Vectorr

Bo
rr
ad
or
Pr
eli
m
in
ar
Matemáticas Avanzadas:
de los espacios lineales al análisis vectorial,
ar
con aplicaciones en Maxima
H. Hernández
in
Departamento de Fı́sica, Facultad de Ciencias,
Universidad de Los Andes, Mérida-Venezuela
m
L. A. Núñez
Escuela de Fı́sica, Facultad de Ciencias,
Universidad Industrial de Santander, Bucaramanga-Colombia
eli
3 de noviembre de 2018
Pr
or
ad
rr
Bo
i
Índice general
ar
in
1. Los vectores de siempre 2
m
1.1. Vectores geométricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Escalares y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2. Álgebra de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3. Vectores linealmente independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
eli
1.1.4. Productos de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.5. Producto triple o mixto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.6. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.7. Practicando con Maxima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.1.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Pr
1.2. Vectores en componentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1. Bases y componentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.2. Cosenos directores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.3. Una división fallida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.4. Algebra vectorial en componentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.5. Dependencia e independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.6. Productos de vectores en componentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
or
1.2.7. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3. Aplicaciones del álgebra vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
ad
1.3.1. Rectas y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

1.3.2. Planos y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.3.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
rr
1.4. Álgebra vectorial con ı́ndices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

1.4.1. Convención de Einstein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.4.2. Vectores e ı́ndices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Bo
1.4.3. Rotación de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

1.4.4. Escalares, pseudoescalares, vectores y pseudovectores . . . . . . . . . . . . . . . . . . . 37
1.4.5. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
ii
ÍNDICE GENERAL
1.4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.5. Un comienzo a la derivación e integración de vectores . . . . . . . . . . . . . . . . . . . . . . 43
1.5.1. Vectores variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.5.2. Derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.5.3. Velocidades y aceleraciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.5.4. Vectores y funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.5.5. El operador r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.5.6. Integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
1.5.7. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
ar
1.5.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
1.6. Vectores y números complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
1.6.1. Los números complejos y su álgebra . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
in
1.6.2. Vectores y el plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
1.6.3. Fórmulas de Euler y De Moivre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
1.6.4. Algunas aplicaciones inmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
1.6.5. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
m
1.6.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
2. Espacios vectoriales lineales 89
eli
2.1. Grupos, campos y espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
2.1.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.1.2. Campo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
2.1.3. Espacios vectoriales lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Pr
2.1.4. Algunos espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
2.1.5. La importancia de la notación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
2.1.6. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
2.1.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
2.2. Espacios métricos, normados y con producto interno . . . . . . . . . . . . . . . . . . . . . . . 104
2.2.1. Métricas y espacios métricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
or
2.2.2. Normas y espacios normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

2.2.3. Espacios euclidianos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2.2.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
ad
2.2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

2.3. Variedades lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2.3.1. Dependencia/Independencia lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2.3.2. Bases de un espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2.3.3. El determinante de Gram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
rr
2.3.4. Ortogonalidad y bases ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

2.3.5. Ortogonalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
2.3.6. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Bo
2.3.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

2.4. Aproximación de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
2.4.1. Complementos ortogonales y descomposición ortogonal . . . . . . . . . . . . . . . . . . 138
iii
ÍNDICE GENERAL
2.4.2. Condiciones para la aproximación de funciones . . . . . . . . . . . . . . . . . . . . . . 139

2.4.3. El método de mı́nimos cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
2.4.4. Interpolación polinomial de puntos experimentales . . . . . . . . . . . . . . . . . . . . 141
2.4.5. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
2.4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
3. Vectores duales y tensores 156

3.1. Funcionales lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
ar
3.1.1. Espacio vectorial dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
3.1.2. Espacios duales y bases recı́procas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
3.1.3. Vectores, formas y leyes de transformación . . . . . . . . . . . . . . . . . . . . . . . . 159
3.1.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
in
3.1.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
3.2. Tensores y producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
3.2.1. Tensores, una definición funcional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
m
3.2.2. Producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
3.2.3. Espacios tensoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
3.2.4. Bases para un producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
3.2.5. Tensores, sus componentes y sus contracciones . . . . . . . . . . . . . . . . . . . . . . 175
eli
3.2.6. Tensor métrico, ı́ndices y componentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
3.2.7. Métrica, elemento de lı́nea y factores de escala . . . . . . . . . . . . . . . . . . . . . . 180
3.2.8. Teorema del cociente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
3.2.9. Vectores, formas, tensores y leyes de transformación . . . . . . . . . . . . . . . . . . . 182
Pr
3.2.10. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
3.2.12. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
3.3. Vectores, tensores y espacios pseudoeuclidianos . . . . . . . . . . . . . . . . . . . . . . . . . . 211
3.3.1. Espacios minkowskianos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
3.3.2. Un toque de Relatividad Especial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
3.3.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
or

