cambiar los paréntesis por barras verticales para indicar que
se trata del determinante. Se calcula en A ∈ R2×2 de la siguiente mane-
ra: !
a11 a12 a11 a12
= det = a11a22 − a12a21.
a21 a22 a21 a22

Página 28 de 191 28 2021

FCEN-UBA Álgebra lineal y Cálculo

Para matrices de 3 × 3 se elige una fila o una columna y se desarrolla

siguiendo la regla de signos
 
+ − +
− + −
 
 
+ − +

y tomando los determinantes de las matrices que quedan al tachar esa

fila y esa columna.

EJEMPLO 1.5.2 (Determinante de una matriz 3 × 3). Calculamos por

la primer fila

3 2 -7
2 0 1 0 1 2
det(A) = 1 2 0 = 3 −2 + (−7)
-2 9 4 9 4 -2
4 -2 9
= 3(2 · 9 − 0(−2)) − 2(1 · 9 − 0 · 4) − 7(1(−2) − 2 · 4)
= 3 · 18 − 2 · 9 − 7(−10) = 54 − 18 + 70 = 106.

Entonces det(A) = 106. Si intentamos por otra fila (o columna), llega-

mos al mismo resultado. Por ejemplo, si lo calculamos por la segunda
fila:
3 2 -7
2 -7 3 -7 3 2
1 2 0 = (−1) +2 −0
-2 9 4 9 4 -2
4 -2 9
= (−1)(2 · 9 − (−7)(−2)) + 2(3 · 9 − (−7) · 4) − 0
= (−1)(18 − 14) + 2(27 + 28)
= (−1)4 + 2 · 55 = −4 + 110 = 106.

Es conveniente calcular el determinante usando la fila (o la columna)

que tenga más ceros.

EJEMPLO 1.5.3 (Determinante de una matriz de 4 × 4). La regla de

los signos es similar a la de 3 × 3, se comienza con un + en el lugar 11

2021 29 Página 29 de 191

FCEN-UBA Álgebra lineal y Cálculo

(la esquina superior izquierda) y se van alternando los signos:

 
+ − + −
− + − +
 
.
+ − + −

− + − +

Damos un ejemplo, calculemos el determinante de la matriz

2 -1 0 5
3 0 -2 0
B= .
1 -1 4 3
2 3 0 1

Desarrollamos por la segunda fila:

-1 0 5 2 0 5 2 -1 5 2 -1 0
= (−1) · 3 -1 4 3 + 0 1 4 3 − (−2) 1 -1 3 + 0 1 -1 4 .
3 0 1 2 0 1 2 3 1 2 3 0

Hay dos términos nulos (en la fila habia dos ceros). Calculamos los dos
determinantes de 3 × 3 que quedaron (desarrollando por alguna fila o
columna; por ejemplo el primero es conveniente desarrollarlo por la
segunda columna, ya que tiene dos ceros). Obtenemos

det(B) = −3 · (−16) + 2 · 0 = 48.

PROPIEDADES 1.5.4 (del determinante). Sean A, B ∈ Rn×n, λ ∈ R.

Entonces

1. det(At ) = det(A).

2. det(Ak ) = (det(A))k para todo k ∈ N.

3. det(AB) = det(BA) = det(A) det(B)

4. det(λA) = λn det(A)

Página 30 de 191 30 2021

FCEN-UBA Álgebra lineal y Cálculo

En general es FALSO que det(A + B) = det(A) + det(B), es decir el

determinante no es una función lineal.

TEOREMA 1.5.5 (Determinante versus inversa). Sea A ∈ Rn×n. En-

tonces A tiene inversa si y sólo si det(A) , 0.

COROLARIO 1.5.6. Si A, B son matrices inversibles del mismo tama-

ño, entonces AB también es inversible (y lo mismo vale para BA pero
cuidado que BA , AB).

COROLARIO 1.5.7. Un sistema homogéneo cuadrado (misma canti-

dad de ecuaciones que de incógnitas) es compatible determinado (tiene
única solución, la solución trivial X = O) si y solo si el determinante
de la matriz del sistema es no nulo.

2021 31 Página 31 de 191

FCEN-UBA Álgebra lineal y Cálculo

Página 32 de 191 32 2021

Capítulo 2

Subespacios, autovalores y
diagonalización
2.1. Bases de subespacios
• Corresponde a clases grabadas 2.1, 2.2, 2.3a, 2.3b, 2.4, 2.5

DEFINICIÓN 2.1.1 (Independencia lineal). Dados V1,V2, . . . ,Vk ∈ Rn

son linealmente independientes si la única manera de obtener una com-
binación lineal de ellos que da cero, es tomando todos los coeficientes
0. Es decir, si α1, α2, . . . , αk ∈ R son tales que

α1V1 + α2V2 + · · · + αkVk = O

es porque α1 = α2 = · · · = αk = 0. Abreviamos independencia lineal

con l.i. Si los vectores no son l.i., decimos que son linealmente depen-
dientes, abreviado l.d.
Si los vectores son l.d. siempre es posible despejar alguno de ellos en
función de todos los demás. En la Figura 2.1 el conjunto {V1,V2,V3}
es l.d. porque V3 se puede escribir como combinación lineal de V1,V2
(está en el mismo plano que generan ellos dos). También es cierto en
esa figura que V2 se puede escribir como combinación lineal de V1,V3 y
que V1 es combinación lineal de V2,V3.
El conjunto {V1,V2,V4} es l.i. porque V1,V2 lo son y además V4 no está

33
FCEN-UBA Álgebra lineal y Cálculo

V4

V1 V3
O
V2

Figura 2.1: El conjunto {V1,V2,V3} es l.d., el conjunto {V1,V2,V4} es l.i.

en el plano generado por los dos primeros, luego no es combinación

lineal de ellos.

OBSERVACIÓN 2.1.2. Los vectores V1,V2, . . . ,Vr son l.d. si y sólo si

existe una combinación lineal no trivial de ellos que da el vector nulo.
Por no trivial queremos decir que alguno (o varios) de los coeficientes
son distintos de cero.

Un vector V , O siempre es l.i. El vector nulo V = O es siempre l.d.

Cualquier conjunto de vectores que incluya al vector nulo es l.d.

W V
W V
V
V O
O W
O W
O
Figura 2.2: En los primeros dos casos {V,W } es l.i., en los dos casos restantes es l.d.

Dados dos vectores V,W ambos no nulos, el conjunto es l.d. si y solo

si los vectores están alineados, esto es, si V = αW (equivalentemente,
si W = βV ).

EJEMPLO 2.1.3. Si un conjunto de vectores es l.d., entonces se puede

despejar algún vector en función de los demás, pero no es cierto que se

Página 34 de 191 34 2021

FCEN-UBA Álgebra lineal y Cálculo

puedan despejar todos en función de los demás. Por ejemplo, conside-

remos los vectores V1 = (−1, 2, 0),V2 = (2, −4, 0),V3 = (0, 0, 1). Este
conjunto es l.d. porque tomando α1 = −2, α2 = 1, α3 = 0 tenemos

−2V1 +V2 + 0V3 = −2(−1, 2, 0) + (2, −4, 0) + 0(0, 0, 1)

= (2, −4, 0) + (2, −4, 0) + (0, 0, 0) = (0, 0, 0) = O.

Entonces podemos despejar V1 en función de los demás:

1
V1 = − V2 + 0V3,
2
también se puede en este caso despejar V2 en función de los demás de
manera evidente. Pero no es posible despejar V3 en función de V1,V2:
ellos dos generan la misma recta por el origen L : s(−1, 2, 0), s ∈ R; el
vector V3 = (0, 0, 1) no está en esa recta así que hallar a, b, s tales que

V3 = aV1 + bV2 = s(−1, 2, 0)

es imposible.

DEFINICIÓN 2.1.4 (Base y dimensión). Los {V1, . . . ,Vr } son genera-

dores del subespacio S si ∀ W ∈ S existen α1, . . . , αr ∈ R tales que

W = α1V1 + α2V2 + · · · + αrVr .

Una base de S es un conjunto de generadores linealmente independien-

te. En una base, el orden es importante: la base {V,W } es distinta de la
base {W,V }.
La dimensión del subespacio S es el número de vectores de una base
cualquiera (este número no depende de la base elegida).

EJEMPLO 2.1.5 (Rectas y planos). Una recta por el origen es un

subespacio de dimensión 1: con un sólo vector no nulo de la recta lo
generamos (un vector no nulo siempre es l.i.)

2021 35 Página 35 de 191

FCEN-UBA Álgebra lineal y Cálculo

Un plano por el origen es un subespacio de dimensión 2: con dos vec-

tores no alineados del plano podemos generarlo (si no están alineados
son l.i.).
Ejemplo: en la Figura 2.1 podemos extraer varias bases del plano marcado: B =
{V1,V2}, B0 = {V1,V3}, B00 = {V2,V3} (y también, por ejemplo, B000 = {V2,V1} ya que
el orden es relevante.

PROPIEDADES 2.1.6 (Ecuaciones implícitas y dimensión). Sea S ⊂

Rn subespacio dado por ecucaciones implícitas: S es el conjunto de
soluciones del sistema lineal homogéneo AX = O. Con el método de
Gauss, obtenemos un sistema equivalente escalonado MX = O. Des-
cartando las filas de ceros, supongamos que la cantidad de filas de M
es j. Entonces:
• la dimensión del subespacio es dim(S) = n − j, la dimensión del
espacio total menos la cantidad de filas independientes (y no triviales)
del sistema.

Atención que en este resultado se puede usar únicamente cuando

tenemos las ecuaciones impícitas de S, que son entonces tantas como
filas del sistema homogéneo que lo define. Es decir, si tenemos ecua-
ciones paramétricas, no tiene sentido usar este resultado.

EJEMPLO 2.1.7 (Planos y rectas). Si n = 2, estamos en el plano R2

1 ecuación lineal homogénea no trivial

ax + by = 0

(que no sea la ecuación 0 = 0) define una recta L:

dim(L) = 1 = n − j = 2 − 1

donde 2 es la dimensión del espacio total y 1 es la cantidad de

ecuaciones.

2 ecuaciones lineales homogéneas independientes (que no sea

Página 36 de 191 36 2021

FCEN-UBA Álgebra lineal y Cálculo

una múltiplo de la otra), tiene única solución S = {O}:

dim(S) = 0 = n − j = 2 − 2.

Si n = 3, estamos en el espacio R3.

1 ecuación implícita (homogénea)

ax + by + cz = 0

no trivial define un plano Π por el origen:

dim(Π) = 2 = 3 − 1.

2 ecuaciones independientes: intersección de dos planos por el

origen que no son paralelos, la solución es una recta L:

dim(L) = 1 = n − j = 3 − 2.

3 ecuaciones independientes: es un sistema compatible determi-

nado, tiene única solución el origen (un punto). Su dimensión es
0 = n − j = 3 − 3.

Si el sistema no está escalonado, el número de filas no dice nada: por

ejemplo 
x+y−z = 0
S:
2x + 2y − 2z = 0
son dos ecuaciones implícitas en tres variables, pero puede el lector ve-
rificar que la solución es un plano (dimensión 2). Ocurre que la segunda
fila es una múltiplo de la primera. Luego de escalonar, obtenemos una
sola ecuación en R3, por ello la dimensión correcta es 2 = 3 − 1.

PROPIEDADES 2.1.8 (Extraer una base). Dado un conjunto de ge-

neradores {V1,V2, . . . ,Vr } del subespacio S, para descartar los vectores
redundantes y quedarnos con una base se puede escribir una matriz cu-
yas filas son los Vi, y escalonarla sin intercambiar filas. Las filas de

2021 37 Página 37 de 191

FCEN-UBA Álgebra lineal y Cálculo

ceros que queden son los vectores que hay que descartar. Los que que-
daron no nulos forman una base de S. También puede uno quedarse con
los vectores originales de las filas que no se anularon y eso da (otra)
base de S.
OBSERVACIÓN 2.1.9 (l.d. ó l.i.). El método anterior también nos di-
ce: si ninguna fila se anula, los vectores eran l.i., mientras que si se
anulan una o más filas, eran l.d.
DEFINICIÓN 2.1.10 (Bases ortogonales y ortonormales). Sea S ⊂ Rn
subespacio (puede ser todo Rn). Sea B = {V1, . . . ,Vr } base de S.
• Decimos que la base es ortogonal si tomados dos a dos, todos los
vectores son perpendiculares entre si: Vi ⊥ V j para i , j.
• Si además todos los vectores tienen longitud 1, decimos que la base
es ortonormal.
OBSERVACIÓN 2.1.11. Como el producto interno nulo describe la
ortogonalidad, una base es ortogonal si y solo si

Vi ·V j = 0 ∀i , j.

Por otro lado la base será ortonormal si además

1 = kVik2 = Vi ·Vi ∀i.

E3
E2 = (0, 1)

E1 = (1, 0) E2
O
O
E1
Figura 2.3: Bases canónicas de R2 y de R3

DEFINICIÓN 2.1.12 (Base canónica de Rn). Es la base ortonormal

dada por los n vectores que tienen un 1 en algún lugar y todas las demás

Página 38 de 191 38 2021

FCEN-UBA Álgebra lineal y Cálculo

entradas 0. Por ejemplo,

E = {E1, E1} = {(1, 0), (0, 1)}

es la base canónica de de R2. En el espacio R3 la base canónica es

E = {E1, E2, E3} = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

2.2. Tranformaciones lineales y ortogonales

• Corresponde a clases en video 2.6, 2.7, 2.8

PROPIEDADES 2.2.1 (De la matriz traspuesta). Si A ∈ Rn×n entonces

para todo par de vectores V,W ∈ Rn se verifica

(AV ) ·W = V · (AtW ) ó equivalentemente hAV,W i = hV, AtW i

Esto puede deducirse de la propiedad de la traspuesta con el producto

de matrices:
(AB)t = Bt At
para todo par de matrices A, B para las que sea posible hacer el producto
(esto es, A ∈ Rk×n, B ∈ Rn×d ).

En general entonces hAV,W i , hV, AW i salvo que A sea una matriz

simétrica (At = A).

DEFINICIÓN 2.2.2 (Funciones, dominio, codominio, imagen, inyec-

tividad). Si X,Y son dos conjuntos cualesquiera, una función f : X → Y
es una asignación que toma elementos de su dominio (que es un conjun-
to dentro de X denotado Dom( f ) en general) y les asigna un elemento
f (x) dentro del conjunto Y . El conjunto Y se denominia codominio de
f , en general escribimos y = f (x) o bien x 7→ f (x) para indicar esta
asignación.
El conjunto de todos los y = f (x) con x ∈ Dom( f ) se denomina imagen
de f , lo denotamos im( f ). Cuando im( f ) es igual a todo Y decimos que

2021 39 Página 39 de 191

FCEN-UBA Álgebra lineal y Cálculo

f es sobreyectiva (sinónimo=suryectiva). Entonces f no es sobreyecti-

va cuando la imagen es estrictamente más chica que el codominio.
Decimos que f es inyectiva si cada vez que f (x1) = f (x2) es porque
x1 = x2. Dicho de otra manera: en una función inyectiva, puntos distin-
tos del dominio van a parar a puntos distintos del codominio.

EJEMPLO 2.2.3 (Función cuadrática). Si f : R → R es la función ele-

var al cuadrado, la denotamos f (x) = x2, su dominio y su codominio
son todo R.
Su imagen sin embargo, no es todo R, ya que x2 ≥ 0 para todo x ∈
R. Entonces im( f ) = [0, +∞) ⊂ R y la inclusión es estricta (o sea la
imagen es más chica que el codominio). Luego f no es sobreyectiva.
Afirmamos que f tampoco es inyectiva: si tomamos x1 = 3, x2 = −3,
es claro que son puntos distintos del dominio pero f (x1) = 32 = 9 =
(−3)2 = f (x2), luego estos dos puntos van a parar al mismo y = 9.

DEFINICIÓN 2.2.4 (Matrices como funciones). Dada una matriz A ∈

Rk×n, la función de f : Rn → Rk dada por f (V ) = AV (multiplicar contra
A) se denomina transformación lineal asociada a la matriz A. Como
función, tiene la propiedad

f (αV + βW ) = α f (V ) + β f (W ) ∀V,W ∈ Rn, α, β ∈ R

de linealidad, consecuencia de las propiedades del producto y la suma

de matrices. En este caso Dom( f ) = Rn mientras que el codominio de
f es Rk .
Aunque es un poco ambiguo, pensamos a veces a la matriz A como
función y denotamos A : Rn → Rk a la misma. En ese caso decimos que
el dominio de A es Rn y su codominio es Rk .

DEFINICIÓN 2.2.5 (Núcleo y rango de una matriz). Dada A ∈ Rk×n,

el subconjunto del dominio dado por los ceros de A

Nu(A) = {V ∈ Rk : AV = O}

Página 40 de 191 40 2021

FCEN-UBA Álgebra lineal y Cálculo

se denomina núcleo de A. El vector nulo siempre está en Nu(A) porque

AO = O. Decimos que el núcleo de A es trivial si Nu(A) = {O}.
El conjunto del codominio de A dado por

Ran(A) = {Z ∈ Rn : Z = AX para algún X ∈ Rk }

se denomina rango de A (a veces, rango columna de A) y es simple-

mente la imagen de A vista como función A : Rn → Rk , es decir

Ran(A) = im(A) = A(Rk ).

Las columnas de A son un conjunto de generadores de Ran(A) porque

cada columna es AEi para algún Ei de la base canónica.

OBSERVACIÓN 2.2.6 (Rango y núcleo son subespacios). Si V,W ∈

Nu(A) entonces

A(sV + tW ) = sAV + tAW = sO + tO = O

luego Nu(A) es un subespacio de Rn.

También Ran(A) es un subespacio de Rk : si Z1, Z2 ∈ Ran(A) es porque
existen X1, X2 tales que Z1 = AX1 y Z2 = AX2. Entonces

sZ1 + tZ2 = sAX1 + tAX2 = A(sX1 + tX2) = AX0

así que llamando X = sX1 +tX2 se tiene AX0 = sZ1 +tZ2 y así cualquier
combinación lineal de Z1, Z2 está en Ran(A).

De hecho, habíamos definido subespacio como el conjunto de solu-

ciones de un sistema homogéneo, y eso es lo mismo que el núcleo de
la matriz asociada al sistema,

TEOREMA 2.2.7 (El rango y su dimensión). Para toda matriz A, la

cantidad de filas l.i. de A es siempre igual a la cantidad de columnas l.i.
de A. En particular la dimensión del rango por columnas (la imagen
de A) es igual a la cantidad de filas l.i. o de columnas l.i. de A.

2021 41 Página 41 de 191

FCEN-UBA Álgebra lineal y Cálculo

Atención que este teorema sólo habla del tamaño (o sea la dimen-
sión) del rango, y no del conjunto. Veamos en un ejemplo cómo inter-
pretarlo bien y cómo uno puedo equivocarse, para evitar esa confusión:
sea  
0 0
A= .
1 2
En este caso vemos que A tiene una sola fila l.i. (también tiene una
sola columna l.i porque la segunda columna es el doble de la primera),
entonces la dimensión de la imagen de A (o lo que es lo mismo, la
dimensión del rango de A) es exactamente 1 por el teorema anterior, es
decir dim(Ran(A)) = 1.
¿Es cierto que esa fila genera la imagen de A, o sea es cierto que
Ran(A) = {(1, 2)}? La respuesta categórica es no, es incorrecto, ese
no es el subespacio imagen de A.
¿Cuál es el subespacio Ran(A) entonces? Para hallarlo hay que mirar
las columnas de A: como AE1 = (0, 1) y AE2 = (0, 2), estos dos son
generadores del rango de A. Como se ve, son l.d., podemos tomar uno
de ellos como base, entonces la respuesta correcta es

Ran(A) = {(0, 1)}.

Veamos cómo se relacionan los tamaños de los subespacios rango y

núcleo de una matriz:

TEOREMA 2.2.8 (de la dimensión para matrices). Si A ∈ Rn×n enton-

ces
dim(Ran(A)) + dim(Nu(A)) = n.

OBSERVACIÓN 2.2.9 (Núcleo y determinante). Si A es una matriz

cuadrada, entonces por el teorema anterior A es sobreyectiva si y solo
si el núcleo de A es trivial. Esto ocurre si y solo si A es inversible, y
entonces podemos afirmar que para una matriz cuadrada

Nu(A) = {O} ⇐⇒ det(A) , 0,

Página 42 de 191 42 2021

FCEN-UBA Álgebra lineal y Cálculo

o equivalentemente

Nu(A) , {O} ⇐⇒ det(A) = 0.

DEFINICIÓN 2.2.10 (Matrices ortogonales). Sea U ∈ Rn×n, decimos

que U es una matriz ortogonal si hUV,UW i = hV,W i para todo V,W ∈
Rn. Son equivalentes

1. U es ortogonal

2. kUV k = kV k para todo V ∈ Rn

3. U es inversible y U −1 = U t .

U es ortogonal si y solo si U t es ortogonal.

OBSERVACIÓN 2.2.11 (Matrices y bases ortogonales). Si

B = {V1,V2, . . . ,Vn}

es una base ortogonal de Rn, y U es una matriz ortogonal, entonces

B0 = {UV1,UV2, . . . ,UVn}

también es ortogonal. Además si U es ortogonal los nuevos vectores

tienen la misma longitud que los originales, luego: si B era base orto-
normal entonces B0 también lo es.

EJEMPLO 2.2.12 (rotaciones). Si n = 2 tenemos la matriz con el pa-

rámetro θ ∈ [0, 2π],
!
cos θ - sen θ
Uθ = .
sen θ cos θ

Aplicada a cualquier vector lo transforma en uno rotado en un ángulo

θ positivo (es decir, en contra del reloj).

2021 43 Página 43 de 191

FCEN-UBA Álgebra lineal y Cálculo

E2 Uθ
V2 = UE2 V1 = UE1

E1 θ = π/4
O O

Figura 2.4: Rotación positiva (contra el reloj) de ángulo θ = π/4

En particular tomando θ = π/4 la base canónica se transforma en la

base
√ √ √ √
2 2 -
B = {V1,V2} = {( /2, /2) ; ( /2, 2/2)},
2

rotada en un ángulo recto en contra del reloj.

DEFINICIÓN 2.2.13 (Orientación en el plano). Una base {V,W } tiene

orientación positiva si para ir de V hasta W (rotando hacia el lado más
cercano) tenemos que movernos en contra del reloj (ver Figura 2.5).
La base tiene orientación negativa si para llegar del primer vector al
segundo hay que ir a favor del reloj (como la base {UV,UW } de la
misma figura).

PROPIEDADES 2.2.14 (Orientación). Las matrices de rotación pre-

servan la orientación (tienen determinante det(U) = 1). Si queremos
invertir la orientación podemos hacer una reflexión alrededor de una
recta por el origen.
UW
U −
y=x
UV

y=x W

V +
Figura 2.5: La reflexión U INVIERTE la orientación de la base {V,W }

Página 44 de 191 44 2021

FCEN-UBA Álgebra lineal y Cálculo

Por ejemplo alrededor de la recta y = x con la matriz

!
0 1
U=
1 0

que es ortogonal (preserva longitudes y ángulos) pero no preserva la

orientación (tiene det(U) = −1): la base {V,W } tiene orientación posi-
tiva (en contra del reloj) y la base {UV,UW } tiene orientación negativa
(a favor del reloj).

Puede probarse que toda matriz ortogonal es una rotación, o es una

rotación seguida de una simetría como la del ejemplo anterior.

OBSERVACIÓN 2.2.15 (Rotaciones en R3). Si fijamos un plano Π ⊂

R3 podemos hacer una rotación de ángulo θ alrededor de la normal Nπ
del plano. Por ejemplo si Π : z = 0 (cuya normal es N = (0, 0, 1)), la
matriz  
cos θ - sen θ 0
Uθz = sen θ cos θ 0
 
0 0 1
es una rotación alrededor del eje z. También
   
1 0 0 cos θ 0 - sen θ
Uθx = 0 cos θ - sen θ, Uθy =  0 1 0 
   
0 sen θ cos θ sen θ 0 cos θ

2021 45 Página 45 de 191

FCEN-UBA Álgebra lineal y Cálculo

son matrices de rotación alrededor de los ejes x, y respectivamente.

z
V

W
Uθz z=0 Usim

UθzV

θ θ
UsimW =W
UθzW

UsimV

Figura 2.6: Una rotación y una reflexión

Si queremos invertir la orientación, podemos hacer una reflexión (o

simetría) alrededor de un plano. Por ejemplo, alrededor del plano Π :
z = 0, la matriz de simetría es
     
1 0 0 0 0
Usim = 0 1 0, Usim ·  0  =  0  .
     
0 0 -1 1 -1

Página 46 de 191 46 2021

FCEN-UBA Álgebra lineal y Cálculo

DEFINICIÓN 2.2.16 (Orientación en R3). Sea B = {V1,V2,V3} base.

Decimos que B está orientada de

V3 forma positiva si verifica la regla de
la mano derecha: ubicando los vec-
tores V1,V2 -en el orden dado- en los
V1 dedos índice y mayor de la mano de-
recha respectivamente, el vector V3
debe apuntar en la dirección del de-
V2 do pulgar de la mano. La base canó-
Figura 2.7: Regla de la mano dere- nica tiene orientación positiva.
cha

Dados V,W l.i. en R3, la base B = {V,W,V × W } tiene orientación

positiva, y la base B0 = {V,W, −V ×W } negativa.

En R3, puede probarse que toda matriz ortogonal es un producto

de rotaciones y reflexiones como las de la Observación 2.2.15. Las
rotaciones preservan la orientación (tienen det(U) = 1), las reflexiones
la invierten (tienen det(U) = −1).

OBSERVACIÓN 2.2.17 (Bases y matrices ortogonales). Si

B = {V1,V2, . . . ,Vn}

es una base ortonormal de Rn, entonces la matriz

 
| | ... |
U =  V1 V2 . . . Vn 
 
| | ... |

que tiene a los vectores como columnas es una matriz ortogonal. En

2021 47 Página 47 de 191

FCEN-UBA Álgebra lineal y Cálculo

efecto
   
− V1 −   V1 ·V1 V1 ·V2 · · · V1 ·Vn
| | . . . |
− V − V ·V V ·V · · · V ·V
   
n
U t U =  . 2 .   V1 V2 . . . Vn  =  2 . 1 2 2 2
    
. .  . .. 
| | ... |

− Vn − Vn ·V1 Vn ·V2 · · · Vn ·Vn

y como Vi ·V j = 0 si i , j, mientras que Vi ·Vi = 1 para todo i (porque B

es una base ortonormal), entonces
 
1 0 ··· 0
0 1 · · · 0
 
U tU =  .  = In .
 
. .
.
0 0 ··· 1

Esto dice que U t es la matriz inversa de U. También U t (que es la matriz

con los Vi como filas) es una matriz ortogonal por el mismo motivo.

OBSERVACIÓN 2.2.18 (Matriz de cambio de base). Si B = {V,W } es

una base de R2, escribimos V = (v1, v2),W = (w1, w2) y tomamos C la
matriz que tiene a sus vectores como columna, entonces C es inversible
y ! ! !
v1 w1 1 v1
CE1 = = = V,
v2 w2 0 v2
similarmente CE2 = W .
Las mismas consideraciones aplican para base B = {V1,V2, . . . ,Vn} de
Rn, donde ahora la matriz C ∈ Rn×n: se tiene
  
| | ... | |
CEi =  V1 V2 . . . Vn   Ei  = Vi
  
| | ... | |

para cada vector de la base canónica y cada Vi de la base B (en el orden

dado de la base).

Página 48 de 191 48 2021

FCEN-UBA Álgebra lineal y Cálculo

PROPIEDADES 2.2.19 (de la matriz como transformación lineal).

Dado un conjunto Ω ⊂ Rn y una matriz inversible C ∈ Rn×n el con-
junto
Ω0 = CΩ = {CV : V ∈ Ω}
es el transformado por C. Por ejemplo
• Si Ω : λV + P con λ ∈ R es una recta, entonces Ω0 es otra recta:

CΩ = λCV +CP = λV 0 + P0.

• Si Ω : sV + tW + P con s,t ∈ R es un plano, entonces

Ω0 = CΩ = sCV + tCW +CP = sV 0 + tW 0 + P0

es también un plano.
• Si C = Uθ es una matriz de rotación, el objeto Ω0 = CΩ difiere de Ω
en exactamente esa rotación (en otras palabras, obtenemos Ω0 rotando
Ω).

U
L0 = UL
Ω
O
O Ω
0 U
Ω =
L

Figura 2.8: Movimiento rígido del objetos por una transformación ortogonal U

• Si U es una matriz ortogonal, el nuevo objeto Ω0 = UΩ sólo difiere

del anterior en un movimiento rígido (el movimiento que hace la matriz
ortogonal puede pensarse como una serie rotaciones y reflexiones).

2021 49 Página 49 de 191

FCEN-UBA Álgebra lineal y Cálculo

2.3. Diagonalización
• Corresponde a clase en video 2.9

DEFINICIÓN 2.3.1 (Autovalores y autovectores). Sea A ∈ Rn×n deci-

mos que λ ∈ R es un autovalor de A si existe V , O tal que AV = λV .
El vector V es un autovector de A.

Por ejemplo: si A(1, −1) = (2, −2) entonces V = (1, −1) es autovector de autovalor
λ = 2 de la matriz A, porque AV = 2V .

OBSERVACIÓN 2.3.2 (Cálculo de autovalores y autovectores). Se

tiene AV = λV para algún V , O si y solo si (A − λI)V = O, luego
V ∈ Nu(A − λI) es no nulo y el núcleo es no trivial. Como A − λI es
una matriz cuadrada, por la Observación 2.2.9 podemos concluir que

λ ∈ R es autovalor de A ⇐⇒ det(A − λI) = 0.

En ese caso, los autovectores son los elementos de Nu(A − λI), se ob-
tienen resolviendo el sistema homogéneo (A − λI)X = O.

COROLARIO 2.3.3 (Autoespacios). Para cada autovalor λ ∈ R de la

matriz A, el conjunto de autovectores es un subespacio no trivial de
Rn, denominado autoespacio del autovalor λ, lo denotamos

Eλ = {V ∈ Rn : AV = λV } = Nu(A − λI).

DEFINICIÓN 2.3.4 (Polinomio característico). Pensamos λ como in-

cógnita real y notamos que p(λ) = det(A − λI) es un polinomio en la
variable λ, denominado polinomio característico de la matriz A.
A veces denotamos pA para indicar que se trata del polinomio de la
matriz A.
!
-10 -6
EJEMPLO 2.3.5 (de autovalores y autovectores). Si A =
18 11

Página 50 de 191 50 2021

FCEN-UBA Álgebra lineal y Cálculo

entonces su polinomio característico es

−10 − λ -6
p(λ) = = (−10 − λ)(11 − λ) + 18 · 6 = λ2 − λ − 2.
18 11 − λ

Las raíces del polinomio son λ1 = −1, λ2 = 2. Para hallar los autovec-
tores resolvemos primero el sistema homogéneo

(A − λ1I)X = O, es decir (A + I)X = O,

cuya matriz ampliada es

! ! !
-10 – λ1 -6 0 -10 – (-1) -6 0 -9 -6 0
= = .
18 11 − λ1 0 18 11 – (-1) 0 18 12 0

Como la segunda fila es (−2) por la primera, el sistema se reduce a

−9x− 6y = 0. De aquí 6y = −9x o bien y = −3/2x. Entonces la solución
es (x, −3/2x) con x libre, o sea

E−1 : {(1, −3/2)} = {(2, −3)}.

