Universidad Tecnica Federico Santa Mara

Apuntes MAT023

Fernando Iturbe Pemjean

Indice
1. Pr
ologo

2. Desarrollo
2.1. Calculo en varias variables . . . . . . . . . . . . . . . . . . . . .
2.1.1. Ayudas . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Recorrido de una funci
on de varias variables . . . . . . . . . . .
2.2.1. Ejemplo: . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Superficies Cuadr
aticas . . . . . . . . . . . . . . . . . . . . . .
2.3.1. Esfera . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2. Paraboloide . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3. Cono Elptico . . . . . . . . . . . . . . . . . . . . . . . .
2.3.4. Elipsoide . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.5. Hiperboloide de una hoja . . . . . . . . . . . . . . . . .
2.3.6. Hiperboloide de dos hojas . . . . . . . . . . . . . . . . .
2.3.7. Paraboloide Hiperb
olica . . . . . . . . . . . . . . . . . .
2.3.8. Obtener vertices: . . . . . . . . . . . . . . . . . . . . . .
2.4. Curvas de nivel . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.1. Ejemplo: . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Limites en Varias Variables . . . . . . . . . . . . . . . . . . . .
2.5.1. Distancia entre dos puntos . . . . . . . . . . . . . . . .
2.5.2. Bola Abierta . . . . . . . . . . . . . . . . . . . . . . . .
2.5.3. Punto Interior . . . . . . . . . . . . . . . . . . . . . . .
2.5.4. Punto Frontera: . . . . . . . . . . . . . . . . . . . . . . .
2.5.5. Regi
on Abierta . . . . . . . . . . . . . . . . . . . . . . .
2.5.6. Regi
on Cerrada . . . . . . . . . . . . . . . . . . . . . . .
2.5.7. Lo que se entiende como lmite . . . . . . . . . . . . . .
2.5.8. Definici
on de Limite en Varias Variables: . . . . . . . .
2.5.9. Metodos para demostrar la NO existencia de un Limite
2.5.10. Teorema de Acotamiento (Teorema del Sandwich) . . .
2.5.11. Desigualdades u
tiles para resolver lmites . . . . . . . .
2.5.12. Cambio a Polares . . . . . . . . . . . . . . . . . . . . . .
2.5.13. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.1. Observaciones: . . . . . . . . . . . . . . . . . . . . . . .
2.6.2. Algebra de funciones continuas . . . . . . . . . . . . . .
2.6.3. Funci
on compuesta . . . . . . . . . . . . . . . . . . . . .
2.6.4. Funciones Vectoriales . . . . . . . . . . . . . . . . . . .
2.6.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7. Derivadas Parciales . . . . . . . . . . . . . . . . . . . . . . . . .
2.7.1. Definici
on . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7.2. En dos variables . . . . . . . . . . . . . . . . . . . . . .
2.7.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8. Diferenciabilidad . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8.1. Relaci
on Continuidad - Diferenciabilidad . . . . . . . . .
2.8.2. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . .
2.8.3. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
2.9. Plano Tangente . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.9.1. Ecuaci
on del plano . . . . . . . . . . . . . . . . . . . . .
1

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

6
6
6
6
6
7
7
8
8
8
9
9
9
10
10
10
12
13
13
13
13
13
14
14
14
15
15
16
17
17
17
19
19
19
19
19
20
21
21
21
21
22
22
22
22
23
23

2.9.2. Componentes . . . . . . . . . . . . . . . . .
2.9.3. Ecuaci
on del plano - Derivadas Parciales . .
2.9.4. Ejercicios . . . . . . . . . . . . . . . . . . .
2.10. Derivadas de Orden Superior . . . . . . . . . . . .
2.10.1. Derivada Total . . . . . . . . . . . . . . . .
2.10.2. Derivadas Parciales Iteradas . . . . . . . . .
2.10.3. Eiercicios . . . . . . . . . . . . . . . . . . .
2.10.4. Gradiente . . . . . . . . . . . . . . . . . . .
2.11. Uso de Recta Normal y Plano Tangente . . . . . .
2.11.1. Plano tangente para la forma implcita: . .
2.11.2. Ecuaci
on del plano respecto al Gradiente .
2.11.3. Recta Normal . . . . . . . . . . . . . . . . .
2.11.4. Ejemplo calculo plano tangente . . . . . . .

2.11.5. Angulo
de inclinaci
on del plano tangente .
2.11.6. Ejercicios . . . . . . . . . . . . . . . . . . .
2.12. Derivada Direccional . . . . . . . . . . . . . . . . .
2.12.1. Calcular Vectores unitarios: . . . . . . . . .
2.12.2. Ejemplo: . . . . . . . . . . . . . . . . . . . .
2.12.3. Producto punto entre dos vectores . . . . .
2.12.4. Derivadas direccionales - producto punto .
2.12.5. Propiedades de la Derivada Direccional . .
2.12.6. Ejercicios . . . . . . . . . . . . . . . . . . .
2.13. Regla de la Cadena . . . . . . . . . . . . . . . . . .
2.13.1. En una variable . . . . . . . . . . . . . . . .
2.13.2. En varias variables . . . . . . . . . . . . . .
2.13.3. Definici
on General . . . . . . . . . . . . . .
2.13.4. Caso de Segundo Orden . . . . . . . . . . .
2.13.5. Ejercicios . . . . . . . . . . . . . . . . . . .
2.14. Extremos en Varias Variables . . . . . . . . . . . .
2.14.1. Definici
on . . . . . . . . . . . . . . . . . . .
2.14.2. Encontrar M
aximos y Mnimos candidatos .
2.14.3. Puntos Crticos . . . . . . . . . . . . . . . .
2.14.4. Ejercicios . . . . . . . . . . . . . . . . . . .
2.15. Hessiano . . . . . . . . . . . . . . . . . . . . . . . .
2.15.1. La matriz Hessiana . . . . . . . . . . . . . .
2.15.2. En dos variables: . . . . . . . . . . . . . . .
2.15.3. Ejercicios . . . . . . . . . . . . . . . . . . .
2.16. Maximos y Minimos condicionados (Lagrange) . .
2.16.1. Ejercicios . . . . . . . . . . . . . . . . . . .
3. Teorema de la Funci
on
3.1. En dos variables . .
3.2. Teorema General . .
3.3. Ejercicios . . . . . .
3.4. Funcion Inversa . . .
3.4.1. Condiciones .
3.4.2. Ejemplo . . .
3.4.3. Ejercicios . .

Implcita
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

23
23
23
24
24
24
25
25
26
26
26
26
26
27
27
28
28
28
28
28
29
29
30
30
30
31
31
31
32
32
32
32
32
33
33
33
33
35
35

.
.
.
.
.
.
.

36
36
36
37
38
38
38
39

4. Transformaciones Lineales
4.1. Definici
on: . . . . . . . . . . . . . . .
4.2. Matriz de la Transformaci
on . . . . .
4.3. Kernel (n
ucleo) de la Transformacion
4.4. Imagen de la Transformaci
on Lineal
4.5. Ejercicios . . . . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

40
40
40
41
41
41

5. Ecuaciones Diferenciales
5.1. Comparaci
on entre lo pasado y lo que pasaremos . . . . . . . . . .
5.2. Como saber si una funci
on es solucion de la Ecuacion Diferencial?
5.3. Orden de una ecuaci
on diferencial . . . . . . . . . . . . . . . . . .
5.3.1. Lineal o no lineal . . . . . . . . . . . . . . . . . . . . . . . .
5.4. Metodos de Resoluci
on . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.1. Variables Separables . . . . . . . . . . . . . . . . . . . . . .
5.4.2. Resoluci
on de una Ecuaci
on Lineal de primer orden . . . .
5.4.3. Ecuaciones Homogeneas: . . . . . . . . . . . . . . . . . . . .
5.4.4. Ecuaciones de Bernoulli: . . . . . . . . . . . . . . . . . . . .
5.4.5. Ecuaciones de Ricatti . . . . . . . . . . . . . . . . . . . . .
5.4.6. Reducci
on a separaci
on de variables . . . . . . . . . . . . .
5.4.7. Reducci
on a Homogeneas . . . . . . . . . . . . . . . . . . .
5.4.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5. Aplicaci
on de las Ecuaciones Diferenciales . . . . . . . . . . . . . .
5.5.1. Crecimiento Exponencial . . . . . . . . . . . . . . . . . . .
5.5.2. Ley de Enfriamiento de Newton . . . . . . . . . . . . . . . .
5.6. Ecuaciones diferenciales de Orden Superior . . . . . . . . . . . . .
5.7. Problema de Valor Inicial (PVI) . . . . . . . . . . . . . . . . . . .
5.8. Como solucionar ecuaciones lineales de orden superior? . . . . . .
5.9. Ecuaci
on homogenea . . . . . . . . . . . . . . . . . . . . . . . . . .
5.10. El Wronskiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.11. Metodo de reducci
on de orden . . . . . . . . . . . . . . . . . . . . .
o
5.12. Ecuaciones de 2 Orden con coeficientes constantes . . . . . . . . .
5.12.1. Variaci
on de Par
ametros: . . . . . . . . . . . . . . . . . . .
5.12.2. Anuladores (Aniquiladores) . . . . . . . . . . . . . . . . . .
5.12.3. Tecnicas para obtener el Anulador: . . . . . . . . . . . . . .
5.12.4. Ecuaciones exactas . . . . . . . . . . . . . . . . . . . . . . .
5.12.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

43
43
43
43
44
44
44
44
45
45
45
45
46
46
46
46
46
47
47
47
48
48
48
48
50
50
51
53
53

6. Transformada de Laplace
6.1. Razones trigonometricas u
tiles: . . . . . . . . . . . . . . . .
6.2. Completaci
on de cuadrados: . . . . . . . . . . . . . . . . .
6.3. Funciones Hiperb
olicas: . . . . . . . . . . . . . . . . . . . .
6.4. Tabla para calcular Transformadas de Laplace elementales:
6.5. Transformada de Laplace para una funcion por tramos: . .
6.6. Primer Teorema de Traslaci
on: . . . . . . . . . . . . . . . .
6.7. Transformada inversa de Laplace: . . . . . . . . . . . . . . .
6.7.1. Propiedades: . . . . . . . . . . . . . . . . . . . . . .
6.8. Funcion Heaviside: . . . . . . . . . . . . . . . . . . . . . . .
6.9. Funcion Heaviside multiplicada por una funcion: . . . . . .
6.10. Segundo Teorema de Traslaci
on: . . . . . . . . . . . . . . .
6.11. En resumen, Teoremas Importantes: . . . . . . . . . . . . .
6.12. Transformada de Laplace en ecuaciones diferenciales: . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

54
54
54
54
54
55
55
55
55
55
56
56
57
57

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

6.13. Convoluci
on: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.14. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7. Producto Interno de Funciones
7.1. Propiedades . . . . . . . . . . .
7.2. Ejercicios . . . . . . . . . . . .
7.3. Conjunto Ortogonal . . . . . .
7.4. Ejercicios . . . . . . . . . . . .

57
58

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

59
59
59
59
59

8. Series de Fourier
8.1. Objetivo . . . . . . . . . . . . . . . . . . . . . . .
8.2. Identidades y C
alculos Importantes para agilizar
8.3. Procedimiento . . . . . . . . . . . . . . . . . . . .
8.4. Paridad de Funciones . . . . . . . . . . . . . . . .
8.4.1. Ejercicios . . . . . . . . . . . . . . . . . .
8.5. Extensiones par e impar . . . . . . . . . . . . . .
8.5.1. Ejercicios . . . . . . . . . . . . . . . . . .
8.6. Teorema de la convergencia en Series de Fourier .
8.6.1. Ejercicios . . . . . . . . . . . . . . . . . .
8.7. Derivaci
on e Integraci
on de Series de Fourier . .
8.8. Identidad de Parseval . . . . . . . . . . . . . . .
8.8.1. Ejercicios . . . . . . . . . . . . . . . . . .
8.9. Integrales de Fourier . . . . . . . . . . . . . . . .
8.9.1. Convergencia de la integral de Fourier . .
8.9.2. Integrales de Fourier de Cosenos y Senos .
8.9.3. Ejercicios . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

59
59
60
60
61
62
62
63
63
63
64
64
64
64
65
65
65

9. Transformada de Fourier
9.1. Aplicaciones . . . . . . . . . . . . . . .
9.2. Definici
on . . . . . . . . . . . . . . . .
9.3. Linealidad . . . . . . . . . . . . . . .
9.4. Teoremas Importantes . . . . . . . . .
9.4.1. Escalamiento . . . . . . . . . .
9.4.2. Simetra . . . . . . . . . . . . .
9.4.3. Desplazamiento en t . . . . . .
9.4.4. Desplazamiento en w . . . . . .
9.4.5. Diferenciaci
on en t . . . . . . .
9.4.6. Integraci
on en t . . . . . . . . .
9.4.7. Diferenciaci
on en w . . . . . .
9.4.8. Integraci
on en w . . . . . . . .
9.5. Producto Convoluci
on . . . . . . . . .
9.5.1. Definici
on . . . . . . . . . . . .
9.5.2. Propiedades de la Convolucion
9.5.3. Ejemplo . . . . . . . . . . . . .
9.6. Ejercicios . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

66
66
66
66
66
66
66
66
66
67
67
67
67
67
67
67
68
70

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1.