3.3.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
3.4. Espacios de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
3.4.1. La función delta de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
ad
3.4.2. Bases continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225

3.4.3. Bases de ondas planas y la transformada de Fourier . . . . . . . . . . . . . . . . . . . 228
3.4.4. Las representaciones |ri y |pi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
3.4.5. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
rr
3.4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
4. Matrices, determinantes y autovectores 243

4.1. Operadores lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
Bo
4.1.1. Espacio vectorial de operadores lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 246

4.1.2. Composición de operadores lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
4.1.3. Proyectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
iv
ÍNDICE GENERAL
4.1.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

4.1.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
4.2. Tipos de operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
4.2.1. Espacio nulo e imagen de un operador . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
4.2.2. Operadores biyectivos e inversos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.2.3. Operadores adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
4.2.4. Operadores hermı́ticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
4.2.5. Operadores unitarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
ar
4.2.6. Funciones de operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
4.2.7. Diferenciación de operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
4.2.8. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
in
4.2.10. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
4.3. Representación matricial de operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
4.3.1. Álgebra elemental de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
4.3.2. Bases y la representación matricial de operadores . . . . . . . . . . . . . . . . . . . . . 268
m
4.3.3. Representación matricial y transformaciones . . . . . . . . . . . . . . . . . . . . . . . . 268
4.3.4. Traza de operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
4.3.5. Un paréntesis determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
4.3.6. Diferenciación de operadores y representación matricial . . . . . . . . . . . . . . . . . 274
eli
4.3.7. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
4.3.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
4.4. Un zoológico de matrices cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
Pr
4.4.1. Matriz unidad y la matriz nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
4.4.2. Matriz diagonal y diagonal a bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
4.4.3. Matriz transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
4.4.4. Matriz de cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
4.4.5. Matriz adjunta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
4.4.6. Matriz singular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
4.4.7. Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
or
4.4.8. Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291

4.4.9. Matrices complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
4.4.10. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
ad
4.4.12. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296

4.5. Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
4.5.1. Eliminación de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
4.5.2. El método de la matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
4.5.3. Factorización LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
rr
4.5.4. Método de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299

4.5.5. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
4.5.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
Bo
4.6. Autovectores y autovalores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307

4.6.1. Autovalores, autovectores e independencia lineal . . . . . . . . . . . . . . . . . . . . . 308
4.6.2. El polinomio caracterı́stico, autovalores y autovectores de un operador . . . . . . . . . 309
v
ÍNDICE GENERAL
4.6.3. El caso degenerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310

4.6.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
4.6.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
4.7. Autovalores y autovectores de matrices importantes . . . . . . . . . . . . . . . . . . . . . . . 325
4.7.1. Autovalores y autovectores de matrices hermı́ticas y unitarias . . . . . . . . . . . . . . 326
4.7.2. Autovalores y autovectores de matrices similares . . . . . . . . . . . . . . . . . . . . . 328
4.7.3. Conjunto completo de observables que conmutan . . . . . . . . . . . . . . . . . . . . . 329
4.7.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
ar
4.7.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 344
5. Coordenadas curvilı́neas, campos y operadores diferenciales 347
in
5.1. Coordenadas curvilı́neas generalizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
5.1.1. Coordenadas cartesianas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
5.1.2. Coordenadas cilı́ndricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
5.1.3. Coordenadas esféricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
m
5.1.4. Otros sistemas coordenados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
5.1.5. Curvas y parámetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
5.1.6. Covectores, tensores y coordenadas curvilı́neas . . . . . . . . . . . . . . . . . . . . . . 358
5.1.7. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
eli
5.1.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
5.2. Campos tensoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
5.2.1. Campos escalares y superficies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
Pr
5.2.2. Campos vectoriales y curvas integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . 377
5.2.3. Flujo de campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
5.2.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
5.2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
5.3. La fauna de los operadores vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
5.3.1. Derivada direccional, diferencial total y gradiente . . . . . . . . . . . . . . . . . . . . . 384
or
5.3.2. Divergencia y flujo en campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 388

5.3.3. Rotores, lı́neas de torbellino y circulación . . . . . . . . . . . . . . . . . . . . . . . . . 391
5.3.4. Formulario del operador nabla, r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395
5.3.5. Nabla dos veces y el laplaciano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
ad
5.3.6. Derivadas direccionales de campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . 398

5.3.7. La derivada covariante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
5.3.8. Derivadas absolutas y geodésicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405
5.3.9. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 406
rr
5.3.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419