El autoespacio E−1 correspondiente al autovalor λ1 = −1 tiene dimen-

sión 1. Cualquier vector no nulo de esta recta es autovector de este au-
tovalor, por ejemplo V1 = (1, −3/2), o si uno prefiere no usar fracciones
V1 = (2, −3).
Se resuelve de manera similar el sistema homogéneo (A − λ2I)X =
O (para λ2 = 2) y se obtiene el autoespacio E2 = gen{(1, −2)}, otro
subespacio de dimensión 1. Podemos tomar V2 = (1, −2) como segundo
autovector.

PROPIEDADES 2.3.6 (del polinomio característico). Sea A ∈ Rn×n.

Entonces:

1. pA es un polinomio de grado n.

2. Las raíces de pA son los autovalores de A.

2021 51 Página 51 de 191

FCEN-UBA Álgebra lineal y Cálculo

En general un polinomio de grado n no tiene por qué tener n raíces

reales distintas. Por ejemplo p(λ) = λ2 + 1 no tiene ninguna raíz real,
mientras que p(λ) = (λ − 1)2 tiene una sola raíz real (doble).
DEFINICIÓN 2.3.7 (Matriz diagonal). Una matriz cuadrada D es dia-
gonal si todas las entradas fuera de la diagonal de D son nulas.
Cualquier múltiplo de la identidad es diagonal, pero como no es
necesario que todas las entradas diagonales sean iguales, hay muchas
más matrices diagonales.
DEFINICIÓN 2.3.8 (Matrices diagonalizables). Una matriz cuadrada
A es diagonalizable si existen una matriz diagonal del mismo tamaño
D y una matriz inversible C tales que A = CDC−1.

TEOREMA 2.3.9 (Bases de autovectores). A ∈ Rn×n es diagonalizable

si y sólo si existe una base B = {V1, . . . ,Vn} de Rn tal que todos los Vi
son autovectores de A (y en ese caso la matriz D tiene a los autovalores
de A en la diagonal). La matriz C que hay que tomar es la que tiene a
los Vi como columnas.
Una matriz diagonal D siempre es diagonalizable, basta tomar C = I
(no es necesario que las entradas diagonales sean distintas).
EJEMPLO 2.3.10 (de matriz diagonalizable). La matriz del Ejemplo
2.3.5 es diagonalizable. Como los autovalores son λ = −1 y λ = 2 to-
mamos !
-1 0
D=
0 2
Como C hay que tomar la matriz que tiene a los autovectores como
columnas, en el orden que pusimos los autovalores en D. Entonces,
como pusimos primero el −1 hay que tomar como primer columna
V1 = (2, −3), y como segunda columan V1 = (1, −2):
!
2 1
C= .
-3 -2

Página 52 de 191 52 2021

FCEN-UBA Álgebra lineal y Cálculo
!
2 1
Si calculamos la matriz inversa de C obtenemos C−1 = . En-
-3 -2
tonces podemos verificar el teorema recién enunciado:
! ! !
2 1 -1 0 2 1
CDC−1 =
-3 -2 0 2 -3 -2
! ! !
-2 2 2 1 -10 -6
= = = A.
3 -4 -3 -2 18 11
 
3 0
La matriz A = no es diagonalizable. Puede el lector verificar
1 3
que A tiene solamente λ = 3 como autovalor, y que el autoespacio tiene
dimensión 1, de hecho E3 = {(0, 1)}. Entonces no podemos armar una
base de R2 con los autovectores de A, así que por el Teorema 2.3.9, A
no es diagonalizable.

De acuerdo a los últimos dos ejemplos, algunas matrices que no son

simétricas (At , A) pueden ser diagonalizables, pero otras no. En cam-
bio, todas las matrices simétricas siempre son diagonalizables, y eso es
lo que dice el próximo teorema:

TEOREMA 2.3.11 (Diagonalización de matrices simétricas). Si At =

A ∈ Rn×n es una matriz simétrica, entonces

1. pA tiene n raíces reales (contadas con multiplicidad).

2. Autovectores correspondientes a autovalores distintos son orto-

gonales.

3. Existe una base ortonormal B = {V1, . . . ,Vn} de Rn, donde todos

los Vi son autovectores de A.

4. Se puede factorizar la matriz A como

A = UDU t

2021 53 Página 53 de 191

FCEN-UBA Álgebra lineal y Cálculo

donde D es una matriz diagonal que tiene a los autovalores de A

y U es la matriz ortogonal que tiene a la base B de autovectores
como vectores columna.
Como la base es ortonormal, la matriz que tiene a los vectores de la
base como columnas (o como filas) es ortogonal y así en lugar de calcu-
lar la inversa de U, podemos trasponerla -y es lo mismo que invertirla,
porque para matrices ortogonales, U −1 = U t -.
DEFINICIÓN 2.3.12 (Matrices definidas positivas). Decimos que la
matriz simétrica At = A ∈ Rn×n es
1. semi-definida positiva si hAV,V i > 0 para todo V ∈ Rn.

2. definida positiva si hAV,V i > 0 para todo V ∈ Rn \ {O}.

3. semi-definida negativa si hAV,V i 6 0 para todo V ∈ Rn.

4. definida negativa si hAV,V i < 0 para todo V ∈ Rn \ {O}.

5. indefinida si existen V,W ∈ Rn tales que

hAV,V i > 0 hAW,W i < 0.

PROPIEDADES 2.3.13 (Autovalores vs. definida positiva). Escribien-

do cualquier V ∈ Rn como combinación lineal de la base B que diago-
naliza A = At ,
V = α1V1 + α2V2 + · · · + αnVn,
obtenemos la forma diagonal

hAV,V i = λ1α21 + λ2α22 + · · · + λnα2n

donde los λi son los autovalores de A. Como los coeficientes de V están

al cuadrado, se tiene que A es
1. semi-definida positiva si y solo si λi ≥ 0 para todo i.

2. definida positiva si y solo si λi > 0 para todo i.

Página 54 de 191 54 2021

FCEN-UBA Álgebra lineal y Cálculo

3. semi-definida negativa si y solo si λi ≤ 0 para todo i.

4. definida negativa si y solo si λi < 0 para todo i.

5. indefinida si existen λi > 0, λ j < 0.

EJEMPLO 2.3.14 (definidas e indefinidas en 2 variables). Aquí V =

(x, y), damos un ejemplo de cada caso
• definida positiva: si λ1 = λ2 = 1 entonces hAV,V i = x2 + y2.
• definida negativa λ1 = λ2 = −1 entonces hAV,V i = −x2 − y2.
• indefinida λ1 = 1, λ2 = −1 entonces hAV,V i = x2 − y2.
• semi-definida positiva: si λ1 = 1, λ2 = 0 entonces hAV,V i = x2.
• semi-definida negativa: si λ1 = −1, λ2 = 0 entonces hAV,V i = −x2.

2021 55 Página 55 de 191

FCEN-UBA Álgebra lineal y Cálculo

Página 56 de 191 56 2021

Capítulo 3

Conjuntos y funciones en
la recta y el espacio
3.1. Conjuntos en la recta y el espacio
• Corresponde a clases en video 3.1, 3.2, 3.3
DEFINICIÓN 3.1.1 (Cotas de conjuntos de números reales). Dado un
conjunto A ⊂ R, decimos que A está
• acotado superiormente si ∃ c ∈ R tal que x ≤ c para todo x ∈ A. El
número c es una cota superior de A.
• acotado inferiormente si ∃ d ∈ R tal que x ≥ d para todo x ∈ A. El
número d es una cota inferior de A.

EJEMPLO 3.1.2 (conjuntos acotados y no acotados). .

 A1 = (−∞, 7) está acotado superiormente por c = 7, pero también por
c = 7.1, c = 8, c = 125, etc. Este conjunto no está acotado inferiormente.

A1 R
0 7
 A2 = [−10, +∞) no está acotado superiormente, pero si está acotado
inferiormente. Cotas inferiores son d = −10 ó d = −11, etc.
 A3 = [−1, 3] ∪ [7, 9) está acotado superiormente por c = 9 e inferior-
mente por d = −1. Los números entre intervalos (por ejemplo x = 3 ó
x = 4) no son cotas del conjunto.

57
FCEN-UBA Álgebra lineal y Cálculo

R A2

−10 0
A3
0
R

−1 3 7 9

 A4 = {2n : n ∈ N0} no está acotado superiormente. Pero tiene cota

inferior, por ejemplo d = 0 ó d = 1.
A4
0
1 = 20 R
2 = 21 4 = 22 8 = 23 16 = 24

 A5 = {1/n : n ∈ N} está acotado tanto superior como inferiormente,

d = 0 es cota inferior y c = 1 superior.
A5
0
R
1/n 1/4 1/3 1/2 1 = 1/1

Como puede verse en los ejemplos, una vez hallada una cota supe-
rior, en realidad hay muchas (infinitas), porque cualquier número más
grande sirve también de cota superior. Lo mismo vale para las cotas
inferiores: una vez hallada una, cualquier número más chico también
es cota inferior. Veamos como elegir una cota óptima

DEFINICIÓN 3.1.3 (Supremo e infimo). Dado un conjunto A ⊂ R,

decimos que
• s ∈ R es el supremo de A si s es la mejor cota superior (la más
pequeña). Esto es, s es el supremo de A (denotado s = sup(A)) si s es
cota superior de A y además s ≤ c para toda otra cota superior c de A.
• i ∈ R es el infimo de A (denotado i = inf(A)) si es la mejor cota
inferior (la más grande). Es decir, i es el ínfimo de A si es cota inferior
y además i ≥ d para toda cota inferior d de A.

Página 58 de 191 58 2021

FCEN-UBA Álgebra lineal y Cálculo

EJEMPLO 3.1.4 (supremos e infimos). Conjuntos del Ejemplo 3.1.2:

 sup(A1) = 7, no tiene ínfimo porque no tiene cota inferior.
 inf(A2) = −10, no tiene supremo porque no tiene cota superior.
 inf(A3) = −1, sup(A3) = 9.
 inf(A4) = 1, no tiene supremo.
 inf(A5) = 0, sup(A5) = 1.

PROPIEDADES 3.1.5 (del supremo y el ínfimo). Sea A ⊂ R.

Si A es acotado superiormente, tiene supremo.

El supremo es único.

El supremo no tiene por qué estar en el conjunto, cuando está,

decimos que es el máximo del conjunto A, denotado M = máx(A).

Si A es acotado inferiormente, tiene ínfimo.

El ínfimo es único.

Si el ínfimo está en el conjunto A, decimos que es el mínimo de

A, denotado m = min(A).

EJEMPLO 3.1.6 (máximos y mínimos de conjuntos del Ejemplo 3.1.2).

.
A1 R
0 7

R A2
−10 0

A3
0
R

−1 3 7 9

2021 59 Página 59 de 191

FCEN-UBA Álgebra lineal y Cálculo
A4
0
1 = 20 R
2 = 21 4 = 22 8 = 23 16 = 24

A5
0
R
1/n 1/4 1/3 1/2 1 = 1/1

A1 no tiene máximo porque sup(A1) = 7 no es un elemento de

A1 = (−∞, 7). Tampoco tiene mínimo porque no tiene ínfimo.

min(A2) = −10 porque −10 es ínfimo y es un elemento del con-

junto A2 = [−10, +∞). El conjunto no tiene máximo porque no
tiene supremo.

min(A3) = −1. El conjunto no tiene máximo, porque 9 = sup(A3)

no es un elemento de

min(A4) = 1 (tomando n = 0 vemos que 1 = 20 ∈ A4). No tiene

máximo porque no está acotado superiormente.

máx(A5) = 1 (tomando n = 1 vemos que 1 = 1/1 ∈ A5). No tiene

mínimo porque 0 = inf(A) < A5 (no hay ningún n ∈ N tal que
1/n = 0).

DEFINICIÓN 3.1.7 (Módulo). La función módulo toma un número y

devuelve el mismo número (si era positivo ó 0) o devuelve el opuesto
si el número era negativo. En cualquier caso, devuelve siempre un nú-
mero mayor o igual a 0. La definición formal es como función partida
(
x si x ≥ 0
|x| =
−x si x < 0

La función módulo es el análogo de la norma en dimensión 1, de hecho

podemos decir sin equivocarnos que el módulo es la norma del espacio
R. Eso se ve bien si recordamos algunas de sus propiedades

Página 60 de 191 60 2021

FCEN-UBA Álgebra lineal y Cálculo

PROPIEDADES 3.1.8 (de la función módulo). Sean x, y ∈ R. Entonces

|x| ≥ 0 y se tiene |x| = 0 únicamente en el caso que x = 0.

|yx| = |y||x|

|x + y| ≤ |x| + |y|

|x| = dist(x, 0)

|x − y| = dist(x, y).

OBSERVACIÓN 3.1.9 (Módulo como distancia). Si tomamos r ≥ 0,

al escribir |x| = r estamos indicando que x debe estar a distancia r del
origen. Por ejemplo |x| = 3 indica que x = 3 o que x = −3. Entonces
el conjunto

A = {x ∈ R : |x| ≤ 3} = {x ∈ R : dist(x, 0) ≤ 3}

consta de todos los puntos tales que su distancia al 0 es menor o igual

que 3. Vemos que entonces se trata de un intervalo, A = [−3, 3].
 Esto a veces se menciona como la propiedad de “desdoblar” el mó-
dulo: pedir |x| ≤ 3 es equivalente a pedir −3 ≤ x ≤ 3 y también es
equivalente a pedir
(
x ≥ −3
simultáneamente
x≤3

donde la llave indica que pedimos que se cumplan simultáneamente las

dos condiciones.
 En general entonces, para r ≥ 0 se tiene |x| ≤ r es equivalente a
−r ≤ x ≤ r y entonces es equivalente a pedir que se cumplan las dos
desigualdades x ≥ −r, x ≤ r.
 Por las mismas consideraciones, |x| < r es equivalente a −r < x < r
(siempre que r > 0).

2021 61 Página 61 de 191

FCEN-UBA Álgebra lineal y Cálculo

R −r 0 r R −r 0 r
−r ≤ x ≤ r −r < x < r
Figura 3.1: En azul, el conjunto |x| ≤ r, y el conjunto |x| < r

DEFINICIÓN 3.1.10 (Intervalos abiertos). Un intervalo abierto es un

conjunto de la forma

(a, b) = {x ∈ R : a < x < b}

que consta de un segmento sin los extremos.

 Dado x ∈ R, un intervalo abierto alrededor de x es de la forma

I = (x − r, x + r)

para algún r > 0. El número r se conoce como radio del intervalo,

porque si tomamos un compás y lo pinchamos en x con apertura r, la
intersección de la recta real con el interior del disco es el intervalo que
nos interesa.
R x−r x x+r

x−r < y < x+r

Observemos que este intervalo consta de los puntos de la recta real que
están a distancia menor a r (del punto x):

(x − r, x + r) = {y ∈ R : dist(y, x) < r} = {y ∈ R : |y − x| < r}.

Para tener en cuenta: en muchos textos se utilizan otras letras para el

radio, por ejemplo la letra griega d que es δ y se lee “delta”, o también
la letra griega e que es ε y se lee “épsilon”. Entonces por ejemplo con
esta notación

I = {x ∈ R : |x + 5| < δ} = (−5 − δ, −5 + δ)

es el intervalo abierto de centro x = −5 y radio δ > 0.

Página 62 de 191 62 2021

FCEN-UBA Álgebra lineal y Cálculo

Vamos a generalizar esta idea al espacio Rn:

r Q
r0
P

DEFINICIÓN 3.1.11 (Bolas y discos abiertos en Rn). Decimos que

B ⊂ Rn es una bola abierta de centro P y radio r > 0 si

B = Br (P) = {X ∈ Rn : kX − Pk < r} = {X ∈ Rn : dist(X, P) < r}.

Notemos que es una generalización de la noción de intervalo abierto

alrededor de un punto: en la figura de arriba vemos bolas en el plano
(son discos sin el borde).
En el caso de R3, la bola abierta es la esfera maciza, pero sin la cáscara.
DEFINICIÓN 3.1.12 (Puntos interiores - Conjuntos abiertos). Sea P ∈
A ⊂ Rn. Decimos que P es un punto interior del conjunto A si todos los
puntos que lo rodean son también de A.
Más formalmente: existe r > 0 tal que la bola Br (P) centrada en P
consta únicamente de elementos de A. Aún más formalmente: P es
punto interior de A si existe r > 0 tal que Br (P) ⊂ A.
El conjunto de los puntos interiores de A, se denota A◦.
Siempre se tiene la inclusión A◦ ⊂ A, porque por definición un punto
interior es un punto (especial) de A.
Cuando A = A◦ decimos que A es un conjunto abierto.
Equivalentemente, un conjunto es abierto si todos sus puntos son inte-
riores.
El radio depende del punto, para puntos muy cerca del borde del
conjunto, hay que tomar un radio más pequeño.

2021 63 Página 63 de 191

FCEN-UBA Álgebra lineal y Cálculo

A
r4
P4 B4
P5
r1
P1
r5
B1 B5

r3 B3
P3
r6 B6
P6

r7 B7
B2 P7
r2
P2

DEFINICIÓN 3.1.13 (Complemento de un conjunto). Dado A ⊂ X

(con A, X conjuntos), se denomina complemento de A al conjunto de
todos los puntos de X que no están en A. El conjunto X a veces se
denomina conjunto universal, quiere decir que es el contexto que hay
que mirar fueraa de A, pero sólo en X. Se denota

Ac = {x ∈ X : x < A}.

Observemos que esto es lo mismo que decir: para conseguir Ac toma-

mos el conjunto X y retiramos todos los puntos de A. Por este motivo
se puede usar la notación

Ac = X \ A,

donde el símbolo \ se interpreta como un “menos”, pero no en el sen-

tido de restar números, sino en el sentido de restar=sacar.
Nuevamente: Ac = X \ A se lee “X menos A” y se interpreta como “to-
dos lo elementos de X, menos los elementos de A”.
Algunos ejemplos simples:

Página 64 de 191 64 2021

FCEN-UBA Álgebra lineal y Cálculo

 A6 = R \ {2} se interpreta como “todos lo números reales menos

el número 2”, se puede escribir alternativamente este conjunto como
A6 = (−∞, 2) ∪ (2, +∞).
 A7 = R \ {−1, 4} es “cualquier número real que no sea ni el −1 ni
el 4”. Se puede escribir como unión de intervalos: A7 = (−∞, −1) ∪
(−1, 4) ∪ (4, +∞).
 A8 = R \ [3, +∞) consta de los números reales sin una semirrecta
(del 3 en adelante). Podemos reescribirlo como A8 = (−∞, 3). Como la
semirrecta original contenía al 3, el conjunto A8 no contiene al 3.
 A9 = R \ (−6, 2), vemos que A9 = (−∞, −6] ∪ [2, +∞) con ambos
números −6, 2 incluidos, puesto que lo que sacamos no los contenía.
Si el conjunto universal X (donde está A) no se explicita, hay que de-
ducirlo del contexo. Así por ejemplo si nos dan un intervalo A = [−2, 6)
de números reales, hay que sobreentender que X = R y entonces

Ac = R \ [−2, 6) = (−∞, −2) ∪ [6, +∞)

En cambio si A = {λV : λ ∈ R} con V ∈ Rn, entendemos que A es una

recta en Rn y entonces X = Rn. Luego Ac será todo Rn menos esa recta.

DEFINICIÓN 3.1.14 (Frontera de un conjunto). Dado un conjunto

A ⊂ Rn, decimos que X ∈ R es un punto de la frontera de A (o del
borde de A) si para toda bola abierta B = Br (X) alrededor de X, pode-
mos hallar

1. (al menos) un punto P ∈ A (es decir P ∈ A ∩ B)

2. (al menos) un punto Q < A (es decir Q ∈ Ac ∩ B).

El conjunto de puntos del borde de A se denota con bd(A), aunque en

algunos textos se denota como ∂A.
En la definición recién dada, es crucial que haya puntos de A y de Ac
en cualquier bola alrededor del punto del borde X (no importa que tan
pequeña sea la bola, siempre hay puntos de A y de Ac en la bola). Por
ejemplo en la figura de arriba, Q1 < bd(A) porque la bola más pequeña
no toca Ac.

2021 65 Página 65 de 191

FCEN-UBA Álgebra lineal y Cálculo

P2
Ac Q2

A
P1

Q1

Figura 3.2: P1, P2 ∈ bd(A), mientras que Q1, Q2 < bd(A)

Notemos que los puntos de la frontera de A pueden ser puntos de A,

o puntos fuera de A. Por ejemplo en la figura de arriba, P1 ∈ A, pero
P2 < A.
DEFINICIÓN 3.1.15 (Clausura de un conjunto). Dado A ⊂ Rn, el con-
junto clausura de A (denotado A) se obtiene tomando A y agregando
todos los puntos del borde de A, es decir

A = A ∪ bd(A).

En general tenemos A ⊂ A por su misma definición, la clausura contie-

ne al conjunto original.
Cuando vale A = A decimos que A es un conjunto cerrado.
Por ejemplo:
Si A = [−2, 3), entonces bd(A) = {−2, 3} y entonces A = [−2, 3].
Si A = (−∞, 1) ∪ [3, 10) entonces A = (∞, 1] ∪ [3, 10].
Si B = B1(0) (la bola unitaria abierta), entonces B = {X : kXk ≤
1} (la bola unitaria cerrada).

Si C = {1/3n : n ∈ N}, entonces C = C ∪ {0}.

La clausura del conjunto de la Figura 3.2 se consigue agregando
los puntos del borde faltante (como P2):

Página 66 de 191 66 2021

FCEN-UBA Álgebra lineal y Cálculo

Figura 3.3: Clausura del conjunto A de la Figura 3.2

Si D = {(x, y) : x > 0} entonces D = {(x, y) : x ≥ 0}.

Algunas equivalencias útiles que relacionan estos conceptos (pensarlo
sobre los dibujos que tenemos):
1. Un conjunto A es cerrado si y solo si bd(A) ⊂ A, es decir todos
los puntos de la frontera son puntos de A.
2. Un conjunto es abierto si y solo si bd(A) ⊂ Ac, es decir todos los
puntos de la frontera están fuera de A.
3. Un conjunto A es abierto si y solo si Ac es cerrado.
4. Un conjunto A es cerrado si y solo si Ac es abierto.
5. Hay conjuntos que no son ni abiertos ni cerrados, por ejemplo el
intervalo A = [3, 7) ⊂ R, o el conjunto A de la Figura 3.2 de más
arriba.

EJEMPLO 3.1.16 (Conjuntos dados por des/igualdades). Veamos al-

gunos ejemplos importantes:

1. D = {(x, y); x2 + y2 < 9} ⊂ R2 es un disco (de radio 3), es un

conjunto abierto.

2. C = {(x, y) : x2 + y2 ≤ 9} ⊂ R2 es un disco (de radio 3), en este

caso es un conjunto cerrado. El interior de C es el disco abierto,
o sea C◦ = D.

2021 67 Página 67 de 191

FCEN-UBA Álgebra lineal y Cálculo

3. Recíprocamente, la clausura del disco abierto D es el disco cerra-

do C, o sea D = C.
y
S = bd(C) = bd(D)

D = C◦
x

C = D∪S

4. Esto último es porque el borde del disco abierto es la circunfe-

rencia (de radio 3)

bd(C) = {(x, y) : x2 + y2 = 9} = S.

Esta circunferencia S también es un conjunto cerrado de R2.

5. La circunferencia S (la del item anterior o cualquier otra) no tiene

interior, porque pegado a cualquier punto de S tenemos puntos
que no están en S. Entonces S◦ = 0,/ tiene interior vacío.

6. A = {x : ln(x) ≤ 1} ⊂ R es un conjunto que no es abierto ni ce-

rrado, esto es porque A = (0, e] (por el dominio del logaritmo
natural).
7. En muchos casos, los conjuntos definidos con < son abiertos y
los definidos con ≤ o con = son cerrados, pero hay que tener
cuidado porque el dominio de las fórmulas involucradas puede
hacer que eso sea falso (como en el ejemplo anterior).

8. Si tomamos B = {(x, y, z) : x2 + y2 + z2 < 16} entonces B es una

bola abierta (de radio 4) en R3. Si cambiamos el < por ≤ tendre-
mos la bola cerrada (se agrega la cáscara).

Página 68 de 191 68 2021

FCEN-UBA Álgebra lineal y Cálculo

y
y = ln(x)

0 1 e x

A = {x : ln(x) ≤ 1}

Figura 3.4

9. El conjunto S2 = {x2 + y2 + z2 = R2} ⊂ R3 se denomina esfera

de radio R > 0, es un conjunto cerrado. Esta cáscara S2 no tie-
ne interior pues es muy delgada, como no hay puntos interiores
entonces tiene interior vacío.

10. Toda recta L ⊂ Rn es un subconjunto cerrado. Si n ≥ 2, toda recta

tiene interior vacío.

11. Todo plano Π ⊂ Rn es un subconjunto cerrado. Si n ≥ 3, todo

plano tiene interior vacío.

12. El conjunto A = {(x, y) : x ≥ 0} se denomina semiplano. Es un

conjunto cerrado, y su interior es el semiplano abierto, es decir
A◦ = {(x, y) : x > 0}.

DEFINICIÓN 3.1.17 (Conjuntos acotados). Un conjunto A ⊂ Rn es

acotado si está acotado en norma, es decir si existe una constante M >
0 tal que kXk ≤ M para todo X ∈ A. En otras palabras, la distancia al
origen de los puntos de A está acotada por alguna constante.

DEFINICIÓN 3.1.18 (Conjuntos compactos). Un conjunto A ⊂ Rn es

compacto si es cerrado y acotado.

2021 69 Página 69 de 191

FCEN-UBA Álgebra lineal y Cálculo

EJEMPLO 3.1.19 (Conjuntos compactos y no compactos). Veamos

algunos casos típicos

1. Un intervalo I ⊂ R es compacto si y solo si tiene la forma I =

[a, b] con a < b números reales.

2. El intervalo (−∞, 3] no es compacto pues no es acotado.

3. El intervalo [4, 7) no es compacto pues no es cerrado.

4. Una bola cerrada centrada en algún punto

B = {X ∈ Rn : kX − Pk ≤ R}

es un conjunto compacto.

5. Si la bola es abierta no es compacta.

6. Un semiplano no es compacto (no es acotado).

7. Una recta L ⊂ Rn no es compacta porque no es acotada.

8. Un segmento de una recta

~ = {tQ + (1 − t)P : t ∈ [0, 1]} ⊂ Rn
PQ

es un conjunto compacto.

9. Un plano nunca es compacto porque no es acotado.

10. El conjunto

K = {(x, y, z) : x ≥ 0, y ≥ 0, z ≥ 0, x + y + z ≤ 1}

es compacto, como puede verse al ilustralo (es un prisma trian-

gular sólido):

Página 70 de 191 70 2021

FCEN-UBA Álgebra lineal y Cálculo
z
(0, 0, 1) plano x + y + z = 1

plano y = 0 plano x = 0

K
(0, 1, 0)
y

plano z = 0
(1, 0, 0)
x

3.2. Funciones, gráficos

• Corresponde a clases en video 3.4, 3.5a, 3.5b

DEFINICIÓN 3.2.1. Dada f : X → Y una función, su gráfico es el

conjunto abstracto

Gr( f ) = {(x, f (x)) : x ∈ Dom( f )} ⊂ X ×Y.

Es un subconjunto del producto cartesiano X ×Y .

OBSERVACIÓN 3.2.2 (Dibujos de gráficos). Cuando f : R → R, es-

tamos acostumbrados a dibujar el conjunto Gr( f ) y llamar a ese dibujo
“el gráfico de f ”.
Por ejemplo: si f (x) = ex, dibujamos los pares ordenados (x, ex) en
R2 = R × R, nos queda la curva exponencial. Notemos que los puntos
que dibujamos son pares (x, y) pero con la condición y = ex = f (x).

Cuando hay restricciones de dominio, el dibujo sólo está “sobre” el

dominio (o debajo si la imagen es negativa), por ejemplo en f (x) =
ln(x), dibujamos los pares (x, ln(x)) con x > 0, el dibujo es como en
la Figura 3.4. Para x ≤ 0 no hay dibujo (ni arriba ni debajo del eje x),
porque esos x no están en el dominio del logaritmo.

2021 71 Página 71 de 191

FCEN-UBA Álgebra lineal y Cálculo

OBSERVACIÓN 3.2.3 (Funciones escalares). Decimos que f es una

función escalar si f : Rn → R, es decir cuando el codominio es R. Para
estas funciones, su gráfico es un subconjunto de Rn ×R = Rn+1. Cuando
en el dominio tenememos los número reales, los dibujos son los que
dicutimos en el caso anterior.
Cuando n = 2 tenemos una función escalar de dos variables. Su gráfico
es un subconjunto de R2 × R = R3, podemos intentar dibujarlo para
darnos una idea de su forma. En general será una superficie con valles
y montañas. Son puntos del espacio (x, y, z) que obedecen a la ecuación
implícita z = f (x, y).

1. El caso más sencillo es cuando nos queda una superficie plana

horizontal. Este es el caso del gráfico de una función f : R2 → R
constante. Por ejemplo, si tomamos f (x, y) = 5, el gráfico son
los puntos de la forma (x, y, f (x, y)) = (x, y, 5). O dicho de otra
manera, aquellos (x, y, z) que verifican la condición z = 5. Estos
son todos los puntos del plano horizontal z = 5.

2. En general si f (x, y) = k, con k = cte, su gráfico es el plano ho-

rizontal de altura k. El plano es exactamente el plano del piso
cuando k = 0. Si k > 0 el plano está sobre el piso, si k < 0 el
plano está debajo del piso.

3. El siguiente caso a considerar es el de un plano que no sea hori-

zontal (pero que no sea vertical tampoco, porque sino no puede
ser el gráfico de una función, como desarrollamos en el siguiente
item). Por ejemplo si f (x, y) = x + y, los puntos del gráfico de f
deben verificar z = f (x, y) es decir z = x + y. Se trata del plano
por el origen x + y − z = 0.

4. Si una de las variables está ausente en la fórmula de f , es que

esa variable está libre. Por ejemplo, si f (x, y) = y, tenemos que
mirar la ecuación z = f (x, y) para hacer su gráfica, o sea z = y. Se
trata de un plano a 45º respecto del piso, de ecuación y − z = 0
(dibujarlo).

Página 72 de 191 72 2021

FCEN-UBA Álgebra lineal y Cálculo

5. Como mencionamos antes, un plano vertical -como por ejemplo

la pared xz (de ecuación Π : y = 0)- no puede ser el gráfico de
ninguna función f = f (x, y).
Esto es porque por ejemplo, sobre (x, y) = (1, 0) hay infinitos va-
lores de z. Entonces f (1, 0) no estaría bien definido (recordemos
que para ser función, tenemos que decir cuánto vale f en cada
punto del dominio, esa imagen tiene que ser un solo punto).

6. Toda función lineal afín como f (x, y) = ax + by + c tiene como

gráfica un plano porque hay que mirar el conjunto de ecuación
z = ax + by + c, que equivalentemente es la ecuación del plano
Π : ax + by − z = −c.

DEFINICIÓN 3.2.4 (Funciones cuadráticas). Una función de la forma

f (x, y) = ax2 + by2 + cxy + dx + ey + k

se conoce como función cuadrática en dos variables. Cuando d = e =

k = 0 nos queda
f (x, y) = ax2 + by2 + cxy
y en este caso decimos que es una forma cuadrática homogénea. Para
la definición vamos a pedir que f no sea nula, o sea que a, b ó c sean
no nulos.
También se dice que f es homogénea de grado 2. Esto es porque

f (tx,ty) = a(tx)2 + b(ty)2 + c(txty) = at 2x2 + bt 2y2 + ct 2xy = t 2 f (x, y)

es decir, f saca escalares al cuadrado. Vectorialmente, f (tV ) = t 2 f (V )

para todo V ∈ R2 y todo t ∈ R.