Pr
ologo

Este Apunte fue realizado clase a clase durante el semestre, resumiendo lo pasado para as tener
un documento de donde estudiar todo de manera ordenada y clara, puesto que hasta este momento
no existe ning
un texto oficial para el curso.
Se intento explicar cada t
opico de la manera mas clara posible con un lenguaje no tan matem
atico,
como suele ocurrir en la gran mayora de los textos, para as ser mas entendible para el alumno.
La idea de este apunte es que sea una gua en el transcurso del curso con el cual el estudiante pueda
comprender lo que se va pasando clase a clase mediante ejercicios desarrollados y planteados, el cual
no deja de lado los textos disponibles para la materia, pero puede ser un material de mano de uso
diario.
Fernando Iturbe Pemjean
Estudiante Ingeniera Civil Inform
atica
fernando.iturbe.12@sansano.usm.cl

2.

Desarrollo

2.1.

C
alculo en varias variables

El dominio de una funci

on en palabras simples son los valores que pueden tomar las variables tales
que se cumplan las condiciones dependiendo de la estructura de la funcion.
2.1.1.

Ayudas

Si se tiene una funci

on definida como ab entonces su dominio estara restringido omitiendo los
valores en los cuales b da cero.

Si una funci
on viene definida por a, entonces para que este definida en los reales, a siempre
debe ser mayor o igual a cero (a 0).
Si la funci
on esta definida por un logaritmo natural ln(a), entonces a debe ser distinto de cero,
ya que el logaritmo natural es indefinido en ese valor.

2.2.

Recorrido de una funci

on de varias variables

Son los valores que toma la funci

on, dependiendo el caso pueden ser todos los reales, solo los
positivos, negativos o con mas restricciones.
2.2.1.

Ejemplo:

f (x, y) =

p
1 x2 y 2

En este caso, como tenemos una raz cuadrada, todo su interior debe ser estrictamente mayor o igual
a cero, entonces:
1 x2 y 2 0
x2 + y 2 1
Que es el dominio de nuestra funci
on, lo cual si lo graficamos:

Es decir, la funci
on puede tomar todos los valores de cada par de puntos (x, y) pertenecientes al circulo
x2 + y 2 1.
Sea f (x, y) = z, ahora bien el recorrido de la funcion vendra dado por:
p
z = 1 x2 y 2
Si z 0, elevamos al cuadrado:
z 2 = 1 x2 y 2
6

Ordenando:
x2 + y 2 + z 2 = 1
Lo cual es una esfera, con el siguiente gr
afico:

Pero recordemos que restringimos z 0, entonces la grafica quedara de la siguiente manera:

Es decir, la mitad positiva de la esfera, formalmente:

Rec(f ) = [0, 1]

2.3.

Superficies Cuadr
aticas

Ecuacion General:
Ax2 + By 2 + Cz 2 + Dz = E
2.3.1.

Esfera

Ecuacion:
x2 + y 2 + z 2 = a2
Grafica:

2.3.2.

Paraboloide

Ecuacion:
z=

x2 y 2
+ 2
a2
b

Grafica:

2.3.3.

Cono Elptico

Ecuacion:
x2 y 2
z2
= 2+ 2
2
c
a
b
Grafica:

2.3.4.

Elipsoide

Ecuacion:
x2 y 2 z 2
+ 2 + 2 =1
a2
b
c
Grafica:

2.3.5.

Hiperboloide de una hoja

Ecuacion:
x2 y 2 z 2
+ 2 2 =1
a2
b
c
Grafica:

2.3.6.

Hiperboloide de dos hojas

Ecuacion:
z 2 x2 y 2
2 2 =1
c2
a
b
Grafica:

2.3.7.

Paraboloide Hiperb
olica

Ecuacion:
y 2 x2
z
2 =
2
b
a
c
Grafica:

2.3.8.

Obtener v
ertices:

Para obtener los respectivos vertices de las conicas una forma simple de obtenerlos es borrando
una de las variables y calcular el vertice la ecuacion que queda, por ejemplo:
f (x, y) = x2 + 2y 2
si borramos la variable x de la funci
on, nos quedara f (x, y) = 2y 2 , lo cual es una parabola con vertice
en (0, 0), analogamente lo mismo pasa borrando la variable y.
O bien si dejamos la ecuaci
on de la c
onica en su forma general:
x2 y 2
+ 2 =1
a2
b
los respectivos vertices de la c
onica ser
an a para el eje x y b para el eje y.

2.4.

Curvas de nivel

El conjunto de puntos en el plano donde la funcion f (x, y) tiene un valor constante f (x, y) = c, el
conjunto de todas las curvas de nivel conforman la grafica de f (x, y).
Para obtener las respectivas curvas de nivel hay que asignarles valores arbitrarios a c para ver como es
el comportamiento de la funci
on en ese n
umero (Lo ideal ), realizarlo las veces que sea necesario para
saber completamente la forma de la gr
afica de la funcion.

2.4.1.

Ejemplo:

f (x, y) = 100 4x2 2y 2

Es decir: c = 100 4x2 2y 2 , para que se haga mas simple el calculo hay que tomar valores con los
cuales quede una ecuaci
on simple, por ejemplo c = 50:
50 100 = 4x2 2y 2
50 = 4x2 + 2y 2
50
y2
= x2 +
4
2
Lo cual si lo graficamos es una elipse.
Ahora bien si elegimos c = 100, nos dar
a un punto, el cual veremos que sera la c
uspide de nuestra
grafica, si seguimos dando valores arbitrarios a c nos daremos cuenta que se formaran solo elipses de
distintos tama
nos, que mientras nos acercamos a el valor 100, el tama
no de estas ira disminuyendo,
en conjunto todas las curvas de nivel quedaran de la siguiente forma:

10

Luego para hacer la gr

afica de de esta funcion debemos ver cual es su forma, ya que puede que en
algunos casos con tan solo las curvas de nivel pueden haber muchas superficies cuadricas candidatas.
Para saber la forma que toma debemos eliminar una de las variables y ver la grafica formada, por
ejemplo en el caso anterior si y = 0, nos queda:
f (x, y) = 100 4x2
Lo cual es una par
abola hacia abajo con vertice en (0, 100):

Por lo tanto la gr
afica ser
a la de un Paraboloide:

La recomendaci
on es ir utilizando los metodos que nos pueden ser u
tiles para esbozar correctamente
la grafica, ya sea utilizando curvas de nivel, graficando eliminando una variable o ambas.
Para una funcion en tres variables, es decir, f (x, y, z) ya no es posible hacer una grafica visual, pero
podemos visualizar las superficies de nivel, es decir, como se va comportando la funcion dependiendo
en cuanto valga f (x, y, z), que desde ahora lo nombraremos como c, f (x, y, z) = c.
Se debe hacer lo mismo que en el caso de las curvas de nivel, ir dando valores adecuados a c e ir viendo
como la grafica se comporta.
Por ejemplo:
f (x, y, z) = x2 + 4y 2 + 9z 2
Si c = 0, entonces (x, y, z) = (0, 0, 0), es decir, es un punto.
Si c = 36:
36 = x2 + 4y 2 + 9z 2
x2 y 2 z 2
+
+
=1
36
9
4
Lo cual es una Elipsoide:

11

Ahora bien si c = 72, veremos que el volumen de la elipsoide aumenta:

Sabemos que si un punto x0 pertenece al Dominio de la funcion, entonces se puede calcular el valor
de f (x0 ), pero si x0 no pertenece al dominio, necesitamos saber que pasa cerca de x0 en la funci
on.
Por ejemplo en el caso de la funcion:
f (x, y) =

x2 y
x2 + y 2

Que pasa con f (x, y) si (x, y) tiende a (0, 0)?

Responderemos esta pregunta en la siguiente seccion.
2.4.2.

Ejercicios

1. Hallar grafica de:

a) f (x, y) = e1x

2 +y 2

b) f (x, y) = arcos(|x| + |y| 1)

c) f (x, y, z) =

x2
4

y2
16

z2
25

12

2.5.

Limites en Varias Variables

2.5.1.

Distancia entre dos puntos

En R2 si tenemos dos puntos: P (x0 , y0 ) y Q(x1 , y1 ), tendremos que la distancia que los separa
viene dada por:
p
d(P, Q) = (x1 x0 )2 + (y1 y0 )2
En Rn con dos puntos: P (x0 , x1 , x2 , . . . , xn ) y Q(y0 , y1 , y2 , . . . , yn ):
d(P, Q) =
2.5.2.

(x0 y0 )2 + (x1 y1 )2 + (x2 y2 )2 + + (xn yn )2

Bola Abierta

Tiene un centro en el punto (a, b) y radio r, son todos los puntos P (x, y) tal que la distancia entre
P y el centro sea menor al radio r, en terminos formales:
B = {(x, y) R2 /d((x, y), (a, b)) < r}

2.5.3.

Punto Interior

Un punto (x, y) es punto interior si es el centro de una bola de radio positivo que se encuentra
completamente en una regi
on R.

2.5.4.

Punto Frontera:

Si las bolas contienen puntos que est

an fuera de la region R, como tambien dentro de esta.

13

2.5.5.

Regi
on Abierta

Si consta solo de puntos interiores

2.5.6.

Regi
on Cerrada

Si contiene todos sus puntos frontera.

2.5.7.

Lo que se entiende como lmite

Cuando le aplicamos el lmite a una funcion lo que nos esta dando es a qu

e valor tiende la
funcion para un cierto valor a la que tienden sus variables, esto nos sirve para calcular a que valor
tiende la funcion en una cierta
area donde tiene un agujero, es decir, no esta definida.

14

2.5.8.

Definici
on de Limite en Varias Variables:

lm

f (x, y) = L

(x,y)(x0 ,y0 )

Se dice que este lmite existe si para cada n

umero > 0 existe un n
umero correspondiente > 0 tal
que para todo (x, y) en el dominio de f se cumpla que:
|f (x, y) L| < 
Siempre que:
p
0 < (x x0 )2 + (y y0 )2 <
En resumen, si la distancia entre la funcion y L es peque
na siempre que la distancia de (x, y) a (x0 , y0 )
sea suficiente peque
na (pero no cero).

2.5.9.

M
etodos para demostrar la NO existencia de un Limite

Limites Iterados:
Si tenemos:
lm

f (x, y)

(x,y)(x0 ,y0 )

Lo que debemos hacer es separarlo en dos limites:

lm ( lm f (x, y)) = L1

(xx0 yy0

lm ( lm f (x, y)) = L2

yy0 xx0

Si L1 6= L2 podemos afirmar que el lmite no existe, en cambio si L1 = L2 , NO se pueden

sacar conclusiones al respecto.
Acercamiento por Rectas y Curvas:
La idea de este metodo es encontrar una curva adecuada con la cual se pueda acercar de la
mejor forma, dependiendo de la estructura de la funcion se aproxima por alg
un tipo de curva en
particular, para utilizar este metodo se debe reemplazar una de las variables por la curva por la

que se quiere acercar (por ejemplo: y = mx, y = mx2 , y = m x, etc), luego de esto desarrollar
algebraicamente el limite que ahora sera de una variable, luego el limite puede que quede en
funcion de la pendiente m, ahora bien si le damos valores arbitrarios a m y da resultados distintos
o bien si el resultado queda dependiendo de m, entonces el lmite no existe
Por ejemplo:
3xy 2
(x,y)(0,0) x2 + y 4
lm

15

Para que nos quede justo un x2 arriba y abajo factorizado y podamos simplificarlo nuestra curva

de acercamiento ser
a: y = m x, ahora bien sustituyendo:
3xm2 x
3x2 m2
=
l
m
x0 x2 + m4 x2
x0 x2 (1 + m4 )
lm

lm

3x2 m2
3m2
=
4
+m )
1 + m4

x0 x2 (1

Si m = 0, entonces el limite vale 0.

Si m = 1, entonces el limite vale 23
Como los valores de los limites son distintos, entonces el limite no existe.
2.5.10.

Teorema de Acotamiento (Teorema del Sandwich)

Si tenemos tres funciones:

g(x, y) f (x, y) h(x, y)
y tambien se tiene que:
lm

g(x, y) =

(x,y)(x0 ,y0 )

lm

h(x, y) = L

(x,y)(x0 ,y0 )

Entonces:
lm

f (x, y) = L

(x,y)(x0 ,y0 )

Importante: Si un limite existe se debe DEMOSTRAR, ya sea por acotamiento o

definici
on.
Se tiene por definici
on que:
|f (x, y) L| < 
Entonces se tendr
a que:
0 |f (x, y) L| | . . . |
Aqu es donde se deben realizar las respectivas acotaciones a la funcion para obtener otra que sea
mayor o igual a la que estamos acotando y as encontrar dos funciones, en este caso el cero que es
generado por el valor absoluto y otra funcion que tiendan a un mismo valor, si esto ocurre, entonces
podemos afirmar que el limite existe y vale cero (o el valor al que tienden las dos funciones mencionadas).
Ejemplo:
x2 y
(x,y)(0,0) x2 + y 2
lm

Para acotar esta funci

on lo recomendable es quitarle el y 2 del denominador y as el valor de esta ser
a
mayor, entonces nos quedar
a:
0|

x2 y
x2 y
|

|
|
x2 + y 2
x2

16

Lo cual simplificando queda:

0|

x2 y
| |y|
x2 + y 2

y como:
|y| = 0

lm
(x,y)(0,0)

Ya tenemos las dos funciones que tienden al mismo valor y por lo tanto podemos concluir que:
x2 y
=0
(x,y)(0,0) x2 + y 2
lm

2.5.11.