5.4. Integrales y campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
5.4.1. Integrales de lı́nea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422
5.4.2. Integrales de superficie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 424
Bo
5.4.3. Integrales de volumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426

5.4.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427
vi
ÍNDICE GENERAL
5.4.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432

5.5. Campos vectoriales y teoremas integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433
5.5.1. Teorema de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433
5.5.2. Teorema de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 439
5.5.3. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 442
5.5.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 450
5.6. Teorı́a de Potencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 451
5.6.1. Potenciales escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453
ar
5.6.2. Potenciales vectoriales y calibres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454
5.6.3. Teorema de Green y potenciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 455
5.6.4. Teorema de Helmholtz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 455
5.6.5. Teoremas integrales para campos tensoriales . . . . . . . . . . . . . . . . . . . . . . . . 456
in
5.6.6. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 457
5.6.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 466
m
6. Apéndice 470
6.1. Introducción a los CAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471
6.2. Maxima: Sintaxis básica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
6.2.1. Cálculos elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475
eli
6.2.2. Bibliotecas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 486
6.2.3. Maxima en modo texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 490
6.2.4. Invocando la ayuda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 491
6.2.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 492
Pr
or
ad
rr
Bo
vii
Introducción
ar
in
Como toda obra, el contenido de este libro tuvo como motivación inicial la insatisfacción con lo que
estaba disponible y esa necesidad de discutir un conjunto de conceptos con el matiz personal de los autores.
m
A lo largo de casi 10 años se fue dibujando esa ruta, donde confluyen: una presentación abstracta, una
herramienta de cálculo algebraico y variados ejemplos de aplicación proveniente de la más diversas áreas.
Hemos tratado de mostrar que los conceptos abstractos son útiles porque engloban, bajo un mismo enfoque,
una multiplicidad de aplicaciones que normalmente las percibimos aisladas.
eli
Existe, desde hace mucho tiempo, cierta resistencia en los Departamentos de Fı́sica en incluir en sus pro-
gramas de docencia cursos para la enseñanza de herramientas de computación cientı́fica y cálculo numérico,
tal vez debido a los altos costos de la mayorı́a de estos programas, casi todos comerciales. Pensamos que
la utilización de herramientas computacionales enriquece enormemente el aprendizaje de los estudiantes ya
que los enseñan a abordar los problemas desde diferentes puntos de vista, les ayuda a familiarizarse con
Pr
determinados lenguajes de programación y los incentiva a desarrollar sus propias técnicas de cálculo.
Hemos decidido utilizar un sistema de computación algebraico de domino público (o software libre) como
Maxima porque estos programas tienen la capacidad de ofrecer al estudiante toda una gama de herramientas
de cálculo simbólico, numérico y de visualización de muy alto rendimiento. Maxima es un programa que no
requiere conocimientos previos de lenguajes de programación pero permitirá que el estudiante se familiarice
con la sintaxis de programación y la transición a los lenguajes del tipo Fortran, C, o Python será mas sencilla.
Los contenidos que aquı́ presentamos han sido utilizados en cursos de Métodos Matemáticos para estu-
or
diantes de pregrado en Fı́sica de la Universidad de los Andes (Mérida-Venezuela) y más recientemente en

los cursos de pregrado y posgrado para estudiantes en Fı́sica e Ingenierı́as en la Universidad Industrial de
Santander (Bucaramanga-Colombia).
ad
rr
Bo
1
Capı́tulo 1
ar
Los vectores de siempre
in
m
La ruta de este capı́tulo
Suponemos que los estudiantes se acercan a estas notas, no solo conociendo algunos términos sino siendo
capaces de buscar muchos otros en la red. Por lo tanto, concebimos este capı́tulo para que apunte a varios
eli
objetivos. Por un lado, buscamos refrescar un conjunto de conceptos básicos que seguramente son conocidos
por el lector. Si no lo son, aprovechamos la oportunidad para presentarlos –en el marco de R3 , es decir
ejemplificando con vectores tridimensionales– utilizando el lenguaje abstracto al cual haremos referencia
en los próximos capı́tulos. Siguiendo esta lógica presentamos las propiedades de los vectores en la próxima
sección 1.1; la independencia lineal, bases, producto interno (sección 1.1.3) y los sistemas de coordenadas
Pr
(sección 1.2). Con la excusa del algebra vectorial en coordenadas, introducimos algunos elementos de álgebra
vectorial con ı́ndices, que normalmente no son cubiertos tan tempranamente (sección 1.4) en cursos de
métodos matemáticos. Adicionalmente, esta excusa nos sirve de puente para presentar nociones operativas
de tensores y de análisis de vectorial que formalizaremos más adelante en los capı́tulos 3 y 5, respectivamente.
La representación de los número complejos como vectores, con “componentes” reales y complejas justifica
la incorporación de este repaso en la última sección 1.6. Finalmente, este capı́tulo nos sirve para iniciar el
or
uso de la herramienta de cálculo algebraico que nos acompañará en el resto del libro y que se detalla en el
apéndice 6.1.
1.1. Vectores geométricos