Vamos a graficar (hacer el dibujo del gráfico de) funciones cuadráticas

homogéneas. Los ejemplos más importantes son los que siguen: para-
boloide y silla de montar. Luego tenemos el cilindro parabólico, que
es un caso “degenerado” porque una de las variables está libre.

2021 73 Página 73 de 191

FCEN-UBA Álgebra lineal y Cálculo

Podemos verificar que estas que mostramos a continuación son las grá-
ficas usando un programa graficador como GeoGebra, como puede ver-
se en este link.
Una explicación más detallada de por qué los gráficos tienen esta forma
particular está más abajo en la Sección 3.3.

EJEMPLO 3.2.5 (Paraboloide de revolución). f (x, y) = x2 + y2. Su

gráfico es el conjunto en R3 dado por la ecuación implícita z = x2 + y2.
Se conoce como paraboloide de revolución:
z

z = x2 + y2

Paraboloide de revolución

y
x

 Los cortes horizontales de esta figura son circunferencias de ecua-

ción x2 + y2 = z0, y los cortes verticales devuelven una parábola como
por ejemplo z = y2 (tomando x = 0). Podemos obtener la gráfica de f
girando la parábola alrededor del eje z (eso explica el nombre).
 Si invertimos el signo y consideramos f (x, y) = −x2 − y2 la gráfica
es un paraboloide pero invertido. Esto es porque este cambio obedece
a fijar x, y y cambiar z por −z, que es una reflexión respecto del plano
del piso (el plano z = 0).
 Repetimos la observación del ítem previo en otros términos: apli-
camos la transformación U(x, y, z) = (x, y, −z) para pasar de la figura
z = x2 +y2 a la figura z = −x2 −y2. La transformación U es una transfor-
mación ortogonal porque es una reflexión, podemos escribir su matriz
si observamos que UE1 = E1, UE2 = E2, UE3 = −E3, luego

Página 74 de 191 74 2021

FCEN-UBA Álgebra lineal y Cálculo
 
1 0 0
U =  0 1 0 .
0 0 −1

r=3
r=2 z = 4x2 + 9y2

Paraboloide elíptico

y
x
 Si x2, y2 están acompañados por constantes positivas el gráfico es
similar al del paraboloide, pero está “achatado” en los ejes x, y. Por
ejemplo f (x, y) = 4x2 + 9y2 tiene un gráfico similar al del paraboloide
pero los cortes horizontales no son circunferencias, sino elipses (por
ese motivo se conoce como paraboloide elíptico. En este caso el corte
con el plano horizontal z = 1 nos da una elipse de radio r = 2 en la
dirección del eje x, y de radio r = 3 en la dirección del eje y:
 La misma observación pero para el paraboloide invertido, por ejem-
plo la gráfica de f (x, y) = −4x2 − 9y2 es similar al paraboloide inverti-
do, pero achatado en las direcciones de los ejes x, y.
Ahora vamos a presentar un ejemplo sustancialmente distinto del para-
boloide o sus variantes comprimida y/o invertida: una figura conocida
como la silla de montar.
EJEMPLO 3.2.6 (Silla de montar). f (x, y) = x2 − y2. Su gráfico es el
conjunto en R3 dado por la ecuación implícita z = x2 − y2. Se conoce
como silla de montar:
 Si hacemos cortes horizontales, vemos hipérbolas de ecuación im-
plícita x2 − y2 = z0 (siempre que z0 , 0, ver la Sección 3.3 debajo para
más detalles).

2021 75 Página 75 de 191

FCEN-UBA Álgebra lineal y Cálculo

z
z = x2 − y2

x y

 Si hacemos el corte con el plano vertical y = 0 (la pared xz), vemos

z = x2 − 02, que es la parábola hacia arriba z = x2.
 Si hacemos el corte con el plano vertical x = 0 (la pared yz), vemos
z = 02 − y2, que es la parábola invertida z = −y2.

z = x2 − y2
Silla de montar

Figura 3.5: En selectos ámbitos académicos se la conoce como la papa frita.

 Si invertimos el signo en la silla de montar, f (x, y) = −x2 + y2, el

dibujo es simétrico respecto del plano del piso. Esto es porque como
ya explicamos, este cambio obedece a fijar x, y y cambiar z por −z, que
es una reflexión respecto del plano del piso (el plano z = 0).

EJEMPLO 3.2.7 (Cilindro parabólico). Consideremos f (x, y) = x2.

Notamos que la función no depende de y; eso quiere decir que la fi-
gura tiene la misma forma para todo y (sólo depende de x). El gráfico
de f es la superficie z = x2. Cortando esta superfice con planos verti-
cales y = cte (planos paralelos a la pared xz) vemos siempre la misma
curva: la parábola z = x2. La superficie se denomina cilindro parabóli-
co, y se obtiene deslizando esta parábola hacia la izquierda y la derecha

Página 76 de 191 76 2021

FCEN-UBA Álgebra lineal y Cálculo

indefinidamente:
z
z = x2

y
x Cilindro parabólico

Si invertimos el signo de la función f y tomamos f (x, y) = −x2, su

gráfico también será un cilindro parabólico, pero en este caso estará
invertido respecto del plano z = 0, con el vértice de la parábola apun-
tando hacia arriba.

EJEMPLO 3.2.8. Si consideramos f (x, y) = xy, su gráfico también es

un silla de montar. Esto es porque si hacemos el cambio de variables
x = u + v, y = u − v, z = z, la ecuación implícita del gráfico z = xy se
transforma en
z = (u + v)(u − v) = u2 − v2
que es la misma ecuación del ejemplo anterior (con otras letras). Una
explicación más detallada de este cambio de variables se da a continua-
ción:

TEOREMA 3.2.9 (Forma canónica del gráfico de una función cuadrá-

tica). Sea f : R2 → R una función cuadrática homogénea no nula.
Luego de un cambio de coordenadas ortogonal U ∈ R2×2 en el dominio
de f , y una dilatación/compresión en las direcciones de los ejes, el
gráfico de f es alguno de estos cuatro:

z = u2 + v2 (paraboloide)

z = −u2 − v2 (paraboloide invertido)

z = u2 − v2 (silla de montar)

2021 77 Página 77 de 191

FCEN-UBA Álgebra lineal y Cálculo

z = ±u2 (cilindro parabólico).

En lugar de probar el teorema, vamos a mostrar cómo elegir el cambio

de variables en dos ejemplos. La idea es escribir una matriz simétrica
A que nos ayuda a encontra el cambio de variables, por medio de sus
autovectores.

EJEMPLO 3.2.10. Sea f (x, y) = 6x2 + 9y2 − 4xy. Lo primero que va-
mos a hacer es encontrar una matriz simétrica At = A, es decir
!
α β
A= ,
β γ

de manera tal que si hacemos hAX, Xi recuperamos f (x, y). Afirmamos

que la matriz que necesitamos es exactamente
!
6 −2
A= ,
−2 9

vamos a verificarlo. Calculamos primero

! ! !
6 −2 x 6x − 2y
AX = . = .
−2 9 y −2x + 9y

Entonces, recordando que pensamos A como función de R2 en R2, te-

nemos A(x, y) = (6x − 2y, −2x + 9y). Ahora calculamos el producto
interno hAX, Xi:

AX · X = (6x − 2y, −2x + 9y) · (x, y) = (6x − 2y)x + (−2x + 9y)y

= 6x2 − 2yx − 2xy + 9y2 = 6x2 + 9y2 − 4xy = f (x, y)

como habíamos afirmado (notar que los lugares de la diagonal son los
coeficientes de x2, y2 respectivamente, pero que el lugar fuera de la
diagonal es la mitad del coeficiente de xy, porque aparece dos veces).
Ahora buscamos los autovalores y autovectores de A, por el teorema
para matrices simétricas sabemos que hay una base ortonormal B =

Página 78 de 191 78 2021

FCEN-UBA Álgebra lineal y Cálculo

{V1,V2} de todo R2 tal que V1,V2 son autovectores de A. Esa base nos
da el cambio de variables, o en otras palabras, poniendo esa base como
columnas armamos una matriz ortogonal U que es la transformación
(el cambio de variables) ortogonal que lleva nuestra gráfica de f a una
de las 3 formas indicadas por el teorema.
Afirmamos que los autovalores de A son λ = 10, λ = 5 y que los co-
rrespondientes autoespacios son E10 = {(−1, 2)}, E5 = {(2, 1)}, estas
cuentas las puede verificar el lector. Los autoespacios son perpendicu-
lares, pero falta normalizar los autovectores: tomamos
√ √ √ √
V1 = (−1/ 5 , 2/ 5), V2 = (2/ 5 , 1/ 5)

para obtener la base ortonormal B = {V1,V2} y una transformación or-

togonal que los tiene como columnas
! √ √
!
| | −1/ 5 2/ 5
U= = 2 √ 1 √ .
V1 V2 / 5 / 5

Tomamos las nuevas variables X̃ = (u, v) de la siguiente manera: defi-

nimos (u, v) = X̃ = U t X, es decir
−1 2 2 1
u = V1 · X = √ x + √ y, v = V2 · X = √ x + √ y.
5 5 5 5

Escribimos la ecuación implícita del gráfico de f , que es z = f (x, y)

y recordamos que A = UDU t donde D es la matriz diagonal de los
autovalores. Ahora observamos que, por la propiedad de la trasposición
respecto del producto interno, se tiene:

z = f (x, y) = AX · X = (UDU t )X · X = (DU t )X ·U t X

= D(U t X) ·U t X = DX̃ · X̃.

Entonces, en las nuevas variables (u, v), la ecuación implícita de la

superficie se escribe con una matriz diagonal D. Por eso, cuando desa-
rrollemos esta última expresión DX̃ · X̃, veremos que no hay término

2021 79 Página 79 de 191

FCEN-UBA Álgebra lineal y Cálculo

mixto, es decir no hay término con el producto uv:

! !
10 0 u
z= · (u, v)
0 5 v
z = (10u, 5v) · (u, v)
z = 10u2 + 5v2.

Esto quiere decir que luego de la transformación ortogonal U (que es

una rotación y/o una simetría, o una composición de ellas), la gráfica
de f (x, y) = 6x2 + 9y2 − 4xy coincide con el conjunto z = 10u2 + 5v2.
Ahora vamos a usar que los coeficientes los podemos escribir como
√ 2 √ 2
10 = 10 , 5= 5 ,
√
y entonces si volvemos a cambiar las variables por x1 = 10u, x2 =
√
5v vemos que
√ √ 2
z = 10u + 5v = ( 10u) + ( 5v) = x12 + x22.
2 2 2

Es decir, luego de esta última transformación (que se puede pensar

como una dilatatación o compresión en la dirección de cada uno de los
dos ejes), vemos que la gráfica de f coincide con el conjunto

z = x12 + x22

que es un paraboloide de revolución.

EJEMPLO 3.2.11. Sea f (x, y) = xy, veamos que luego de una trans-
formación ortogonal su gráfico coincide con el de la silla de montar
z = u2 − v2 (como ya comentamos más arriba en el Ejemplo 3.2.8).
Afirmamos que la matriz que necesitamos para obtener f (x) = AX · X
es !
0 1/2
A= 1
/2 0
ya que no hay términos con x2 ó y2. Lo comprobamos: A(x, y) = 1/2(y, x)

Página 80 de 191 80 2021

FCEN-UBA Álgebra lineal y Cálculo

luego

hA(x, y); (x, y)i = 1/2h(y, x); (x, y)i = 1/2(yx + xy) = xy = f (x, y).

Los autovalores de A son λ = 1/2, λ = λ = -1/2 y los correspondien-

tes autoespacios son E1/2 = {(1, 1)}, E -1/2 = {(1, −1)}, estas cuentas las
puede verificar el lector. Los autoespacios son perpendiculares, pero
falta normalizar los autovectores: tomamos
√ √ √ √
V1 = (1/ 2 , 1/ 2), V2 = (1/ 2 , -1/ 2)

para obtener la base ortonormal B = {V1,V2} y una transformación or-

togonal que los tiene como columnas
√ √
!
1/ 2 1/ 2
U = 1 √ -1 √ .
/ 2 / 2

Tomamos las nuevas variables X̃ = (u, v) de la siguiente manera: defi-

nimos (u, v) = X̃ = U t X, es decir
1 1 1 −1
u = V1 · X = √ x + √ y, v = V2 · X = √ x + √ y.
2 2 2 2
√
Comentario: notemos que salvo por el factor constante 1/ 2 (que es-
tá puesto para normalizar), este cambio de variables es esencialmen-
= x + y, v = x − y. Si uno despeja
te u √ √ x, y en función de u, v obtiene
x = 2/2(u + v) y también u = 2/2(u − v), que salvo el factor cons-
tante es el cambio de variable que propusimos en el Ejemplo 3.2.8. La
diferencia es que aquel, más simple, no es ortogonal porque “aplasta”
un poco y en cambio este si lo es.

Siguiendo con el razonamiento para f (x, y) = AX · X, tenemos nueva-

mente que A = UDU t donde D es la matriz diagonal de los autovalores
de A, y U la matriz ortogonal que tiene a los autovectores como colum-

2021 81 Página 81 de 191

FCEN-UBA Álgebra lineal y Cálculo

na. Nuevamente tenemos

z = f (x, y) = AX · X = (UDU t )X · X = (DU t )X ·U t X

= D(U t X) ·U t X = DX̃ · X̃

Es decir, en las nuevas variables, la ecuación implícita se escribe usan-

do una matriz diagonal. Por eso no hay términos cruzados (los términos
con el producto uv no aparecen), como se ve a continuación si escribi-
mos explícitamente DX̃ · X̃:
! !
1/2 0 u
z= −
· (u, v)
0 /21 v
z = (1/2u, −1/2v) · (u, v)
z = 1/2u2 − 1/2v2.

Esta superficie ya es una silla de montar, pero algo comprimida en las

direcciones de los ejes. Para convencernos, podemos hacer un segundo
√ √
cambio de variables, llamando x1 = u/ 2, x2 = v/ 2 y obtenemos
1 1 1 1
z = u2 − v2 = ( √ u)2 − ( √ v)2 = x12 − x22.
2 2 2 2
Vemos que luego de comprimir un poco en la dirección de los ejes
u, v, la figura que obtuvimos al rotar el gráfico de f (x, y) = xy es la
superficie dada de forma implícita por la ecuación z = x12 − x22, que es
la silla de montar.

A la vista de los ejemplos, podemos resumir aún más el resultado del

Teorema 3.2.9, pues se ve que los coeficientes de u2, v2, en la expresión
nueva para el gráfico de f , son los autovalores de la matriz A con la que
construimos f :
TEOREMA 3.2.12. Sea f : R2 → R cuadrática homogénea, sea At =
A ∈ R2×2 tal que f (X) = AX · X, donde X = (x, y) son las variables.
Si λ1, λ2 ∈ R son los autovalores de A, entonces (luego de una transfor-
mación ortogonal en el dominio) el gráfico de f es

Página 82 de 191 82 2021

FCEN-UBA Álgebra lineal y Cálculo

Un paraboloide (cuando λ1, λ2 > 0)

Un paraboloide invertido (cuando λ1, λ2 < 0)

Una silla de montar (cuando λ1 > 0 y λ2 < 0, o al revés).

Un cilindro parabólico (cuando λ1 ó λ2 = 0).

Si recordamos los nombres que dimos para estos casos en el final del
resumen de la Guía 2, vemos que el gráfico de f es

Un paraboloide si A es definida positiva.

Un paraboloide invertido si A es definida negativa.

Una silla de montar si A es indefinida.

Un cilindro parabólico cuando A es semi-definida.

OBSERVACIÓN 3.2.13 (Cuádricas). Estas superficies (paraboloide,

silla de montar, cilindro parabólico) son ejemplos de lo que se conoce
como cuádricas: superficies de R3 dadas (de manera implícita) por un
polinomio de grado 2. En la sección 3.3 veremos otros ejemplos de
cuádricas y haremos una lista de todos los posibles casos.

3.3. Curvas y superficies de nivel

• Corresponde a clases en video 3.6, 3.7
Como ya mencionamos, cuando tenemos una función f : R2 → R, a ve-
ces es útil mirar las denominadas curvas de nivel de la función f , que
consisten en igualar f a una constante y ver qué curva obtenemos en
el plano (x, y). Como estamos cortando con z = cte, podemos pensar
que estamos haciendo cortes de la superficie del gráfico de f (que esta-
ba dada por la ecuación implícita z = f (x, y)) con planos horizontales
(porque esos planos tienen ecuación z = cte).

2021 83 Página 83 de 191

FCEN-UBA Álgebra lineal y Cálculo

EJEMPLO 3.3.1 (Curvas de nivel del paraboloide). Consideremos la

función escalar f (x, y) = x2 + y2. Veamos sus curvas de nivel, y cómo
estas ayudan a describir la superficie dada por el gráfico de f .
 Si fijamos z = R2 > 0, y miramos la curva de nivel f (x, y) = R2, nos
queda la ecuación x2 + y2 = R2, que es una circunferencia centrada en
el origen de radio R > 0.
z

z=2

z=1

x y

 Si miramos la curva de nivel de z = 0, obtenemos x2 + y2 = 0, esto

sólo es posible si (x, y) = (0, 0) entonces en este caso no obtenemos
una curva sino un punto del plano (el origen).
 Si miramos curvas de nivel con z0 < 0, no hay solución y nos da el
conjunto vacío; por ejemplo con z = −1 tenemos que ver el conjunto
x2 + y2 = −1 que es vacío.
 Resumiendo, los cortes con planos horizontales nos devuelven: nada
para z negativo, el origen para z = 0 y circunferencias cada vez más
grandes (de mayor radio) a medida que cortamos con z > 0 más grande.
 Lo que queda por decidir es cómo unir estas circunferencias, para
eso hacemos un corte con el plano vertical x = 0 (que es el plano yz,
la pared del fondo). Lo que vemos es la ecuación z = f (0, y) que en
este caso es z = 02 + y2, es decir z = y2. La graficamos, es una parábola
hacia arriba:
 Eso quiere decir que hay que unir las circunferencias apiladas con
una parábola, y por eso la gráfica de f (x, y) = x2 + y2 tiene la forma que

Página 84 de 191 84 2021

FCEN-UBA Álgebra lineal y Cálculo

y
x
mencionamos en la sección anterior: se obtiene haciendo revolucionar
la parábola z = y2 alrededor del eje z.
z

z = x2 + y2

Paraboloide de revolución
y
x

EJEMPLO 3.3.2 (Curvas de nivel de una silla de montar). Tomamos

f (x, y) = x2 − y2, veamos sus curvas de nivel.
 Si fijamos z0 = R2 > 0, y miramos la curva de nivel f (x, y) = R2, nos
queda la ecuación x2 − y2 = R2. Dividimos por R2 y vemos que queda
x2 y2 x 2 y 2
2
− 2
= 1 =⇒ ( ) − ( ) = 1.
R R R R
Haciendo el cambio de variables u = x/R, v = y/R (que consiste en
comprimir un poco en la dirección de los ejes), vemos la ecuación
u2 − v2 = 1. Entonces estos cortes devuelven hipérbolas (con dos ra-
mas).  Si miramos la curva de nivel de z = 0, obtenemos x2 − y2 = 0,
que equivale a |x| = |y| y entonces tenemos dos posibilidades, y = x ó

2021 85 Página 85 de 191

FCEN-UBA Álgebra lineal y Cálculo
v

u2 − v2 = 1

Figura 3.6: Hipérbola

corte con z = 1: hipérbola x2 − y2 = 1

z=1

corte con z = −1:

−x2 + y2 = 1

z = −1

Figura 3.7: Curvas de nivel de la silla de montar z = x2 − y2

y = −x que son dos rectas por el origen. ¡Si, en efecto, la silla de mon-
tar tiene dos rectas horizontales dentro, aunque no sea tan evidente a
simple vista!
 Si miramos curvas de nivel con z0 = −R2 < 0, el razonamiento es
el mismo que para z0 > 0, la única diferencia es que en lugar de ver
la ecuación u2 − v2 = 1 luego del cambio de variables, ahora vemos
la ecuación −u2 + v2 = 1, que equivale a intercambiar u con v en la
anterior. Esta es una simetría, y entonces estas curvas de nivel también
dan hipérbolas (con sus dos ramas) pero ahora tienen otra orientacion
que las de arriba.

DEFINICIÓN 3.3.3 (Superficies de nivel). Cuando tenemos una fun-

Página 86 de 191 86 2021

FCEN-UBA Álgebra lineal y Cálculo

ción escalar de 3 variables f : R3 → R, su gráfico es el subconjunto

de R4 dado por (x, y, z, f (x, y, z)), o si se quiere son los (x, y, z, w) tales
que w = f (x, y, z). Como es un subconjunto de R4, no podemos espe-
rar hacer un dibujo. Pero podemos estudiar los cortes con algunas de
las variables fijas, por ejemplo tomando w = w0 = cte. Estos cortes se
conocen como superficies de nivel de f , son superficies dadas por la
ecuación implícita
f (x, y, z) = cte.
 Si f es lineal sus superficies de nivel serán planos. Por ejemplo,
f (x, y, z) = 2x + y − z. Si hacemos f (x, y, z) = 0 vemos el plano por el
origen Π : 2x + y − z = 0. Mientras que 2x + y − z = 5 es un plano, pero
que no pasa por el origen. Notemos que todas las superficies de nivel
de f son planos paralelos, todos con normal N = (2, 1 − 1).
Ahora vamos a estudiar las superficies conocidas como cuádricas. Es-
ta es una familia de ejempos relativamente simples (y relevantes) da-
dos por polinomios de grado 2 en las tres variables x, y, z. Ya vimos
los casos particulares del paraboloide, la silla de montar y el cilindro
parabólico, cuando teníamos superficies de la forma z = f (x, y), es de-
cir cuando la superficie era el gráfico de una función de dos variables
(Teorema 3.2.9).

EJEMPLO 3.3.4 (Cuádricas). Miramos superficies de nivel f (x, y, z) =

w0, con f polinomio de grado 2.
 f (x, y, z) = x2 + y2 + z2. Sea R2 > 0, consideramos la superficie de
nivel f (x, y, z) = R2 (estamos tomando w = R2). Notamos que si X =
(x, y, z), la ecuación se reescribe como
Esfera de radio R : R2 = x2 + y2 + z2 = kXk2, luego kXk = R.
Son los puntos de R3 que distan del origen exactamente R, se trata de
una superficie esférica de radio R, o más brevemente una esfera de
radio R.
 Si tomamos w = 0 y miramos f (x, y, z) = 0, vemos x2 + y2 + z2 = 0,
así que en este caso el conjunto de soluciones no es una superficie sino

2021 87 Página 87 de 191

FCEN-UBA Álgebra lineal y Cálculo

Esfera

x2 + y2 + z2 = 1

y
x

únicamente un punto, el punto O = (0, 0, 0).

 Si miramos el conjunto f (x, y, z) = z0 con z0 < 0, resulta vacío: por
ejemplo x2 + y2 + z2 = −1 no tiene soluciones.
 Cambiemos de función, sea g(x, y, z) = x2 +y2 −z2. Miramos primero
x2 + y2 − z2 = R2, es decir tomamos w > 0. Por ejemplo, si R = 1 vemos
x2 + y2 − z2 = 1. Esta figura se conoce como hiperboloide de una hoja,
su ecuación se reescribe como
Hiperboloide de una hoja: x2 + y2 = 1 + z2.

Para describirla podemos hacer cortes con planos horizontales (mirar

las curvas de nivel tomando z = z0 = cte), notamos que r2 = 1 + z20 ≥
1 > 0 es positivo no importa el signo de z0. Entonces todos los cortes
horizontales son de la forma x2 + y2 = r2, con r ≥ 1 y se trata de cir-
cunferencias, todas de radio r ≥ 1. El radio mínimo r = 1 se consigue
cuando z0 = 0, y hay simetría respecto de z, entonces vemos circun-
ferencias apiladas que crecen en radio a medida que nos alejamos del
piso (en ambas direcciones).
El nombre de la figura se explica por su perfil: para ver cómo se unen
estas circunferencias hacemos ahora un corte de x2 + y2 = 1 + z2 con el
plano vertical x = 0. Vemos la ecuación y2 = 1 + z2, que se reeescribe
como y2 − z2 = 1, y como ya sabemos, es una hipérbola (con sus dos
ramas, como en la Figura 3.6 de más arriba). Entonces el hiperboloide

Página 88 de 191 88 2021

FCEN-UBA Álgebra lineal y Cálculo

1
1 y
x

de una hoja se puede pensar como la superficie que se obtiene girando

esta hipérbola alrededor del eje z.
z

x2 + y2 − z2 = 1

y
x
Hiperboloide de de una hoja

 Volviendo al caso general de la superficie de nivel x2 + y2 − z2 = R2,

2021 89 Página 89 de 191

FCEN-UBA Álgebra lineal y Cálculo

si dividimos por R2 vemos

x2 y2 z2 x 2 y 2 z 2
+ − = 1 =⇒ ( ) + ( ) − ( ) = 1.
R2 R2 R2 R R R
Con el cambio de variables (x, y, z) 7→ (u, v, w) = ( R1 x, R1 y, R1 z), tenemos
la superficie u2 + v2 − w2 = 1 que como acabamos de discutir es un
hiperboloide de una hoja. Entonces todas las superficies de nivel de
g(x, y, z) = x2 + y2 − z2 = R2 (para R , 0) son similares: son todos hi-
perboloides de una hoja, y lo que cambia es el radio mínimo (el de la
circunferencia que se obtiene al cortar con el plano z = 0).
 Si tomamos w = 0 vemos la superficie de nivel x2 + y2 − z2 = 0 que
ya no es un hiperboloide. Se trata de la superficie conocida como

Cono recto: x2 + y2 = z2.

o simplemente cono. En realidad se trata de dos conos opuestos por el

vértice, como indica el dibujo: Tomando curvas de nivel, vemos que se
z

z = ±y
(corte con el plano x = 0)

y
x
Cono recto
x2 + y2 = z2

trata de circunferencias apiladas (salvo en z = 0 donde es un punto).

Luego para ver como unirlas, notamos que el perfil (el corte con el
plano vertical x = 0) nos da la ecuación y2 = z2, que se trata de las

Página 90 de 191 90 2021

FCEN-UBA Álgebra lineal y Cálculo

rectas y = z, y = −z.
 Ahora veamos qué pasa si miramos g(x, y, z) = w0 con w0 < 0, es
decir x2 + y2 − z2 = −R2 con R , 0. Dividiendo por R2 y haciendo el
mismo cambio de variables de antes, notamos que son todas (compre-
siones de) la superficie de nivel con R = 1, que es x2 +y2 −z2 = −1. Esta
es distina que el hiperboloide de una hoja por el signo, es la superficie
conocida como

Hiperboloide de dos hojas: x2 + y2 = z2 − 1.

Para describirla podemos tomar curvas de nivel con z = z0 = cte. Note-

mos que z20 − 1 puede ser positivo, negativo o nulo, dependiendo de z0.
Separamos en casos: primero veamos donde se anula, esto es cuando
z20 = 1, y esto ocurre cuando z0 = 1 ó bien z0 = −1. Entonces los cortes
con estos dos planos horizontales nos dan (en ambos casos) la ecuación
x2 + y2 = 0, que sólo tiene solución al (x, y) = (0, 0).
Si tomamos −1 < z0 < 1, vemos que z20 < 1 y entonces z20 − 1 < 0. En
este caso la ecuación x2 + y2 = z20 − 1 no tiene solución. Esto quiere
decir que los cortes con planos z = z0, con z0 entre −1 y 1, no cortan la
superficie x2 + y2 = z2 − 1.
Por último, consideramos |z0| > 1 (o sea debajo del −1 y por encima
del 1), con esta condición z20 − 1 > 0 y entonces la curva x2 + y2 = z20 − 1
es una circunferencia (de radio cada vez mayor a medida que z se aleja
del piso (ver Figura 3.9 debajo).
Para unir estas circunferencias apiladas, miramos el perfil de la super-
ficie dado por el corte con el plano x = 0, vemos la ecuación 02 + y2 =
z2 − 1 o equivalentemente z2 − y2 = 1. Se trata de una hipérbola, ahora
simétrica respecto del piso.
Entonces el hiperboloide de dos hojas es la superficie que puede ob-
tenerse haciendo girar esta hipérbola (las dos ramas) alrededor del eje
z.
 Ahora cambiamos de función. Sea f (x, y, z) = x2 + y2, notemos que
en la superficie de nivel x2 +y2 = w0 la variable z no aparece. Eso quiere

2021 91 Página 91 de 191

FCEN-UBA Álgebra lineal y Cálculo
z

z2 − y2 = 1

Figura 3.8: Las dos ramas de una hipérbola en el plano yz

z
z2 − y2 = 1
(corte con el plano x = 0)

y
x
Hiperboloide de dos hojas
−x2 − y2 + z2 = 1

Figura 3.9: Hiperboloide de 2 hojas

decir que z está libre, e implica que una vez hecho el dibujo para algún
z (por ejemplo, para z = 0) la superficie se obtiene dejando z libre por
encima y por debajo de ese dibujo.
 Si w0 = 0 obtenemos x2 + y2 = 0, que en principio es el punto x =
0, y = 0. Pero si recordamos que estamos en R3 y que z está libre, lo
que obtenemos es el conjunto (0, 0, z), que es una recta vertical (es el
eje z).
 Si w0 < 0 la superficie de nivel x2 + y2 = w0 es vacía, porque el lado
izquierdo es siempre no negativo. Notemos que no importa el valor de
z (por más libre que esté), la ecuación nunca se va a verificar.

Página 92 de 191 92 2021

FCEN-UBA Álgebra lineal y Cálculo

 Si w0 = R2 > 0, tenemos x2 + y2 = R2. Dividiendo por R2 y cambian-

do las variables por x/R e y/R respectivamente obtenemos la superfice
llamada
Cilindro recto: x2 + y2 = 1
o simplemente cilindro. Vemos que todos los cortes de esta superficie
con z = cte son idénticos, porque la ecuación implícita no tiene z. Es-
tos cortes son todos x2 + y2 = 1, que es una circunferencia de radio 1.
Entonces la superficie se obtiene apilando circunferencias de radio 1, y
es exactamente un cilindro vertical.
z
x2 + y2 = 1
Cilindro

y
x

 Nuevamente cambiamos de función. Consideramos en este ejemplo

la función f (x, y, z) = z2 − y2. Ahora la variable faltante es x, y si mi-
ramos la superficie de nivel para w0 = 1 vemos la ecuación z2 − y2 = 1.
Esta superficie, al cortarla con planos verticales x = cte (planos parale-
los a la pared yz), presenta siempre la hipérbola plana z2 − y2 = 1 (como
la de la Figura 3.8). La superficie se denomina cilindro hiperbólico, y
se obtiene deslizando esta hipérbola hacia adelante y hacia atrás en la
dirección del eje x:

OBSERVACIÓN 3.3.5 (Variantes de cuádricas). Intercambiando las

variables, obtenemos versiones de estas superficies que apuntan en las
direcciones de los distintos ejes.
Por ejemplo, consideremos las siguientes ecuaciones:

a) x2 + z2 = y2 b) − x2 + y2 − z2 = 1 c) x2 + z2 = 1.