Desigualdades u
tiles para resolver lmites

2ab (a + b)2
(a + b)2 2(a2 + b2 )
sen(x) 1
|sen(x)| |x|
cos(x) 1
a
b+c

<

a
b

para a, b, c > 0.

|x| ||~x||
xy
2.5.12.

x2 +y 2
2

Cambio a Polares

Se realiza el siguiente cambio de variables:

x = rcos()
y = rsen()
x2 + y 2 = r 2
Sirve para resolver lmites tales como:
sen(x2 + y 2 )
x2 + y 2
(x,y)(0,0)
lm

2.5.13.

Ejercicios

1. Hallar si existen los limites a (x, y) (0, 0) de las siguientes funciones:

a) f (x, y) =
b) f (x, y) =
c) f (x, y) =
d ) f (x, y) =

3xy 2
x2 +y 4

3 xy 2
x+y 3
x2 sen(y)
2x2 +y 2

7x3 y
x4 +y 2

17

e) f (x, y) =

x4 y 2
x4 +y 4

f ) f (x, y) =

x3 +4x2 +y 2
2x2 +y 2

g) f (x, y) =

8xy 3
x2 +8y 6

h) f (x, y) =

x(cos(y)1)
x3 +y 3

i ) f (x, y) =

ln( x2 +y 2 )
(x2 +y 2 )

18

2.6.

Continuidad

Una funcion f (x, y) es continua en el punto (x0 , y0 ) si:

1. f esta definida en (x0 , y0 )
2. lm(x,y)(x0 ,y0 ) f (x, y) existe
3. lm(x,y)(x0 ,y0 ) f (x, y) = f (x0 , y0 )
2.6.1.

Observaciones:

Una funci
on es continua si es continua en todos los puntos.
Se dice discontinua si es no continua en alg
un punto del dominio
Si f es discontinua en x0 y existe lmite en x0 se dice reparable.
2.6.2.

Algebra de funciones continuas

Siendo f y g funciones continuas y R, entonces son continuas:

1. f + g
2. f
3. f g
4.

f
g

2.6.3.

Funci
on compuesta

Sean f y g funciones continuas:

f : D Rn 7 Rm
g : A Rn 7 Rn
Entonces la compuesta f (g(~x)) es continua si f es continua en g(x~0 ) y g es continua en x~0 A
2.6.4.

Funciones Vectoriales

Si tenemos la funci
on:
F : D Rn 7 Rm

~x 7 F (~x) = ~y

Con:
~x = (x1 , x2 , . . . , xn )
~y = (y1 , y2 , . . . , yn )
Se dice que F es continua en x~0 D si lo es en cada componente, por ejemplo:
F : R2 7 R3

(x, y) 7 (ex

2 +y 2

, 3x + y, cos(x2 + y 3 ))

Por algebra de funciones continuas la compuesta de continua es continua y como ex

cos(x2 + y 3 ) son continuas en R2 , entonces F es continua en R2 .

19

2 +y 2

, 3x + y y

2.6.5.

Ejercicios

1. Determinar si son continuas las funciones:

a)
(
f (x) =

x2 y 2
x2 +y 2

(x, y) 6= (0, 0)
(x, y) = (0, 0)

b)
(
g(x) =

sen(x2 +y 2 )
x2 +y 2

(x, y) 6= (0, 0)
(x, y) = (0, 0)

c)
(
h(x) =

x2 y 3
x2 +y 2

(x, y) 6= (0, 0)
(x, y) = (0, 0)

2. Sea F (x, y) = (f (x, y), g(x, y))

( 4
x y
(x, y) 6= (0, 0)
x6 +y 3
f (x) =
0
(x, y) = (0, 0)

(
g(x) =

xy
x2 +|y|

(x, y) 6= (0, 0)
(x, y) = (0, 0)

Es continua en cada componente? F es continua en R2 ?

3. Demuestre usando la definici
on que f (x, y) es continua en (a, b)
(
7(xa)(yb)2
(x, y) 6= (a, b)
2 +(yb)2
(xa)
f (x, y) =
0
(x, y) = (a, b)

20

2.7.

Derivadas Parciales

2.7.1.

Definici
on

f : U Rn 7 R
con U un conjunto abierto, se define la derivada parcial como:
f
f (~a + hei ) f (~a)
(~a) = lm
h0
xi
h
donde:
ei = (0, 0, 0, . . . , 1, 0, 0) (el 1 est
a en el i)
~a = (a1 , a2 , . . . , an )
Notacion reducida:
fxi o fxi (~a)
2.7.2.

En dos variables

fx =

f (a + h, b) f (a, b)
f
(a, b) = lm
h0
x
h

fy =

f
f (a, b + k) f (a, b)
(a, b) = lm
k0
y
k

2.7.3.

Ejercicios

1. Sea f (x, y, z) = cos(xz 2 ) + ey

2+ x
z

, hallar

f f f
x , y , z

2. Sea:
(
f (x, y) =
Hallar

f (0,0)
x

x+y 3
x2 +y 2

(x, y) 6= (0, 0)
(x, y) = (0, 0)

f (0,0)
y

21

2.8.

Diferenciabilidad

en funciones:
f : U R2 7 R
Se dice que f es diferenciable en (x0 , y0 ) si las derivadas parciales

f f
x , y

existen en V(x0 , y0 ) y si:

|f ((x0 , y0 ) + (h, k)) f (x0 , y0 ) (fx (x0 , y0 ) h + fy (x0 , y0 ) k)|

p
=0
(h,k)(0,0)
(h)2 + (k)2
lm

Si f (x, y) = z es una funci

on diferenciable en (x0 , y0 ), entonces la parte V(x0 , y0 ) es una superficie
suave.
2.8.1.

Relaci
on Continuidad - Diferenciabilidad

Si f es diferenciable en (x0 , y0 ), entonces f es continua en (x0 , y0 ). (esto te utiliza normalmente

de forma contraria, es decir:) Si una funci
on no es continua en (x0 , y0 ), entonces f no es
diferenciable en (x0 , y0 ).
Importante:
Si la funcion f tiene derivadas parciales (continuas) (clase C 1 ), entonces f es diferenciable en x0 .
Lo anterior es de gran utilidad para evitar acudir a la definici
on de diferenciabilidad con limite.
Ejemplo:
f (x, y) = cos(xy) + ex

2y

Es diferenciable si:
f
2
= ysen(xy) + 2xyex y
x
Es continua por algebra de funciones continuas
f
2
= xsen(xy) + x2 ex y
y
Es continua por algebra de funciones continuas.
Por teorema anterior al ser sus derivadas parciales continuas, entonces la funci
on es
diferenciable en todo R2
2.8.2.

Resumen

Derivadas Parciales Continuas 7 Diferenciable 7 Continua

2.8.3.

Ejercicios

1. Determinar si las funciones son diferenciables en el origen:

b) f (x, y) =

x2 y 2
x2 +y 2
4xy
x2 +y 2

c) f (x, y) =

x|y| 2
x2 +y 2

a) f (x, y) =

22

2.9.

Plano Tangente

2.9.1.

Ecuaci
on del plano

Ax + By + Cz = D
2.9.2.

Componentes

Punto P0 = (x0 , y0 , z0 ) perteneciente al plano.

~ = (a, b, c)
Vector Normal al plano (Perpendicular). N
Punto P = (x, y, z) arbitrario en el plano
~ = (x x0 , y y0 , z z0 ) y como N
~
Entonces, al tener dos puntos podemos conformar un vector: V
~ ), entonces el producto punto V
~ N
~ = 0 lo cual queda de la
es normal al plano (entonces al vector V
siguiente forma:
(x x0 , y y0 , z z0 ) (a, b, c) = 0
a(x x0 ) + b(y y0 ) + c(z z0 ) = 0
ax + by + cz = ax0 + by0 + cz0
2.9.3.

Ecuaci
on del plano - Derivadas Parciales

Si f es diferenciable en (x0 , y0 ) y f (x0 , y0 ) = z0 , la ecuacion del plano tangente a z = f (x, y) en

(x0 , y0 ) esta definido por:
: z = f (x0 , y0 ) +
2.9.4.

f (x0 , y0 )
f (x0 , y0 )
(x x0 ) +
(y y0 )
x
y

Ejercicios

1. Hallar ecuaci
on del plano tangente (si es que existe) de z = x2 + y 4 + exy en el punto (1, 0, 2)
2. Hallar si existe ecuaci
on del plano tangente en donde (x0 , y0 ) = (1, 1) si z = arctg( xy )

23

2.10.

Derivadas de Orden Superior

Para funciones Vectoriales:

f : U Rn 7 Rm
2.10.1.

(x1 , x2 , . . . , xn ) 7 f (x1 , x2 , . . . , xn ) = (f1 (~x), f2 (~x), . . . , fn (~x))

Derivada Total

Si existe cada una de las derivadas, se define como:

f

1
x1
f2
x1

f1
x2
f2
x2

..
.

..
.

f2
xn
f2
xn

fm
x1

fm
x2

fm
xn

Df (x~0 ) =
..
.

..
.

Ejemplo:
x
f (x, y, z) = (sen( ), x2 y 2 z 2 )
y
En este caso:
f : U R3 7 R2

x
y cos( y )

1
Df (x~0 ) =
2.10.2.

2x

yx2 cos( xy )
0
2y
2z

Derivadas Parciales Iteradas

2f
xy

f
x ( y )

2f
yx

f
y ( x )

2f
x2

f
x ( x )

2f
y 2

f
y ( y )

Si cada una de estas existen y son continuas se dicen de clase C 2

2f
Si las derivadas parciales son continuas, entonces se cumple que: xy
=
Notaci
on
fxx =

2f
x2

fxy =

2f
yx

fyx =

2f
xy

fyy =

2f
y 2

2f
yx

A demas si existen las derivadas, se pueden realizar derivadas de orden mayor a dos:
nf
xi xj . . . xr
24

2.10.3.

Eiercicios

1. Sea f (x, y) = xln(xy) x3 y 2 , obtener

2.10.4.

2f
x2

2
2f
, f
y 2 xy

Gradiente

Si cada una de las derivadas parciales existe:



f
f
f
Df (~x) = x
,
,
.
.
.
,
x2
xn
1
Se anota en general como :


f
f
f
f (~x) = x
(
x
~
),
(
x
~
),
.
.
.
,
(
x
~
)
0
0
0
x2
xn
1

25

2f
yx

2.11.

Uso de Recta Normal y Plano Tangente

Las funciones se deben definir en forma implcita, es decir, de la forma F (x, y, z) = 0 y si no lo

estan de esta manera, hay que pasarlas a esta forma igualando a cero la funcion.
2.11.1.

Plano tangente para la forma implcita:

Teniendo una superficie y un punto P0 = (x0 , y0 , z0 ) se puede demostrar con derivadas direccionales
~ , es decir se puede usar F o alg
y regla de la cadena que F = N
un vector paralelo a este como
Normal al plano tangente.
2.11.2.

Ecuaci
on del plano respecto al Gradiente

Esta definido como:

t : F (p0 )(x x0 , y y0 , z z0 ) = 0
con F diferenciable y F (p0 ) 6= 0
2.11.3.

Recta Normal

L : ~x R3 /x = P0 + F (p0 )t
con t R
2.11.4.

Ejemplo calculo plano tangente

Hallar el plano tangente a la superficie z 2 2x2 2y 2 = 12 en el punto (1,-1,4).

Primeramente hay que verificar que el punto pertenezca a la superficie, para esto reemplazamos
el punto en la ecuaci
on:
42 2(1)2 2(1)2 = 12
Lo cual se cumple, por lo tanto el punto pertenece a la superficie.
Calculamos las derivadas parciales, siendo f (x, y, z) = z 2 2x2 2y 2 12 = 0


f
f
(
p
~
),
(
p
~
)
,
(
p
~
)
f (p~0 ) = f
0
0
0
x
y
z

f (p~0 ) = 4x, 4y, 2z

f (1, 1, 4) = 4, 4, 8

La ecuaci
on del plano entonces viene dado por:
t : (4, 4, 8)(x 1, y 2, z 4) = 0
Resolviendo:
t : x + y + 2z 6 = 0
26

2.11.5.

Angulo
de inclinaci
on del plano tangente

El angulo lo calculamos respecto a las normales de los dos planos, por ejemplo el eje x, y y el plano
tangente y como las normales son vectores, el angulo entre vectores viene dado por:
~a ~b
= cos()
||~a||||~b||
(Recordar utilizar los valores de los vectores unitarios como las normales de los respectivos planos
x, y, z (i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1))
2.11.6.

Ejercicios

1. Hallar angulo de inclinaci

on del plano tangente al elipsoide:
y2
z2
x2
+
+
=1
12 12
3
en el punto (2, 2, 1)
2. Hallar la ecuaci
on del plano tangente a la superficie 5x2 + y 2 + 7z 2 = 1089 que es ortogonal a la
recta tangente en el punto (2, 1, 6) a la curva de interseccion de las superficies: S1: z = x2 + 2y 2
S2: z = 2x2 3y 2 + 1

27

2.12.