ad
Desde los primeros cursos de Fı́sica en educación media, venimos hablando de vectores como cantidades
que tienen que ser representadas con más de un número. Son varias las razones que obligan a introducir este
(y otro) tipo de cantidades “multidimensionales”. Enumeraremos algunas que, a nuestro criterio personal,
son las más representativas.
rr
1. Necesidad de modelos matemáticos de la naturaleza. Desde los albores del renacimiento, con
Galileo Galilei a la cabeza, nos es imperioso representar cantidades de manera precisa. Las matemáticas
nos apoyan en esta necesidad de precisión y desde ese entonces son el lenguaje de la actividad cientı́fica.
Bo
2. Los modelos tienen que ser contrastados con los experimentos. Las ciencias y sus modelos,
en última instancia, tienen que ver con la realidad, con la naturaleza y por ello debemos medir y
contrastar las hipótesis con esa realidad que modelamos. Necesitamos representar cantidades medibles
2
1.1. VECTORES GEOMÉTRICOS
ar
in
m
Figura 1.1: Vectores y sus operaciones
eli
(observables) y que, por lo tanto, tienen que ser representadas de la forma más compacta, pero a la
vez más precisa posible.
Pr
3. Las leyes de los modelos deben ser independiente de los observadores. Cuando menos a
una familia significativa de observadores, el comportamiento de la naturaleza no puede depender de la
percepción de un determinado observador, por lo tanto, los modelos que construimos para describirla
tampoco pueden depender de los observadores.
Es común que tropecemos con: escalares, vectores, tensores y espinores, dependiendo del número de
or
cantidades que necesitemos para representar determinado objeto matemático. Podremos constatar que las
leyes de la Fı́sica vienen escritas en forma vectorial (o tensorial) y, por lo tanto, será la misma ley para la
familia de observadores equivalentes.
ad
1.1.1. Escalares y vectores

Dejaremos para más adelante caracterizar objetos como tensores y espinores, por ahora nos contentaremos
con refrescar nuestros recuerdos con cantidades como:
Escalares: Serán aquellas cantidades las cuales se representan con UN solo número, una magnitud:
rr
temperatura, volumen, masa, entre otras. Es costumbre no denotarlas de manera especial, ası́ T = 5 C
representará una temperatura de 5 grados centı́grados.
Vectores: Serán cantidades las cuales, para ser representadas por un objeto matemáticos, necesitan
Bo
más de una cantidad: requieren de UN número, UNA dirección y UN sentido. Entre las cantidades
que tı́picamente reconocemos como vectores están: la velocidad, la aceleración, la fuerza. En términos
gráficos podremos decir que un vector será un segmento orientado, en el cual la dimensión del segmento
3
representará su módulo y su orientación la dirección y el sentido. Para diferenciarlos de las cantidades

escalares hay una variedad de representaciones, entre ellas: en negrita a; con una flecha arriba de la
!
cantidad ~a; con una tilde arriba o abajo ã; o explicitando el origen del segmento orientado OP . El
módulo del vector lo representaremos dentro de la función valor absoluto, o sencillamente sin la flecha
arriba a = |a| = |~a|.
Los vectores son independientes del sistema de coor-