2021 93 Página 93 de 191

FCEN-UBA Álgebra lineal y Cálculo
z

z2 − y2 = 1

y
x

Figura 3.10: Cilindro hiperbólico

Para hacer un dibujo de estas superficies, no es necesario volver a cal-

cular sus curvas de nivel, perfil, etc. Porque podemos notar (en cada
caso) que la superficie dada tiene una ecuación similar a alguna de las
que ya estudiamos, con la salvedad de que en estas de aquí, los roles
de las variables están intercambiados. Eso quiere decir que estas su-
perficies de aquí se pueden obtener a partir de alguna de las que ya
estudiamos, haciendo una simetría en R3. ¿Qué simetría? La que se
obtiene al intercambiar esas variables.
Por ejemplo: la ecuación a) se obtiene a partir de la ecuación del cono
recto x2 + y2 = z2, intercambiando la variable y con la variable z. Luego
la superficie a) de aquí se obtiene del cono recto haciendo una simetría
alrededor del plano Π : y − z = 0 (ya que los puntos del plano, que veri-
fican y = z, no se modifican al intercambiar las variables). Si queremos
dibujar a), notamos que en el cono recto original, el eje de rotación es
el eje z. Luego a) es un cono con eje de rotación alrededor del eje y.
Con los mismos argumentos, b) es un hiperboloide de dos hojas con eje
de rotació alrededor del eje y, mientras que c) es un cilindro alrededor
del eje y.

También podemos multiplicar las variables por constantes positivas, en

ese caso obtenemos superficies cuádricas que resultan variantes “aplas-
tadas” o “estiradas” en las direcciones de los ejes, tal como vimos en
los casos del paraboloide y la silla de montar, en la Sección 3.2.

Página 94 de 191 94 2021

FCEN-UBA Álgebra lineal y Cálculo

Por ejemplo la superficie dada por la ecuación z = 3x2 es un cilindro

parabólico, mientras que 4x2 + 9y2 = z2 es un cono que no es recto,
puesto que los cortes horizonales son elipses.

z
2
x2 2
a2
+ by2 + cz2 = 1
c

b
a
y
x
Elipsoide

Un último ejemplo interesante (y con nombre propio) es el de la super-

ficie dada por la ecuación implícita
x2 y2 z2
2
+ 2 + 2 = 1,
a b c
que puede obtenerse a partir de la esfera, modificando (x, y, z) por x/a,
y/b, z/c respectivamente. Esta superficie cuádrica se conoce como
elipsoide de radios a, b, c (cuando a = b = c obtenemos una esfera).

TEOREMA 3.3.6 (Cuádricas en R3). Toda superficie cuádrica de R3

puede transformarse (mediante un cambio escalas en los ejes y un cam-
bio de coordenadas ortogonal), en una de las superficies siguientes:

Paraboloide: z = x2 + y2

Silla de montar: z = x2 − y2.

Cilindro parabólico: z = x2.

Esfera: x2 + y2 + z2 = 1

Hiperboloide de una hoja: x2 + y2 − z2 = 1

2021 95 Página 95 de 191

FCEN-UBA Álgebra lineal y Cálculo

Hiperboloide de dos hojas: x2 + y2 − z2 = −1

Cono: z2 = x2 + y2

Cilindro: x2 + y2 = 1

Cilindro hiperbólico: z2 − y2 = 1

Eso quiere decir que los ejemplos que vimos en este resumen, agotan
todas las posibles superficies cuádricas en el espacio R3. Las funciones
de la lista se conocen como las formas canónicas de los polinomios
cuadráticos en dos variables. Puede verse una representación dinámica
de estas figuras, así como sus intersecciones con distintos planos (sus
curvas de nivel) en este link de Geogebra.
El método de prueba es similar al de aquel teorema, pero con algunas
adiciones. No lo demostraremos, pero podemos ver muy claramente
cómo funciona esta clasificación en un ejemplo:

EJEMPLO 3.3.7. Sea g(x, y, z) = 2x2 + 2xy + 2y2 − z2. Llevar g a su

forma canónica con un cambio de variables adecuado y describir sus
superficies de nivel.
La matriz para escribir g(X) = AX · X se consigue poniendo en la dia-
gonal los coeficientes cuadráticos, y fuera de ella la mitad de los co-
eficientes cruzados, por ejemplo en el lugar 1 − 2 va la mitad del coefi-
ciente de xz, que es un 1, como no hay xz ni yz hay ceros en los lugares
1 − 3 y 2 − 3 respectivamente. La matriz tiene que ser simétrica así que
es:  
2 1 0
A =  1 2 0 ,
 
0 0 −1
invitamos al lector a verificar que g(X) = AX · X. Los autovalores de A
son 3, 1, −1 y los autovectores (ya normalizados) son
√ √ √ √
V1 = (1/ 2, 1/ 2, 0) V2 = (-1/ 2, 1/ 2, 0) V3 = (0, 0, 1)

Página 96 de 191 96 2021

FCEN-UBA Álgebra lineal y Cálculo

Las nuevas variables X̃ = (x1, x2, x3) se obtienen aplicando la tranfor-

mación ortogonal U t a las variables originales X = (x, y, z), entonces
tenemos
√ √
x1 = V1 · X = x/ 2 + y/ 2y
√ √
x2 = V2 · X = −x/ 2 + y/ 2y.
x3 = V3 · X = z

La forma canónica de f en las nuevas variables es

DX̃ · X̃ = 3x12 + x22 − x32 .

√
Entonces luego de una compresión de factor 1/ 3 en la primer varia-
ble la función original es equivalente a

f (x, y, z) = x2 + y2 − z2.

Inspeccionando la lista del teorema, vemos que las superficies de nivel

de esta última función son hiperboloides o un cono, entonces las de la
superficie original también
√ (salvo una transformación ortogonal y un
dilatación de factor 3 en la dirección del eje x).

Si miramos ecuaciones implícitas generales f (x, y, z) = cte donde f

no es un pollinomio de grado 2, obtenemos muchos más ejemplos de
superficies que no hemos presentado aquí. Es decir que en este resumen
hemos hecho énfasis en las cuádricas pero hay muchas otras superficies
en R3 que no lo son. Su dibujo puede ser mucho más complicado, y no
tenemos una buena clasificación, pero de ser necesario se puede usar
un programa graficador para obtenerlo. Lo que queremos destacar para
finalizar, es que entender cuáles son las posibles cuádricas nos servirá
sobre el final de este texto para comprender cómo se hallan los extre-
mos de funciones de varias variables, y así poder resolver problemas
de máximos y mínimos que involucren más de una variable.

2021 97 Página 97 de 191

FCEN-UBA Álgebra lineal y Cálculo

Página 98 de 191 98 2021

Capítulo 4

Límite y derivadas de
funciones
4.1. Límites y continuidad
• Corresponde a clases en video 4.1, 4.2a, 4.2b, 4.3, 4.4

DEFINICIÓN 4.1.1 (Limite en una variable). Dada f : A → R, donde

A ⊂ R es un intervalo o una unión de intervalos, decimos que el límite
de f cuando x tiende a x0 es ` si podemos conseguir que todos los f (x)
estén cercanos a `, siempre que x esté cercano a x0.
No nos interesa el valor de f en el punto y0 = f (x0), ni siquiera nos
interesa si x0 ∈ A (el dominio de f ); necesitamos si poder aproximarnos
a x0 con puntos x ∈ A.
Formalmente limx→x0 f (x) = ` si

| f (x) − `| es chico, siempre que |x − x0| es chico (x , x0).

La idea de “es chico” requiere alguna formalización mayor. Porque no

es aceptable que esté sujeta a interpretación del que hace la afirmación
(o del que la lee).
Para ello vamos a decir que | f (x) − `| tiene que ser tan chico como
uno quiera, siempre que acercemos lo suficiente x a x0. Esto se puede
expresar mejor así: para cada eror posible E > 0, queremos encontrar

99
FCEN-UBA Álgebra lineal y Cálculo

una D = D(E) > 0 (distancia) de manera tal que si dist(x, x0) < D,
entonces | f (x) − `| < E. Entonces limx→x0 f (x) = ` si para todo E > 0,
existe D > 0 de manera tal que

|x − x0| < D =⇒ | f (x) − `| < E.

No hay que olvidar que hay que excluir la evaluación en x0, para ello
podemos escribir x , x0 o para ser más breves escribimos 0 < |x −x0| <
D -puesto que |x − x0| ≥ 0 siempre, y |x − x0| = 0 únicamente cuando
x = x0.

y 0 < |y − `| < ε

` Gr( f )

0 < |x − x0 | < δ

x0 x
Figura 4.1: La banda horizontal celeste indica los f (x) con 0 < |x − x0| < δ

En la bibliografía es usual usar letras griegas para el error y la distancia,

así que la definición de límite suele escribirse entonces como sigue:
limx→x0 f (x) = ` si para todo ε > 0 existe δ > 0 tal que

0 < |x − x0| < δ =⇒ | f (x) − `| < ε. (4.1.1)

Como estamos aproximando x a x0, es necesario que x0 esté en A o

pegado a él. Luego debe ser x0 ∈ A ∪ bd(A) = A (la clausura de A).

OBSERVACIÓN 4.1.2 (Límites en infinito). Escribimos limx→+∞ f (x) =

` si f (x) se aproxima a ` cuando x es cada vez mayor. Formalmente, el
límite en +∞ es ` si para todo ε > 0 existe K > 0 tal que

x > K =⇒ | f (x) − `| < ε.

Página 100 de 191 100 2021

FCEN-UBA Álgebra lineal y Cálculo

La misma idea se usa para limx→−∞ f (x) = `, pero ahora queremos

que f (x) esté cerca de ` cuando x sea negativo y muy grande en valor
absoluto (gráficamente, x está muy a la izquierda de 0 y f (x) muy cerca
de la altura `).
A veces nos interesa ver qué ocurre si nos aproximamos a x0 por un
sólo lado (ya sea porque f no está definida a un lado, o porque el com-
portamiento es distinto a ambos lados de x0):
DEFINICIÓN 4.1.3 (Límites laterales). Si Dom( f ) ⊂ R, decimos que
limx→x+ f (x) = ` si ∀ ε > 0, ∃ δ > 0 tal que
0

x0 < x < x0 + δ =⇒ | f (x) − `| < ε.

Este se llama límite lateral por la derecha, y requerimos entonces x

cerca de x0 con la condición adicional x > z0.
Similarmente se define el límite lateral por la izquierda, en ese caso es
x < x0.
Si hay puntos de A = Dom( f ) a ambos lados de x0, entonces: existen
los dos límites laterales y son iguales si y solo si existe el límite en x0.
Ahora extendemos la definición de límite en un punto a funciones de
varias variables.
DEFINICIÓN 4.1.4. [Limite en Rn] Sea A ⊂ Rn, sea f : A → R, sea
P ∈ A. Decimos que limX→P f (X) = ` si para todo ε > 0 existe δ > 0
tal que
0 < kX − Pk < δ =⇒ | f (X) − `| < ε.
La idea es exactamente la misma, queremos que f (x) esté cerca de `
si X está cerca del punto P (y además pedimos X , P como antes).
Decimos “el límite de f cuando X tiende a P es `”.
OBSERVACIÓN 4.1.5 (Notación). Escribimos limX→X0 f (X) = ` a ve-
ces de la siguiente manera

f (X) −−−→ `.
X→X0

2021 101 Página 101 de 191

FCEN-UBA Álgebra lineal y Cálculo

La idea es clara: los valores de f (X) se aproximan a ` cuando los valo-

res de X se aproximan a X0.

Algunas propiedades útiles se listan a continuación

PROPIEDADES 4.1.6 (del límite de funciones). Sea A ⊂ Rn, sean

f , g : A → R, sea X0 ∈ A. Entonces si existen los límites de f y de g
en X0, se tiene

1. limX→X0 ( f (X) + g(X)) = limX→X0 f (X) + limX→X0 g(X).

2. limX→X0 f (X)g(X) = limX→X0 f (X) · limX→X0 g(X).

3. Si g , 0 en A ylimX→X0 g(X) , 0, entonces

f (X) limX→X0 f (X)

limX→X0 = .
g(X) limX→X0 g(X)

Recordemos que -si puede hacerse- la composición de dos funciones

(g ◦ f )(X) = g( f (X)) se calcula viendo primero el valor de f en x, y
luego viendo el valor de g en f (X).

PROPIEDADES 4.1.7 (de la composición y el límite). Si f (X) −−−→

X→X0
` y además g(X) −−→ L, entonces existe el límite de la composición y
X→`
es igual a L:
(g ◦ f )(X) −−−→ L.
X→X0

Esto es porque si comenzamos cerca de X0, los valores de Y = f (X)

están cerca de `, luego los valores de Z = g(Y ) están cerca de L.

OBSERVACIÓN 4.1.8 (Límites que dan infinito). Escribimos

limX→X0 f (X) = +∞

si f (X) es cada vez mayor (sin cota superior) a medida que X se apro-
xima a X0. Formalmente, f (X) −−−→ +∞ si para todo M > 0 existe
X→X0

Página 102 de 191 102 2021

FCEN-UBA Álgebra lineal y Cálculo

δ > 0 tal que

0 < kX − X0k < δ =⇒ f (X) > M.

Vemos que el gráfico se hace cada vez más alto a medida que X se
aproxima a X0. Aquí f puede ser una función de una o de varias varia-
bles.
La misma idea se usa para limX→X0 f (x) = −∞: decimos que

f (X) −−−→ −∞
X→X0

si para todo m < 0 existe δ > 0 tal que

0 < kX − X0k < δ =⇒ f (X) < m.

En este caso vemos que el gráfico se hace más bajo (hacia −∞) a me-
dida que X → X0 (no hay cota inferior para las imágenes de f ).

PROPIEDADES 4.1.9 (del sandwich y “cero por acotada”). Cuando

queremos probar que un límite es 0, podemos hacer uso una desigual-
dad del tipo
| f (t)| ≤ |g(t)|.
Si sabemos que g(t) → 0 cuando t → t0, entonces podemos concluir
que también f (t) → 0 cuando t → t0. Esto es porque

−|g(t)| ≤ f (t) ≤ |g(t)|

y entonces f no puede escapar de tener límite nulo en t = t0, como se

ve en la figura:
Por ejemplo:

 Calcular limx→0 x sen(1/x). Como | sen(1/x)| ≤ 1 entonces

| f (x)| = |x sen(1/x)| ≤ |x| → 0

2021 103 Página 103 de 191

FCEN-UBA Álgebra lineal y Cálculo

|g(t)|
f (t)

t0 t

−|g(t)|

cuando x → 0. Luego limx→0 x sen(1/x) = 0. Aquí la función que po-

demos controlar fácilmente, que es más grande que f , es la función
g(x) = x.
Este es el tipo de límite donde justificamos que da 0 porque es del tipo
“0 por acotada”. En este caso la función que tiende a cero es g(x) = x,
mientras que el otro factor está acotado.
 Calcular limx→1+ ln(x) cos(1/ ln(x)). Afirmamos que ` = 0 porque
ln(1) = 0. Sin embargo el segundo factor no tiene límite, por eso nece-
sitamos justificarlo así:

| ln(x) cos(1/ ln(x))| ≤ | ln(x)| → 0

cuando x → 1. Entonces por la propiedad del sandwich el límite ori-

ginal es 0. Nuevamente es de la forma “0 por acotada”, en este caso
el factor acotado es cos(1/ ln(x)), que no tiene límite pero sus valores
están acotados entre −1 y 1.
PROPOSICIÓN 4.1.10 (Cálculo de límites usando la composición).
Como la composición de límites es el límite de la composición, pode-
mos aprovechar eso para calcular límites donde reconozcamos expre-
siones conocidas.
Veamos algunos ejemplos importantes de esta aplicación. El lector cu-
rioso puede ver la forma que tiene las superficies dadas por los gráficos
de las siguientes funciones, en este link. Allí notarán que el resultado
que obtenemos en las cuentas debajo, no siempre es evidente a partir
del dibujo.

Página 104 de 191 104 2021

FCEN-UBA Álgebra lineal y Cálculo

 Como limt→0 (1 + t)1/t = e, entonces si f (x, y) → 0 cuando (x, y) →

(x0, y0), al hacer la composición con f podemos calcluar el límite:

−7
1. ` = lim(x,y)→(0,0) 1 + x 2
+ y4 x2+y4 . Como (rb)a = rab, tenemos que
 −7
2

1
4 x2 +y4
` = lim(x,y)→(0,0) 1+x +y ,

y entonces
 1
−7
` = lim(x,y)→(0,0) 1 + x2 + y4 x2+y4 = e−7.

Aplicamos la idea de la composición a f (x, y) = x2 + y4.

y
2. lim(x,y)→(1,2) 1 + y ln(x)2 3 ln(x)2 . Como f (x, y) = y ln(x)2 → 0 cuan-
do (x, y) → (1, 2), tenemos
y y2
1 + y ln(x)2 3 ln(x)2 = 1 + y ln(x)2 3·y ln(x)2

 y2/3

1 22 /3
= 1 + y ln(x)2 y ln(x)2
−→ e = e4/3.

 Como limt→0 sen(t)

t = 1, tenemos

sen(5xy) sen(5xy)
1. lim(x,y)→(0,0) = 5 lim(x,y)→(0,0) = 5 · 1 = 5.
xy 5xy
Esta vez compusimos con f (x, y) = 5xy.

sen(xy − x) sen(xy − x) xy − x
2. lim(x,y)→(3,1) = lim(x,y)→(3,1)
y−1 xy − x y − 1
sen(xy − x) x(y − 1)
= lim(x,y)→(3,1)
xy − x y−1
sen(xy − x)
= lim(x,y)→(3,1) · x = 1 · 3 = 3.
xy − x

2021 105 Página 105 de 191

FCEN-UBA Álgebra lineal y Cálculo

En este caso compusimos con f (x, y) = xy − x = x(y − 1). Note-

mos que para esta función, f (x, y) → 0 cuando (x, y) → (3, 1) (si
no fuera así, el límite estaría mal calculado).
Un caso muy importante de f (x, y) → 0 que vamos a usar (cuando
(x, y) → (0, 0)) es mirando la función f (x, y) = k(x, y)k, o sus potencias
como
k(x, y)k2 = x2 + y2.

PROPIEDADES 4.1.11p(de la norma). Como x2 + y2 ≥ x2, se tiene

tomando raíz que |x| ≤ x2 + y2 = k(x, y)k. Entonces

−k(x, y)k ≤ x ≤ k(x, y)k

y también
−k(x, y)k ≤ y ≤ k(x, y)k.
Entonces, si (x, y) → (0, 0) es claro que x → 0 y también y → 0, pero
esta cuenta nos dice que la norma lo hace más rápido que las coorde-
nadas.
Por otro lado es claro que si (x, y) → (0, 0), entonces también se tiene
que k(x, y)k → 0.

y
`2 y = f (x)
`1

P x

Figura 4.2: Límites laterales distintos, el límite en P no existe

OBSERVACIÓN 4.1.12 (Limite a lo largo de curvas). Cuando el lími-

te en P existe, no importa por qué camino nos acercemos a P, siempre

Página 106 de 191 106 2021

FCEN-UBA Álgebra lineal y Cálculo

debe ser | f (X) − `| → 0. Entonces si encontramos dos maneras distin-

tas de acercarnos, que den límites distintos, es porque el límite en P no
existe.
El primer ejemplo de esto es para funciones de una variable (Figura
4.2: cuando tenemos dos límites laterales que no coinciden. Sabemos
que el límite no existe en ese caso.
Si miramos funciones de dos variables, un punto de su dominio estará
en R2. Hay muchas maneras de acercarse a un punto P ∈ R2.

Por ejemplo, por cualquier recta que pase por P. Esto no agota todos
los caminos, pero es la primer cosa con la que uno puede probar. Si
encontramos que el limite da distinto a lo largo de dos rectas, es porque
no existe el límite doble en P.

EJEMPLO 4.1.13. Vamos resolver límites en algunos ejemplos. Nue-

vamente podemos ver las superficies dadas por Gr( f ) en Geogebra, si
clickeamos en este link.
Como ya mencionamos, no siempre es de mucha utilidad ver el gráfico,
y que es necesario saber algunas técnicas como las que explicamos a
continuación para ver si un límite existe (y cuánto da). En el applet de
Geogebra también están algunas de las funciones de la Guia de TP 4.
x2 − y2
 Sea f (x, y) = 2 . Queremos ver si existe lim(x,y)→(0,0) f (x, y).
x + y2
Comenzamos probando por los ejes, que pasan por el punto P = (0, 0).
Probamos primer por el eje x. Eso quiere decir que tomamos y = 0 y

2021 107 Página 107 de 191

FCEN-UBA Álgebra lineal y Cálculo

vemos que queda

x2 − 02 x2
f (x, 0) = 2 = = 1.
x + 02 x2
Entonces f es constante en el eje x y el límite a lo largo del eje x da 1.
Ahora probamos por el eje y. Eso quiere decir que tomamos x = 0 y
vemos que queda
02 − y2 −y2
f (0, y) = 2 = 2 = −1.
0 + y2 y
Entonces f es constante en el eje y y el límite a lo largo da −1.
Como los límites por los dos ejes son distintos, no existe el límite de f
en P = (0, 0).
xy
 Sea f (x, y) = 2 , en P = (0, 0). Probamos primer por el eje x.
x + y2
Eso quiere decir que tomamos y = 0 y vemos que queda
0
f (x, 0) = = 0.
x2
Entonces f es constante en el eje x y el límite a lo largo del eje x da 0.
Ahora probamos por el eje y. Eso quiere decir que tomamos x = 0 y
vemos que queda
0
f (0, y) = = 0.
y2
Entonces f es constante en el eje y y el límite a lo largo da 0.
Como los límites por los dos ejes son iguales, todavía no podemos
llegar a ninguna conclusión. Probamos con una recta por el origen ge-
nérica, y = mx. Tenemos
x · mx m · x2 m · x2
f (x, mx) = 2 2
= 2 2 2
= 2
x + (mx) x +m x x (1 + m2)
Entonces el límite a lo largo de la recta y = mx es
m
limx→0 f (x, mx) = 2
.
1+m

Página 108 de 191 108 2021

FCEN-UBA Álgebra lineal y Cálculo

Si m = 0 tenemos el eje x, que ya sabíamos que daba 0. Pero si toma-

mos cualquier otra pendiente, por ejemplo m = 1, vemos que el límite
da 1/2. Eso quiere decir que el límite de f en (0, 0) acercándonos por
la recta diagonal y = x da 1/2. Como por los ejes daba 0, vemos que no
existe el límite de f en P = (0, 0).

x2 y
 Sea f (x, y) = 4 en P = (0, 0). Por los ejes, el límite da 0 (ver
x + y2
la cuenta del ejemplo anterior). Por las rectas y = mx tenemos
mx3 mx3
limx→0 f (x, mx) = limx→0 4 = limx→0 4
x + m2x2 x + m2x2
mx3 mx 0
= limx→0 2 2 2
= lim x→0 2 2
= 2
= 0,
x (x + m ) (x + m ) m
puesto que podemos suponer que m , 0 (el caso m = 0 ya lo estudiamos
cuando nos acercamos por el eje x). Entonces por cualquier recta por
el origen da 0.
¿Quiere decir que el límite doble es 0? No necesariamente, ya que hay
otros caminos para acercarse al origen que no son rectas.
Por ejemplo, la parábola y = x2. Calculamos f a lo largo de esa curva,

2 x2 x2 x4 1
f (x, x ) = 4 2 2
= 4
= .
x + (x ) 2x 2

Entonces f es constante a lo largo de esa parábola (que pasa por el ori-

gen) y así podemos afirmar que el límite de f a lo largo de esa parábola
es 1/2. Como este límite es distinto de 0 (que era lo que daba a lo largo
de, por ejemplo, el eje x), podemos afirmar que no existe el límite de f
en P = (0, 0).

4x2y
 Sea f (x, y) = en P = (0, 0). Por los ejes, el límite da 0 (ver
x2 + y2

2021 109 Página 109 de 191

FCEN-UBA Álgebra lineal y Cálculo

la cuenta dos ejemplos atrás). Por las rectas y = mx tenemos

4mx3 4mx3
limx→0 f (x, mx) = limx→0 = limx→0 2
x 2 + m2 x 2 x + m2x2
4mx3 4mx 0
= limx→0 2 = limx→0 = = 0.
x (1 + m2) (1 + m2) 1 + m2
Entonces por cualquier recta por el origen da 0. ¿Quiere decir que el
límite doble es 0? Podemos probar por parábolas y otras curvas. Invi-
tamos al lector a hacerlo. Vamos a ver que a lo largo de todas ellas el
límite es 0.
¿Cómo podemos probar que el límite doble es cero? No tiene senti-
do probar por infinitos caminos. Lo que vamos a hacer es probar que
f (x, y) − ` (en este caso f (x, y) pues el candidato es ` = 0) es tan pe-
queño como querramos, a medida que (x, y) → 0. O sea vamos a probar
que el límite doble es 0 usando su definición. Para eso usamos la Pro-
piedad 4.1.11 de la norma , y escribimos
|4x2y| 4x2|y| 4k(x, y)k2 · k(x, y)k
| f (x, y) − 0| = | f (x, y)| = 2 = 2 ≤ .
|x + y | x + y
2 2 k(x, y)k 2

Aquí usamos que x2 ≤ k(x, y)k2 y también que |y| ≤ k(x, y)k. El deno-
minador, por otro lado, era exactamente igual a k(x, y)k2.
Entonces cancelando las normas (recordemos que no nos interesa que
pasa exactamente en (x, y) = (0, 0)), tenemos

| f (x, y) − 0| = | f (x, y)| ≤ 4k(x, y)k.

Pero sabemos que (x, y) → (0, 0), luego 4k(x, y)k → 0. Por la propie-
dad del sandwich, debe ser f (x, y) → 0 cuando (x, y) → (0, 0), luego el
límite si existe y es nulo, esto es
4x2y
lim(x,y)→(0,0) = 0.
x2 + y2

Idea: cuando tenemos un cociente de polinomios, y el límite es de la

Página 110 de 191 110 2021

FCEN-UBA Álgebra lineal y Cálculo

forma 0/0, es útil pensar qué grado tiene el numerador y qué grado tie-
ne el denominador. Si tienen el mismo grado, es bastante probable que
el límite no exista. En cambio si el grado del numerador (en el ejem-
plo previo, grado 3) es mayor que el del denominador (en el ejemplo
previo, grado 2) entonces el numerador tiende a cero más rápido que
el denominador y eso nos dice que es bastante probable que el líimite
exista y sea nulo. Por supuesto que esta idea es sólo un indicador, que
luego hay revisar en los hechos con las técnicas que indicamos aquí.

Continuidad
DEFINICIÓN 4.1.14 (Continuidad). Cuando X0 ∈ A podemos com-
parar el límite con el valor al evaluar, si coinciden decimos que f es
continua en X0. Resumiendo f es continua en X0 si

limX→X0 f (X) = f (X0).

Entonces necesitamos que exista el límite y que coincida con f (X0).

También interesa ver si se puede extender la continuidad de f a otros

puntos que no estén en el dominio. Luego el estudio de continuidad se
hace en A = A ∪ bd(A).

DEFINICIÓN 4.1.15 (Discontinuidades evitables). Si X0 ∈ A = Dom( f ),

y existe el límite
limX→X0 f (X) = `,
pero f (X0) , `, decimos que X0 es una discontinuidad evitable de f .
Esto es porque si cambiamos el valor de f en X0 por el número `, la
función queda continua en X0.
También decimos que X0 ∈ bd(A) \ A es una discontinuidad evitable si
existe el límite
limX→X0 f (X) = `,
en este caso definimos f en X0 como ` y de esta manera la extensión
queda continua en X0.

2021 111 Página 111 de 191

FCEN-UBA Álgebra lineal y Cálculo

DEFINICIÓN 4.1.16 (Discontinuidades esenciales). Si X0 ∈ A pero

no existe el límite cuando X → X0 de f , decimos que la discontinuidad
es esencial.
Para funciones de una variable, un caso particular de discontinuidad
esencial es el salto: cuando existen ambos límites laterales pero son
distintos.
Una discontuinidad esencial que no es de salto la tiene f (x) = sen(1/x)
en x0 = 0. Aquí no existe ninguno de los dos límites laterales.
DEFINICIÓN 4.1.17 (Continuidad en conjuntos). Dada f : A → R de-
cimos que f es continua en el conjunto A ⊂ Rn si es continua en todos
y cada uno de los puntos P ∈ A.
PROPIEDADES 4.1.18 (de las funciones continuas). Sean f , g : A →
R funciones continuas. Entonces
1. La suma f + g es continua en A.
2. El producto f · g es continuo en A.
3. Si g no se anula en A, entonces el cociente f /g es continuo en A.
4. Si componemos dos funciones continuas (siempre que se pueda
hacer la composición), el resultado es una nueva función conti-
nua.
Esto nos dice que hay que identificar dos tipos de problemas: cuando
hay un cociente, ver donde se anula el denominador, y cuando hay una
composición, ver dónde hay problemas del dominio. Allí estarán las
posibles discontinuidades.

Curvas
Una curva es una función de una variable α : I → Rn, donde n ≥ 2. En
general nos referimos a su imagen que es un conjunto de Rn que se
parametriza con una sola variable. Por ejemplo

α(t) = (cos(t), sen(t))

Página 112 de 191 112 2021

FCEN-UBA Álgebra lineal y Cálculo

α(b)
α(a)

C = im(α)

Figura 4.3: Curva C ⊂ IR2

es una curva en R2, su imagen es una circunferencia. Mientras que

α(t) = (2t, 3t, −t)

es una curva en R3, su imagen es una recta.

En general escribimos las curvas en R2 como

α(t) = (x(t), y(t))

donde x : I → R y también y : I → R son dos funciones de una va-

riable. Por ejemplo en el caso anterior x(t) = cos(t), mientras que
y(t) = sen(t).
Para las curvas en R3 podemos usar α(t) = (x(t), y(t), z(t)) donde cada
coordenada es una función de R en R, por ejemplo en el segundo caso
de arriba x(t) = 2t, y(t) = 3t, z(t) = −t.

DEFINICIÓN 4.1.19 (Continuidad de curvas). Una curva α : I → Rn

dada por
α(t) = (x1(t), x2(t), . . . , xn(t))
es continua si todas las funciones xi : I → R son continuas.
Podemos notar que una curva es continua en t0 ∈ I cuando el límite
de cada coordenada (en el punto t0) coincide con evaluar cada coorde-
nada en t0.

DEFINICIÓN 4.1.20 (Conjuntos conexos). Diremos que A ⊂ Rn es

2021 113 Página 113 de 191

FCEN-UBA Álgebra lineal y Cálculo

conexo (más precisamente conexo por arcos o arco-conexo) si dados

P, Q ∈ A los podemos unir con una curva continua α : I → Rn tal que
im(α) ⊂ A. Si I = [a, b] entonces debe ser α(a) = P, α(b) = Q (o alre-
vés).

TEOREMA 4.1.21 (Bolzano). Sea A ⊂ Rn conjunto conexo, sea f :

A → Rn una función continua. Sean P, Q ∈ A. Entonces

1. Si f (P) > 0, f (Q) < 0 (o alrevés), entonces existe R ∈ A tal que

f (R) = 0.

2. Si f (P) < f (Q) entonces la imagen de f toma todos los valores

intermedios entre f (P) y f (Q). Explícitamente, [ f (P), f (Q)] ⊂
Im( f ).

No necesariamente el intervalo y la imagen de f son exactamente

iguales, la imagen puede ser más grande.