Derivada Direccional

D~u f (x~0 ) = lm

h0

f (a, b) + h(u1 , u2 ) f (a, b)

h

Si este limite existe, se denomina derivada direccional en la direccion del vector unitario ~u (||~u|| = 1).
Ademas si f es diferenciable en x~0 = (a, b) y ~u es unitario entonces:
D~u f (x~0 )) = f (x~0 ) ~u
Es decir en R2 :
D~u f (x~0 )) = (
2.12.1.

f
f
(x~0 ),
(x~0 )) ~u
x
y

Calcular Vectores unitarios:

Para calcular vectores unitarios: teniendo un vector ~u su vector unitario viene dado por:
uunitario
~
=
2.12.2.

~u
||~u||

Ejemplo:

Sea f (x, y) = x2 y 4y 3 , hallar Df (2, 1) en direccion ~v = (1, 3)

El vector no es unitario, por lo tanto lo debemos calcular:

(1, 3)
1
3
(1, 3)
=
= ( , )
2
2
10
10 10
1 + 3

Ahora calculamos el gradiente:

f = (2xy, x2 12y 2 )
Ahora evaluando en el punto (2, 1):
f (2, 1) = (4, 8)
Ahora entonces la derivada direccional viene dada por:

1
3
4
Df = (4, 8)( , ) = 24 10
10 10
10
2.12.3.

Producto punto entre dos vectores

~yB
~ entonces:
Si tenemos los vectores A
~B
~ = ||A||||
~ B||cos()
~
A
2.12.4.

Derivadas direccionales - producto punto

Con lo mencionado anteriormente:

Df (x~0 ) = f (x~0 ) ~u = ||f (x~0 )||||~u||cos()

28

2.12.5.

Propiedades de la Derivada Direccional

1. La direcci
on que alcanza Df es m
axima cuando cos() = 1, es decir, cuando = 0o , o sea en
direccion de f (x~0 ) y su valor es ||f (x~0 )||
2. f decrece mas mas r
apidamente en direccion f (x~0 ) su valor ||f (x~0 )||, es decir cuando
= 180o
3. La pendiente nula se obtiene si ~u es perpendicular a f (x~0 ).
2.12.6.

Ejercicios

1. La temperatura (o C) de una placa metalica esta dada por:

T (x, y) = 20 4x2 y 2
En que direcci
on a partir del (2, 3) aumenta mas rapido la temperatura ? Cual es la tasa o
ritmo de crecimiento?
2. Calcular la derivada direccional de:
p
a) f (x, y) = ln(1 + x2 + y 2 ) en el punto (1, 2) en direccion hacia el origen.
b) f (x, y) = arctg( x2xy
) en (1,1) en direccion al punto (2, 1)
+y 2
3. Calcular valores de a, b, c para la derivada direccional f (x, y, z) = axy 2 + byz + cz 2 x si en el
punto (1, 2, 1) tiene un m
aximo valor igual a 64 en direccion OZ.
4. Demostrar que la funci
on f (x, y) tiene derivada direccional en cualquier direccion en (0, 0) sin
embargo no es continua en dicho punto.
( 2
x y
(x, y) 6= (0, 0)
f (x, y) =
0
(x, y) = (0, 0)

29

2.13.

Regla de la Cadena

2.13.1.

En una variable

Por ejemplo:
y = f (x) = ex

con x = 3 cos(t), tenemos tres variables que son dependientes en el siguiente orden: y 7 x 7 t, con lo
cual :
dy
dy dx
=
dt
dx dt
Por lo tanto, al cambiar de variable con x = 3 cos(t)
dy
2
2
= 2xex 2( sin(t)) = 2 3 cos(t)e9 cos (t) 3 sin(t)
dt
2.13.2.

En varias variables

Caso 1:
Sea w = f (x, y) clase C 1 y a su vez x = x(t) y y = y(t)

Se definen:
w x w y
w
=
+
t
x t
y t
Caso 2 (m
as variables independientes):

Se definen:
w
w x w y w z
=
+
+
r
x r
y r
z r
w
w x w y w z
=
+
+
s
x s
y s
z s
30

2.13.3.

Definici
on General

Sean:
g : U Rn 7 Rm
f : V Rm 7 Rp
funciones tales que son diferenciables en U y V respectivamente y se encuentra bien definida f og,
entonces:
Df og (x~0 ) = Df (y~0 ) Dg(x~0 )
Lo cual es un producto de matrices de Derivadas.
2.13.4.

Caso de Segundo Orden

Si W = f (x, y) y a su vez x = x(r, ) e y = y(r, ), entonces sabemos que si existen y son continuas
w
podemos hallar w
r ,

Entonces:
w
w x w y
=
+
r
x r
y r
Con lo cual entonces:
2w
w
=
(
)
2
r
r r
Pero no est
an al mismo nivel de dependencia
w
Si g(x, y) = x , entonces:
g
g x g y
=
+
r
x r
y r
Pero:
g
w
2w
=
(
)=
x
x x
x2
g
w
2w
=
(
)=
y
y x
xy
2.13.5.

Ejercicios
2

1. Sea f (x, y) = (cos(y) + x2 , ex+y ) y g(x, y) = (eu , u sen(v)) Hallar Df og en (0, 0)

2. = f (x at) + g(x + at) Demuestre que

2
t2

31

+ a2 = a2 x2

2.14.

Extremos en Varias Variables

2.14.1.

Definici
on

U un abierto, sea f : U Rn 7 R, se dice que en x~0 U hay un mnimo local si existe una
vecindad Vx0 tal que:
f (x~0 ) f (x), x Vx0
Analogamente habr
a un m
aximo local en y~0 si existe una vecindad Vy0 , tal que:
f (y~0 ) f (x), x Vy0
2.14.2.

Encontrar M
aximos y Mnimos candidatos

Una forma es posicionar un plano tangente horizontal, entonces se cumplira que:

F = (

F F F
,
,
)
x y z

Por lo tanto:
f
f
=0
=0
x
y
Notar que a veces hay m
aximos o mnimos sin que existan o se anulen sus derivadas
parciales.
2.14.3.

Puntos Crticos

Son los probables m

aximos o mnimos, sera x~0 un punto critico si:
f
f
(x0 ) = 0
(x0 ) = 0
x
y
o bien no existen las derivadas parciales en x~0 .
2.14.4.

Ejercicios

1. Hallar Maximos y/o mnimos locales de

a) f (x, y) = 2x2 + y 2 + 8x 6y + 20
1

b) z = 4 (x2 + y 2 ) 2
c) f (x, y) = x2 y 2

d ) A = {(x, y, z)/x2 + y 2 < 4y, |z| 3}

32

2.15.

Hessiano

Supongamos
f : U Rn 7 R
Clase C 2 (Con segundas derivadas parciales continuas en x~0 )
2.15.1.

La matriz Hessiana

La matriz Hessiana viene dada por:

2

f
2f
2f

2
x1 x2
x1 xn
x2 1

2f
2f
f

2
x2 x1
x2 xn
x2
Hf (x~0 ) = .
.
..
.
..
..
..
.

2f
2f
2f
xn x1
xn x2
x2
n

Evaluada en x~0 , lo que nos interesa son los subdeterminantes obtenidos en ella, los cuales seran un
n
umero real ya sea 0, positivo o negativo y dependiendo de la Secuencia podremos determinar si es
el caso de un punto maximo, minimo, silla, etc.
2.15.2.

En dos variables:

f : U R2 7 R
Donde la Matriz queda de la siguiente forma:
!
2
2
Hf (x~0 ) =

f
x2
2f
yx

f
xy
2f
y

En este caso se puede afirmar de la secuencia de signos en los subdeterminantes de la matriz Hessiana
que:
1. {+,+} en x~0 hay un mnimo.
2. {-,+} en x~0 hay un m
aximo.
3. { ,-} en x~0 hay un punto silla (da lo mismo el signo del primer subdeterminante).
4. {,0} en x~0 no se sabe pero se puede visualizar por la grafica.
2.15.3.

Ejercicios

1. Encontrar m
aximos y/o mnimos de
a) f (x, y) = x2 + 4xy 2y 2 + 1
b) f (x, y) = 2xy 21 (x4 + y 4 ) + 1
c) f (x, y) = xy
d ) f (x, y) = ex sen(y)
e)

f (x, y) =

xy
x2 +y 2

(x, y) 6= (0, 0)
(x, y) = (0, 0)
33

2. Una caja rectangular tiene uno de sus vertices en (0, 0, 0) y el vertice opuesto sobre el plano :
: 6x + 4y + 3z = 24, hallar volumen maximo.
2

3. El volumen de un Elipsoide xa2 + yb2 + zc2 = 1 es

Que dimensiones maximizan el volumen?

34

4abc
3 ,

si se sabe que a + b + c es una constante

2.16.

M
aximos y Minimos condicionados (Lagrange)

Cuando nos entregan una funci

on condicionada por otras funciones utilizaremos este metodo, por
el cual obtendremos los respectivos m
aximos y mnimos.
Teniendo una funci
on f y una condici
on g,los posibles maximos o mnimos de la funcion se producen
donde f es paralelo con g, lo que estamos diciendo con que el gradiente de f y g son paralelos es
que uno es combinaci
on lineal de la otra, entonces:
f = g
Tendremos un sistema de ecuaciones, con lo anterior mas la funcion que nos da la condicion, con lo
cual sacamos los respectivos valores de las variables, para luego evaluarlas en nuestra funcion f y ver
dependiendo el valor que nos de si es un maximo o un mnimo.
En el caso que tengamos mas condiciones es basicamente lo mismo, solo que tendremos mas incognitas
y mas ecuaciones en nuestro sistema.
2.16.1.

Ejercicios

1. Sea f (x, y) = xy sujeta a la condici

on x2 + y 2 = 1 hallar valores extremos.
2. Encontrar extremos de la funci
on temperatura en (x, y, z), T (x, y, z) = 18 + 2x + 2y + z 2 sujeta
a las condiciones de estar en la esfera x2 + y 2 + z 2 = 11 y el plano x + y + z = 3
3. Determinar las distancias mnmas y maximas de los puntos del elipsoide
plano : 6x y + 3z = 576

35

x2
96

y2
64

z2
64

= 1 al

3.

Teorema de la Funci
on Implcita

3.1.

En dos variables

Se puede hallar una funci

on z = f (x, y) de la siguiente forma:
Por ejemplo:
Si tenemos x2 + y 2 = 1, debemos dejar la funcion igualada a cero, entonces F (x, y) = x2 + y 2 1 = 0,
entonces obtenemos:
dF
dx
dF
dy

dy
=
dx

3.2.

Teorema General

Si tenemos Fm ) funciones dependientes de m variables, entonces si :

(F1 , F2 , . . . , FM )
6= 0
(z1 , z2 , . . . , zm )
Es decir:
F
=

z
F12
z1
F3
z1
Fm
z1

F1
z2
F2
z2
F3
z2
F1
z2

...
...
...
...

F1
zm
F2
zm
F3
zm
F1
zm

6= 0

Si esto se cumple entonces ser

a posible despejar cada una de las zi en terminos de las x1 , x2 , . . . , xn .
y sabemos que:
dzi
=
dxj

d(F1 ,F2 ,...,Fm )

dz1 ,z2 ,...,zn
d(F1 ,F2 ,...,Fm )
dz1 ,z2 ,...,zn

Para que se pueda despejar se debe cumplir:

1. Derivadas parciales continuas (la funcion sea clase C ).
2. El punto P0 debe pertenecer a la superficie (F (P0 ) = 0).
3. Jacobiano distinto de cero en P0
Pasos
1. Se despejan las funciones dej
andolas igualadas a cero.
2. Verificar que el punto P0 dado pertenece a la superficie.
3. Calcular el Jacobiano en el punto, este debe ser distinto de cero.
4. Hallar las respectivas derivadas, por ejemplo:
(F,G)
u
(x,v)
= (F,G)
x
(u,v)

(F,G)
v
(u,y)
= (F,G)
y
(u,v)

36

3.3.

Ejercicios

1. Es posible despejar z de la ecuaci

on 4cos(xy) 2z 3 4xy 2 z = 2 cerca de (0, 1, 1)?
2

2. Determinar si es posible despejar z = f (x, y) de la ecuacion exy z 4 + arctg(xz) = 0 Cerca de

z
z
que puntos? Cu
al serie el valor de x
y y
?
3. Demuestre que el sistema

xu + yvu2 = 2
xu3 + y 2 v 4 = 2
Se puede resolver de u
nica manera con funciones u y v dependientes de x e y cerca de (1, 1, 1, 1)
4. Sea = f (x at) + g(x + at), demostrar:
2
2
2
2
+
a
=
a
t2
x2

5. Sea la ecuaci
on sen(yz) + sen(xz) + sen(xy) = 0
a) Existe alg
un punto P0 (x0 , y0 , z0 ) y vecindad de P0 de modo que sea posible despejar
z = f (x, y)?
b) Hallar ecuaci
on plano tangente a la superficie z = f (x, y) en P0 = (1, 0, 0)
c)

2z
y 2

37

3.4.

Funci
on Inversa

3.4.1.