denadas. Sus caracterı́sticas (módulo, dirección y
ar
sentido) se preservarán en todos los sistemas de
coordenadas. Más aún, habrá vectores que podre-
mos desplazar (conservando su módulo dirección y
sentido) paralelos a ellos mismos, y seguirán repre-
in
sentando las mismas cantidades. Por ello encontra-
remos el término de vectores deslizantes. Un ejem-
plo son las fuerzas que actúan en un determinado
cuerpo, como se muestra en el cuadrante I en la fi-
m
gura 1.1. También habrá vectores atados a un pun-
to en el espacio, por cuanto representan una de las
propiedades de ese punto: la velocidad del viento, el
campo eléctrico, o sus variaciones son ejemplos de
eli
vectores atados (observe la figura 1.2 como ejemplos Figura 1.2: Ejemplos de vectores atados
ilustrativos). Pr
1.1.2. Álgebra de vectores
Enumeraremos rápidamente el álgebra de vectores sin hacer referencia a un sistema de coordenadas en
particular. Desde los cursos básicos de matemáticas nos enseñaron a representar gráficamente este álgebra,
ası́ tenemos que:
Vector nulo. Es aquel que tiene por módulo cero y no se le pude asignar dirección ni sentido. El frecuente
or
representar al vector nulo por 0.
Vector unitario. Es aquel que tiene por módulo la unidad, es muy útil por cuanto, para efectos algebraicos,
“contiene” únicamente dirección y sentido. Lo denotaremos con un acento circunflejo, comúnmente llamado
ad
“sombrero” ûa = a/|a|, con lo cual todo vector se podrá expresar por un módulo en la dirección y sentido
de un vector unitario: a = |a| ûa = a ûa .
Comparación de vectores. Al comparar sus módulos diremos que pueden ser mayores, menores o iguales.
Por lo tanto, tal y como mostramos en el cuadrante IIa de la figura 1.1, dos vectores serán iguales, a = b, si
rr
tienen la misma dirección y sentido.
Multiplicación por un número. Un vector multiplicado por un número, ↵, cambiará su módulo si ↵ > 0
Bo
y cambiará su sentido, y eventualmente su módulo, si ↵ < 0. Tal y como puede apreciarse en el cuadrante
IIa de la figura 1.1. Claramente dos vectores proporcionales serán colineales. Diremos además, que el inverso
del vector a será la multiplicación de a por ( 1). Esto es: ( 1) a = a.
4
Suma de vectores. Para sumar vectores utilizamos la regla del paralelogramo, es decir, desplazamos
paralelamente uno de los vectores y lo colocamos a continuación del otro, de tal forma que la diagonal del
paralelogramo, que tiene por lados los vectores sumandos, constituye el vector suma, (ver cuadrantes IIa y
IIb de la figura 1.1).
Este esquema se puede generalizar para varios vectores tal y como lo mostramos en el cuadrante III de la
figura 1.1. Allı́ construimos un polı́gono cuyos lados los constituyen los vectores sumandos a, b, c, d y n con
n = a + b + c + d. Nótese que aún en el caso tridimensional, el vector suma siempre será coplanar (estará
en el mismo plano) a los sumandos que lo generaron.
Igualmente, podemos definir la resta de vectores al sumar el inverso. Esto es:
ar
a b ⌘ a + ( b) )0=a a ⌘ a + ( a) .
En términos gráficos la resta de dos vectores se representa colocando los vectores (minuendo y sustraendo)
in
con el mismo origen y uniendo las cabezas de flecha. Dependiendo de cual vector es el minuendo y cual el
sustraendo el vector resta apuntará del sustraendo hacia el minuendo, esto es: (a + b + c) a = b + c.
Claramente, el módulo del vector resta representa la distancia entre los dos extremos de los vectores
minuendo y sustraendo.
m
Un resumen de propiedades. Las propiedades (obvias) del álgebra de vectores son:
La suma de vectores:
eli
• es cerrada a + b = c,
• es conmutativa a + b = b + a,
• es asociativa (a + b) + c = a + (b + c),
• tiene un único elemento neutro 0 + a = a + 0 = a, 8 a,
• existe un elemento simétrico
Pr
a (uno para cada vector) tal que 0 = a a ⌘ a + ( a),
• es distributiva respecto a la multiplicación por números: ↵ (a + b) = ↵a + ↵b.
La multiplicación de números por vectores:
• es conmutativa a↵ = ↵a,
or
• es asociativa ↵ ( a) = (↵ ) a,
• es distributiva (↵ + ) a = ↵a + a.
1.1.3. Vectores linealmente independientes

ad
Armados con el álgebra y siendo explı́cito en sus propiedades podemos construir la primera aproximación
a uno de los conceptos fundamentales del álgebra lineal. La noción de independencia o dependencia lineal.
Diremos que tres vectores a, b, c son linealmente independientes en R3 si se cumple que:
↵ a+ b+ c=0 ) ↵= = = 0.
rr
Es decir, que la única manera que al sumar cualquier múltiplo de a, b y c de modo que la suma se anule
es obligando a que los escalares sean necesariamente nulos. En caso contrario, es decir, si no se cumple lo
anterior diremos que uno de los vectores será linealmente dependiente y por lo tanto se podrá expresar como
Bo
combinación lineal de los otros dos. Si por ejemplo 6= 0, entonces:

↵
↵ a+ b+ c=0 ) c= a ¯ a + ¯ b.
b ) c=↵
5
Es muy importante señalar que los vectores linealmente independientes formarán una base para el espacio
donde estos vectores “viven” y el número máximo de vectores linealmente independientes será la dimensión
de ese espacio de “residencia”. Más adelante estudiaremos con más detalle el concepto de bases.
Tratemos de concretar algunas de estas afirmaciones.
Dos vectores linealmente dependientes son colineales. Es decir, los vectores están contenidos en la misma
lı́nea y es claro que:
8
>
< a= b
ar
⇢ >
↵ 6= 0 ↵
↵ a+ b = 0 con alguno de )
6= 0 >
> ↵
: b= a
in
el contrario también será cierto: si dos vectores son colineales ellos serán linealmente dependientes.
a = b ) ↵a + b = 0 ) ↵ b + b = 0 ) (↵ + ) b = 0 ) = ,
↵
m
con lo cual podremos afirmar que si dos vectores son linealmente independientes ellos no son colineales.
Tres vectores linealmente dependientes son coplanares. Por ser los tres vectores linealmente dependientes
al menos uno de los escalares tiene que ser distinto de cero, digamos , esto es:
eli
↵
↵ a+ b+ c=0 ) c= a b = ⇠1a + ⇠2b ,
pero como ⇠ 1 a / a y ⇠ 2 b / b, esto significa que: ⇠ 1 a y a son colineales, de la misma manera que ⇠ 2 b
Pr
y b, y por lo tanto, la suma estará en el mismo plano.
Dos vectores linealmente independientes generan todos los vectores coplanares. Dado dos vectores a y
b linealmente independientes, entonces cualquier vector c, coplanar con a y b, podrá expresarse como
una combinación lineal de éstos. Diremos que: c se expresa en términos de a y b como: c = ⇠ 1 a + ⇠ 2 b,
y esa expresión es única.
La primera de las afirmaciones es directa por cuanto hemos visto que si a y b son linealmente inde-
or
pendientes y c es coplanar con a y b, entonces, necesariamente a, b y c son linealmente dependientes.

Esto es:
↵
↵ a+ b+ c=0 ) c= a b = ⇠1a + ⇠2b .
ad
La demostración de que la expansión es única viene de suponer que existen dos maneras distintas de
representar al mismo vector c. Veamos:
9 8 1
c = ⇠1a + ⇠2b = < ⇠ ⇣1 = 0 ) ⇠1 = ⇣ 1
1 1 2 2
rr
) 0= ⇠ ⇣ a+ ⇠ ⇣ b )
; : 2
c = ⇣ 1a + ⇣ 2b ⇠ ⇣2 = 0 ) ⇠2 = ⇣ 2
debido a que a y b son linealmente independientes.

Bo
La demostración para el caso tridimensional es equivalente. Es decir tres vectores linealmente indepen-
dientes a, b y c expanden, de manera unı́voca, todos los vectores del espacio. Esta demostración queda
para el lector.
6
ar
in
m
Figura 1.3: Productos de vectores
eli
Vectores Base. Cuando un vector c se pueda expresar en términos de dos vectores linealmente inde-
pendientes, a y b, por ejemplo: c = ⇠ 1 a + ⇠ 2 b, diremos que a y b forman una base para todos los
vectores coplanares a éstos. Igualmente para el caso tridimensional: tres vectores linealmente indepen-
Pr
dientes a, b y c conformarán una base para los vectores del espacio. Los números ⇠ 1 y ⇠ 2 para el caso
bidimensional se denominan las componentes de c a lo largo de a y b. Equivalentemente, ⇠ 1 , ⇠ 2 , ⇠ 3
serán las componentes de cualquier vector para el caso 3D a lo largo de a, b y c, respectivamente. Esta
nomenclatura será más evidente luego de la próxima sección.
or
1.1.4. Productos de vectores

Hemos sumado y restado vectores, el siguiente paso es multiplicarlos. Básicamente existen dos formas de
multiplicar vectores: el producto escalar y el producto vectorial, veremos a continuación de que se trata y
sin especificar un sistema de coordenadas para referirlos.
ad
Producto escalar
Denominaremos producto escalar de dos vectores a y b a un escalar cuyo valor será igual al producto de
los módulos multiplicado por el coseno del ángulo que ellos forman:
rr
⇣ = a · b = |a| |b| cos(✓)ha,bi .
El significado geométrico del producto escalar es evidente, cuadrante I de la figura 1.3. El producto escalar
Bo
representa la proyección de a sobre b y equivalentemente la proyección de b sobre a.

De esta definición se derivan varias consecuencias las cuales por obvias no dejan de ser importantes:
7
El producto escalar de un vector consigo mismo, siempre es positivo:

2
⇣ = a · a = |a| p nulo si a es el vector nulo. Esto es, ⇣ = 0 ) a = 0. Con esto podemos
0,py sólo será
concluir que |a| = a · a = ⇣.
El producto escalar es conmutativo:
⇣ = a · b = b · a, ya que el ángulo entre los vectores es el mismo y la multiplicación entre escalares es
conmutativa.
El producto escalar es distributivo:
ar
Esto es, a · (b + c) = a · b + a · c. La demostración (gráfica) puede apreciarse en el cuadrante II de la
figura 1.3.
La multiplicación por un número:
⇣¯ = ↵⇣ = |↵| (a · b) = (↵a) · b = a · (↵b) = |↵a| |b| cos(✓)ha,bi = |a| |↵b| cos(✓)ha,bi .
in
Desigualdad de Cauchy-Schwarz.
A partir de la definición de producto interno es inmediata la comprobación de la siguiente desigualdad:
m
2 2 2 2 2
(a · b) = |a| |b| cos(✓)ha,bi ) (a · b)  |a| |b| , a · b  |a| |b| ,
ya que: 0  cos2 (✓)ha,bi  1.