TEOREMA 4.1.22 (Teorema de Weierstrass). Sea K ⊂ Rn, sea f : K →

R. Entonces f es acotada y alcanza máximo y mínimo en K.

Este teorema requiere algunas explicaciones. Recordemos para empe-

zar que un conjunto es compacto cuando es cerrado y acotado.
 Como f : Rn → R, la imagen es un subconjunto de números reales.
Decimos que f es acotada en K si el conjunto imagen de f con dominio
K es un conjunto acotado.
 Usamos f |K para indicar la restricción de f al conjunto K. Entonces
f es acotada si A = im( f |K ) ⊂ R es acotado.
 Decimos que f alcanza máximo y mínimo en K ⊂ R cuando la ima-
gen de f es un conjunto compacto. Porque en ese caso, si tomamos

M = máx{ f (x) : x ∈ K} ∈ R,

-que existe porque la imagen es compacta- existe un punto PM ∈ K tal

que f (PM ) = M.

Página 114 de 191 114 2021

FCEN-UBA Álgebra lineal y Cálculo

 El valor máximo de f en K es M = f (PM ), mientras que el máximo

se puede alcanzar en uno o más puntos de K -el punto PM no tiene
por qué ser único, ver la Figura 4.4-. Entonces el valor máximo es

im( f )|K = [m, M]

Gr( f )
Q
P1 P2 x
m
K

Figura 4.4: Q es el único mínimo de f |K , mientras que P1, P2 son máximos de f |K

único, pero los “máximos” de f (los puntos donde hay que evaluar
para conseguirlo) pueden ser varios.
 Similarmente, el valor mínimo de f en K que menciona el teore-
ma, es m = f (Qm) ∈ R para algún Xm ∈ K, ya que el conjunto imagen
de f |K tiene mínimo m. Entonces el valor mínimo es único, pero los
“mínimos” de f (los puntos donde hay que evaluar para conseguirlo)
pueden ser varios.
 Notemos que si bien [m, M] ⊂ im( f ), si restringimos f a K, la imagen
es exactamente ese intervalo: [m, M] = im( f |K ).

4.2. Derivadas parciales

• Corresponde a clases en video 4.5a, 4.5b, 4.6a, 4.6b, 4.7a, 4.7b

Comenzamos repasando la noción de derivada en una variable.

DEFINICIÓN 4.2.1 (Cociente incremental y derivada). Sea I ⊂ R, sea

f : I → R y sea x ∈ I o. La derivada de f respecto de x se obtiene calcu-

2021 115 Página 115 de 191

FCEN-UBA Álgebra lineal y Cálculo

lando el límite de los cocientes incrementales cuando h → 0:

f (x + h) − f (x)
f 0(x) = limh→0
h
(siempre que el límite exista). Equivalentemente, haciendo el cambio
de variable y = x + h

0 f (y) − f (x)
f (x) = limy→x .
y−x

y L tan L sec
Gr( f )
dy
f (x0)
dx

x0 x

Figura 4.5: La recta tangente se obtiene como límite de rectas secantes

Cuando el límite existe y da un número decimos que f es derivable en

x. Para que el límite exista el numerador debe tender a cero, luego es
condición necesaria para que f sea derivable que

limy→x f (y) = f (x),

y entonces el límite coincide con evaluar. Enunciamos esto como teo-

rema:
TEOREMA 4.2.2 (Derivable implica continua). Si f es derivable en x
entonces f es continua en x.
La afirmación recíproca no es cierta, por ejemplo la función módulo
f (x) = |x| es continua en x = 0 pero no es derivable allí, ya que
f (0 + h) − f (0) h−0
limh→0+ = limh→0+ =1
h h

Página 116 de 191 116 2021

FCEN-UBA Álgebra lineal y Cálculo

mientras que
f (0 + h) − f (0) −h − 0
limh→0− = limh→0− = −1.
h h
Esto dice que los límites laterales del cociente incremental de f en x =
0 son distintos, y entonces no existe el límite del cociente incremental.
Por eso f (x) = |x| no es derivable en x = 0.

Como se aprecia en la Figura 4.5, el cociente incremental

dy f (x) − f (x0)
=
dx x − x0
representa la pendiente de la recta secante que pasa por P = (x0, f (x0))
y por Q = (x, f (x)). Lo que queremos es ver qué pendiente tiene la recta
en el límite cuando x → x0, y ese número (el límite de los cocientes
incrementales) es la derivada.

OBSERVACIÓN 4.2.3 (Recta tangente). Cuando f es derivable en x0

la derivada representa la pendiente de la recta tangente al gráfico de f
en ese punto. La ecuación de la recta tangente es

y = f 0(x0)(x − x0) + f (x0).

La recta tangente es la recta que pasa por el punto (x0, f (x0)) que mejor
aproxima al gráfico de f cerca de ese punto.

PROPOSICIÓN 4.2.4 (Derivadas de funciones conocidas). De la de-

finición de derivada y propiedades algebraicas de cada función, es po-
sible deducir las siguientes fórmulas:

2021 117 Página 117 de 191

FCEN-UBA Álgebra lineal y Cálculo

Dom( f ) f (x) f 0(x)

n ∈ N0 R xn nxn−1
k ∈ Z<0 R,0 xk kxk−1
α∈R x>0 xα αxα−1
Tabla de derivadas (d 1) x>0 ln(x) 1/x
R ex ex
a,0 R ax ax ln(a)
R sen(x) cos(x)
R cos(x) − sen(x)

De la tabla (y algo de sentido común) notamos que el dominio de

la derivada coincide con el de la función, ya que para poder derivar
tenemos que tener función. Por ejemplo la fórmula 1/x para la derivada
del logaritmo a priori tiene dominio todos los números no nulos, pero a
posteriori (sabiendo que la estamos pensando como la derivada de ln)
tiene dominio sólo x > 0.
En algunos casos el dominio de la derivada es estrictamente más
chico que el de la función original, por ejemplo

1. f (x) = |x|. Entonces Dom( f ) = R pero Dom( f 0) = R \ {0}.

2. f (x) = x2/3. Entonces Dom( f ) = R pero Dom( f 0) = R \ {0},

puesto que
1
f 0(x) = 2/3x−1/3 = 2/3 .
x1/3

y y y

x 2/3
x 4/3
x
y = |x| y=x y=x

Página 118 de 191 118 2021

FCEN-UBA Álgebra lineal y Cálculo

3. En general el dominio de f (x) = x p/q es todo R si la fracción es

no negativa y q es impar, pero el dominio de la derivada no tiene
al x = 0 cuando p/q < 1.

OBSERVACIÓN 4.2.5 (Funciones derivables). De los ejemplos y la

definición vemos que para calcular la derivada, tiene sentido hacerlo
cuando el punto x0 es interior. Entonces de aquí en más nos concen-
traremos en derivar funciones f en dominios abiertos. Dado A ⊂ R
abierto, diremos que f es derivable en A si existe su derivada en todos
y cada uno de los puntos x ∈ A.

PROPIEDADES 4.2.6 (Reglas de derivación-una variable). Reglas pa-

ra derivar productos sumas y composiciones. Sea A ⊂ R abierto, sean
f , g derivables en A ⊂ R. Entonces

1. f + g es derivable en A y vale ( f + g)0 = f 0 + g0.

2. f · g es derivable en A y vale ( f g)0 = f 0g + f g0.

3. Si λ ∈ R entonces (λ f )0 = λ f 0.

4. Si g no se anula en A entonces f /g es derivable en A y vale

 0
f f 0 · g − f · g0
= .
g g2

5. Regla de la cadena: si se puede hacer la composición g ◦ f , en-

tonces es derivable y

(g ◦ f )0(x) = g0( f (x)) · f 0(x).

6. Derivada de la función inversa: si f : A → B es biyectiva y con

derivada no nula en A entonces f −1 : B → A es derivable y vale

−1 0

1
f (y) =
f 0( f −1(y))

2021 119 Página 119 de 191

FCEN-UBA Álgebra lineal y Cálculo

para todo y ∈ B.

Simplemente cambiando las letras, si puede hacerse la otra com-

posición (en el otro orden) f ◦ g y ambas son derivables entonces la
composición es derivable y

( f ◦ g)0(x) = f 0(g(x)) · g0(x).

También puede reescribirse la fórmula de la derivada de la inversa no-

tando que y = f (x), entonces

−1 0

1
f ( f (x)) =
f 0(x)

PROPIEDADES 4.2.7 (Derivadas). Combinando las propiedades men-

cionadas con las derivadas de la Tabla (d1), obtenemos las derivadas de
otras funciones que aparecen repetidamente en los ejemplos y aplica-
ciones. La tabla no indica los dominios ni de f ni de f 0, eso queda a
cargo del lector:

f (x) f 0(x)
1
tan(x) cos2 (x)

eg(x) eg(x)g0(x)
g0 (x)
ln(g(x)) g(x)

Tabla de derivadas (d 2) arc sen(x) √1

1−x2

arc cos(x) √−1

1−x2
1
arctan(x) 1+x2

cosh(x) senh(x)
senh(x) cosh(x)

Página 120 de 191 120 2021

FCEN-UBA Álgebra lineal y Cálculo

Sobre el final están las funciones trigonométricas hiperbólicas:

ex + e−x ex − e−x
cosh(x) = , senh(x) = .
2 2
Notar que a diferencia de las usuales, no están acotadas y tampoco
cambia el signo al derivar. También cumplen una relación similar a la
pitagórica (pero con otro signo):

cosh2(x) − senh2(x) = 1.

Notemos que senh(0) = 0; como cosh2(x) = 1 + senh2(x) ≥ 1 el coseno

hiperbólico no se anula nunca.

TEOREMA 4.2.8 (Teoremas del cálculo diferencial en una variable).

Sea f : [a, b] → R continua. Supongamos que f es derivable en (a, b).
Entonces
 Teorema de Rolle: Si f (a) = f (b), existe c ∈ (a, b) tal que f 0(c) = 0.
 Teorema de Lagrange: En general existe c ∈ (a, b) tal que
f (b) − f (a)
f 0(c) = .
b−a

COROLARIO 4.2.9 (Crecimiento y decrecimiento). Sea f : I → R

derivable con I un intervalo abierto, entonces

1. Si f 0 ≥ 0 en I, f es creciente en I. Esto es

x ≤ y =⇒ f (x) ≤ f (y).

Una función constante es creciente (admitimos derivada nula).

2. Si f 0 > 0 en I, f es estrictamente creciente en I. Esto es

x < y =⇒ f (x) < f (y),

en este caso no se admiten funciones constantes.

2021 121 Página 121 de 191

FCEN-UBA Álgebra lineal y Cálculo

3. Si f 0 ≤ 0 en I, f es decreciente en I. Esto es

x ≤ y =⇒ f (x) ≥ f (y).

Una función constante es decreciente (admitimos derivada nula).

4. Si f 0 < 0 en I, f es estrictamente decreciente en I. Esto es

x < y =⇒ f (x) > f (y),

en este caso no se admiten funciones constantes.

Las funciones con derivada no nula en un intervalo son inyectivas,
ya que son estrictamente monótonas (creciente o decreciente).
Las funciones crecientes preservan desigualdades, las decrecientes
las invierten. Las que no son ni crecientes ni decrecientes (como por
ejemplo f (x) = x2) se llevan mal con las desigualdes.

DEFINICIÓN 4.2.10 (Derivadas sucesivas). Si f : A → R es derivable

en A, podemos hallar una fórmula f 0(x) para todo x ∈ A. Obtuvimos así
una nueva función f 0 : A → R. Nos podemos preguntar si es derivable
en A. Si lo es, denotamos
0 0
f 00 = ( f 0) , es decir f 00(x) = ( f 0(x)) .

Así sucesivamente, la derivada n-ésima la denotamos f (n)(x) (usamos

el paréntesis en el exponente para que no se confunda con la potencia
usual que está relacionada con el producto).

DEFINICIÓN 4.2.11 (Funciones de clase Ck ). Si f es derivable k ve-

ces y además su derivada k-ésima es continua, decimos que f es de
clase Ck .
Si queremos hacer explícito el dominio, denotamos Ck (A) al conjunto
de todas las funciones que son de clase Ck en el conjunto A ⊂ Rn.
Decimos que f es de clase C∞ si existen todas las derivadas sucesivas
de todos los órdenes.

Página 122 de 191 122 2021

FCEN-UBA Álgebra lineal y Cálculo

Todos los polinomios, las funciones seno y coseno, la función expo-

nencial son de clase C∞. La función f (x) = x7/3 es de clase C2 pero no
es de clase C3: calculamos
0 7 4/3 00 7 4 1/3 000 7 4 1 −1/3
f (x) = x , f (x) = · x , f (x) = · · x ,
3 3 3 3 3 3
vemos que f 000 ni siquiera está definida en x = 0.

Una f es de clase C1 si existe f 0 y además f 0 es una función continua.

Si f no es derivable no puede ser C1, pero hay funciones derivables que
no son C1. Por ejemplo:

EJEMPLO 4.2.12 (Una función derivable que no es C1). Sea f : R → R

(
x2 sen(1/x) x , 0
f (x) =
0 x = 0.

Calculamos su derivada fuera de x = 0 y obtenemos

−1
x2 sen(1/x)0 = 2x sen(1/x) + x2 cos(1/x) 2
= 2x sen(1/x) − cos(1/x).
x
Calculamos su derivada en x = 0 usando la definición

0 x2 sen(1/x) − 0
f (0) = limx→0 = limx→0 x sen(1/x) = 0
x−0
donde usamos la propiedad “0 por acotada=0”. Entonces f es derivable
en todo R, con derivada
(
2x sen(1/x) − cos(1/x) x , 0
f 0(x) =
0 x = 0.

Para ver que f < C1(R), basta ver que la función derivada no es continua
en algún punto. Afirmamos que no es continua en x = 0. Sabemos que
f 0(0) = 0 por lo recién calculado. Por otro lado vemos que

limx→0 f 0(x) = limx→0 2x sen(1/x)−cos(1/x) = 0 −limx→0 cos(1/x) = 0 −

2021 123 Página 123 de 191

FCEN-UBA Álgebra lineal y Cálculo

entonces como no existe el límite de f 0 cuando x tiende a 0, f 0 no es

continua y así f no es una función de clase C1.
Como el único problema está en x = 0, podemos decir que f es C1
en todo R sin el 0. Esto es, f ∈ C1(R \ {0}), pero f < C1(R).

Funciones de varias variables

DEFINICIÓN 4.2.13 (Derivadas parciales). La derivada parcial de ∂x∂
respecto de x de una función f (x, y) se obtiene pensando que x es va-
riable mientras que y está fijo (es constantes).
Por ejemplo si f (x, y) = x2y cos(y2 + 3x), tenemos
∂f
(x, y) = 2xy cos(y2 + 3x) − x2y sen(y2 + 3x) · 3.
∂x
La derivada parcial respecto de y se obtiene en cambio fijando la va-
riable x y pensando a la función como únicamente de la variable y.
Entonces en el mismo ejemplo
∂f
(x, y) = x2 cos(y2 + 3x) − x2y sen(y2 + 3x) · 2y.
∂x

DEFINICIÓN 4.2.14 (Vector gradiente). Si existen ambas derivadas

parciales en el punto P = (x0, y0), el vector
∂f ∂f
∇ f (P) = ( (P), (P))
∂x ∂y
se denomina vector gradiente a f en el punto P. El símbolo ∇ es la
letra griega nabla.

Cuando la función tiene 3 (o más variables) la definición es la misma:

se fijan todas las demás variables -se las piensa como constantes- y se
deriva respecto de ella. Así por ejemplo
∂ 3 2 2 3

3 1
x z + ln(z + y ) = 2x z + 2 · 2z.
∂z (z + y3)

Página 124 de 191 124 2021

FCEN-UBA Álgebra lineal y Cálculo

En este caso como la función tiene tres variables el vector gradiente

tendrá 3 coordenadas,
∂f ∂f ∂f
∇ f (x0, y0, z0) = ( (x0, y0, z0), (x0, y0, z0), (x0, y0, z0))
∂x ∂y ∂z
Si pensamos la derivada por definición, vemos que
∂f f (x, y0) − f (x0, y0)
(x0, y0) = limx→x0
∂x x − x0
(fijamos y = y0, movemos x), mientras que
∂f f (x0, y) − f (x0, y0)
(x0, y0) = limy→y0 .
∂y y − y0
(fijamos x = x0, movemos y). Mismas consideraciones para funciones
de más variables. Entonces las derivadas parciales en el punto pueden
existir o no, puede existir una si y la otra no, etc.
Una vez calculada una derivada parcial de f , obtenemos una nueva
función con la misma cantidad de variables. En realidad, si existen
las derivadas parciales, tenemos una función para cada variable, las
denotamos
∂f ∂f ∂f
, , , etc.
∂x ∂y ∂z
Para abreviar podemos escribir
∂f ∂f
(P) = fx(P), (P) = fy(P), etc.
∂x ∂y

DEFINICIÓN 4.2.15 (Funciones de clase C1). Sea A ⊂ Rn abierto y

f : A → R. Una función es de clase C1 en A -denotado f ∈ C1(A) cuando

1. Existen todas las derivadas parciales en todos los puntos de A.

∂f
2. Todas las funciones derivadas parciales ∂xi
son funciones conti-
nuas en A.

2021 125 Página 125 de 191

FCEN-UBA Álgebra lineal y Cálculo

Se extiende esta definición a las derivadas sucesivas, decimos que f ∈

Ck (A) si existen todas las derivadas parciales sucesivas de f hasta orden
k y son todas funciones continuas.

TEOREMA 4.2.16 (C1 ⇒ continua). Sea f : A → R con A ⊂ Rn abier-

to. Si f ∈ C1(A), entonces f es continua en A.

No probaremos este teorema, pero hacemos una observación importan-

te.
Que existan las derivadas parciales no es suficiente para garantizar
la continuida de una función de 2 (o más) variables. Para poder asegu-
rarlo, es necesario que además de existir, sean funciones continuas.

OBSERVACIÓN 4.2.17 (Derivadas parciales y crecimiento). Las de-

rivadas parciales de f indican cuánto crece la función f en la dirección
del respectivo eje.

DEFINICIÓN 4.2.18 (Plano tangente). Si f : A → R es de clase C1

(con A ∈ R2), el plano tangente a f en el punto P = (x0, y0) ∈ A es el
plano de ecuación
∂f ∂f
z = (x0, y0)(x − x0) + (x0, y0)(y − y0) + f (x0, y0).
∂x ∂y

Este es el plano (Figura 4.6) que pasa por el punto (x0, y0, f (x0, y0)) del
gráfico de f y tiene la propiedad de ser el que mejor aproxima a dicho
gráfico (cerca del punto mencionado).

OBSERVACIÓN 4.2.19 (Plano tangente como aproximación lineal).

Sea
x+y−7x2 −9y2
f (x, y) = 1 + e .
Las derivadas parciales de f son
x+y−7x2 −9y2 x+y−7x2 −9y2
fx(x, y) = e (1 − 14x), fy(x, y) = e (1 − 18y).

Página 126 de 191 126 2021

FCEN-UBA Álgebra lineal y Cálculo

(P, f (P))

Gr( f )
Π

A = Dom( f )

P = (x0, y0)

Figura 4.6: Plano Π tangente al gráfico de f en (P, f (P))

Como f (0, 0) = 1 + 1 = 2, fx(0, 0) = 1, fy(0, 0) = 1, entonces el plano

tangente a f en P = (0, 0) es

z = x + y + 2 = π(x, y).

Si pensamos π como función, su gráfica es el plano, y esta función

lineal aproxima a f cerca de P = (0, 0), denotamos esto como:

π(x, y) ' f (x, y) si (x, y) ' (0, 0).

La diferencia es lo que se conoce como error de la aproximación.

Podemos ver una representación gráfica de f y su plano tangente en
P = (0, 0) en el applet de Geogebra (click).

Más variables: cuando la función tiene más de dos variables, no espe-

ramos representarla gráficamente. Pero las ideas de derivadas parciales
son idénticas, y lo mismo ocurre con la idea de aproximación lineal.
Entonces por ejemlo si f : R3 → R, su gráfico es el conjunto de R4
dado por

Gr( f ) = {(x, y, z, f (x, y, z)) : (x, y, z) ∈ Dom( f )} ⊂ R4,

2021 127 Página 127 de 191

FCEN-UBA Álgebra lineal y Cálculo

que se puede describir por la ecuación implícita w = f (x, y, z). Vamos

a definir su plano tangente en el punto (x0, y0, z0) ∈ Dom( f ) como el
subespacio de R4 dado por la ecuación implícita
w = fx (x0, y0, z0)(x − x0) + fy(x0, y0, z0)(y − y0) + fz(x0, y0, z0)(z − z0) + f (x0, y0, z0)

o abreviadamente w = Π(x, y, z). El nombre plano en realidad es for-

malmente incorrecto ya que la dimensión de este subespacio es 3 y
no 2. Pero la idea de aproximación numérica sigue siendo válida: para
(x, y, z) cercano a (x0, y0, z0), se tiene

f (x, y, z) ' Π(x, y, z).

Volvamos ahora a las derivadas y su interpretación. Nuevamente tra-

bajamos con funciones de dos variables, pero estas ideas se pueden
extender a 3 o más de ellas.
Si queremos encontrar cuánto crece f en alguna otra dirección que no
sea de un eje, tomamos V = (v1, v2) de norma unitaria (porque quere-
mos normalizar, ya que los vectores canónicos miden 1) y definimos
DEFINICIÓN 4.2.20 (Derivadas direccionales). Sea A ⊂ R2 abierto,
sea f : A → R. Decimos (si existe) que el límite
∂f f (x0 + tv1, y0 + tv2) − f (x0, y0)
(x0, y0) = limt→0
∂V t
es la derivada direccional de f en X0 = (x0, y0) en la dirección de V =
(v1, v2) -con kV k = 1-. Podemos escribirlo sin coordenadas como
∂f f (X0 + tV ) − f (X0) f (Xt ) − f (X0)
(X0) = limt→0 = limXt →X0 ,
∂V t kXt − X0k
donde Xt = X0 + tV .
OBSERVACIÓN 4.2.21 (Interpretación geométrica como pendiente).
La variación de f en el cociente de la derivada direccional es el nume-
rador. La variación en el dominio es

dist(X0, X0 + tV ) = kX0 + tV − X0k = |t| kV k = |t|

Página 128 de 191 128 2021

FCEN-UBA Álgebra lineal y Cálculo

recta por P,Q

Gr( f ) Gr( f ) ∩ Π

(X0 , f (X0 )) = P (X, f (X)) = Q

dist = t
X = X0 + tV
X0

Figura 4.7: Corte de Gr( f ) con un plano vertical Π sobre la recta L : X0 + tV

porque kV k = 1. Entonces el cociente incremental de la derivada direc-

cional representa la variación de las alturas (imágenes de f ) dividido
por la variación en el dominio (el parámetro t).
Si cortamos Gr( f ) con un plano vertical Π sobre la recta L : X0 + tV
(Figura 4.7), y miramos la figura de perfil, vemos el dibujo para una
función de una variable (Figura 4.5): la recta que une P con Q en el
dibujo de arriba es la recta secante a la intersección de Gr( f ) con Π.
Su pendiente indica una aproximación a la inclinación de Gr( f ) en esa
dirección, y al tomar límite obtenemos el número exacto de la inclina-
∂f
ción, que es la derivada direccional ∂V (X0). Para cada dirección, este
número puede ser distinto (es como pararse en una montaña y mirar
en todas las direcciones, dependiendo de hacia donde miramos se sube
más o menos, se baja, se permanece horizontal, etc.)

En particular si tomamos V = E1 = (1, 0), tiene norma 1 y se tiene

∂f 1 ∂f
(x0, y0) = limt→0 f (x0 + h, y0) − f (x0, y0) = (x0, y0),
∂V h ∂x

2021 129 Página 129 de 191

FCEN-UBA Álgebra lineal y Cálculo

la derivada parcial respecto de x es un caso particular de derivada di-

reccional. Similarmente, la derivada parcial respecto de y es otro caso
particular de derivada direccional (ahora tomando V = E2 = (0, 1)).
Como ya mencionamos, no alcanza que existan las derivadas par-
ciales para que una función de dos variables sea continua, y de hecho,
tampoco alcanza con que existan todas las derivadas direccionales.
Un ejemplo de una función que no es continua, pero para la cual existen
todas las derivadas direccionales en el origen, está dado por
 3
xy
si (x, y) , (0, 0),


 6 2
f (x, y) = x + y


0 si (x, y) = (0, 0).


Esta función también tiene su gráfico de Geogebra en este link.

Veamos que ahora que para una función “buena” (de clase C1), po-
demos calcular todas sus derivadas direccionales de manera bastante
simple (sin calcular límites):

TEOREMA 4.2.22 (Gradiente y derivadas direccionales). Sea A ⊂ Rn

abierto y sea f ∈ C1(A). Entonces para todo V ∈ Rn con kV k = 1 y todo
P ∈ A se tiene
∂f
(P) = h∇ f (P),V i = ∇ f (P) ·V.
∂V
El teorema anterior dice que podemos evitar calcular los límites para
las demas direcciones, siempre que f sea de clase C1. En particular
notemos que si f tiene dos variables y escribimos V = (V1,V2), entonces
∂f
(x0, y0) = v1 fx(P) + v2 fy(P).
∂V
Todas las derivadas direccionales (en el punto P) son combinación
lineal de las dos derivadas parciales (en el punto P). Si esto no es cierto
para algún punto o para algún V , entonces podremos afirmar que f no
es de clase C1.

Página 130 de 191 130 2021

FCEN-UBA Álgebra lineal y Cálculo

TEOREMA 4.2.23 (Dirección de máximo crecimiento). Si f : A → R

es de clase C1, la dirección de máximo crecimiento en el punto P ∈ A,
es la dirección del gradiente en ese punto. Además para todo V ∈ Rn,
se tiene
∂f
−k∇ f (P)k ≤ (P) ≤ k∇ f (P)k.
∂V
Luego cuánto crece f (en todas las direcciones posibles, mirando des-
de P) es a lo sumo la magnitud dada por la longitud del gradiente de
f en P.
El valor máximo de las derivadas parciales en un punto P dado es
exactamente k∇ f (P)k. Todas las demás derivadas direccionales son
menores o iguales a este número.
Cuando decimos que la dirección de máximo crecimiento es la del
gradiente, queremos decir que (suponiendo que ∇ f (P) , 0) hay que
tomar como dirección
1
V= ∇ f (P).
k∇ f (P)k
Si ∇ f (P) = 0, todas las derivadas direccionales son nulas, entonces en
cualquier dirección se crece a la misma velocidad.

4.3. Diferencial y regla de la cadena

• Corresponde a clases en video 4.8, 4.9

Comenzamos listando algunas propiedaes del gradiente que son fáciles

de deducir del caso de una variable.

PROPIEDADES 4.3.1 (Reglas de derivación-varias variables). Reglas

para derivar productos sumas y composiciones. Sea A ⊂ Rn abierto,
sean f , g : A → R de clase C1. Sea P ∈ A, entonces

1. f + g ∈ C1(A) y vale ∇( f + g)(P) = ∇ f (P) + ∇g(P).

2. f · g ∈ C1(A) y vale ∇( f g)(P) = g(p)∇ f (P) + f (p)∇g(P).

2021 131 Página 131 de 191

FCEN-UBA Álgebra lineal y Cálculo

3. Si λ ∈ R entonces ∇(λ f )(P) = λ ∇ f (P).

4. Si g no se anula en A entonces f/g ∈ C1(A) y vale

g(P)∇ f (P) − f (P)∇g(P)
∇ ( f/g) (P) = .
g(P)2

Para la composición de funciones (y la regla de la cadena), es ne-

cesario considerar funciones a valores en Rk , para poder luego aplicar
otra función con dominio en Rk . Para eso discutimos a continuación las
nociones de campo vectorial, y su diferencial.
Dada F : R2 → R2, podemos escribir F(x, y) = ( f1(x, y), f2(x, y)) donde
fi : R2 → R son funciones escalares. Decimos que F es un campo vec-
torial o más brevemente que F es un campo. Otras notaciones comunes
son
F(u, v) = (x(u, v), y(u, v))
donde ahora x : R2 → R es una función escalar y lo mismo ocurre con
y : R2 → R.
Si ahora F : R3 → R3 podemos escribir

F(x, y, z) = ( f1(x, y, z), f2(x, y, z), f3(x, y, z))

con las fi funciones escalares, es decir fi : R3 → R.

La definición de campo se generaliza a F : Rn → Rk , aunque el nom-
bre campo se suele reservar para n, k ≥ 2.
Cuando k = 1 tenemos una función escalar, f : Rn → R.
Cuando n = 1, k ≥ 2 tenemos una curva, α : R → Rk .

DEFINICIÓN 4.3.2 (Continuidad, Ck ). Decimos que el campo F es

continuo si todas las funciones fi son continuas. Decimos que el campo
es de clase Ck si todas las funciones fi son de clase Ck .

DEFINICIÓN 4.3.3 (Matriz Diferencial). Si F = ( f1, f2) es un campo

con dominio A ⊂ R2, y tanto f1 como f2 tiene derivadas parciales en A,

Página 132 de 191 132 2021

FCEN-UBA Álgebra lineal y Cálculo

definimos
! !
∂ f1 ∂ f1
− ∇ f1(P) − ∂x (P) ∂y (P)
DF(P) = = ∂ f2 ∂ f2 ,
− ∇ f2(P) − ∂x (P) ∂y (P)

que es una matriz 2 × 2 para cada P ∈ A.

Con la notación F(u, v) = (x(u, v), y(u, v)) se escribe (omitiendo el
punto de evaluación (u, v)) como
!
∂x ∂x
DF = ∂u
∂y
∂v
∂y .
∂u ∂v

Cuando F : R3 → R3 obtenemos una matriz 3 × 3.

Cuando F : R → R, obtenemos un número (matriz de 1 × 1), la derivada
usual.

¿Qué pasa si la cantidad de variables de salida es distinta de la de

llegada? Obtenemos una matriz que no es cuadrada. Por ejemplo

1. Si f : R3 → R, hay una sola función, luego hay una sola fila y

entonces
∂f ∂f ∂x
D f (P) = ∇ f (P) = ( (P), (P), (P)).
∂x ∂y ∂z
Lo mismo ocurre para funciones de dos variables: el gradiente y
la diferencial coinciden.

2. Si α : R → Rk (es una curva), diferenciando obtenemos su vector

tangente. Por ejemplo si α(t) = (x(t), y(t)), se tiene

Dα(t) = α0(t) = (x0(t), y0(t)).

En rigor, habría que presentar este vector como matriz columna,

ya que hay dos funciones y una sola variable.

3. Si F : R2 → R3, entonces F(u, v) = (x(u, v), y(u, v), z(u, v)) luego
al poner cada función como fila tenemos tres filas. Y como hay

2021 133 Página 133 de 191

FCEN-UBA Álgebra lineal y Cálculo

dos variables tenemos dos columnas:

 
∂x/∂u ∂x/∂v

DF =  ∂y/∂u ∂y/∂v  ∈ R3×2.

∂z/∂u ∂z/∂v

4. En general entonces, si F : Rn → Rk tiene todas sus derivadas par-

ciales, su diferencial en cada punto del dominio P ∈ Rn será una
matriz de k filas (variables de llegada) y n columnas (variables de
salida).

5. La matriz de la diferencial de F en P se suele denominar matriz

Jacobiana de F, o simplemente Jacobiano de F.

TEOREMA 4.3.4 (Regla de la cadena). Sean F, G campos de clase Ck

tales que se pueda hacer la composición F ◦ G. Entonces F ◦ G es de
clase Ck y además para cada P en su dominio, vale

D(F ◦ G)(P) = DF(G(P)) · DG(P)

donde el producto es el de matrices.

OBSERVACIÓN 4.3.5 (Composición y producto de matrices). Vea-

mos algunos ejemplos para terminar este resumen. Como antes, en rojo
las variables de salida, y en azul las de llegada.