Condiciones

1. Se deben tener funciones despejadas.

2. El Jacobiano en el punto debe ser distinto de cero.
Si se tiene que:
(u, v)
=
(x, y)

u
x
v
x

u
y
v
y

La inversa sera:
(x, y)
(u, v) 1
=[
] =
(u, v)
(x, y)

1
(u,v)
(x,y)

v
y
v
x

u
y

u
x

Lo u
ltimo es la Traspuesta (en una matriz de 2x2 se cambian de lugar la diagonal y la otra se le
cambian los signos.
3.4.2.

Ejemplo

Dadas las ecuaciones:

x = u + 2v
y = 3u2 + v 2
z = u3 + v 3
1. Diga las condiciones para las cuales exista la superficie z = f (x) obtenida de las ecuaciones
dadas.
2. Encuentre la ecuaci
on del plano tangente a la superficie z = f (x) donde u = 1 y v = 2.
Desarrollo
1. Utilizando el Teorema de la Funci
on Inversa, primero debemos notar que las funciones son
polinomios y por lo tanto son de clase C 1 , es decir, existen sus derivadas parciales, con ello
debemos calcular el Jacobiano, el cual debe ser distinto de cero:
 x x  

 1 2
(x, y)  u
v  = 

= y y
 6u 2v  = 2v 12u 6= 0 v 6= 6u
(u, v)  u
v
Entonces si v 6= 6u es posible despejar z = f (x, y) = u3 + v 3
2. Para calcular el plano tangente, el cual su ecuacion viene dada por:
z z0 = fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 )
Necesitamos obtener (x0 , y0 , z0 ) como tambien fx y fy , entonces obtengamos los valores del punto
evaluando en las ecuaciones dadas con u = 1 y v = 2:
x0 = 1 + 2 2 = 5
y0 = 3 1 + 22 = 7
z0 = 13 + 23 = 9
Ahora para calcular fx y fy sabemos por regla de la cadena que:
fx = fu ux + fv vx
38

fy = fu uy + fv vy
Para calcular ux , vx , uy , vy tenemos
 x
(x, y)  u
= y
(u, v)  u

x 
v 
y 
v

(x,y)
(u,v) :



(x, y)  1 2 
=
=
(u, v) 6u 2v 

Aplicamos la inversa, recordemos que la matriz inversa es igual a la matriz adjunta de la traspuesta divido por el determinante (por esto el Jacobiano tiene que ser distinto de cero)




 v x 
 2v 2
1
1
(x, y) 1 (u, v)
 y

v


) =
=
(
 y
u  = 2v 12u 6u

1
(u, v)
(x, y)
2v 12u  u
x
Ahora evaluamos en u = 1 y v = 2:



 
 2v 2
 4 2  1
1
1

= 
= 2
2v 12u 6u 1 
8 6 1   34

  u
  x

1  =  v
8
 x
1
4

Teniendo los valores, ahora solo nos falta obtener fu y fv :

f = u3 + v 3
fu = 3u2 = 3
fv = 3v 2 = 12
Entonces:
fx = 3

3
15
1
+ 12 =
2
4
2

1
3
1
=
fy = 3 + 12
4
8
4
Por lo tanto el plano tangente es:
z9=
3.4.3.

15
3
(x 5) (y 7)
2
4

Ejercicios

1. Sea: x = rcos()
y = rsen() Hallar

r r
x , y , x , y

2. Sean:
u = lnxy 2
v = x2 y 2 Es posible invertir de x = 1 e y = 1?
3. Sea:
u = x3 + xy + y 3 v = 2x + y
Calcular el valor del producto:
x y
u v
cuando x = 1, y = 1, u = 3, v = 3

39

u 
y 
v 
y 

4.

Transformaciones Lineales

4.1.

Definici
on:

Son funciones definidas desde un espacio vectorial a otro espacio vectorial.

T :V W
vV
wW
T es una transformaci
on lineal si:
1. T (u + v) = T (u) + T (v)
2. T (v) = T (v)

4.2.

Matriz de la Transformaci
on

Es una matriz que multiplicada por el vector perteneciente al conjunto de partida, dara el vector
del conjunto de llegada. Por ejemplo: T : R3 R2 /T (x, y, z) = (x + y, y z)



x
x
+
y
Mt y =
yz
z
Las columnas de la Matriz asociada son los transformados de la base canonica del conjunto de salida
(En este caso R3 ), entonces la base can
onica de R3 es:

1
0
0
R3 = 0 , 1 , 0
0
0
1
Entonces si se hace el transformado (aplicar la condicion de la transformada) de cada uno de estos
vectores, nos dar
a como resultado:



0
0
1

Mt = T 0 , T 1 , T 0
0
1
0

 
1
1

T 0 =
0
0

 
0
1

T 1 =
1
0

 
0
0

T 0 =
1
1


1 1 0
Mt =
0 1 1
Por lo tanto:


 x


1 1 0
x+y
y =
0 1 1
yz
z
40

Con esta matriz asociada, cualquier vector (x, y, z) puede ser transformado por la transformaci
on lineal que tenemos.

4.3.

Kernel (n
ucleo) de la Transformaci
on

Es un subespacio vectorial de conjunto de salida tal que si un vector v esta en el kernel de la

transformacion, entonces la transformada de v dara como resultado el vector nulo en el conjunto de
salida, en notaci
on sera
v Ker(T ) = T (v) = 0w
Complementando con el ejemplo de m
as arriba:
T (x, y, z) = (0, 0)
Ker(T ) = v R3 /x + y = 0 y z = 0
Ahora bien para calcular la dimensi
on del Kernel, tenemos que encontrar sus bases con las condiciones
que nos dan:
v = (x, y, z) = (y, y, y) = y(1, 1, 1)
Por lo tanto, en este ejemplo dim Ker(T ) = 1, y podemos concluir que el nucleo o kernel esta generado
por el vector (1, 1, 1).

4.4.

Imagen de la Transformaci
on Lineal

Es un subespacio vectorial del conjunto de llegada, sabemos que los vectores transformados son
dependientes de las condiciones dadas, en este caso si tenemos un vector w transformado, este se puede
descomponer:
w = (x + y, y z) = (x, 0) + (y, y) + (0, z) = x(1, 0) + y(1, 1) + z(0, 1)
Lo que obtenemos es un conjunto de generadores, entonces la imagen de la Transformacion esta
generada por:
Im(T ) = (1, 0); (1, 1); (0, 1)
Pero estos tres no conforman la base de la imagen, ya que no son linealmente independientes, en este
caso los vectores linealmente independiente son (1, 0)y(1, 1), por lo tanto la dimension de la imagen
(cantidad de vectores linealmente independientes), en este caso, seria: dimIm(T ) = 2.
Siempre se cumple que la dimensi
on del conjunto de partida es igual a la dimension del Kernel de T
mas la dimension de la Imagen de T.
dimV = dimKer(T ) + dimIm(T )

4.5.

Ejercicios

1. En R = V
F :RR
x F (x)
Cual de ellas es una Transformaci
on Lineal?
41

a) F (x) = x2
b) F (x) = 5x
c) F (x) = sen(x)
d ) T : M2x2 R3




a b
a b
T
= (a d, 2b + c, 4d)
c d
c d
2. T : R2 [x] M2 (R) definida por:
 00

R1
p (0)
p(x)dx
0
T (p(x)) =
p(1)
0
Hallar base de KerT y dimensi
on.
3. Sea T : R3 R3 :
T (x, y, z) = (x y z, x + y, 3z)
Hallar KerT, ImT y sus dimensiones.

42

5.
5.1.

Ecuaciones Diferenciales
Comparaci
on entre lo pasado y lo que pasaremos

Anteriormente hemos realizado ecuaciones donde tenemos una u

nica incognita que encontrar, ahora
daremos un paso m
as adelante y nos enfrentaremos a las ecuaciones diferenciales que son ecuaciones
de dos variables (funciones) (p.ej: x, y ) y sus derivadas:
y 0 = 2xy + 1
En este caso se presenta la incognita y con su respectiva derivada y 0 , recordemos de los cursos antedy
riores que la notaci
on y 0 se puede escribir de la forma: dx
, con lo cual nos damos cuenta que nuestra
incognita y es una variable dependiente de x, pues esta derivada respecto a ella, la variable independiente en este caso es la x, ya que no existen derivadas de ella en la ecuacion.
En los cursos anteriores cuando se nos presentaba una ecuacion, buscabamos una cierta raz que cumpliera con la condici
on de la ecuaci
on, es decir encontrabamos un n
umero tal que al reemplazarlo en
la ecuacion nos daba como resultado una identidad. En el caso de las ecuaciones diferenciales tiene la
misma logica, pero ahora no es solo un punto, si no que es un conjunto de puntos que satisfacen esta
ecuacion, este conjunto de puntos es una funcion.

5.2.

C
omo saber si una funci
on es soluci
on de la Ecuaci
on Diferencial?

Para saber si cierta funci

on (x) es solucion de una ecuacion diferencial simplemente habr
a que
reemplazarla en la ecuaci
on diferencial.
Por ejemplo si tenemos la siguiente ecuacion diferencial:
y 00 2y 0 + y = 0

(1)

y nos dicen que la funci

on y = xex es solucion, para verificarlo debemos reemplazar en la ecuaci
on
diferencial, pero nos damos cuenta que tenemos la primera y segunda derivada de y en la funcion, lo
cual no lo tenemos, para ello derivamos la funcion dada para obtener el valor de cada de las derivadas
que necesitamos para luego reemplazarla:
y 0 = ex + xex
y = 2ex + xex
Reemplazando en (1) nos queda:
2ex + xex 2(ex + xex ) + xex = 0
0=0
Al dar como resultado una identidad, comprobamos que la funcion dada es solucion de la ecuaci
on
diferencial.

5.3.

Orden de una ecuaci

on diferencial

El orden de una ecuaci

on diferencial viene dado por el orden de la mayor derivada existente en la
ella. Por ejemplo:
y 00 + y 0 + 2x = 0

(2)
43

(y 0 )2 + 2y + x = 2

(3)

El orden de la ecuaci
on (2), es 2 y el orden de la ecuacion (3) es 1, (OJO: (y 0 )2 6= y 00 )

5.3.1.

Lineal o no lineal

A una ecuaci
on diferencial se le llama lineal si es que sus variables y, y 0 , y 00 , ...y (n) estan elevadas
a 1 o a 0, por lo tanto, si cualquiera de estas esta elevada a 2 o mas, se le llamara no lineal. En los
ejemplos anteriores (2) es lineal, en cambio (3) no es lineal, ya que y 0 esta elevado a 2.

5.4.

M
etodos de Resoluci
on

5.4.1.

Variables Separables

Cuando tenemos ecuaciones diferenciales de primer orden donde la funcion no depende de la

variable y la ecuaci
on diferencial:
dy
= g(x)
dx
Se resuelve separando todo lo que depende de y a un lado y todo lo que depende de x para el otro
lado, para luego integrar.
Por ejemplo:
dy
= 1 + e2x
dx
dy = (1 + e2x )dx
Z
y = (1 + e2x )dx
1
y = x + e2x + c
2
5.4.2.

Resoluci
on de una Ecuaci
on Lineal de primer orden

Una ecuacion diferencial de primer orden tiene la forma:

a1 (x)

dy
+ a0 (x)y = g(x)
dx

A esta ecuacion se le dice homog

enea si g(x) = 0, en el caso contrario es no homogenea.
Para resolver estas ecuaciones lo recomendable es hacer lo siguiente:
1. Dividir ambos lados de la ecuaci
on por a1 , quedando:
dy
+ P (x)y = f (x)
dx
Para resolverla debemos antes definir lo que se le llama Factor Integrante (FI):
R

FI = e

P (x)dx

2. Identificamos y calculamos P (x) y F I respectivamente

44

3. Luego lo multiplicaremos a ambos lados de la ecuacion, lo cual en el lado izquierdo de esta nos
dara autom
aticamente la derivada del factor integrante y y:
R
d  R P (x)dx 
e
y = e P (x)dx f (x)
dx

o bien utilizar la formula:

Z
1
y(x) =
( f (x)F I(x)dx + C)
F I(x)
4. Luego de esto solo basta integrar en ambos lados y nos dara la solucion de la ecuacion diferencial.
5.4.3.

Ecuaciones Homogeneas:

(Sustitucion y = ux)
Se les llama ecuaciones homogeneas de grado a las EDOs de la forma:
f (tx, ty) = t f (x, y)
Por ejemplo: f (x, y) = x3 + y 3 es una funcion homogenea de grado 3, pues:
f (tx, ty) = (tx)3 + (ty)3 = t3 (x3 + y 3 ) = t3 f (x, y)
5.4.4.

Ecuaciones de Bernoulli:

(Sustitucion u = y 1n )
De la forma
dy
+ P (x)y = f (x)y n
dx
Se realiza la sustituci
on u = y 1n , reduciendola a una ecuacion lineal.
5.4.5.

Ecuaciones de Ricatti

EDOs de la forma:
y 0 + P (x)y + Q(x)y 2 = R(x)
Se debe saber una soluci
on y1 = f (x), con lo cual la solucion sera de la forma:
y = u(x) +

1
y1

La cual podemos utilizar con el fin de reemplazarla en la ecuacion diferencial y asi transformarla en
una ecuacion lineal o bien se puede realizar la sustitucion y = y1 + u, para que pase a ser una EDO
Bernoulli.
5.4.6.