Del producto escalar surge el teorema del coseno.
eli
Es inmediato calcular el producto escalar de un vector consigo mismo, para ello vamos a suponer que
c = a + b, con lo cual:
2 2 2
c = a + b ) c · c = (a + b) · (a + b) ) |c| = |a| + |b| + 2 |a| |b| cos(✓) ,
Pr
donde ✓ es el ángulo que forman los vectores a y b. Esto no es otra cosa que el teorema del coseno y
está ilustrado en el cuadrante III de la figura 1.3.
Dos vectores no nulos son ortogonales (perpendiculares) si su producto escalar es nulo.
Esta afirmación es inmediata:
⇡
a ? b ) ✓ha,bi = ) a · b = |a| |b| cos(✓)ha,bi = 0 .
or
Producto vectorial
A diferencia del producto escalar que genera un escalar, el producto vectorial tiene como resultado otro
ad
vector: c = a ⇥ b (realmente un pseudovector o vector axial en contraposición a los vectores polares, pero
eso lo veremos más adelante en la sección 1.4.4), con las siguientes caracterı́sticas:
El módulo de c, será:
|c| = |a| |b| sen(✓)ha,bi .
rr
Es claro que el módulo de c representa el área del paralelogramo cuyos lados están formados por a y
b (ver el cuadrante V de la figura 1.3).
Tal y como muestran los cuadrantes IV y V de la figura 1.3, c tendrá como dirección la perpendicular
Bo
al plano que forman a y b, y como sentido la regla del pulgar derecho, regla de la mano derecha, o de
manera más elegante, será positiva cuando la multiplicación de a⇥b corresponda al sentido antihorario.
Podemos deducir algunas consecuencias de esta definición.
8
El producto vectorial es anticonmutativo.

a ⇥ b = b ⇥ a, y se sigue de la definición que expresa el cuadrante IV de la figura 1.3.
El producto vectorial es distributivo respecto a la suma.
a ⇥ (b + c) = a ⇥ b + a ⇥ c. La demostración de esto lo dejaremos para más adelante.
La multiplicación por un número.
|c| = |↵| |a ⇥ b| = |(↵a) ⇥ b| = |a ⇥ (↵b)| = |↵a| |b| sen(✓)ha,bi = |a| |↵b| sen(✓)ha,bi .
ar
Dos vectores serán colineales si su producto vectorial se anula.
Como en el caso cuando se anulaba el producto escalar identificábamos a dos vectores ortogonales,
cuando se anula el producto vectorial tendremos dos vectores paralelos. Es claro que esto se cumple de
inmediato:
in
a k b ) ✓ha,bi = 0 ) |c| = |a ⇥ b| = |a| |b| sen(✓)ha,bi = 0 .
Si el módulo del vector es cero, obvio que es el vector nulo. Ahora bien, también de aquı́ deducimos
que:
m
c = a ⇥ b ) c · a = (a ⇥ b) · a = c · b = (a ⇥ b) · b = 0 .
1.1.5. Producto triple o mixto
eli
Analicemos ahora el número (pseudoescalar) que proviene de la multiplicación:
V = c · (a ⇥ b) = |c| |(a ⇥ b)| cos(✓)hc,a⇥bi .
Este producto también cumple con algunas propiedades que enunciaremos ahora y demostraremos más tarde.
Pr
El producto mixto representa el volumen del paralelepı́pedo cuyos lados son los vectores a, b y c.
|a ⇥ b| representa el área de la base y la altura está representada por la proyección del vector c sobre
la perpendicular al plano de la base que es, precisamente |c| cos(✓)hc,a⇥bi .
El producto mixto es cı́clico respecto a sus factores.
(a ⇥ b) · c = (c ⇥ a) · b = (b ⇥ c) · a .
or
Esta afirmación se verá demostrada más adelante.