1. Si G : R3 → R2 mientras que F : R2 → R4, entonces podemos

hacer la composición F ◦ G : R3 → R4. Mediante la regla de la
cadena vemos que

D(F ◦ G)(P) = DF(G(P)) · DG(P),

| {z } | {z } | {z }
4×3 4×2 2×3

puesto que DF(Q) ∈ R4×2 mientras que DG(P) ∈ R2×3.

Página 134 de 191 134 2021

FCEN-UBA Álgebra lineal y Cálculo

2. Ahora consideramos f : R2 → R, con G : R2 → R2. Entonces po-

demos hacer la composición f ◦ G : R2 → R y así

∇( f ◦ G)(x, y) = D( f ◦ G)(x, y) = ∇ f (G(x, y)) · DG(x, y) .

| {z } | {z } | {z }
1×2 1×2 2×2

3. En cambio si α : R → R2 es una curva, y f : R2 → R es una fun-

ción escalar, entonces g = f ◦ α : R → R, y así

g0(t) = D( f ◦ α)(t) = ∇ f (α(t)) · α0(t) = h∇ f (α(t)), α0(t)i.

| {z } | {z } | {z }
1×1 1×2 2×1

4. Si escribimos α(t) = (x(t), y(t)) podemos escribir f (u, v) - cam-

biamos el nombre de las variables de f para que no se confundan
con las de α -. Entonces la última ecuación se reescribe así:
∂f ∂f
( f ◦ α)0 = h( , ); (x0, y0)i,
∂u ∂v
luego
0∂f 0 ∂f 0
( f ◦ α) = ·x + ·y .
∂u ∂v
En esta expresión hay que sobreentender que x0, y0 están evalua-
dos en t, mientras que las derivadas parciales de f están evaluadas
en (x(t), y(t)).

5. Es común en la literatura ver abusos de notación donde esta últi-

ma ecuación se escribe así:
0 ∂f 0 ∂f 0
( f ◦ α) = ·x + ·y .
∂x ∂y
Esto no es un problema si uno entiende del contexto que primero
hay que derivar f respecto de sus variables y luego componer con
las que dependen del parámetro t.
EJEMPLO 4.3.6 (del uso de la regla de la cadena). Sin multiplicar
matrices, y teniendo en cuenta los ejemplos recién vistos, si tenemos

2021 135 Página 135 de 191

FCEN-UBA Álgebra lineal y Cálculo

una expresión del tipo

g(x, y) = f (x2 + 3y, 2x3 − y2),

se trata de la composición de un campo G : R2 → R2 (dentro de f ), con

la función f : R2 → R.
Podemos calcular las derivadas parciales de g respecto de x e y sin
necesidad de calcular la matriz diferencial de G, de la siguiente manera:
∂g ∂ f 2 ∂ ∂f ∂
= (x + 3y, 2x3 − y2) · (x2 + 3y) + (x2 + 3y, 2x3 − y2) · (2x3 − y2)
∂x ∂u ∂x ∂v ∂x
∂f ∂f
= (x2 + 3y, 2x3 − y2) · 2x + (x2 + 3y, 2x3 − y2) · 6x2
∂u ∂v
De manera similar, calculamos la otra derivada parcial
∂g ∂ f 2 ∂ ∂f ∂
= (x + 3y, 2x3 − y2) · (x2 + 3y) + (x2 + 3y, 2x3 − y2) · (2x3 − y2)
∂y ∂u ∂y ∂v ∂y
∂f ∂f
= (x2 + 3y, 2x3 − y2) · 3 + (x2 + 3y, 2x3 − y2) · (−2y)
∂u ∂v
Es usual también ver esta cuenta descripta de la siguiente manera, sin
las variables auxiliares u, v (y requiere interpretarla como lo hicimos
recién): las derivadas parciales de f (x2 + 3y, 2x3 − y2) son
∂f 2 ∂f
(x + 3y, 2x3 − y2) · 2x + (x2 + 3y, 2x3 − y2) · 6x2
∂x ∂y

∂f 2 ∂f
(x + 3y, 2x3 − y2) · 3 + (x2 + 3y, 2x3 − y2) · (−2y).
∂x ∂y

Página 136 de 191 136 2021

Capítulo 5

Taylor, integración y
ecuaciones diferenciales
5.1. Polinomio de Taylor
• Corresponde a clases en videos 5.1a, 5.1b, 5.2a, 5.2b

Para una función derivable f : R → R, la derivada primera en un punto

nos permitía saber qué pendiente tiene la gráfica de f (en ese punto).
Podíamos también aproximar el valor de f (x) -para x cercano a x0- con
el valor de la recta tangente. Para ello recordemos que la ecuación de
la recta tangente en x0 es

Ltg : y = f (x0) + f 0(x0)(x − x0),

que también podemos escribir como `tg(x) = f (x0) + f 0(x0)(x − x0).

Esto nos permite escribir

f (x) ' f 0(x0)(x − x0) + f (x0) (5.1.1)

donde el símbolo ' se lee “aproximadamente igual”. Esta aproxima-

ción es una igualdad exacta cuando x = x0.
Pero también es exacta si f inicialmente era una función lineal. Ya que
si f es una recta, su derivada es constante, y entonces su recta tangente
(en cualquier punto) es exactamente igual a la gráfica de f .

137
FCEN-UBA Álgebra lineal y Cálculo

Cuando f no es lineal ¿cuál es la diferencia entre la recta tangente y

la gráfica de f ? En otros términos ¿cuál es el error cometido cuando
usamos la aproximación (5.1.1)? Este error depende de cuánto nos ale-
jemos de x0. Mientras más cercanos estemos a x0, más pequeño será el
error, vamos a llamarlo R(x). Es claro que

R(x) = f (x) − `tg(x) = f (x) − f (x0) − f 0(x0)(x − x0).

Cabe aclarar que esta la fórmula del error (también llamada resto de
orden 1) depende de f .
También, por supuesto, depende del punto x0. Ya que si cambiamos el
punto, cambia el valor de f y el de f 0 en x0. Uno podría escribir algo
como R( f , x0)(x) para indicar esto, pero en general no será necesario
ya que una vez elegida la función, fijaremos el punto y estaremos tra-
bajando con el resto para esa f y ese punto concreto.
Dados x, x0 en un intervalo decimos que c está entre x, x0 cuando c
es alguno de los puntos intermedios entre x y x0.
Notemos que si x < x0, entonces c ∈ (x, x0), mientras que si x > x0,
tendremos c ∈ (x0, x). Podemos abreviar esto escribiendo c ∈ xx0, que
podemos leerlo como que c está en el segmento entre x y x0.

TEOREMA 5.1.1 (Fórmula del resto de orden 1). Sea f de clase C2 en

un intervalo I. Entonces existe c ∈ x x0 tal que R(x) = 1/2 f 00(c)(x − x0)2.
Luego fijados x, x0 ∈ I podemos escribir

f (x) = f (x0) + f 0(x0)(x − x0) + 1/2 f 00(c)(x − x0)2.

En otros términos

f (x) = `tg(x) + R(x) = `tg(x) + 1/2 f 00(c)(x − x0)2.

EJEMPLO 5.1.2 (Ejemplos del error de orden 1). Veamos cómo es el

resto (o error) de orden 1 para algunos casos sencillos.

 Sea f (x) = sen(x), sea x0 = 0. Como f 0(x) = cos(x), tenemos f (0) =

0, mientras que f 0(0) = 1. Luego la recta tangente al seno por el origen

Página 138 de 191 138 2021

FCEN-UBA Álgebra lineal y Cálculo

es
y = x.
Como f 00(x) = − sen(x), el teorema nos dice que para cada x ∈ R existe
c entre 0 y x tal que

sen(x) = x − 1/2 · sen(c)x2.

El resto o error está acotado por una parábola, como muestra esta cuen-
ta:
1 1
|R(x)| = | f (x) − `tg(x)| = | · sen(c)| · x2 ≤ x2.
2 2
Entonces por ejemplo si |x| ≤ 1/3, entonces x2 ≤ 1/9 y entonces el
error será menor o igual a 1/18. Con esto podemos afirmar que para
|x| ≤ 1/3,
sen(x) ' x,
con un error de a lo sumo 1/18 = 0, 055 < 0, 1. Por supuesto, para x
más pequeño el error será menor.

La utilidad de esta aproximación es que mientras mantengamos x en

el rango mencionado (entre −0, 33 y 0, 33) entonces podemos afirmar
que sen(x) = x con una precisión de un decimal.

 Sea f (x) = ex, sea x0 = 0. Calculamos f 0(x) = f 00(x) = ex, entonces

f (0) = f 0(0) = 1 y así la recta tangente a la función exponencial por el
origen es
y = 1 + x.
El teorema nos dice que para cada x ∈ R existe c entre 0 y x tal que

ex = 1 + x + 1/2 · ec · x2.

Supongamos que |x| ≤ 1/4, recordemos que c está entre 0 y x. Si x < 0

podemos afirmar que ec < e0 = 1, pero qué pasa si x > 0? Observamos
que como la exponencial es una función creciente el valor de ec es a
los sumo e0,25 < e1 = e < 3 -esta cota es muy burda pero será suficiente

2021 139 Página 139 de 191

FCEN-UBA Álgebra lineal y Cálculo

para este ejemplo-. Entonces el resto o error se acota de la siguiente

manera:

|R(x)| = 1/2 · ec · x2 ≤ 1/2 · 3 · x2 ≤ 1/2 · 3 · 1/16 ' 0, 094 < 0, 1

ya que |x| ≤ 1/4 implica que x2 ≤ 1/42 = 1/16. Con esto podemos afir-
mar que si |x| < 1/4 entonces

ex ' 1 + x

con una precisión de un decimal.

Lo que queremos hacer ahora es conseguir una aproximación mejor de

f , aproximación cuadrática (también llamada de segundo orden). Si f
es una función cuadrática queremos que sea exacta esta aproximación.
Y cuando f no sea una función cuadrática, queremos poder estimar, e
incluso dar una fórmula para el resto (o error).
Fijada f de clase C2 y un punto x0 en su dominio, buscamos entonces
una función cuadrática P que coincida a orden 2 con f en el punto x0
¿Qué quiere decir esto? Que pedimos

f (x0) = P(x0) f 0(x0) = P0(x0) f 00(x0) = P00(x0).

No es difícil ver que el único polinomio cuadrático que cumple esto es

P(x) = f (x0) + f 0(x0)(x − x0) + 1/2 f 00(x0)(x − x0)2

el polinomio de Taylor de orden 2 de f en x0.
El factor 1/2 que antecede a la derivada segunda está puesto para que
al derivar ese término, el 2 que baja del cuadrado se cancele y recupe-
remos f 00(x0).
Ahora queremos controlar el error, llamado resto de orden 2, que es
simplemente la diferencia entre la función y el polinomio:

R(x) = f (x)−P(x) = f (x)− f (x0)− f 0(x0)(x−x0)− 1/2 f 00(x0)(x−x0)2.

Para hacerlo, vamos a pedir que f tenga una derivada más:

Página 140 de 191 140 2021

FCEN-UBA Álgebra lineal y Cálculo

TEOREMA 5.1.3 (Polinomio de orden 2 con resto de Taylor). Sea f

de clase C3, sea x0 en el dominio de f . Entonces para cada x existe c
entre x, p tal que

f (x) = f (x0) + f 0(x0)(x − x0) + 1/2 f 00(x0)(x − x0)2 + 1/6 f 000(c)(x − x0)3.

El resto de Taylor de orden 2 es la diferencia entre f y su polinomio de

orden 2, luego
R(x) = 1/6 f 000(c)(x − x0)3.
Una vez más, R depende de f y de x0, y además hay que aclarar que se
trata del resto de orden 2, ya que no es lo mismo este resto que el resto
de orden 1.
 Vemos que en este caso el resto es pequeño porque si x está cerca de
x0, entonces |x − x0| < 1 y entonces |x − x0|3 es aún más pequeño. Este
resto es menor que el de orden 1, y por eso el polinomio de orden 2 es
una mejor aproximación que la recta tangente.
 También vemos que si f es una función cuadrática, f 000 ≡ 0 y en-
tonces f = P: el polinomio de Taylor de f (en cualquier punto) es
exactamente igual a f .
Veamos ahora los ejemplos de las funciones seno y exponencial en
x0 = 0, pero busquemos su polinomio de Taylor de orden 2 y su resto.
 Sea f (x) = sen(x), sea x0 = 0. Calculamos las derivadas, tenemos
f 0(x) = cos(x), f 00(x) = − sen(x), f 000(x) = − cos(x). Entonces, como
cos(0) = 1 mientras que sen(0) = 0, el teorema nos dice que para cada
x, existe c entre 0 y x tal que

sen(x) = x − 1/6 · cos(c)x3.

Vemos que el polinomio de orden 2 es P(x) = x ya que la derivada

segunda es nula, así que coincide con la recta tangente en x0 = 0.
Sin embargo, ahora la fórmula del resto es la de orden 2, y esto es mu-
cho mejor porque aparece x3. Supongamos nuevamente (como cuando
estudiamos la aproximación de orden 1) que |x| ≤ 1/3. Entonces
1 3 1 3 1 1
|R(x)| = · | cos(c)| · |x| ≤ · |x| ≤ · 3 ' 0, 0061 < 0, 01
6 6 6 3

2021 141 Página 141 de 191

FCEN-UBA Álgebra lineal y Cálculo

y y = P(x) = x
1
y = sen(x)
−π/2

1 π/2 x

−1

puesto que | cos(c)| ≤ 1 y |x| ≤ 1/3. Pero entonces en realidad la apro-

ximación
sen(x) ' x
tiene una precisión de dos decimales, siempre que |x| ≤ 1/3.

 Invitamos al lector a calcular el polinomio de Taylor de orden 2 de

la función seno, pero ahora en x0 = −π/2, y ver que allí es una parábola.
Luego calcular el polinomio en x0 = π/2 y ver que allí es una parábola
invertida.

 Sea f (x) = cos(x), sea x0 = 0. Calculamos las derivadas, tenemos

f 0(x) = − sen(x), f 00(x) = − cos(x), f 000(x) = sen(x). Entonces, como
cos(0) = 1 mientras que sen(0) = 0, el teorema nos dice que para cada
x, existe c entre 0 y x tal que

cos(x) = 1 − 1/2 · x2 + 1/6 · sen(c)x3.

Vemos que el polinomio de orden 2 en el origen del coseno es

P(x) = 1 − 1/2 · x2,

una parábola invertida con vértice en el punto de paso (0, 1).

Supongamos (como hicimos para el seno) que |x| ≤ 1/3. Entonces
1 3 1 3 1 1
|R(x)| = · | sen(c)| · |x| ≤ · |x| ≤ · 3 ' 0, 0061 < 0, 01
6 6 6 3

Página 142 de 191 142 2021

FCEN-UBA Álgebra lineal y Cálculo

y = cos(x)
−π/2

x
y = 1 − 1/2 · x2

puesto que | sen(c)| ≤ 1 y |x| ≤ 1/3. Luego la aproximación

cos(x) ' 1 − 1/2 · x2

tiene una precisión de dos decimales, siempre que |x| ≤ 1/3.

 Sea f (x) = ex, tomemos x0 = 0. Como todas las derivadas son ex,
tenemos por el teorema de Taylor de orden 2 que

ex = 1 + x + 1/2 · x2 + 1/6 · ec · x3

para algún c entre 0, x. En este caso el polinomio de orden 2 de la

exponencial en el origen es

P(x) = 1 + x + 1/2 · x2.

Se trata de una parábola hacia arriba con vértice en (−1, 1/2).

Supogamos nuevamente que |x| ≤ 1/4: nuevamente como c está entre
0 y x tenemos ec < 3 y así

|R(x)| = 1/6 · ec · |x|3 ≤ 3/6 · 1/43 ' 0, 0078 < 0, 01

ya que |x| ≤ 1/4 implica |x| ≤ 1/43. Esta acotación del error nos per-
mite afirmar que si |x| ≤ 1/4, entonces

ex ' 1 + x + 1/2 · x2

2021 143 Página 143 de 191

FCEN-UBA Álgebra lineal y Cálculo

y
y = ex

y = 1 + x + 1/2 · x2

con una precisión de dos decimales.

Polinomio de Taylor de orden 2 (en dos variables)

La idea es exactamente la misma en dos variables que en una.
Si f : R3 → R es de clase C3, buscamos un polinomio cuadrático que
sea el que mejor aproxima a f cerca de un punto dado X0 = (x0, y0).
Para hallar este polinomio de grado 2 en 2 variables, pedimos que coin-
cida con f en P y que coincidan todas las derivadas parciales hasta
orden 2 también, es decir que P(x, y) cumpla las seis condiciones

P(x0, y0) = f (x0, y0), ∂P

∂x (x0 , y0 ) = ∂∂xf (x0, y0)

∂P ∂f ∂2 P ∂2 f
∂y (x0 , y0 ) = ∂y (x0 , y0 ), (x , y )
∂x2 0 0
= (x , y )
∂x2 0 0

2 2
∂2 P ∂2 P
(x , y )
∂y2 0 0
= ∂∂y2f (x0, y0), ∂x∂y (x0 , y0 )
∂ f
= ∂x∂y (x0, y0)

Cuando f es un polinomio cuadrático, será exactamente igual a su

polinomio de Taylor de orden 2, y cuando no lo sea, tendremos un error
llamado resto de Taylor

R(x, y) = f (x, y) − P(x, y)

que ahora es una función de dos variables (y nuevamente depende de f

y del punto P).

Página 144 de 191 144 2021

FCEN-UBA Álgebra lineal y Cálculo

Para lidiar con las derivadas parciales de f de manera ordenada, será

útil introducir la matriz Hessiana de f (también llamada matriz de la
diferencial segunda de f ):

DEFINICIÓN 5.1.4 (Matriz Hessiana). Sea A ⊂ R2 abierto, sea X0 =

(x0, y0) y sea f ∈ C2(A). El Hessiano de f en el punto X0 es la matriz
de las derivadas segundas, ordenadas de la siguiente manera:
 2 2

∂ f ∂ f
2 (x0 , y0 ) ∂y∂x (x0 , y0 ) 
 ∂x
H f (x0, y0) = 
 2
.

∂ f ∂2 f
∂x∂y (x0 , y0 ) ∂y2 (x0 , y0 )

La matriz es fácil de recordar, especialmente por el siguiente teorema:

TEOREMA 5.1.5 (Derivadas cruzadas). Si f es de clase C2 entonces

∂2 f ∂2 f
(x0, y0) = (x0, y0).
∂x ∂y ∂y ∂x
Notemos que las seis condiciones que cumple el polinomio P de orden
2 de la función f se pueden resumir ahora como

f (X0) = P(X0), ∇ f (X0) = ∇P(X0), H f (X0) = HP(X0).

TEOREMA 5.1.6 (Fórmula de Taylor con resto de orden 2). Sea A ⊂

R2 abierto, sea f ∈ C3(A), sea (x0, y0) ∈ A.
Dado (x, y) ∈ BR(P) ⊂ A entonces
∂f ∂f
f (x, y) = f (x0, y0) + (x0, y0) · (x − x0) + (x0, y0) · (y − y0)
∂x ∂y
2 2
∂ f ∂ f
+ 1/2 · 2 (x0, y0) · (x − x0) + 1/2 · 2 (x0, y0) · (y − y0)2
2
∂x ∂y
∂2 f
+ (x0, y0) · (x − x0) · (y − y0) + R(x, y)
∂y∂x
donde R es el resto, y existe un punto C = (c1, c2) ∈ A, más precisamente

2021 145 Página 145 de 191

FCEN-UBA Álgebra lineal y Cálculo

C ∈ PX, tal que

3 3
∂ f ∂ f
R(x, y) = /6 · 3 (x0, y0) · (x − x0) + /6 · 3 (x0, y0) · (y − y0)3
1 3 1
∂x ∂y
3
∂ f
+ 1/2 · 2 (x0, y0) · (x − x0)2 · (y − y0)
∂x ∂y
3
∂ f
+ 1/2 · 2 (x0, y0) · (x − x0) · (y − y0)2
∂y ∂x
La diferencia en los coeficientes de las derivadas segundas y terceras
obedece a que como f es de clase C3, entonces hay varias derivadas
sucesivas que son idénticas

fxy = fyx, fxxy = fxyx = fyxx, fyyx = fyxy = fxyy. (5.1.2)

Todas las derivas de orden 2 van divididas por 2, y todas las derivadas
del resto de orden tres van divididas por 3! = 6, pero como agrupamos
las idénticas, quedan esos coeficientes.

OBSERVACIÓN 5.1.7 (Notación vectorial/matricial). Si denotamos

al punto donde hacemos el desarrollo como X0 = (x0, y0), y similar-
mente denotamos X = (x, y), podemos escribir la fómula de Taylor de
manera compacta como
f (X) = f (X0) + h∇ f (X0), X − X0i + 1/2hH f (X0)(X − X0), X − X0i + R(X),

que es muy similar a la fórmula de orden 2 para funciones de una

variable.

EJEMPLO 5.1.8 (Polinomio de orden 2 en dos variables). En el resu-

men de la Unidad 4, habíamos considerado
x+y−7x2 −9y2
f (x, y) = 1 + e ,

cuyas derivadas parciales son

x+y−7x2 −9y2 x+y−7x2 −9y2
fx(x, y) = e (1 − 14x), fy(x, y) = e (1 − 18y).

Página 146 de 191 146 2021

FCEN-UBA Álgebra lineal y Cálculo

Con esto, obtuvimos que el plano tangente a f en P = (0, 0) era

z = x + y + 2 = π(x, y),

luego π(x, y) ' f (x, y) para (x, y) cerca del origen. Tenemos una repre-
sentación gráfica de esto en el applet de Geogebra (click). Calculemos
ahora el polinomio de orden 2 en el origen, con su resto de Taylor. Para
eso necesitamos las derivadas sucesivas de f , que son
2 −9y2
fxx(x, y) = ex+y−7x (196x2 − 28x − 13)
x+y−7x2 −9y2
fyy(x, y) = e (324y2 − 36y − 17)
x+y−7x2 −9y2
fxy(x, y) = fyx(x, y) = e (1 − 14x)(1 − 18y)
2 −9y2
fxxx(x, y) = ex+y−7x (−2744x3 + 588x2 + 546x − 41)
2 −9y2
fxxy(x, y) = ex+y−7x (1 − 18y)(196x2 − 28x − 13)
x+y−7x2 −9y2
fyyy(x, y) = e (−5832y3 + 872y2 + 918y − 53)
x+y−7x2 −9y2
fyyx(x, y) = e (1 − 14x)(324y2 − 36y − 17).
Las derivadas que faltan son iguales a algunas de estas, por las rela-
ciones (5.1.2) dadas porque f es de clase C3 en todo R2. Escribamos
primero la expresión del resto, para eso fijado X = (x, y) sabemos que
existe C = (c1, c2) en el segmento que une X0 = O con X tal que

R(x, y) = 1/6 · fxxx(c1, c2) · x3 + 1/6 · fyyy(c1, c2) · y3

+ 1/2 · fxxy(c1, c2) · x2 y + 1/2 · fyyx(c1, c2) · x y2
2 2
= 1/6 · ec1 +c2 −7c1 −9c2 (−2744c3 + 588c2 + 546c − 41) · x3
1 1 1
2 2
+ 1/6 · ec1+c2−7c1 −9c2 (−5832c32 + 872c22 + 918c2 − 53) · y3
2 2
+ 1/2 · ec1+c2−7c1 −9c2 (1 − 18c2)(196c21 − 28c1 − 13) · x2 y
c1 +c2 −7c21 −9c22
+ /2 · e
1 (1 − 14c1)(324c22 − 36c2 − 17) · x y2.

No vamos a acotar este resto en dos variables, pero es posible hacerlo

2021 147 Página 147 de 191

FCEN-UBA Álgebra lineal y Cálculo

sabiendo qué tan lejos vamos del origen con X = (x, y) (ya que entonces
|c1| ≤ |x| y también |c2| ≤ |y|. Sabemos que si X está cerca del origen
O, entonces f (x, y) ' P(x, y) con el error controlado por este resto.
Pero ¿quién es este polinomio cuadrático P en este caso?
Podemos escribirlo con las derivadas que ya calculamos, evaluadas en
(x0, y0) = (0, 0) como indica el teorema de arriba. Tenemos f (0, 0) = 2,
fx(0, 0) = 1, fy(0, 0) = 1, fxx(0, 0) = −13, fyy(0, 0) = −17 y por último
fxy(0, 0) = fyx(0, 0) = 1. Entonces

P(x, y) = f (0, 0) + fx(0, 0) · x + fy(0, 0) · y + fxy(0, 0) · xy

+ 1/2 · fxx(0, 0) · x2 + 1/2 · fyy(0, 0) · y2,

luego
P(x, y) = 2 + x + y + xy − 13/2 · x2 − 17/2 · y2.
Podemos ver que el término lineal afín del polinomio es 2 + x + y, que
era exactamente el plano tangente a f en el origen. También puede el
lector verificar que el gráfico de P se trata de un paraboloide invertido.
Por supuesto, la aproximación del polinomio de grado 2 es mucho me-
jor que la del plano, y podemos ver esto representado gráficamente en
el applet de Geogebra (click).

5.2. Integración
• Corresponde a clases en videos 5.3a, 5.3b, 5.4

Recordemos algunas definiciones y propiedades:

DEFINICIÓN 5.2.1 (Integrales). Sea f : I → R continua, con I ⊂ R
un intervalo.
 Una primitiva (o antiderivada) F de la función f es una función
derivable en I tal que F 0(x) = f (x) para todo x ∈ I.
 La función nula f ≡ 0 tiene como primitiva a cualquier función cons-
tante, y esas son las únicas primitivas de la función nula.

Página 148 de 191 148 2021

FCEN-UBA Álgebra lineal y Cálculo

 Si F, G son dos primitivas de f entonces existe una constante c ∈ R

tal que G(x) = F(x) + c para todo x ∈ I.
Z
 La integral indefinida f es la colección de todas las primitivas de
f en I. Entonces si F es alguna primitiva, tenemos que
Z
f = F + c, c∈R
Z
 Para toda F derivable se tiene F 0 = F + c.

 La integral definida de f se calcula usando una primitiva cualquiera

mediante la Regla de Barrow
Z b
b
f = F(x) a = F(b) − F(a)
a

y esta cuenta no depende de cuál primitiva usemos.

Z b
 En particular si F es derivable entonces F 0 = F(b) − F(a).
a
Z x
 La función integral de f : [a, b] → R es la dada por I(x) = f , de-
a
finida para x ∈ [a, b]. Notemos que Eso nos permite escribir la fórmula
Z x 0
I 0(x) = f = f (x).
a

 Si F es una primitiva de f entonces la función integral no es otra

cosa que I(x) = F(x) − F(a). Luego la función integral de f es una
primitiva específica de f , es la única primitiva de f que se anula en
x = a.

 Cuando es necesario, podemos aclarar la variable de integración es-

cribiendo
Z Z Z b Z b
x=b
f= f (x)dx, f= f (x)dx = F(x) x=a
a a

2021 149 Página 149 de 191

FCEN-UBA Álgebra lineal y Cálculo

 La regla de integración por partes nos permite calcular tanto inte-

grales indefinidas Z Z
f 0g = f g − f g0

como definidas
Z b Z b
0 b
f (x)g(x)dx = f (x)g(x) a
− f (x)g0(x)dx.
a a

Esta regla es una consecuencia inmediata de la regla de derivación del

producto.
 Si F es una primitiva de f , el método de sustitución nos permite
escribir la igualdad
Z Z
f (g(x))g0(x)dx = f (u)du = F(u) + c = F(g(x)) + c,

mediante la sustitución u = g(x).

 Para integrales definidas obtenemos entonces
Z b
( f ◦ g) · g0 = F(g(b)) − F(g(a)),
a

siempre que F 0(x) = f (x) en el intervalo dado.

PROPIEDADES 5.2.2 (de las integrales). Sean f , g continuas en el
intervalo I, entonces
Z Z Z
 f +g = f+ g.
Z Z
 Si λ ∈ R entonces λ f =λ f.
Z c Z b Z c
 Si a, b, c ∈ I entonces f= f+ f.
a a b
Z b Z a
 Si a, b ∈ I entonces f =− f.
a b
Z b
 Si f ≥ 0 en [a, b] entonces f ≥ 0. Es importante aquí que a < b.
a

Página 150 de 191 150 2021

FCEN-UBA Álgebra lineal y Cálculo
Z b Z b
 Si f ≥ g en [a, b] entonces f≥ g.
a a

Rb
En general a f ≥ 0 no implica que f ≥ 0 en todo el intervalo, porque
puede haber cancelaciones.
Rb
Por el mismo motivo a f = 0 no implica que f (x) = 0 para todo
x ∈ [a, b].

TEOREMA 5.2.3 (Teorema fundamental del cálculo integral). .

Si f : [a, b] → R es continua y f ≥ 0, entonces
Z b
A= f (x)dx
a

donde A ≥ 0 es el área bajo el gráfico de f y sobre el eje de las x

(encerrada por las rectas verticales x = a, x = b).

y y = f (x)

a b x

TEOREMA 5.2.4 (Área entre curvas). Si g ≥ f en el intervalo [a, b] y

ambas son integrables, el área encerrada entre los gráficos de g y de f
se calcula con la integral definida
Z b Z b Z b
(g − f ) = g− f.
a a a

No es relevante si f ó g cambian de signo, lo único importante es que

g (el techo) permanezca siempre por encima de f (el piso) mientras x
recorre el intervalo [a, b].

2021 151 Página 151 de 191

FCEN-UBA Álgebra lineal y Cálculo
y
y = g(x)

A
b x
a

y = f (x)

Si f ≤ 0 en el intervalo [a, b] entonces el área A atrapada debajo del

eje x y encima del gráfico de f se calcula como
Z b Z b
A= (− f ) = − f.
a a

a b
x
A

y = f (x)

Podemos pensar aquí que g = 0; entonces es un caso especial del teo-

rema anterior, ya que f ≤ g = 0 y así g − f = 0 − f = − f . También
podemos pensar que si f ≤ 0, entonces la función − f es positiva (su
gráfico es el simétrico respecto del eje x); luego el área atrapada bajo
− f y sobre el eje es la misma que esta.

OBSERVACIÓN 5.2.5 (Curvas que se cortan). Si los gráficos de f , g

se entrecruzan, primero tenemos que encontrar donde, y luego separar
el intervalo en intervalos más pequeños donde una está encima de la
otra. Para ello se requiere hallar donde se cruzan, y estos son los x ∈
[a, b] tales que f (x) = g(x).