Reducci
on a separaci
on de variables

Una EDO de la forma:

dy
= f (Ax + By + C)
dx
Se puede reducir a variables separables por medio de la sustitucion u = Ax + By + C con B 6= 0
45

5.4.7.

Reducci
on a Homog
eneas

EDOs de la forma:
a1 x + b1 y + c1

ax + by + c

y0 = f

Si las rectas se cortan en (x0 , y0 se hace el cambio de variable X = x x0 , Y = y y0 .

Se puede ver rapidamente si se cortan o no calculando:
a1
b1
=
sonparalelas
a
b
En caso contrario, ser
an secantes.
Si las rectas son paralelas, se hace el cambio de variable z = ax + by
5.4.8.

Ejercicios

Resolver
1.

dy
dx

= cos2 (y)t con y(0) = 0

2.

dy
dt

= sen(t)y + t2

3.

dy
dt

= et y arctgt

4.

dy
dt

5.

dy
dt

= ytg(t) + cos(t)

6.

dy
dx

2
t y

4y
x

+ (t 1)

+x y

7. y 0 + x1 y 3ln(x)y 2 = 0 con y(1) = 5

5.5.

Aplicaci
on de las Ecuaciones Diferenciales

5.5.1.

Crecimiento Exponencial

dN
= kN N (t) = Cekt
dt
N: Poblacion de individuos en un momento t
5.5.2.

Ley de Enfriamiento de Newton

dT
= k(T Tm )
dt
T (t) = Cekt + Tm

46

5.6.

Ecuaciones diferenciales de Orden Superior

Las ecuaciones diferenciales de Orden Superior como lo dice su nombre, son aquellas que presentan
derivadas de rden dos o m
as de la variable dependiente y. Son de la forma:
an (x)y N + an1 (x)y N 1 + . . . a1 (x)y 0 + a0 y = g(x)

5.7.

Problema de Valor Inicial (PVI)

La idea es resolver la ecuaci

on diferencial con una cierta condicion dada:
y(x0 ) = y0 , y 0 (x0 ) = y1 , y 0 (x0 ) = y2 , . . . , y N 1 (xo ) = yN 1
Se identifica un PVI cuando las soluciones vienen evaluadas siempre en el mismo punto, en este caso
x0 .
Para ver si la ecuaci
on diferencial tiene solucion o no hay que fijarse en las siguientes condiciones:
1. Todas las funciones de x ( an (x), an1 (x), . . .) deben ser continuas en todo el intervalo donde se
esta evaluando el punto x0 .
2. g(x) debe ser continua.
3. La funcion de x que est
a multiplicando a la derivada de mayor orden sea distinta de cero.
(an (x) 6= 0)
Si se cumplen estas condiciones, la ecuacion diferencial tendra solucion u
nica, si no se cumplen, no
sera u
nica o bien no tendr
a soluci
on dependiendo el caso.
Si se tiene una ecuaci
on diferencial y una solucion, para verificar que esta es la u
nica solucion hay
que utilizar la soluci
on dada, derivarla cuantas veces sea necesario para poder reemplazar todos los
terminos de y respecto a la soluci
on dada, para asi verificar si se llega a una identidad.
Ahora bien como dijimos anteriormente, la solucion que tendremos de la ecuacion diferencial ya no es
solo un punto, si no que es un conjunto de puntos que satisfacen la ecuacion, por lo tanto en los PVI,
entonces en la soluci
on de la ecuaci
on puede venir dada de la forma:
y = Cf (x)
Y aqu dependiendo de las condiciones dependera si C tomara un u
nico valor (
unica solucion) o bien
infinitos valores (Infinitas soluciones).

5.8.

C
omo solucionar ecuaciones lineales de orden superior?

Una ecuacion linea de orden superior se puede separar en dos, si tenemos que es de la forma:
an (x)y N + an1 (x)y N 1 + . . . a1 (x)y 0 + a0 y = g(x)
Tendremos primero la ecuaci
on diferencial homogenea, que equivale a que en la ecuacion g(x) = 0 y
ademas tendremos la ecuaci
on no homogenea que es en el caso contrario (g(x) 6= 0).
La solucion general de la ecuaci
on viene dada por la solucion homogenea yh y la solucion particular
yp :
y = yh + yp

47

5.9.

Ecuaci
on homog
enea

1. Siembre tendr
a como soluci
on la solucion trivial (y = 0) (pero no interesa)
2. El n
umero de soluciones ser
a el orden de la mayor derivada p.ej : y 00 +y 0 +y = 0 tiene 2 soluciones,
que las denotaremos por y1 , y2 .
Entonces la soluci
on homogenea yh la podemos denotar como una combinacion lineal de estas
dos soluciones:
yh = c1 y1 + c2 y2
Siempre y cuando y1 , y2 sean Linealmente independientes.
Esto se puede verificar f
acilmente a traves del Wronskiano

5.10.

El Wronskiano




 f1
f
f
2
3

 0
0
0
 f
f2
f3 
 1
W [f1 , f2 , . . . , fn ] =  .

..
..

 ..
.
.

 n1
n1
f
f n 13 
f2
1
Entonces si:
W [f1 , f2 , . . . , fn ] 6= 0 son Linealmente Independientes.
En caso contrario, si W [f1 , f2 , . . . , fn ] = 0 las funciones son Linealmente Dependientes.

5.11.

M
etodo de reducci
on de orden

Ahora bien conociendo ya una solucion y1 de la ecuacion diferencial, calcularemos la segunda

solucion y2 , si tenemos la ecuaci
on:
a2 (x)y 00 + a1 (x)y 0 + ao (x)y = 0/

1
y 00 + p(x)y 0 + q(x)y = 0
a2

y1 con y2 si son linealmente independientes conformaran el conjunto solucion de la ecuaci

on
diferencial, por lo tanto obtendremos la segunda solucion y2 con la F
ormula de Abel:
y2 (x) = y1 (x)

p(x)dx 

y12

dx

Ahora ya tenemos la soluci

on homogenea:
yh = C1 y1 + C2 y2

5.12.

Ecuaciones de 2o Orden con coeficientes constantes

Si tenemos una ecuaci

on de la forma:
y 00 + by 0 + cy = 0

48

Con b y c constantes reales, la ecuacion se soluciona utilizando primeramente la sustituci

on
y = ex , con lo cual la ecuaci
on queda de la siguiente forma:
2 ex + bex + cex = 0
ex {2 + b + c} = 0
y como ex 6= 0, entonces 2 + b + c = 0, donde 2 + b + c es el polinomio caracteristico
p().
Donde :

b b2 4c
=
2
Esto se separa en tres casos, dependiendo del valor del discriminante :
Caso 1: b2 4c > 0
Calculamos sus raices:

b + b2 4c
1 =
2
b b2 4c
2 =
2
La solucion viene dada por:
y(x) = k1 e1 x + k2 e2 x
Caso 2: b2 4c = 0
En este caso el polinomio caracteristico posee solo una raiz real (multiplicidad 2) La soluci
on
viene dada por:
y(x) = k1 e

b
x
2

+ k2 xe

b
x
2

Caso 3: b2 4c < 0
En este caso donde eld eterminante es negativo, tenemos raices complejas conjugadas:

i
= b
2
Hay que tener en cuenta la f
ormula de Euler:
ei = cos() isen()
La solucion viene dada por:

2b
y = e {k1 cos(
x) + k2 sen(
x)}
2
2
Hasta ahora se ha considerado exclusivamente el caso de una Edo homogenea g(x) = 0, ahora
bien hay que ver que hacer cuando g(x) 6= 0.
Recordemos que la soluci
on general de una ecuacion diferencial no homogenea viene dada por:
y = yp + yh
Ya sabemos como calcuar yh , ahora veremos dos maneras de calcular la solucion particular:

49

5.12.1.

Variaci
on de Par
ametros:

La cual dice que la soluci

on particular de la ecuacion viene dada por las soluciones homogeneas
y1 e y2 multiplicadas por ciertas funciones C1 y C2 respectivamente, entonces tendremos que: Si
tenemos
y 00 + p(x)y 0 + q(x)y = g(x)
Entonces:
yp (x) = C1 (x)y1 + C2 (x)y2
Donde se rigen por lo siguiente:
C10 (x)y1 + C20 (x)y2 = 0
C10 (x)y10 + C20 (x)y20 = g(x)
Siendo W (x) el Wronskiano:


y1 y2 
 = y1 y20 y10 y2

W (x) =  0
y1 y20 
Mediante Cramer obtenemos:


 0

y
2


Z
g(x) y 0 
g(x)y2
2
0
C1 =
C1 (x) =
W (x)
y1 y20 y10 y2


y1
0 

Z
0
y g(x)
y1 g(x)
C20 = 1
C2 (x) =
W (x)
y1 y20 y10 y2
Con lo que finalmente tendremos la solucion general de la ecuacion diferencial:
y = C1 (x)y1 + C2 (x)y2 + C1 (x)y1 + C2 (x)y2
5.12.2.

Anuladores (Aniquiladores)

Toda ecuaci
on diferencial con coeficientes constantes, de la forma :
ay 000 + by 00 + cy 0 + dy = g(x)
Con a, b, c, d R
Se puede escribir de la forma:
(aD3 + bD2 + cD + 1)y = g(x)
Lo encerrado en el parentesis se le llama operador diferencial, en el cual se realiza una factorizacion para expresar la ecuaci
on diferencial de la forma que la necesitamos para utilizar este
metodo.
Que significa anulador?
Significa el orden de la derivada en que la funcion se hace cero (se anula). Por ejemplo:
D(x2 ) = 2x
D2 (x2 ) = 2
D3 (x2 ) = 0
50

Por lo tanto la funci

on x2 se anula con D3 .
Entonces la idea es que si tenemos una ecuacion de la forma:
(aD3 + bD2 + cD + 1)y = g(x)
f (x)y = g(x)
La idea es multiplicar en ambos lados de la ecuacion diferencial por un factor L que anule la
funcion g(x), lo que har
a que quede como una ecuacion homogenea ( Lf (x) = 0 ). Por lo tanto
si se resuelve esto se encontrar
a automaticamente la solucion general ( yh eyp a la vez).

5.12.3.

T
ecnicas para obtener el Anulador:

a) Los polinomios de la forma xn1 + ... + x2 + x + 1 son anulados por Dn , siendo n el mayor
grado del polinomio.
b) Las funciones exponenciales tales como ex , xex , ...xn1 ex son anuladas por (D )n
c) Las funciones de la forma:
ex cos(x)
ex xn1 cos(x)
ex sen(x)
ex xn1 sen(x)

Son anuladas por [D2 2D + (2 + 2 )]n

Por lo tanto cuando se presenta una ecuacion de este estilo, en resumen:
a) Se calcula la soluci
on homogenea yh igualando la ecuacion a cero (g(x) = 0), obteniendo el
polinomio caracteristico, ver si el determinante es mayor, menor o igual a cero para ver la
forma de las soluciones.
b) Se resuelve la ecuaci
on a traves de Anuladores de donde obtendremos la solucion general
de la ecuaci
on diferencal.
c) A la soluci
on general le restamos la solucion homogenea yh obtenida en (a) para obtener la
soluci
on particular yp .
d ) Ahora bien se necesitan obtener las constantes de la solucion particular yp , para esto hay
que ver la forma de la soluci
on particular, ya sea un polinomio, exponencial, etc. Luego se
sustituye yp en la ecuaci
on diferencial con lo que obtendran los valores de las constanes.
Por ejemplo:
y 00 + 3y 0 + 2y = x2
Primero calculamos la soluci
on homogenea, a traves del polinomio caracteristico:
(2 + 3 + 2)y = 0
( + 2)( + 1) = 0

51

Las raices son 1 = 1 e 2 = 2. Por lo tanto:

yh = C1 ex + C2 e2x
Ahora calculamos la soluci
on general a traves de el metodo de los anuladores, como repasamos
anteriormente sabemos que a nuestra funcion g(x) = x2 la anula D3 por lo tanto multiplicamos
en ambos lados por D3 :
D3 (D2 + 3D + 2) = D3 x2 D3 (D + 1)(D + 2) = 0
Por lo tanto este polinomio de grado 5 tiene raices 1 = 0, 2 = 0, 3 = 0, 4 = 1, 5 = 2.
Entonces la soluci
on general viene dada por:
y = C1 + C2 x + C3 x2 + C4 e2x + C5 ex
y si le restamos a la soluci
on general la homogenea yp nos queda que:
yp = C1 + C2 x + C3 x 2
Pero necesitamos encontrar los valores de C1 , C2 , C3 , para ello sabemos la forma de la soluci
on
particular yp = A + Bx + Cx2 , entonces de esta forma la reemplazamos en la ecuacion diferencial
(calculando previamente sus derivadas).
yp = A + Bx + Cx2 yp0 = B + 2Cx yp00 = 2C
Por lo tanto al reemplzarla:
2C + 3(B + 2Cx) + 2(A + Bx + Cx2 ) = x2
Desarrollando y agrupando:
2Cx2 + (6C + 2B)x + (2C + 3B + 2A) = x2
La unica manera que sea una igualdad sera que:
1
2
3
6C + 2B = 0 B =
2
7
2C + 3B + 2A = 0 = A
4
2C = 1 C =

Por lo tanto la soluci

on particular viene dada por:
yp =

7 3
1
x + x2
4 2
2

Finalmente la soluci
on general viene dada por:
y = C1 ex + C2 e2x +

7 3
1
x + x2
4 2
2

52

5.12.4.

Ecuaciones exactas

De la forma: M (x, y)dx + N (x, y)dy = 0

Se dice exacta si existe funci
on u(x, y) tal que:
u
= M (x, y)
x
u
= N (x, y)
y
Se debe cumplir que:
N
u
=
y
x
Con ello encontramos la curva soluci
on de la EDO, u(x, y) = c
5.12.5.

Ejercicios

1. y 00 2y 0 + y = 0 con y(0) = 3 y 0 (0) = 1)

2. y 00 + 5y 0 + 6y = 0 con y(0) = 3 y 0 (0) = 1
3. y 00 + 6y 0 + 9y = 0
4. y 00 + 3y 0 + 2y = 4x2
5. y 00 + y = tg(x)
6. y 00 6y 0 + 9y = 6x2 + 2 12e3x
7. x3 y 000 + x2 y 00 6xy 0 + 6y = 30x
8. (1 + 2x)y 00 + 4xy 0 4y = 1 + 4x + 4x2
9. (3x2 + 6xy 2 )dx + (6x2 y + 4y 3 )dy
10. y(1 + xy)dx xdy = 0
11. x2 y 00 3xy 0 + 13y = x2 sec(3ln(x))

53

6.

Transformada de Laplace
Z

L{f (t)} =

est f (t)dt

= limp

est f (t)dt

Podemos separarla:

L{f (t) + g(t)}dt = L{f (t)}dt + L{f (t)}dt

6.1.

Razones trigonom
etricas u
tiles:
cos(2x) = cos2 (x) sen2 (x)
sen(2x) = 2sen(x)cos(x)

6.2.

cos2 (x) =

cos(2x)+1
2

sen2 (x) =

cos(2x)1
2

Completaci
on de cuadrados:

Cuando se tiene un polinomio de grado dos el cual no es posible factorizarlo ( < 0), se utiliza lo
siguiente:

2
Si se tiene el polinomio ax2 + bx + c, lo que se hace es obtener un nuevo n
umero dado por 2b ,
2
2
2
el cual se suma y se resta en el polinomio, quedando ax2 + bx + c + b4 b4 , donde con ax2 + bx + b4
2
se forma un trinomio cuadrado perfecto quedando (ax + 2b )2 + c b4

6.3.

Funciones Hiperb
olicas:
cosh2 (x) senh2 (x) = 1

6.4.

senh(tx) =

etx etx
2

cosh(tx) =

etx +etx
2

tanh(tx) =

senh(x)
cosh(x)

Tabla para calcular Transformadas de Laplace elementales:

1. L{k} =

k
s

2. L{eat } =

1
sa

3. L{tn } =

n!
sn+1

4. L{sen(kt)} =

k
s2 +k2

5. L{cos(kt)} =

s
s2 +k2

6. L{senh(kt)} =

k
s2 k2

54

7. L{cosh(kt)} =

s
s2 k2

8. L{ln(t)} = ln(s)+
s
9. L{H} =

1
s

10. L{Ha} =

eas
s

11. L{} = 1
12. L{a} = eas

6.5.

Transformada de Laplace para una funci

on por tramos:

Se realiza mediante la definici

on L{f (t)} =
integrales en los tramos dados.

6.6.

R
0

est f (t)dt, pero separando por propiedades de las

Primer Teorema de Traslaci

on:

L{eat f (t)} = F (s a)
o bien: (sustituyendo s por s-a)
L{eat f (t)} = L{f (t)}ssa

6.7.

Transformada inversa de Laplace:

6.7.1.

Propiedades:

L1 {F (s)} = L1 {F (s)}
L1 {F (s) + G(s)} = L1 {F (s)} + L1 {G(s)}
De manera general: L1 {F (s)} = f (t)
L1 { ks } = k
n!
L1 { sn+1
} = tn
1
L1 { sa
} = eat
k
L1 { s2 +k
2 } = sen(kt)

6.8.

Funci
on Heaviside:


H(t a) =

0
1

t<a
ta

Cuando la funci
on Heaviside H tiene un salto a, se denota como Ha.

55

6.9.

Funci
on Heaviside multiplicada por una funci
on:

f (t)H(t a) =

0
f (t)

t<a
ta

Si se tiene una funci

on:

g(t) =

25t
0

t < 10
t 10

Lo que se hace es transformarla dej

andola siempre con el cero arriba.

g(t) = 25t +

0
25

t < 10
t 10

Finalmente queda:
g(t) = 25t 25tH(t 10)
Transformada de Laplace de H:

L{H(t)} =

1
s

Transformada de Laplace de Ha:

L{Ha(t)} =

eas
s

Tambien se puede tener lo siguiente:

f (t) = Ha(t) Hb(t)

0
1
f (t) =

t<a
at<b
t>b

es decir:

f (t) =

6.10.

1
0

at<b

Segundo Teorema de Traslaci

on:

L{Haf a} = eat L{f (t)}

56

6.11.

En resumen, Teoremas Importantes:

L{eat f (t)}(s) = L{f (t)}(sa) = F (s a)

L{F 0 (t)}(s) = sL{F (t)} F (0)
n

d
L{tn f (t)} = (1)n ds
n F (s)
Rt
L{ 0 f (u)du} = 1s L{f (t)}

L{Haf a}(s) = eas L{f (t)}(s) = eas F (s)

6.12.

Transformada de Laplace en ecuaciones diferenciales:

Lo que hace la transformada de Laplace a una ecuacion diferencial es transformarla en una ecuaci
on
algebraica, para resolverla hay que seguir los siguientes pasos:
Aplicar la transformada de Laplace en ambos lados de la ecuacion y utilizar sus respectivas
propeidades y linealidad para ordenarla.
Luego se usa la siguiente propiedad: L{f (n) (t)} = sn L{f (t)} sn1 f (o) sn2 f 0 (o) ...
sf (n2) (0) f (n1) (0)
Se define Y (s) = L{y}
Se despeja Y
Luego para obtener la funci
on y(t) se le realiza la transformada de Laplace inversa a Y , es
decir L1 Y (Muchas veces se tendr
a que realizar fracciones parciales para calcular de forma mas
simple la Transformada de Laplace.)

6.13.

Convoluci
on:

Definicion: Se define el producto de convolucion de f con g como:

Z
(f g)(t) =

f (t u)g(u)du
0

Teorema:

L{(f g)(t)} = L{f (t)} L{g(t)}

Ejemplo:

L1 {

L1 {

1 2
1
2
} = L1 { 2 } L1 { 3 }
s2 s3
s
s
. . . = t t2
1 2
t4

}
=
s2 s3
12

57

6.14.

Ejercicios

Resolver:
1. L{|sen(t)|}
1
2. L{ (s2 +c
2 )2 }
1
3. L{ (s2 +2s+5)
2}

Rt
4. L{ 0

x2 cos(x)+ex sen(x)
dx}
x

5. x00 (t) y 00 (t) = et

x0 (t) y 0 (t) = t con x(0) = 0, x0 (0) = 1, y(0) = 1, y 0 (0) = 1
6. tx00 + (4t 2)x0 + (13t 4)x = 0 con x0 (0) = a, x(0 = 0)
7. x00 + 4x = 82 (t) con x(0) = 3 y x0 (0) = 0
cos(x)
8. int
0 x2 +b2 dx

9. ty 00 + (t 1)y 0 y = 0 con y(0) = 5

R t+5
Rt
10. y(t) = 0 ex y 0 (x)dx + 0 y(t + 1 x)(x 1)dx + f 0 (t) con y(1) = 1 y

f (t) =

2(t 1) 0 t < 5
t
t>5

58

7.

Producto Interno de Funciones

Se define como:
Z a
< f, g >=
f (t)g(t)dt
b

donde f y g est
an definidas en [a, b] R.
Se dice que f y g son ortogonales si:
< f, g >= 0

7.1.

Propiedades

1. < f, g >=< g, f >

2. < f, g >= < f, g >
3. < f, f >= 0 f = 0
4. < f, f >= ||f ||2
5. < f + g, h >=< f, h > + < g, h >

7.2.

Ejercicios

1. Demostrar que x2 y x3 son funciones ortogonales en [1, 1]

7.3.

Conjunto Ortogonal

Tenemos el conjunto
0 (x), 1 (x), 2 (x), . . . , n (x)
Se dice ortogonal en [a, b] si el producto interno entre cada uno de ellos es igual a cero, es decir:
< i (x), j (x) >= 0
con i 6= j.
Se dice ortonormal si la norma de cada uno es igual a 1, es decir:
Si tenemos que ||~u|| =< u, u >, entonces:
Z a
2
||n (x)|| =< n (x), n (x) >=
2n (x)dx
b

Por lo tanto si ||i (x)|| = 1 para todo i, se dice ortonormal.

7.4.

Ejercicios

1. Es ortogonal {1, cos(x), cos(2x), cos(3x), . . . } en [, ]?

8.
8.1.

Series de Fourier
Objetivo

El objetivo de las Series de Fourier es extender de manera periodica una funcion para que sea
diferenciable en todo su dominio y poder resolver problemas con este tipo de funciones (Ecuaciones
diferenciales, Ecuaciones diferenciales parciales).
59

8.2.

Identidades y C
alculos Importantes para agilizar

1. sen2 (x) =

1cos(2x)
2

2. cos2 (x) =

1+cos(2x)
2

3. sen(A)sen(B) = 12 [sen(A + B) + sen(A B)]

4. cos(A)sen(B) = 21 [sen(A + B) sen(A B)]
5. cos(A)cos(B) = 12 [cos(A + B) + cos(A B)]
6. sen(A)sen(B) = 12 [cos(A + B) cos(A B)]
R
7. xcos(nx) = nxsen(nx)+cos(nx)
n2
sen(nx)nxcos(nx)
n2

8.

xsen(nx) =

9.

x2 cos(nx) =

(n2 x2 2)(sen(nx)+2nxcos(nx))
n3

10.

x2 cos(nx) =

(2n2 x2 )(cos(nx)+2nxsen(nx))
n3

11.

ex cos(nx)dx =

12.

ex cos(nx)dx =

ex (nsen(nx)+cos(nx))
n2 +1

13.

ex sen(nx)dx =

ex (sen(nx)ncos(nx))
n2 +1

14.

ex sen(nx)dx =

ex (sen(nx)+ncos(nx))
n2 +1

8.3.

ex (nsen(nx)cos(nx))
n2 +1

Procedimiento

Considerando una funci

on continua a trazos definida en un cierto intervalo la funcion es aproximada
por Series de Fourier de donde solo necesitamos obtener los respectivos coeficientes a0 , an , bn , los cuales
se obtienen de la siguiente manera:
1. Si esta definida en [, ]:

f (x) =

a0 X
+
an cos(nx) + bn sen(nx)
2
1

a0 =
an =
bn =

f (x)dx

f (x)cos(nx)dx

f (x)sen(nx)dx

2. Si esta definida en [L, L]:

f (x) =

a0 X
nx
nx
+
an cos(
) + bn sen(
)dx
2
L
L
1

60

1
a0 =
L

1
an =
L

1
L

bn =

f (x)dx
L
L

f (x)cos(

nx
)dx
L

f (x)sen(

nx
)dx
L

L
L

3. Si esta definida en [a, b]:

2nx
2nx
a0 X
+
an cos(
) + bn sen(
)dx
f (x) =
2
ba
ba
1

1
ba

1
an =
ba

1
ba

a0 =

bn =

f (x)dx
a
b

f (x)cos(

2nx
)dx
ba

f (x)sen(

2nx
)dx
ba

a
b

Lo importante es aprender de donde vienen los calculos que normalmente hacemos de manera mec
anica
aprendiendonos una f
ormula (como en los casos de los coeficientes), puesto que si nos cambian el
conjunto ortogonal aquellas formulas pueden no funcionar.
Por lo mismo si tenemos una funci
on f (x), su Serie de Fourier viene dada por:
f (x) = a0 g0 +

an gn + bn fn

Donde = {gn , fn } es el conjunto ortonomal.

De esta forma los coeficientes est
an definidas como:

8.4.

a0 =

hf (x), g0 i
hg0 , g0 i

an =

hf (x), gn i
hgn , gn i

bn =

hf (x), fn i
hfn , fn i

Paridad de Funciones

La paridad de la funci
on que estamos buscando aproximar nos ayudara en facilitar el calculo de la
serie de Fourier ya que si:
Si f (x) es impar a0 = 0 an = 0
Si f (x) es par bn = 0

61

8.4.1.

Ejercicios

1. Hallar la serie de Fourier de:

1
1
f (n) =

8.5.

< x < 0
0<x<
x = , x =

Extensiones par e impar

Sabemos que existen funciones pares (x2 , |x|, cos(x), x2n , etc) como tambien impares (x, x3 , x2n+1 , sen(x), tg(x), e
pero Fourier puede extender peri
odicamente una funcion par a impar y viceversa.
Por ejemplo tenemos:
f (x) = x2
definida en [0, ], grafic
andolo nos da una media parabola puesto que estamos definiendola en [0, ].