Página 152 de 191 152 2021

FCEN-UBA Álgebra lineal y Cálculo

y
y = g(x)
A2

a b x
A1 c d

A3
y = f (x)

En ejemplo gráfico que tenemos debajo, los puntos de corte en el inter-

valo [a, b] son x = c, x = d. Entonces el área total es
Z c Z d Z b
A = A1 + A2 + A3 = (g − f ) + ( f − g) + (g − f ).
a c d

5.3. Ecuaciones diferenciales

• Corresponde a clases en video 5.5a, 5.5b

Si f : I → R representa una cantidad (por ejemplo, una distancia que

varía con el tiempo, que es la variable), entonces el cociente incremen-
tal
f (t) − f (t0) f (t0 + ∆t) − f (t0) ∆ f
= =
t − t0 ∆t ∆t
Representa la variación de esta cantidad respecto de la variable (en el
ejemplo, la velocidad media, que es el cociente de la distancia recorrida
por el tiempo transcurrido).
Cuando el intervalo de tiempo tiende a cero (∆t → 0) obtenemos la
velocidad instantánea. Entonces si f representa la distancia de un móvil
en función del tiempo, f 0 representa la velocidad instantánea de ese
móvil.
Hay mucha otras aplicaciones de este modelo. Por ejemplo si f repre-
senta una población de bacterias y t es el tiempo, la derivada representa

2021 153 Página 153 de 191

FCEN-UBA Álgebra lineal y Cálculo

la velocidad con la que crece (o decrece) el número de bacterias). O si

f representa la cantidad de litros de una sustancia que pasa por una
compuerta a través del tiempo, entonces f 0 es la velocidad de ese lí-
quido por la compuerta. También hay modelos económicos donde f
representa la cantidad de capital, y la variable puede ser el tiempo, o la
cantidad de insumo de un cierto producto que produce una ganancia de
capital; en todos los casos la derivada f 0 es la velocidad de cambio.
Hay modelos donde uno puede inferir la relación entre la cantidad que
uno tiene (por ejemplo la posición del movil) y su velocidad de cambio
(por ejemplo basándose en el conocimiento de la superficie por la que
se mueve el móvil, o por el tamaño de las compuertas, etc. Entonces
uno obtiene una relación entre f y su derivada f 0. La pregunta es si a
partir de esta relación podemos hallar alguna (o algunas) funciones que
cumplan esta relación; esta f hallada es el modelo matemático para el
problema planteado.

EJEMPLO 5.3.1 (Bacterias). Un primer ejemplo simple es el siguien-

te: supongamos que sabemos que la velocidad es siempre proporcional
a la cantidad. Por ejemplo en el crecimiento de bacterias, mientras más
hay más rápido crecen. Digamos que sabemos que f 0(x) = 3 f (x) para
todo x en el intervalo de tiempo que nos interesa. ¿Podemos hallar la
función f que nos dice la cantidad de bacterias en cada instante?

En este caso la poblacion es un número positivo, o sea f (x) > 0. De la

relación que tenemos, podemos escribir
f 0(x)
=3 ∀x
f (x)
Pero entonces podemos probar integrar. Como tenemos una igualdad
de funciones (a la derecha está la función constante 3, vemos que
f 0(x)
Z Z
dx = 3 dx = 3x + c.
f (x)
Ahora hacemos una sustitución, u = f (x). Luego du = f 0(x)dx y así

Página 154 de 191 154 2021

FCEN-UBA Álgebra lineal y Cálculo

nos queda
f 0(x) 1
Z Z
3x + c = dx = du = ln |u| = ln | f (x)| = ln f (x)
f (x) u
pues f (x) > 0. Exponenciando ambos lados vemos que debe ser

f (x) = e3x+c = e3xec = k · e3x

donde k > 0 es una constante a determinar. ¿Cómo la hallamos? Para

eso necesitamos saber la cantidad de bacterias en algún instante del
tiempo, digamos 105 en el instante x = 1: este dato es simplemente
f (1) = 105. Pero entonces reemplazando en la expresión que obtuvimos
para f vemos que
105 = f (1) = k · e3,
105
luego k = e3
, y así
105
f (x) = · e3x
e3
es la función que modela la población de bacterias.

OBSERVACIÓN 5.3.2 (Notación). En general se suele usar la letra

x para denotar la variable, y la cantidad se denota con la variable y.
En realidad, se trata de una función y = y(x). Entonces la relación del
ejemplo f 0(x) = 3 f (x) se reescribe como

y0(x) = 3y(x) o simplemente y0 = 3y.

Esto es lo que se conoce como una ecuación diferencial de orden 1

(porque sólo involucra la derivada primera). Como vimos, puede tener
muchas soluciones, pero una vez fijada una condición inicial (en el
ejemplo, y(1) = 105) hay una única solución de la ecuación diferencial,
que es una función que verifica la relación.

OBSERVACIÓN 5.3.3 (Método de separación de variables). Respec-

to del método que usamos para resolver la ecuación del ejemplo, este

2021 155 Página 155 de 191

FCEN-UBA Álgebra lineal y Cálculo

cambio de notación sugiere una estrategia que funciona en muchos ca-

dy
sos. Escribimos y0(x) = dx , luego la ecuación diferencial se reescribe
como
dy
= 3y.
dx
Podemos operar algebraicamente sobre esta ecuación para dejar los
diferenciales en el numerador, y todo lo que tenga x de un solo lado (y
todo lo que tenga y del otro lado):
dy
= 3 dx.
y
Este método se conoce como separación de variables. La justificación
concreta está en cómo lo resolvimos más arriba, cuando hicimos una
sustitución. Siguiendo desde aquí, podemos integrar a ambos lados
1 dy
Z Z Z
dy = =3 dx.
y y
Notamos que a cada lado, se integra respecto del diferencial de la va-
riable que sólo figura a ese lado. Luego integrando vemos que

ln |y| = 3x + c, esto es ln |y(x)| = 3x + c.

Exponenciando vemos que |y(x)| = e3x+c = k · e3c como antes. Si su-

ponemos que y(x) > 0, arribamos a la misma solución, y la condición
inicial nos permite hallar k.

Si no suponemos que y > 0 (por ejemplo si la ecuación diferencial

y0 = 3y representa una cantidad que puede cambiar de signo, como la
cantidad de capital, que es negativo cuando hay deudas), entonces en
principio la solución es de forma y(x) = ±ke3x, y esto es lo mismo que
decir que y(x) = Ae3x donde ahora A puede ser una constante positiva
o negativa.
Esta constante A se determina también con las condiciones iniciales;
por ejemplo si en tiempo x = 0 el capital era −10 (deuda) entonces
y(x) = −10e3x, y vemos que siempre estaremos en deuda, y la deuda

Página 156 de 191 156 2021

FCEN-UBA Álgebra lineal y Cálculo

será cada vez mayor.

EJEMPLO 5.3.4 (Segunda Ley de Newton). La misma postula que la

aceleración de un móvil (que es la derivada de la velocidad, o sea la
derivada segunda de la posición) es propocional a la fuerza F que se
ejerce sobre el móvil para moverlo.
Por ejemplo si P(t) denota la posición en función del tiempo, y m es la
masa del objeto, la segunda ley de Newton se escribo como la ecuación
diferencial
mv0(t) = F(v(t))
donde v(t) = P0(t) es la velocidad.
Supongamos que la fuerza es constante, F = 1 y para simplificar que
la masa m también es 1. Tenemos la ecuación diferencial v0 = 1, que
con nuestra notación se escribe como dv
dt = 1. Luego dv = dt, así que
integrando a ambos lados vemos que
Z Z
v= dv = dt = t + c, o sea v(t) = t + c.

La constante c está determinada por la velocidad inicial del móvil,

porque v(t0) = t0 + c así que c = v0 − t0, donde usamos la notación
v0 = v(t0). Entonces la velocidad es v(t) = t + v0 − t0. Para fijar ideas,
supongamos que t0 = 1 y que v0 = 3, luego para este móvil la ecuación
de su velocidad es
v(t) = t + 2.
Ahora queremos hallar la posición, para ello recordamos que p0(t) =
v(t) así que ahora tenemos la ecuación diferencial
dp
= p0 = v = t + 2,
dt
que se reescribe como d p = (t + 2)dt. Integrando ambos lados tenemos

t2
Z Z
p= 1·dp = (t + 2)dt = + 2t + k,
2

2021 157 Página 157 de 191

FCEN-UBA Álgebra lineal y Cálculo

es decir p(t) = 1/2 ·t 2 + 2t + k. Nuevamente hay que determinar la cons-

tante k, para eso necesitamos el dato de alguna posición, por ejemplo
p(t0) = p0; recordemos que teníamos t0 = 1, y ahora supongamos que
p0 = 10. Entonces

10 = p0 = p(t0) = 1/2 · t02 + 2t0 + k = 1/2 + 2 + k.

así que de aquí podemos despejar k = 10 − 3/2 = 17/2. Así que la ecua-
ción de movimiento de nuestro objeto es

p(t) = 1/2 · t 2 + 2t + 17/2.

Dejamos como ejercicio: resolver este problema del movimiento para

una masa genérica m y una fuerza constante genérica F. Hay que resol-
ver es la ecuación diferencial mv0(t) = F, para m, F constantes genéri-
cas. Se obtiene una función cudrática con parámetros, y es interesante
pensar qué ocurre cuando los parámetros m, F varían.

EJEMPLO 5.3.5 (Un problema de mezcla). Un tanque mezclador tie-

ne 100 litros de una solución compuesta por 80 % de agua y 20 % de
acetona. Se le comienza a agregar agua a una velocidad de 5 litros por
minuto. Mientras se mezcla dentro del tanque, este deja salir por deba-
jo líquido a una velocidad también de 5 litros por minuto, para usar la
mezcla en otro proceso. Después de 40 minutos ¿cuánta acetona habrá
en el tanque?
Denotamos y = y(x) la cantidad de acetona en el tanque respecto del
tiempo, sabemos que y0 = y(0) = 20 litros. La cantidad de líquido total
es constante, pero no así la de acetona, que va disminuyendo. La velo-
cidad a la que se pierde es y0 = −LO QUE SALE (en litros por minuto).
Lo que sale por debajo es una proporción del total, el factor de propor-
cionalidad es
SALE 5 1
y= y = y.
TOTAL 100 20

Página 158 de 191 158 2021

FCEN-UBA Álgebra lineal y Cálculo

Entonces la ecuación diferencial que modela el problema es

0 1
y = − y.
20
dy
La reescribimos como dx = − 201 y lo que nos lleva a
1 1
dy = − dx.
y 20

Integrando ambos lados, obtenemos ln |y| = − 201 x + c. Sabemos que

y(x) > 0 para todo x, y también que y0 = 20, luego
1
c = c − · 0 = ln y0 = ln(20).
20
Entonces exponenciando obtenemos y(x) = ece−x/20 = 20e−x/20. Luego
después de 40 minutos, la cantidad de acetona en el tanque es

−40/20 −2 20
y(40) = 20e = 20e ' ' 2, 7 litros ,
7, 4
o equivalentemente un 2, 7 % de acetona y un 97, 3 % de agua.

2021 159 Página 159 de 191

FCEN-UBA Álgebra lineal y Cálculo

Página 160 de 191 160 2021

Capítulo 6

Extremos de funciones,
optimización
6.1. Extremos locales
• Corresponde a clases en video 6.1a, 6.1b, 6.2a, 6.2b, 6.3a, 6.3b

Un extremo de una función f es un máximo o mínimo de f .

Recordemos que dado δ > 0, la bola Bδ(X0) es el conjunto de puntos

que distan menos que δ de X0. Podemos usarlo en este caso para indicar
cercanía con X0. Los extremos locales de una función son extremos con
respecto a los puntos cercanos. También se usa el la palabra relativo
como sinónimo de local. Más precisamente:

DEFINICIÓN 6.1.1 (Máximos y mínimos locales). Sea f : A → R

(aquí A ⊂ Rn). Dado X0 ∈ A, decimos que X0 es

1. mínimo local de f si existe δ > 0 tal que

f (X) ≥ f (X0) ∀ X ∈ A ∩ Bδ(X0).

2. máximo local de f si existe δ > 0 tal que

f (X) ≤ f (X0) ∀ X ∈ A ∩ Bδ(X0).

161
FCEN-UBA Álgebra lineal y Cálculo

3. mínimo local estricto de f si existe δ > 0 tal que

f (X) > f (X0) ∀ X ∈ A ∩ Bδ(X0), X , X0.

4. máximo local estricto de f si existe δ > 0 tal que

f (X) < f (X0) ∀ X ∈ A ∩ Bδ(X0). X , X0.

5. Un máximo o mínimo local es un extremo local de f .

Si removemos la condición local, es decir si la desigualdad vale para
todo X ∈ A (y no sólo para X cercano a X0) decimos que el extremo es
global, o absoluto.
Para algunas funciones sencillas, podemos identificar extremos sin ma-
yor preámbulo que comparar f (X0) con f (X) para X cercano a X0.
Veamos algunos ejemplos importantes:
 Sea f (x) = x2, como f (0) = 0 entonces f (x) = x2 > 0 = f (0) si x , 0,
luego x0 = 0 es mínimo local estricto. De hecho, es un mínimo global
porque la desigualdad vale en todo el dominio A = R de la función.
 Sea f (x) = x2 − x3 = x2(1 − x), sea x0 = 0. Si x ∈ B1(0), en particular
x < 1 y así 1 − x > 0. Multiplicando esta última desigualdad por x2
vemos que
f (x) = x2(1 − x) ≥ 0 = f (0).
Entonces x0 = 0 es mínimo local de f , de hecho es mínimo local es-
tricto porque si x , 0 entonces x2 > 0 y así

f (x) = x2(1 − x) > 0 = f (0).

Es importante notar que si nos alejamos de x0 = 0 deja de ser mínimi-

mo, por ejemplo f (5) = 25 · (−4) < 0 y es claro que 0 no es mínimo
absoluto de f .
 Sea f (x) = x4, con x0 = 0. Entonces f (x) = x4 > 0 = f (0) si x , 0
luego x0 = 0 es mínimo estricto absoluto de f .
 Si invertimos los signos obtendremos máximos, por ejemplo f (x) =
−x2 o bien f (x) = −x4 tienen máximo estricto en x0 = 0.

Página 162 de 191 162 2021

FCEN-UBA Álgebra lineal y Cálculo

 La función f (x) = x3 no tiene un extremo (ni local ni global) en

x0 = 0. Esto es porque x3 cambia de signo alrededor de f (0) = 0.
Pasemos ahora a funciones de dos variables.

paraboloide

 Sea f (x, y) = x2 + y2, entonces f (0, 0) = 0 y como

f (x, y) = x2 + y2 ≥ 0 = f (0, 0)

entonces X0 = (0, 0) es mínimo de f . Al igual que en el caso de una

variable, la desigualdad es estricta si X , (0, 0), así que es un mínimo
estricto global de f .
 En general, si el gráfico de f es un paraboloide, su vértice será míni-
mo estricto.
 Lo mismo ocurre con f (x, y) = x4 + y4 o con f (x, y) = x2 + y4 o con
f (x, y) = 3x4 + 5y2, etc.
 Si invertimos los signos obtendremos un máximo, por ejemplo X0 =
(0, 0) es máximo extricto de f (x, y) = −2x2 − 3y2. En particular los
paraboloides invertidos tienen máximo extricto en su vértice.
 Veamos los casos llamados “degenerados” donde algún coeficiente
es nulo. Por ejemplo sea f (x, y) = x2, pensemos qué ocurre en el punto
X0 = (0, 0). Es claro que

f (x, y) = x2 ≥ 0 = f (0, 0)

2021 163 Página 163 de 191

FCEN-UBA Álgebra lineal y Cálculo

paraboloide invertido

entonces podemos afirmar que (0, 0) es mínimo global de f . Pero no es

estricto porque por ejemplo f (0, 1) = 02 = 0. De hecho f (0, y) = 0 para
todo y ∈ R, la función se anula sobre el eje de las y. Podemos afirmar
que todos los puntos del eje y son mínimos (no estrictos) de f . Eso es
más fácil de visualizar si recordamos que el gráfico de f (x, y) = x2 es
el cilindro parabólico:
cilindro parabólico
z
z = x2

x y

 El otro caso degenerado es cuando el coeficiente no nulo es negativo,

por ejemplo f (x, y) = −y2. Aquí vemos que X0 = (0, 0) es máximo (no
estricto), y de hecho cualquier punto del eje x lo es porque

f (x, y) = −y2 ≤ 0 = f (x, 0)

En este caso el gráfico es f es un cilindro parabólico invertido (Figura

??.
 Un extremo local estricto (que no es global) lo tiene

f (x, y) = (x − 1)2(11 + x − y2) + (y − 2)2

en X0 = (1, 2). Para verlo, supongamos que (x, y) ∈ B1(X0), entonces en

Página 164 de 191 164 2021

FCEN-UBA Álgebra lineal y Cálculo

cilindro parabólico invertido

z = −y2 y

particular |x − 1| < 1 y también |y − 2| < 1. Respecto de x, vemos que

0 < x < 2 y entonces 11 + x > 11. Respecto de y, tenemos que 1 < y < 3,
luego 1 < y2 < 9, entonces −1 > −y2 > −9. En particular −y2 > −9 en
esta bola. Combinando las dos desigualdas para x e y que obtuvimos,
vemos que

11 + x − y2 = (11 + x) − y2 > 11 − 9 = 2.

Es nos dice que el segundo factor de f (para X ∈ B1(X0)) es estric-

tamente positivo. Como el primer factor también lo es, vemos que si
(x, y) ∈ B1(X0) sin tocar X0 = (1, 2), entonces

f (x, y) = (x − 1)2(11 + x − y2) + (y − 2)2 > (x − 1)2 · 2 > 0 = f (1, 2).

Por eso X0 = (1, 2) es mínimo local estricto de f .

Hasta aquí, hemos observado o señalado los extremos “a mano”. Lo
que queremos es indicar un criterio que nos indique cómo hallarlos.
Para eso comenzamo con una definición útil:
DEFINICIÓN 6.1.2 (Punto crítico). Sea A ⊂ Rn abierto, sea f : A → R.
Decimos que X0 ∈ A es punto crítico de f si alguna de las dos siguientes
condiciones se cumple
1. No existe alguna de las derivadas parciales de f en X0.
2. Existen todas las derivadas parciales y son nulas. Equivalente-
mente ∇ f (X0) = O.
Los puntos críticos de primera clase son aquellos donde la función no
es suave. Por ejemplo

2021 165 Página 165 de 191

FCEN-UBA Álgebra lineal y Cálculo

 La función módulo f (x) = |x| tiene un punto crítico en x0 = 0 porque

no es derivable allí. Es un mínimo estricto.
y y y

y = x3/5

x 2/3
x x
y = |x| y=x

 f (x) = x2/3 tiene un punto crítico en x0 = 0 porque no es derivable

allí, la derivada para x , 0 es f 0(x) = 2/3x−1/3. También es un mínimo
estricto.
 f (x) = x3/5 tiene un punto crítico en x0 = 0 porque no es derivable
allí, la derivada para x , 0 es f 0(x) = 3/5x−2/5. Sin embargo, x0 = 0 no
es extremo de la función.
p
 f (x, y) = x2 + y2 no tiene derivadas parciales en (0, 0),
x y
fx(x, y) = p , fy(x, y) = p ,
2
x +y2 x2 + y2
son sus derivadas parciales pero no están definidas en el origen. El
origen es un mínimo estricto ya que el gráfico de f es (la parte superior)
del cono.
Vemos que no necesariamente en un punto crítico hay un extremo.
Ahora miremos los puntos críticos de segunda clase, donde se anulan
las derivadas:
 f (x) = x2 es derivable en R y su derivada es f (x) = 2x luego su único
punto crítico es x0, y es un mínimo estricto.
 f (x) = x3, tiene derivada f 0(x) = 3x2 que se anula en x0 = 0, pero no
es un extremo de f .
 f (x, y) = x2 + y2 tiene gradiente ∇ f (x, y) = (2x, 2y), y este se anula
únicamente en X0 = (0, 0). Como ya discutimos, es un mínimo estricto.

Página 166 de 191 166 2021

FCEN-UBA Álgebra lineal y Cálculo

 f (x, y) = x2 − y2 tiene gradiente ∇ f (x, y) = (2x, −2y), y este se anula

en X0 = (0, 0). Sin embargo no este punto no es un extremo de f (el
gráfico de f es la silla de montar y el origen es el punto de ensilladura).
Nuevamente vemos que no necesariamente en un punto crítico hay un
extremo.
DEFINICIÓN 6.1.3 (Punto silla). También llamado punto de ensilla-
dura, es aquel punto crítico X0 de f donde f no tiene un extremo. Es
decir, un punto silla es un punto crítico de f que no es máximo ni mí-
nimo.
¿Por qué el énfasis en buscar los puntos críticos entonces? Por el si-
guiente teorema:
TEOREMA 6.1.4 (Fermat). Sea A ⊂ Rn, sea f : A → R tal que f tiene
un extremo en X0 ∈ A. Entonces X0 es un punto crítico de f .
Entonces si buscamos extremos, sabemos que necesariamente esta-
rán en los puntos críticos de la función. Si primero buscamos el conjun-
to de todos los puntos críticos de f , los extremos (si tiene) estarán entre
algunos de estos puntos. Es una manera de reducir el problema: en lu-
gar de buscar extremos en todos los puntos de A = Dom( f ), buscamos
extremos entre los puntos críticos. Los puntos críticos que veamos que
no son extremos, son puntos silla.
OBSERVACIÓN 6.1.5 (Taylor en un punto crítico). Si f es C3 cerca
del punto X0, teníamos la fórmula de Taylor para f dada por
f (X) = f (X0) + h∇ f (X0), X − X0i + 1/2hH f (X0)(X − X0), X − X0i + R(X),

Si X0 es un punto crítico, al ser f suave, debe ser por el Teorema de

Fermat ∇ f (X0) = O. Luego el término lineal se anula y tenemos

f (X) = f (X0) + 1/2hH f (X0)(X − X0), X − X0i + R(X).

Suponiendo que el resto es pequeño (porque estamos con X cerca de

X0) vemos que cerca de un punto crítico

f (X) ' f (X0) + 1/2hH f (X0)(X − X0), X − X0i.

2021 167 Página 167 de 191

FCEN-UBA Álgebra lineal y Cálculo

Supongamos que la matriz Hessiana de f es definida positiva. Esto

era que todos sus autovalores sean estrictamente positivos; luego de un
cambio de variable adecuado vemos que el término de orden 2 es un
paraboloide (hacia arriba)

1/2hH f (X0)(X − X0), X − X0i = u2 + v2 > 0

Entonces

f (X0) + 1/2hH f (X0)(X − X0), X − X0i = f (X0) + u2 + v2 > f (X0),

así que

f (X) ' f (X0) + 1/2hH f (X0)(X − X0), X − X0i > f (X0).

Esto nos permite concluir que si el Hessiano en el punto crítico X0 es

definido positivo, entonces

f (X) > f (X0),

para X cercano a X0, y entonces X0 es un mínimo local estricto de f .

Recordemos que si M = Mt ∈ R2×2 es una matriz simétrica, y λi son
los autovalores entonces
 M es definida positiva si λi > 0 para todo i.
 M es definida negativa si λi < 0 para todo i.
 M es indefinida existen i, j con λi · λ j < 0 (tienen signos opuestos).
 M es semi-definida si (al menos) algun λi es nulo y todos los demás
tienen el mismo signo.
Con la idea de la observación anterior (y algunas cosas técnicas más
que no mencionaremos) se puede probar el siguiente teorema, que nos
da un criterio para decidir qué tipo de punto crítico tenemos.

TEOREMA 6.1.6 (Criterio del Hessiano). Sea X0 ∈ A ⊂ Rn punto crí-

tico de f : A → R (de clase C2). Entonces

Página 168 de 191 168 2021

FCEN-UBA Álgebra lineal y Cálculo

1. Si H f (X0) es definido positivo, entonces X0 es un mínimo local

estricto de f .

2. Si H f (X0) es definido negativo, entonces X0 es un máximo local

estricto de f .

3. Si H f (X0) es indefinido, entonces X0 es un punto silla (no es

extremo).

4. Si H f (X0) es semi-definida, el criterio no decide.

Este criterio también se conoce (en una variable) como criterio de la

derivada segunda, y se puede enunciar en 1 variable de manera idénti-
ca, sólo que ahora el rol del Hessiano lo cumple la derivada segunda en
el punto -se puede pensar que es un caso particular del anterior, aunque
aquí hay un sólo número y no dos, por eso el caso indefinido no figura-

TEOREMA 6.1.7 (Criterio en una variable). Sea x0 ∈ I ⊂ R punto

crítico de f : I → R (de clase C2). Entonces

1. Si f 00(x0) > 0, entonces x0 es un mínimo local estricto de f .

2. Si f 00(x0) < 0, entonces X0 es un máximo local estricto de f .

3. Si f 00(x0) = 0, el criterio no decide.

Veamos en nuestros ejemplos de una variable como funciona esto:

 f (x) = x2, f 0(x) = 2x, f 00(x) = 2. El punto crítico es x0 = 0, y como la
derivada segunda es constante y positiva, es un mínimo local estricto.
 f (x) = −x2, f 0(x) = −2x, f 00(x) = −2. El punto crítico es x0 = 0, y
como la derivada segunda es constante y negativa, es un máximo local
estricto.
 f (x) = x3, f 0(x) = 3x2, f 00(x) = 6x. El punto crítico es x0 = 0, pero
no es un extremo de f como observamos anteriormente (notemos que
aquí f 00(0) = 0).

2021 169 Página 169 de 191

FCEN-UBA Álgebra lineal y Cálculo

 f (x) = x4, f 0(x) = 4x3, f 00(x) = 12x. El punto crítico es x0 = 0, pero

f 00(0) = 0 así que el criterio no nos ayuda. Ya discutimos al comienzo
de esta sección que se trata de un mínimo.

 f (x) = −x4, f 0(x) = −4x3, f 00(x) = −12x. El punto crítico es x0 =

0, pero f 00(0) = 0 así que el criterio no nos ayuda. Ya discutimos al
comienzo de esta sección que se trata de un máximo.

Regla mnemotécnica: Si es positiva la derivada segunda es como en

x2 luego vemos ∪ que es un mínimo. Si es negativa es como en −x2
luego vemos ∩ que es un máximo.

Veamos ahora cómo funciona el criterio en dos variables. Los casos de

estudio son las superficies cuádricas:

 f (x, y) = x2 + y2, luego ∇ f (x, y) = (2x, 2y) con punto crítico X0 =

(0, 0). Calculamos las derivadas segundas y tenemos

fxx(x, y) = 2, fyy(x, y) = 2, fxy(x, y) = fyx(x, x) = 0

luego la matriz Hessiana es constante e igual a

 
2 0
H f (x, y) = .
0 2

En particular así es el Hessiano en el punto crítico (0, 0). Esta matriz

ya está diagonalizada, sus autovalores son λ1 = λ2 = 2, ambos estricta-
mente positivos. Entonces H f (0, 0) es definido positivo, así que por el
criterio del Hessiano, (0, 0) es un mínimo local estricto de f (cosa que
ya sabíamos por otros medios).
 f (x, y) = −x2 − y2, luego ∇ f (x, y) = (−2x, −2y) con punto crítico
X0 = (0, 0), calculamos las derivadas segundas y tenemos

fxx(x, y) = −2, fyy(x, y) = −2, fxy(x, y) = fyx(x, y) = 0

luego la matriz Hessiana es constante e igual a

 
−2 0
H f (x, y) = .
0 −2

Página 170 de 191 170 2021

FCEN-UBA Álgebra lineal y Cálculo

X0

X0

X0

Figura 6.1: Puntos críticos X0 con Hessiano definido positivo, negativo e indefinido
respectivamente. Cerca del punto X0 la superficie tiene la forma de una de estas.

En particular así es el Hessiano en el punto crítico (0, 0). Esta matriz

ya está diagonalizada, sus autovalores son λ1 = λ2 = −2, ambos estric-
tamente negativos. Entonces H f (0, 0) es definido negativo, así que por
el criterio del Hessiano, (0, 0) es un máximo local estricto de f .
 f (x, y) = x2 − y2, luego ∇ f (x, y) = (2x, −2y) con punto crítico X0 =
(0, 0). Calculamos las derivadas segundas y tenemos

fxx(x, y) = 2, fyy(x, y) = −2, fxy(x, y) = fyx(x, y) = 0

luego la matriz Hessiana es constante e igual a

 
2 0
H f (x, y) = .
0 −2

En particular así es el Hessiano en el punto crítico (0, 0). Esta matriz

ya está diagonalizada, sus autovalores tienen signos opuestos. Entonces
H f (0, 0) es indefinido, así que por el criterio del Hessiano, (0, 0) es un
punto silla de f .
Veamos ahora por qué el criterio no decide cuando hay un autovalor
nulo (y todos los demás tienen el mismo signo). El problema es que
con un autovalor nulo, el resto de Taylor R (que despreciamos en la
Observación 6.1.5) si juega un papel en cada caso particular.
 f (x, y) = x2 − y4, luego ∇ f (x, y) = (2x, −4y3) con punto crítico X0 =
(0, 0). Calculamos las derivadas segundas y tenemos

fxx(x, y) = 2, fyy(x, y) = −12y2, fxy(x, y) = fyx(x, y) = 0

2021 171 Página 171 de 191

FCEN-UBA Álgebra lineal y Cálculo

luego la matriz Hessiana es

 
2 0
H f (x, y) = .
0 0

Los autovalores son λ1 = 2, λ2 = 0, es semi-definida. Pero esto no nos

ayuda porque la función no tiene un mínimo en (0, 0). Para verlo nos
acercamos al origen por el eje y, notamos que f (0, y) = −y4 < 0 =
f (0, 0) así que 0 no es mínimo. El dibujo de la superficie z = x2 −
y4 (que es el gráfico de f ) es muy parecido al de la silla de montar.
Entonces (0, 0) es punto silla de f .
En general, como sólo queremos saber qué signo tienen los autovalores
(y no exactamente cuánto valen) podemos usar el siguiente criterio

TEOREMA 6.1.8 (Criterio del determinante 2 × 2). Sea

!
a11 a12
M=
a21 a22

matriz simétrica 2 × 2. Entonces

1. M es semi-definida ⇐⇒ det(M) = 0.

2. M es definida positiva ⇐⇒ (det(M) > 0 ∧ a11 > 0).

3. M es definida negativa ⇐⇒ (det(M) > 0 ∧ a11 < 0).

4. M es indefinida ⇐⇒ det(M) < 0.

Aunque no lo probaremos, la idea de la prueba se basa en diagonali-

zar la matriz M y luego observar que la regal funciona bien cuando
tenemos una matriz diagonal. Esto es porque

ac − b2 = det(M) = λ1λ2

(el producto de los autovalores). Y además a11 = hME1, E1i. Entonces

es claro que el signo del determinante depende de los signos de los
autovalores, y luego la entrada 1 − 1 de la matriz es un caso particular

Página 172 de 191 172 2021

FCEN-UBA Álgebra lineal y Cálculo

de la cuenta hMV,V i que nos permite decidir si M es definida negativa

o positiva (ver el final del Resumen 2).
Podemos recordar el criterio del determinante en 2 × 2 con estos
tres diagramas, que corresponden respectivamente a una matriz defini-
da positiva, una definida negativa y una indefinida:
     
+ 0 − 0 + 0
0 + 0 − 0 −

El criterio dice que podemos encontrar los signos de los autovalores

sin necesidad de diagonalizar la matriz ni de hallar los autovalores,
y la manera de recordar el criterio es “imaginar” que la matriz está
diagonalizada, entonces estamos en alguno de estos tres casos (siempre
que el determinante sea no nulo).
Veamos cómo usar los teoremas y criterios en un ejemplo concreto:
EJEMPLO 6.1.9. Sea f (x, y) = ex+y · (x2 − 2y2), hallar los extremos
relativos de f . Calculamos su gradiente y lo igualamos a cero para
hallar los puntos críticos

fx(x, y) = ex+y · 1 · (x2 − 2y2) + ex+y · (2x) = ex+y · (x2 − 2y2 + 2x) = 0

fy(x, y) = ex+y · 1 · (x2 − 2y2) + ex+y · (−4x) = ex+y · (x2 − 2y2 − 4y) = 0.
Obtenemos dos ecuaciones que se tienen que cumplir simultáneamen-
te. El factor con la exponencial es nunca nulo así que lo podemos can-
celar en ambas. Nos quedan las ecuaciones

x2 − y2 + 2x = 0 x2 − 2y2 − 4y = 0.

Las ecuaciones son no lineales, pero son parecidas. Entonces restando

la primera de la segunda nos queda 2x + 4y = 0 de donde deducimos
que x = −2y. Luego x2 = 4y2 y reemplazando esto en la segunda ecua-
ción nos queda
4y2 − 2y2 − 4y = 0
es decir 2y2 − 4y = 0. Se factoriza como 2y(y − 2) = 0, así que tiene

2021 173 Página 173 de 191

FCEN-UBA Álgebra lineal y Cálculo

que ser y = 0 o bien y = 2. Cuando y = 0, debe ser también x = 0

(puesto que era x = −2y). Obtenemos P1 = (0, 0). Cuando y = 2 debe
ser x = −4, obtenemos el punto P2 = (−4, 2). Luego f tiene dos puntos
críticos.
Veamos de qué tipo son, para eso necesitamos calcular las derivadas
segundas de f . Son

fxx(x, y) = ex+y ·(x2 − 2y2 + 4x+ 2), fyy(x, y) = ex+y ·(x2 − 2y2 − 8y− 5),

fxy(x, y) = fyx(x, y) = ex+y · (x2 − 2y2 + 2x − 4y).

Tenemos !
2 0
H f (P1) =
0 −4

y es claro que este Hessiano es indefinido. Entonces P1 = (0, 0) es pun-

to silla de f .
Por otro lado tenemos el otro punto crítico P2 = (−4, 2) donde
!
−2 −2
e · (−6) e · (−8)
H f (P2) = −2 −2 .
e · (−8) e · (−12)

Es claro que a11 = −6e−2 < 0, y por otro lado el cálculo del determi-
nante arroja

det(H f (P1)) = (e−2)2(6 · 12 − 8 · 8) = e−4 · 8 > 0.

El criterio del determinante nos dice que este Hessiano es definido ne-
gativo, y entonces f tiene un máximo local estricto en P2 = (−4, 2).

Esta función no tiene ningún mínimo local, y tiene un sólo máximo

local. Puede verse su gráfico en el applet de Geogebra.
Para estudiar extremos de funciones de 3 variables, también hay un cri-
terio para decidir los signos de los autovalores usando el determinante,
que es útil aunque algo más técnico:

Página 174 de 191 174 2021

FCEN-UBA Álgebra lineal y Cálculo

TEOREMA 6.1.10 (Criterio del determinante 3 × 3). Sea

 
a11 a12 a13
M =  a21 a22 a23 
 
a31 a32 a33

matriz simétrica 3 × 3, a la sub-matriz de 2 × 2

!
a11 a12
MP =
a21 a22

se la denomina menor principal de M. Entonces M es

 semi-definida ⇐⇒ det(M) = 0.

 definida positiva ⇐⇒ (det(M) > 0 ∧ det(MP) > 0 ∧ a11 > 0).

 definida negativa ⇐⇒ (det(M) < 0 ∧ det(MP) > 0 ∧ a11 < 0).

 M es indefinida en todos los demás casos (siempre que det(M) , 0).

Nuevamente, el criterio nos dice qué signos tienen los autovalores de

M sin necesidad de hallarlos ni de diagonalizar M; para recordar el
criterio es útil recordar en primer lugar que

det(M) = λ1λ2λ3,

el determinante siempre es el producto de los autovalores.

Descartado el caso de algún autovalor nulo (que equivale a determinan-
te nulo) para saber si es positiva, negativa o indefinida son de ayuda los
siguientes dos diagramas que corresponden al caso definido positivo y
definido negativo respectivamente:
   
+ 0 0 − 0 0
0 + 0 0 − 0
0 0 + 0 0 −

2021 175 Página 175 de 191

FCEN-UBA Álgebra lineal y Cálculo

6.2. Optimización
• Corresponde a clases en video 6.4a, 6.4b

Recordemos aquí el

TEOREMA 6.2.1 (Weierstrass). Sea K ⊂ Rn, sea f : K → R. Entonces

f es acotada y alcanza máximo y mínimo en K.

El mismo nos será de utilidad para justificar por qué los extremos que
hallaremos serán absolutos en los ejemplos que siguen. En esta sección
discutiremos cómo modelar un problema con una función y hallar el
óptimo (la solución del problema) buscando los extremos de la función.

EJEMPLO 6.2.2 (Optimización). Queremos construir una caja con un

volumen de 1000cm3, de manera tal que la superficie total de la caja
sea mínima. ¿Qué dimensiones tienen que tener la caja?

Solución: Si la caja tiene dimensiones x, y, z (es un prisma rectangular,

o sea un ladrillo), entonces la restricción es que V = xyz = 1000. Por
otro lado, la superficie de las tapas sumadas es

S = 2xy + 2xz + 2yz.

Podemos usar la restricción z = 1000/(xy) para escribir la función a

minimizar
1000 1000 1 1
S(x, y) = 2xy + 2x + 2y = 2xy + 2000 + 2000 ,
xy xy y x
sabiendo que debe ser x, y, z > 0 puesto que son las longitudes de los
lados.
Antes de seguir, observamos que si x ó y tienden a 0, la superficie
tiende a infinito. Y también que ocurre lo mismo cuando x ó y tienden
a infinito. Entonces la función S no tiene máximo en la región

A = {(x, y) : x > 0, y > 0}.

Página 176 de 191 176 2021

FCEN-UBA Álgebra lineal y Cálculo

Veamos que tiene un mínimo local, que es además mínimo global. Para
ello calculamos las derivadas parciales de S y las igualamos a cero para
hallar los puntos críticos:
2000 2000
Sx(x, y) = 2y − = 0, Sy(x, y) = 2x − = 0.
x2 y2
La primer ecuación nos dice que x2y = 1000, mientras la segunda nos
dice que xy2 = 1000. Entonces debe ser x2y = xy2, y como x > 0, y > 0
podemos cancelar y debe ser x = y, pero de x2y = 1000 deducimos que
x3 = 1000, luego x = 10. Como y = x también debe ser y = 10. El único
punto crítico es P = (10, 10), allí la función vale

S(10, 10) = 2 · 102 + 200 + 200 = 600.

El punto P es mínimo global de S en la región A indicada más arriba,

nuestra intuición nos dice que tiene que haber un mínimo, y como hay
un único punto crítico tiene que ser en este punto.
Entonces el mínimo absoluto se alcanza cuando x = 10, y = 10, z = 10
(notar que es cuando la caja es cúbica).

OBSERVACIÓN 6.2.3. El número del volumen V = 1000 es anecdó-

tico. Revisando el razonamiento y las cuentas, vemos que la caja rec-
tangular con menor superficie (para un volumen dado) siempre tiene
todos sus lados iguales, es un cubo.

El argumento que dimos para concluir que el mínimo es absoluto

es un poco impreciso, ya que por ejemplo, la función podría tomar
valores menores que 600 sin tener un mínimo local, ya que el dominio
A no es acotado (o sea que nuestra justificación no es tan buena como
decíamos).
Un argumento más preciso sería: como S tiende a infinito tanto en los
bordes de la región como en infinito, podemos hallar un rectángulo R
dentro de A (que contenga al punto P) de manera tal que fuera del rec-
tángulo (y en el borde) la función sea estrictamente mayor que 600.

2021 177 Página 177 de 191

FCEN-UBA Álgebra lineal y Cálculo

Restringimos la función S al rectángulo R y buscamos el mínimo ab-

soluto de S|R (que existe por el Teorema de Weirstrass). El mínimo
no puede estar en el borde porque allí es estrictamente mayor que en
P, donde S vale 600. Entonces el mínimo se alcanza en un punto del
interior de R, y en ese punto el gradiente tiene que ser nulo pues en
particular es mínimo local. Pero como el único punto donde se anula el
gradiente de S es P, el mínimo absoluto tiene que ser P.
Ahora bien, esto de que la función a minimizar tiende a infinito en los
ejes y en infinito, también es un tanto impreciso, y deberíamos poder
mostar el recinto R donde estamos seguros que debe estar el óptimo.
No vamos a hacer esto en general, pero para este ejemplo particular
vamos a mostrar cómo se puede hacer.
Será útil el siguiente cálculo auxiliar: para
√ t > 0, la función g(t) =
40
t+√ t tiene un mínimo absoluto en t = 2 10, y el valor mínimo es
4 10. Esto es fácil de ver haciendo un estudio del crecimiento y de-
crecimiento de la función: como g0(t) = 1 − 40 , la derivada es negativa
√ √ t2
para t ∈ (0, 2 10) y positiva para t > 10.
Supongamos que y ≥ 25, entonces
2000 2000 2000
S(x, y) = 2xy + + ≥ 50x +
y x x
40 √
= 50(x + ) ≥ 50 · 4 10 ' 632 > 600 = S(P).
x
Similarmente, cuando x ≥ 25 entonces S(x, y) > 600. Ahora suponga-
mos que 0 < y ≤ 1, entonces 1/y ≥ 1 y así
2000 2000 2000
S(x, y) = 2xy + + > ≥ 2000 > 600 = S(P).
y x y
Con el mismo argumento S(x, y) > 600 = S(P) si 0 < x ≤ 1.
Ya tenemos nuestra región, ahora podemos precisar el argumento para
terminar de probar que el mínimo absoluto de S está en el punto P =
(10, 10). Sea

R = {(x, y) : 1 ≤ x ≤ 25, 1 ≤ y ≤ 25},

Página 178 de 191 178 2021

FCEN-UBA Álgebra lineal y Cálculo

las cotas que encontramos recién nos dicen que en el borde y por fuera
de R tenemos S > 600. Buscamos el mínimo absoluto de S|R (que existe
ya que S es continua y R es compacto). Tiene que estar en el interior,
porque P ∈ R◦ y alli la función vale 600 (mientras que en el borde
es estrictamente mayor). Como el mínimo tiene que estar en el interior,
que es abierto, el gradiente tiene que ser nulo allí. Como el único punto
crítico que hallamos fue P, ese tiene que ser el mínimo absoluto de S|R,
y por ende es el mínimo absoluto de S|A.

EJEMPLO 6.2.4. Queremos construir de nuevo una caja pero ahora

tenemos 12m2 de cartón para las 6 tapas, entonces ¿Cuáles son las di-
mensiones de la caja para que el volumen contenido sea máximo?
El volumen de la caja es nuevamente V = xyz donde x, y, z son las va-
riables positivas que representan las longitudes de los lados de la caja.
La restricción para la superficie es que

S = 2xy + 2xz + 2yz = 12.

De esta restricción podemos despejar una de las variables, nuevamente

elegimos despejar z, como 2xy + 2(x + y)z = 12 obtenemos
12 − 2xy 6 − xy
z= = .
2(x + y) x+y
Antes de seguir vamos a hacer una observación: como debe ser z > 0
tenemos una restricción adicional que es
6 − xy
> 0,
x+y
como x + y > 0 (pues tanto x como y lo son) debe ser 6 − xy > 0, o
equivalentemente xy < 6.
Entonces la función volumen a optimizar es
6 − xy 6xy − x2y2
V (x, y) = xy · =
x+y x+y

2021 179 Página 179 de 191

FCEN-UBA Álgebra lineal y Cálculo

en el dominio

A = {(x, y) : x > 0, y > 0, xy < 6}.

Vamos a hallar los puntos críticos de V en la región A, para eso vemos

dónde se anula el gradiente
−y2(x2 + 2xy − 6)
Vx(x, y) = = 0,
(x + y)2

−x2(y2 + 2xy − 6)
Vy(x, y) = 2
= 0,
(x + y)
Descartada la solución nula, tenemos dos ecuaciones

x2 + 2xy − 6 = 0, y2 + 2xy − 6 = 0.

Si las restamos obtenemos x2 = y2 y como ambos son positivos debe ser

x = y. Reemplazamos en la primer ecuación y nos queda x2 + 2x2 −√ 6=
0 lo que nos dice que 3x2 = 6, luego x2 = 2 y así debe ser x = y = 2.
√ √
El único punto crítico de V es P = ( 2, 2) y allí el volumen vale
√ √ 6−2 4 √
V ( 2, 2) = 2 · √ = √ = 2 2
2 2 2
(en el último paso racionalizamos la fracción). Afirmamos que este es
el máximo absoluto de la función V en la región A. El argumento es
similar al del ejemplo anterior:
Podemos calcular z pues lo teniamos en función √
de x, y. Entonces el
máximo se alcanza cuando x = y = z = 2, y este volumen
volumen √
es V = 2 2.

OBSERVACIÓN 6.2.5. Nuevamente podemos observar que el óptimo

se alcanza cuando los tres lados son iguales, y la caja es un cubo. Es-
to es válido para cualquier restricción de superficie: la caja que tiene
mayor volumen (para una superficie dada) es cúbica.

Página 180 de 191 180 2021

FCEN-UBA Álgebra lineal y Cálculo

6.3. Extremos absolutos

• Corresponde a clase en video 6.5

Nuevamente enunciamos el Teorema de Weierstarass, ya que en esta

sección estudiaremos extremos de funciones en regiones compactas.

TEOREMA 6.3.1 (Weierstrass). Sea K ⊂ Rn, sea f : K → R. Entonces

f es acotada y alcanza máximo y mínimo en K.

Entonces podemos garantizar que restrigiendo adecuadamente el do-

minio, una función continua siempre tendrá máximo y mínimo (que
se puede alcanzar en uno o más puntos del dominio, como discutimos
anteriormente). Lo que hay que tener presente, es que los extremos se
pueden alcanzar tanto dentro del dominio como en los bordes. Comen-
cemos con una variable.

EJEMPLO 6.3.2 (Extremos absolutos en un intervalo). Hallar los ex-

tremos absolutos de
−2x2 +3x
f (x) = 10x · e
en el intervalo [−1, 0]. Calculamos la derivada
0 −2x2 +3x −2x2 +3x
f (x) = 10 · e + 10x · e · (−4x + 3)
2 +3x
= 10 · e−2x · (−4x2 + 3x + 1)

y buscamos los puntos críticos igualandola a cero. Tenemos que buscar

las raíces de
−4x2 + 3x + 1 = 0
que son x1 = −1/4, x2 = 1 (pero el segundo no está en el intervalo
que nos interesa). Agregando los bordes, los puntos críticos en nuestro
intervalo son
p.c. = {−1, −1/4, 0}.
No es necesario hacer un estudio del tipo de punto crítico, porque bus-
camos extremos absolutos. Hacemos una lista del valor de f en cada

2021 181 Página 181 de 191

FCEN-UBA Álgebra lineal y Cálculo

punto crítico y los comparamos. El valor máximo y el valor mínimo es

lo que buscamos:
x f (x)
−1 10e−2−3 · (−1) −10e−5 ' −0, 066
−1/4 10e−1/8−3/4 · (−1/4) −5/2 · e−7/8 ' −1, 04 mín.
0 10e0 · 0 0 ' 0 máx.

Notamos que el mínimo se alcanza en el interior del intervalo [−1, 0],

pero el máximo se alcanza en un borde.

Vamos a terminar este texto con un ejemplo de extremos absolutos para

una función de dos variables.

EJEMPLO 6.3.3. Hallar los extremos absolutos de

f (x, y) = x2 + y2 − 2x − 2y

en el conjunto K = {(x.y) : x2 + y2 ≤ 4}. Claramente f es continua y el

conjunto es compacto, así que existen máximo y mínimo absoluto de
f |K .
Para hallarlos busquemos primero los puntos críticos en el interior del
conjunto, para eso buscamos donde se anula el gradiente de f

fx(x, y) = 2x − 2 = 0, fy(x, y) = 2y − 2 = 0.

Encontramos el punto P = (1, 1) como único punto crítico, y vemos que

está en el interior de K (que es un disco de radio 2). Ahora queremos
estudiar f |bd(K) pero a diferencia del caso de una variable, el borde es
toda una curva (son infinitos puntos).
Lo que vamos a hacer es estudiar f con esa restricción, para eso nota-
mos que la curva
α(t) = (2 cos(t), 2 sen(t))
recorre el borde de K cuando t ∈ [0, 2π]. Entonces le damos a (x, y)

Página 182 de 191 182 2021

FCEN-UBA Álgebra lineal y Cálculo

esos valores y estaremos evaluando f únicamente en el borde,

t 7→ f (2 cos(t), 2 sen(t)).

Llamemos g(t) a esta composición (g es una función auxiliar). Tene-

mos que estudiar entonces los extremos en el intervalo I = [0, 2π] de la
función

g(t) = f (2 cos(t), 2 sen(t))

g(t) = (2 cos(t))2 + (2 sen(t))2 − 2 · 2 cos(t) − 2 · 2 sen(t)
g(t) = 4 − 4 cos(t) − 4 sen(t).

En este caso entonces, redujimos el problema de estudiar f en el borde

de K a estudiar una función de un variable en un intervalo compacto.
Es un problema auxiliar, lo resolvemos como hicimos con el primer
ejemplo: tenemos t = 0,t = 2π como puntos críticos por estar en el
borde del intervalo y ahora buscamos también los ceros de la derivada
de g en el interior del intervalo

g0(t) = 4 sen(t) − 4 cos(t) = 0,

de donde vemos que debe ser cos(t) = sen(t). Notemos que si el co-
seno se anula (en π/2 y también en 3π/2), la ecuación no se verifica
porque el seno no se anula allí. Entonces podemos suponer que t no es
ninguno de estos dos números y dividir por cos(t) para ver que debe
ser tg(t) = 1. Las soluciones de esta ecuación son 2: tenemos t1 = π/4
y también t2 = 5π/4 (también puede verse que en esos dos puntos de la
circunferencia trigonométrica es donde el seno es igual al coseno).
Resumiendo los puntos críticos de g en el intervalo [0, 2π] son

p.c. = {0, π/4, 5π/4, 2π}.

Pero ¿a qué puntos del borde de la circunferencia corresponden estos

valores de t? Es fácil de calcular, ya que estamos recorriendo la cir-

2021 183 Página 183 de 191

FCEN-UBA Álgebra lineal y Cálculo

cunferencia de radio 2 con el parámetro del arco. Reemplazamos en la

parametrización α(t) y vemos que corresponden a los puntos
√ √ √ √
p.c. = {(2, 0) ; ( 2, 2) ; (− 2, − 2) ; (2, 0)}

Estos son los puntos críticos de f |bd(K), el punto (2, 0) aparece repetido
porque la curva que usamos para parametrizar el borde comienza y
termina en el mismo lugar. Entonces tenemos que sumar estos puntos
críticos al del interior P = (1, 1) y esos son todos los puntos críticos
de f |K , los extremos absolutos tienen que estar entre ellos. Hacemos la
tabla de valores y buscamos máximo y mínimo:
(x, y) f (x, y)
(1, 1) 1+1−2−2 −2 ' −2 mín.
(2, 0) 4+0−4−0 0 ' 0
√ √ √ √ √
( 2, 2) 2 + 2 − 2 2 − 2 2 4 − 4 2 ' −1, 65
√ √ √ √ √
(− 2, − 2) 2 + 2 + 2 2 + 2 2 4 + 4 2 ' 9, 65 máx.
Esta función alcanza máximo absoluto en el borde del disco de radio
2, y el mínimo absoluto en el interior. Puede verse su gráfico en el
applet de Geogebra.
Estos ejemplos concluyen nuestra presentación de los temas de extre-
mos absolutos de funciones, con los que cerramos el texto y nos des-
pedimos; ojalá les haya sido útil y a la vez entretenido.

Página 184 de 191 184 2021

Índice alfabético
A acotado superiormente . . . . 57
cerrado . . . . . . . . . . . . . . . . . . 66
area entre curvas . . . . . . . . . . . 151
compacto . . . . . . . . . . . . . . . . 69
autoespacio . . . . . . . . . . . . . . . . . 50
conexo . . . . . . . . . . . . . . . . . 113
autovalor . . . . . . . . . . . . . . . . . . . 50
cono . . . . . . . . . . . . . . . . . . . . . . . 90
autovector . . . . . . . . . . . . . . . . . . 50
continuidad
B de una función . . . . . . . . . . 111
base esencial . . . . . . . . . . . . . . . . . 111
de autovectores . . . . . . . . . . . 52 evitable . . . . . . . . . . . . . . . . . 111
ortogonal . . . . . . . . . . . . . . . . 43 cota inferior . . . . . . . . . . . . . . . . 57
ortonormal . . . . . . . . . . . . . . . 43 cota superior . . . . . . . . . . . . . . . 57
bola abierta . . . . . . . . . . . . . . . . . 62 criterio del determinante . . . 172,
borde de un conjunto . . . . . . . . 65 174
criterio del Hessiano . . . . . . . 168
C
cuádrica, superficie . . . . . . 83, 87
cambio de base . . . . . . . . . . . . . 48 curvas de nivel . . . . . . . . . . . . . . 83
cilindro hiperbólico . . . . . . . . . 93
D
cilindro parabólico . . . . . . . . . . 76
cilindro recto . . . . . . . . . . . . . . . 92 derivada . . . . . . . . . . . . . . . . . . 115
clausura de un conjunto . . . . . . 66 derivadas
cociente incremental . . . . . . . 115 cruzadas . . . . . . . . . . . . . . . . 145
combinación lineal . . . . . . . . . . 24 direccionales . . . . . . . . . . . . 128
trivial . . . . . . . . . . . . . . . . . . . . 34 parciales . . . . . . . . . . . . . . . . 124
complemento de un conjunto . 63 sucesivas . . . . . . . . . . . . . . . 122
conjunto determinante . . . . . . . . . . . . . . . 28
abierto . . . . . . . . . . . . . . . . . . . 63 diagonalización . . . . . . . . . . . . . 52
acotado . . . . . . . . . . . . . . . . . . 69 de una matriz simétrica . . . . 53
acotado inferiormente . . . . . 57 dimensión

185
FCEN-UBA Álgebra lineal y Cálculo

del conjunto de soluciones . 18 primitiva . . . . . . . . . . . . . . . . 148

Teorema de la (matrices) . . 42 sobreyectiva . . . . . . . . . . . . . . 39
dirección (de un vector) . . . . . . . 8 G
dirección de mayor crecimiento
130 Gauss, método de . . . . . . . . . . . 18
disco abierto . . . . . . . . . . . . . . . . 62 gráfico . . . . . . . . . . . . . . . . . . . . . 71
distancia . . . . . . . . . . . . . . . . . . . 62 H
dominio de una función . . . . . . 39
hiperboloide
E de dos hojas . . . . . . . . . . . . . . 91
ecuación diferencial . . . . . . . . 153 de una hoja . . . . . . . . . . . . . . . 88
ecuación lineal . . . . . . . . . . . . . . 16 I
eje . . . . . . . . . . . . . . . . . . . . . . . . . . 8
imagen de una función. . . . . . .39
de abcisas . . . . . . . . . . . . . . . . . 8
independencia lineal . . . . . . . . .33
de ordenadas . . . . . . . . . . . . . . 8
infimo . . . . . . . . . . . . . . . . . . . . . 58
elipsoide . . . . . . . . . . . . . . . . . . . 95
integración por partes . . . . . . 150
esfera . . . . . . . . . . . . . . . . . . . . . . 88
integral
extremo (de un vector) . . . . . . . . 8
definida . . . . . . . . . . . . . . . . . 149
F indefinida . . . . . . . . . . . . . . . 148
forma canónica L
de una cuádrica . . . . . . . . . . . 83 límite
de una función cuadrática . . 77 a lo largo de curvas . . . . . . 106
frontera de un conjunto . . . . . . 65 de la composición . . . . . . . 102
función de la suma . . . . . . . . . . . . . . 102
antiderivada . . . . . . . . . . . . . 148 del cociente . . . . . . . . . . . . . 102
continua . . . . . . . . . . . . . . . . 111 del producto. . . . . . . . . . . . .102
creciente . . . . . . . . . . . . . . . . 121 en Rn . . . . . . . . . . . . . . . . . . . 101
cuadrática . . . . . . . . . . . . 39, 73 en infinito . . . . . . . . . . . . . . . 100
de clase Ck . . . . . . . . . 122, 125 en una variable . . . . . . . . . . . 99
decreciente . . . . . . . . . . . . . . 121 lateral . . . . . . . . . . . . . . . . . . 101
derivable . . . . . . . . . . . . . . . . 119 que da infinito . . . . . . . . . . . 102
escalar . . . . . . . . . . . . . . . . . . . 71 longitud (de un vector) . . . . . . . . 8
integral . . . . . . . . . . . . . . . . . 149
inyectiva . . . . . . . . . . . . . . . . . 39
M
módulo . . . . . . . . . . . . . . . . . . 60 máximo . . . . . . . . . . . . . . . . . . . . 59

Página 186 de 191 186 2021

FCEN-UBA Álgebra lineal y Cálculo

absoluto . . . . . . . . . . . . . . . . 181 semi-definida positiva . . . . . 54

local. . . . . . . . . . . . . . . . . . . . 161 simétrica . . . . . . . . . . . . . . . . . 23
método de separación de tamaño . . . . . . . . . . . . . . . . . . 21
variables . . . . . . . . . . . . . . 155 traspuesta . . . . . . . . . . . . . . . . 22
módulo . . . . . . . . . . . . . . . . . . . . 60
N
mínimo . . . . . . . . . . . . . . . . . . . . 59
absoluto . . . . . . . . . . . . . . . . 181 núcleo de una matriz . . . . . . . . 40
local. . . . . . . . . . . . . . . . . . . . 161 O
matriz . . . . . . . . . . . . . . . . . . . . . 21
operaciones con filas . . . . . . . . 17
ampliada de un sistema lineal
orientación de una base
18
en el espacio . . . . . . . . . . . . . 47
autovalor . . . . . . . . . . . . . . . . . 50
en el plano . . . . . . . . . . . . . . . 44
autovector . . . . . . . . . . . . . . . . 50
origen (de un vector) . . . . . . . . . 8
coeficientes . . . . . . . . . . . . . . 21
origen de coordenadas . . . . . . . . 8
de cambio de base . . . . . . . . 48
de rotación en el espacio . . . 45 P
de rotación en el plano . . . . 43 par ordenado . . . . . . . . . . . . . . . . 8
de simetría . . . . . . . . . . . . . . . 44 paraboloide de revolución . . . . 74
definida negativa . . . . . . . . . . 54 paraboloide elíptico . . . . . . . . . 75
definida positiva . . . . . . . . . . 54 partes (método de integración)
diagonal . . . . . . . . . . . . . . . . . 52 150
diagonalizable . . . . . . . . . . . . 52 plano
diferencial (de un campo) . 132 cartesiano . . . . . . . . . . . . . . . . . 8
Hessiana . . . . . . . . . . . . . . . . 145 ecuación implícita . . . . . . . . 15
identidad . . . . . . . . . . . . . . . . . 26 euclideo. . . . . . . . . . . . . . . . . . .8
indefinida . . . . . . . . . . . . . . . . 54 forma paramétrica . . . . . . . . 14
inversa . . . . . . . . . . . . . . . . . . . 27 por tres puntos . . . . . . . . . . . . 14
inversible . . . . . . . . . . . . . . . . 28 plano tangente . . . . . . . . . . . . . 126
núcleo . . . . . . . . . . . . . . . . . . . 40 polinomio característico de una
nula . . . . . . . . . . . . . . . . . . . . . 26 matriz . . . . . . . . . . . . . . . . . 50
operaciones con . . . . . . . . . . 21 polinomio de Taylor . . . . . . . . 137
ortogonal . . . . . . . . . . . . . . . . 43 primitiva (de una función . . . 148
polinomio característico . . . 50 producto
rango . . . . . . . . . . . . . . . . . . . . 40 cartesiano . . . . . . . . . . . . . . . . . 8
semi-definida negativa . . . . . 54 de matrices . . . . . . . . . . . . . . . 22

2021 187 Página 187 de 191

FCEN-UBA Álgebra lineal y Cálculo

de un número por un vector . 9 incompatible . . . . . . . . . . . . . 18

interno (o escalar) de vectores solución . . . . . . . . . . . . . . 16, 18
10 subespacio . . . . . . . . . . . . . . 25, 33
vectorial . . . . . . . . . . . . . . . . . 14 base de . . . . . . . . . . . . . . . . . . 35
propiedad dimensión . . . . . . . . . . . . . . . . 35
“cero por acotada” (del límite) generadores . . . . . . . . . . . 25, 35
103 suma
del sandwich (del límite) . 103 de matrices . . . . . . . . . . . . . . . 22
punto crítico . . . . . . . . . . . . . . . 165 de vectores . . . . . . . . . . . . . . . . 9
punto interior . . . . . . . . . . . . . . . 63 superficie
punto silla . . . . . . . . . . . . . . . . . 167
cilíndrica . . . . . . . . . . . . . . . . 92
R esférica . . . . . . . . . . . . . . . . . . 88
rango de una matriz . . . . . . . . . 40 superficies de nivel . . . . . . . . . . 87
recta tangente . . . . . . . . . . . . . 117 supremo . . . . . . . . . . . . . . . . . . . 58
rectas sustitución (método de
alabeadas . . . . . . . . . . . . . . . . 16 integración) . . . . . . . . . . . 150
ortogonales . . . . . . . . . . . . . . 16
paralelas . . . . . . . . . . . . . . 13, 16 T
regla de la cadena . . . . . 119, 134 Taylor
regla de la mano derecha . . . . . 47
de primer orden . . . . . . . . . 138
regla del paralelogramo . . . . . . . 9
de segundo orden . . . . . . . . 140
S de segundo orden (2 variables)
segmento . . . . . . . . . . . . . . . . . . . 12 144
segunda Ley de Newton . . . . 157 Teorema
sentido (de un vector) . . . . . . . . . 8 de Bolzano . . . . . . . . . . . . . . 114
silla de montar . . . . . . . . . . . . . . 75 de la dimensión para matrices
sistema de ecuaciones lineales16 42
sistema lineal de Lagrange . . . . . . . . . . . . . 121
clasificación . . . . . . . . . . . . . . 18 de Rolle . . . . . . . . . . . . . . . . 121
compatible determinado . . . 18 de Weierstrass . . . . . . . . . . . 114
compatible indeterminado . 18 fundamental del cálculo
equivalente . . . . . . . . . . . . . . . 16 integral . . . . . . . . . . . . . . . 151
homogéneo asociado . . . . . . 23 terna ordenada . . . . . . . . . . . . . . 11
homogéno . . . . . . . . . . . . . . . 16 transformación lineal . . . . . . . . 40

Página 188 de 191 188 2021

FCEN-UBA Álgebra lineal y Cálculo

V gradiente . . . . . . . . . . . . . . . 124
longitud . . . . . . . . . . . . . . . . . 10
valor máximo (de una función) norma . . . . . . . . . . . . . . . . . . . 10
115 ortogonal . . . . . . . . . . . . . . . . 11
valor mínimo (de una función) vectores
115 linealmente dependientes . . 33
vector . . . . . . . . . . . . . . . . . . . . . . . 8 linealmente independientes 33

2021 189 Página 189 de 191

FCEN-UBA Álgebra lineal y Cálculo

Página 190 de 191 190 2021

Bibliografía
[1] R. Courant, J. Fritz, Introducción al cálculo y el análisis
matemático. Vol. 1 y 2, Ed. Limusa-Wiley , Méjico, 1998.
[2] S. Lang, Introducción al álgebra lineal. Ed. Addison-
Wesley Iberoamericana, Argentina, 1990.
[3] G. Larotonda, Cálculo y Análisis. Publicaciones del De-
partamento de Matemática de la FCEyN-UBA (2010).
[4] J.E. Marsden, A.J. Tromba, Cálculo vectorial. Ed.
Addison-Wesley Iberoamericana, Argentina, 1991.
[5] R. J. Noriega, Cálculo diferencial e integral. Ed. Docen-
cia, Buenos Aires, 1987.
[6] J. Stewart Cálculo en varias variables. 7ma edición, Cen-
gage Learning Editores (2012).

191