Ahora bien si la queremos extender de manera impar, quedara simetrico el primer cuadrante con el
tercer cuadrante y luego esto se repetir
a periodicamente con un periodo de 2, de la misma forma
podemos extender de manera par una funcion impar.
Recuerdo
par par = par
impar impar = par
par impar = impar
Con ello tambien nos ahorraremos calculo puesto que si la funcion f (x) es extension par (Tambien
llamada Serie Cosenoidal), bn = 0 puesto que f (x) es par y sen( nx
L ) es impar, por lo tanto par
por impar es igual a impar y por lo tanto bn = 0 y si es extension impar (Tambien llamada Serie
Senoidal) a0 = 0 an = 0 por el mismo razonamiento.

62

8.5.1.

Ejercicios

1. Desarrollar la serie senoidal y cosenoidal de f (x) = x, 0 < x < L

2. Desarrollar la serie normal, senoidal y cosenoidal de f (x) = x2
3. Hallar la serie cosenoidal f (x) = sen(x)
4. Hallar la serie senoidal de f (x) = cos(2x)
5. Hallar serie extendida par e impar de f (x) = ex definida en (0, )
6. Cual es la serie de Fourier de sen2 (x)?
7. Cual es la serie de Fourier de sen3 (x) con periodo 2?
8. Hallar el periodo y la serie de Fourier de f (x) = max{cos(x), cos(2x)}
9. Desarrollar la funci
on f (x) = x 1, 1 < x < 2 en serie de Fourier.

8.6.

Teorema de la convergencia en Series de Fourier

Suponiendo que f es una funci

on peri
odica y suave por partes (diferenciable por partes), entonces
su Serie de Fourier converge:
Al valor de f (x) en todo punto donde f (x) es continua
Al valor promedio 12 (f (x+ ) + f (x )) en cada punto donde f es discontinua, donde f (x+ ) es el
lmite derecho y f (x ) el lmite izquierdo en x.
8.6.1.

Ejercicios

1. Sea f (x) = x2 , 0 < x < 2, obtener f (2)

2. Demostrar

X
1
1
1
1
2
1
=
1
+
+
+
+

+
=
n2
22 32 42
n2
6
1

3. Demostrar

X
(1)n+1
1

n2

2
12

4. Demostrar

X
1
2
=
(nimpar)
n2
8
1

5. Hallar la serie de Fourier de f (x) = |x| en [, ] para encontrar 1 +

63

1
32

1
52

+ =

2
8

8.7.

Derivaci
on e Integraci
on de Series de Fourier

La idea de realizar derivadas o Integrales es facilitar el calculo de sus Serie de Fourier en ciertas
funciones que puede ser complejo utilizando la propia funcion y aplicandole derivada o antiderivada
podremos llegar de manera mas simple al resultado.
Por lo tanto si tenemos:

a0 X
nx
nx
f (x) =
+
) + bn sen(
)]
[an cos(
2
L
L
1

Entonces la Integral de la Serie de Fourier sera:

Z x

a0 x X L
nx
nx
f (u)du =
+
[an sen(
) bn cos(
)]
2
n
L
L
0
1

y la derivada de la Serie de Fourier ser

a (si f es suave):
f 0 (x) = +

X
L
nx
nx
[bn cos(
) an sen(
)]
n
L
L
1

8.8.

Identidad de Parseval

En general:
||f (x)|| = a20 ||g0 || +

a2n ||gn || + b2n ||fn ||

Es decir:
hf (x), f (x)i = a20 hg0 , g0 i +

a2n hgn , gn i + b2n hfn , fn i

Si f (x) es continua a tramos en [1, 1] y diferenciable a traves de (L, L), entonces:

Z

a2 X 2
1 L 2
f (x)dx = 0 +
an + b2n
L L
2
1

8.8.1.

Ejercicios

1. Encontrar la Serie de Fourier de f (x) = x, 0 < x < 2 en serie cosenoidal y demostrar:

1
1
1
1
4
+
+
+

+
=
14 24 34
n4
90

8.9.

Integrales de Fourier

Representa a clases de funciones no periodicas definidas en (, ) o (0, ) con:

Z
|f (x)|dx <

Sirve para generar la transformada de Fourier, la cual sirve para solucionar problemas de ecuaciones
diferenciales parciales, como tambien para encontrar el valor de algunas integrales impropias.
La integral de Fourier est
a definida en (, ) de la siguiente manera:
Z
1
f (x) =
[A()cos(x) + B()sen(x)]d
0
64

donde:

Z
A() =

f (t)cos(t)dt

f (t)sen(t)dt

B() =

8.9.1.

Convergencia de la integral de Fourier

Para que la integral de Fourier sea convergente a f(x) se requiere f ) y f 0 continua a tramos y
ademas f absolutamente integrable en (, ).
En los puntos de discontinuidad la integral de Fourier converge a:

f (x+
0 ) + f (x0 )
2

8.9.2.

Integrales de Fourier de Cosenos y Senos

Si f es par, entonces B() = 0, por lo tanto:

Z
Z
2
(
f (t)cos(t)dt)cos(x)d
f (x) =
0

Si f es impar, entonces A() = 0, por lo tanto:

Z
Z
2
f (x) =
(
f (t)sen(t)dt)sen(x)d
0

8.9.3.

Ejercicios

1. Encontrar la representaci
on en integral de Fourier de la funcion:

0
1
f (x) =

x<0
0<x<2
x>2

2.

f (x) =

2
0

|x| < p
|x| > p

3. Hallar ex con x > 0 en forma integral de Fourier de senos.

4. Probar que si a es una constante, pero no un n
umero entero entonces:

X
2asen(a) 1
cos(nx)
[ 2+
(1)n 2
]
cos(ax) =

2a
a n2
1

y de lo anterior probar que:

cot(a) =

X 1
2a 1
2a
=
( 2+
)

a
a n 2
1

65

9.

Transformada de Fourier

9.1.

Aplicaciones

Las principales aplicaciones son:

Resolver ecuaciones diferenciales ordinarias y parciales
Calculo de integrales impropias
Obtencion de transformadas y transformadas inversas mediante propiedades y teoremas

9.2.

Definici
on

Sea f una funci

on absolutamente integrable, es decir:
Z
|f (t)|dt <

Entonces por definici

on la Transformada de Fourier de f sera:
Z
Z
Z
F [f ]() = f() =
eiwx dx =
cos(t)f (t)dt i

sen(t)f (t)dt

La Transformada Inversa:
Z
Z
Z
1
1
iwx
F [F ()](x) =
F ()e dw = f (t) =
cos(x)f (x)dx + i
sen(x)f (x)dx
2

9.3.

Linealidad

Con y constantes:
F [f + g]() = F [f ]() + F [g]()
F 1 [f + g]() = F 1 [f ]() + F 1 [g]()

9.4.

Teoremas Importantes

9.4.1.

Escalamiento

F [f (at)]() =

1
F [f (x)]( a )
|a|

F [f (t)]() = F ()
9.4.2.

Simetra

Si F [f (t)] = F () F [F (t)] = 2f ()
9.4.3.

Desplazamiento en t

Si F [f (t)] = F () F [F (t t0 )]() = F ()eiwt0

9.4.4.

Desplazamiento en w

Si F [f (t)] = F () F [F (t)ei0 t ]() = F ( 0 )

66

9.4.5.

Diferenciaci
on en t

Si F [f (t)] = F ()
1. F [f 0 (t)] = (i)F () si lmt f (t) = 0
2. F [f (n) (t)] = (i)n F () si lmt f (t) = 0
9.4.6.

Integraci
on en t

Si F [f (t)] = F ()
Rt
1
1. F [ f (t)] = i
F () si
Rt
1
2. F [ f (t)] = i
F () + F (0)() si F (0) 6= 0
9.4.7.

Diferenciaci
on en w

Si F [f (t)] = F ()
1. F [itf (t)] =

dF
d

2. F [(it)n f (t)] =
9.4.8.

dn F
d

Integraci
on en w

1
f (t)] =
Si F [f (t)] = F () F [ (it)

F ()d

1. lim|| F () = 0

9.5.

Producto Convoluci
on

9.5.1.

Definici
on
Z

f (t) g(t) =

9.5.2.

f (u)g(t u)du =

f (t u)g(u)du

Propiedades de la Convoluci
on

1. F [f (t) g(t)] = F [f (t)] F [g(t)] = F () G()

2. F 1 [F () G()](t) = F 1 [F ()](t) F 1 [G()](t) = f (t) g(t)
Las Transformadas de Fourier se usan para resolver Ecuaciones diferenciales parciales, donde normalmente se siguen pasos bastante similares:
1. Aplicar Transformada de Fourier
2. Separar lo que esta respecto a la variable independiente y la dependiente.
3. Quedara una variables separables, por lo tanto integramos.
4. Obtendremos el valor el valor de la transformada de la solucion, PERO tiene una funcion constante que necesitamos calcular, para ello utilizamos las condiciones de valor inicial que nos dan.
5. Aplicamos Transformada de Fourier a la condicion inicial, con ello obtendremos el valor de la
funcion constante.
6. Luego de esto tendremos la Transformada de la solucion a la ecuacion, entonces tenemos que
aplicar Transformada Inversa, donde generalmente se utiliza la definicion.
67

9.5.3.

Ejemplo

1. Encontrar la temperatura u(x, t) de una varilla infinita considerando la ecuacion de calor:

k

2u
u
=
2
x
t

(4)

con < x < , sujeto a la condicion:


f (x) =

|x| < 1
|x| > 1

C0
0

Como el dominio de x es < x < , utilizamos Transformada de Fourier Normal, teniendo

que:

F{u(x, t)} = u
(w, t)
Aplicando Transformada de Fourier a la ecuacion (1):
F{k

2u
} = kw2 u
(w, t)
x2

Y tambien:

F{

u
d
u
}=
t
dt

Entonces nos quedara:

kw2 u
(w, t) =

d
u
dt

Nos damos cuenta que es una ecuacion diferencial de variables separables, por lo tanto:

kw2 dt =

d
u
u
(w, t)

Integramos:
kw2 t + c = ln(
u(w, t))
Aplicamos e:
Cekw

2t

=u
(w, t)

Ahora debemos encontrar C con las condiciones iniciales dadas:

Z
Z 1
F{u(x, 0)} =
f (x)eiwx dx =
C0 e iwx

Integrando nos queda:

F{u(x, 0)} =

C0 i
(e w eiw )
iw
68

Por euler tenemos que:

eiw = cosw + isenw
eiw = cosw isenw
Por lo tanto reemplazando nos queda:
F{u(x, 0)} =

2C0 sen(w)
w

Entonces u
(w, t) nos queda:
u
(w, t) =

2C0 sen(w) kw2 t

e
w

Como necesitamos u(x, t) que es la temperatura de la varilla, le aplicamos transformada inversa:

Z
1
2C0 sen(w) kw2 t iwx
1
F {
u(w, t)} =
e dw
e
2
w
Z
C0 sen(wx) kw2 t iwx
1
e
e dw
F {
u(w, t)} =

w
Y sabemos que por la ecuaci
on de euler:
eiwx = coswx + isenwx
Entonces reemplazando en la ecuaci
on:
Z
sen(w) kw2 t
C0
e
{coswx + isen(wx)}dw
F1 {
u(w, t)} =
w
Pero :
Z

inf ty

sen(wx) kw2 t
e
isen(wx)dw
w

Se anula ya que es impar en (, ), por lo tanto:

Z
C0 sen(w) kw2 t
e
coswxdw
u(x, t) =
w
2. Resolver:

ut + et ux + 2u = 0
u(x, 0) = f (x)

Reescribiendo la ecuaci
on tenemos que:
ut + et

d
(u) + 2u = 0
dx

Entonces, por la propiedad de derivada:

F{f 0 (t)} = iwF (w)
69

Aplicando entonces Transformada de Fourier a la ecuacion:

ut + iwet u
+ 2
u=0
Ahora debemos despejar ut :
ut = iwet u
2
u
Factorizando:
ut = (2 + iwet )
u
d
u
dt :

Sabemos que ut =

d
u
= (2 + iwet )
u
dt
Nos queda una ecuaci
on separable:
d
u
= (2 + iwet )dt
u

Integramos:
ln(
u) = (2t + iwet ) + c
Ahora para despejar u
aplicamos e
t )+c

u
= e(2t+iwe

Por propiedades de potencia:

t

u
= e2t eiwe ec
Sabemos que ec es una constante, por lo tanto la anotamos como un valor K, nos queda:
t

u
= Ke2t eiwe

Ademas por la condici

on inicial, tenemos que u(x, 0) = f (x), por lo tanto aplicando Transformada de Fourier queda :
u
(w, 0) = f(w) = Keiw
Reemplazando en la ecuaci
on:
u
= e2t f(w)eiw(1e

t)

Y por el teorema de traslaci

on:
F{f(w)eiwa } = f (x a)
Por lo tanto la soluci
on es:
u(x, t) = e2t f (x (1 et ))

9.6.

Ejercicios

1. Sea a > 0, hallar f() para la funci

on caracterstica:

1
x [a, a]
f (x) = X[a,a] =
0
x
/ [a, a]
2. Hallar f() para f (x) = ea|x|
3. Hallar la Transformada de Fourier de

1
|t| 1
f (t) =
0
|t| > 1

70