El producto mixto se anula cuando se repite alguno de sus factores.
(a ⇥ b) · a = (a ⇥ b) · b = (a ⇥ a) · c = (b ⇥ b) · c = 0 .
ad
Claramente, si (a ⇥ b) ? a ) (a ⇥ b) · a = 0.
Si los tres vectores a, b y c son coplanares (linealmente dependientes) entonces:
(a ⇥ b) · c = 0 .
rr
Dicho de manera más elegante, útil e impactante: tres vectores que cumplen con:
(a ⇥ b) · c 6= 0 ,
Bo
son linealmente independientes y forman una base para el espacio tridimensional. Esa base se denomi-
nará levógira (contraria al giro de las manecillas del reloj) si el producto (a ⇥ b) · c < 0 y dextrógira
(la convencional base de la mano derecha) si (a ⇥ b) · c > 0.
9
1.1.6. Ejemplos
1. En un segmento de recta AB ubicamos un punto D de manera que este punto divide al segmento en
dos partes, es decir, en la proporción ↵ : (AB = AD + DB = ↵ + ). Para ubicar el vector posición
del punto D podemos hacer lo siguiente.
A los puntos A y B le hacemos corresponder el vector a y el vector b, respectivamente, con un origen
común O. De manera que c = b a es un vector que va desde el punto A al punto B. Entonces, la
distancia OD, a la que le podemos asociar el vector d, no es más que:
✓ ◆
ar
↵ ↵ ↵ ↵
d = OD = a + (b a) = 1 a+ b= a+ b.
↵+ ↵+ ↵+ ↵+ ↵+
2. Hemos definido la posición r del centro de masa, para un sistema de N partı́culas, al vector:
in
⌃N
i=1 mi ri
r= ,
⌃Nj=1 mj
m
donde ri corresponde con la posición de la i ésima partı́cula. Determinaremos la posición del centro
de masa para un sistema de tres masas, mi = 1,2,3, ubicadas en los vértices de un triángulo equilátero
de lado l = 2.
Colocando el origen de coordenadas en uno de los vértices y uno de los ejes de coordenadas sobre uno
eli
de los lados, entonces tenemos:
p p
⌃3i=1 mi ri m1 r 1 + m1 r 1 1 · 2i + 3 · i + 3j 5 3
r= 3 = = = i+ j.
⌃j=1 mj MT 6 6 2
Pr
3. Dada una base ortonormal {i, j, k} y los siguientes vectores:
a = 3i + 2j + k , b = 3i 2j + k , c=i k.
Queremos comprobar si {a, b, c} forman una base.

or
Veamos, para que los vectores formen una base tienen que ser linealmente independientes. Esto es:
↵a + b + c = 0 ) ↵ = = = 0, con lo cual:
8
< 3↵ + 3 + = 0
↵ (3i + 2j + k) + (3i 2j + k) + (i k) = 0 ) 2↵ 2 = 0
ad
:
↵+ =0
es fácil ver que la solución de este sistema es: ↵ = = = 0, por lo tanto, se demuestra que los
vectores son linealmente independientes y por consiguiente forman una base.
Otra manera de resolverlo es mostrar que: c · (a ⇥ b) 6= 0, y efectivamente:
rr
1 0 1
c · (a ⇥ b) = 3 2 1 = 4 6= 0 .
Bo
3 2 1
Ahora bien, si {a, b, c} forman una base, podemos expresar otros vectores en términos de ésta base.
Tomemos los vectores: d = i + 2j , e = 3i 2j y f = a ⇥ b y expresémoslos en términos de {a, b, c}.
10
Entonces, para el vector d tenemos:

8
< 3↵ + 3 + = 1
d = i + 2j = ↵ (3i + 2j + k) + (3i 2j + k) + (i k) ) 2↵ 2 = 2
:
↵+ =0
resolviendo el sistema de ecuaciones anterior tendremos que: d = 58 a 3

8b + 14 c.
Seguidamente, para el vector e se tiene:
8
ar
< 3↵ + 3 + = 3
e = 3i 2j = ↵ (3i + 2j + k) + (3i 2j + k) + (i k) ) 2↵ 2 = 2
:
↵+ =0
1
resolviendo el nuevo sistema de ecuaciones resulta que: e = 8a + 78 b + 34 c.
in
Ahora bien,
i j k
f = a ⇥ b = (3i + 2j + k) ⇥ (3i 2j + k) = 3 2 1 = 4i 12k ,
m
3 2 1
con lo cual para el vector f resulta:
8
< 3↵ + 3 + = 4
eli
f = 4i 12k = ↵ (3i + 2j + k) + (3i 2j + k) + (i k) ) 2↵ 2 = 0
:
↵+ = 12
y finalmente, al resolver el sistema anterior, f = a ⇥ b = a b + 10c .
Pr
4. Consideremos los siguientes tres vectores: w1 = i + 3k , w2 = 2i 3j y w3 = j + k ¿Formarán una
base para R3 ?
Veamos entonces si son linealmente independientes:
↵w1 + w2 + w3 = 0 ) ↵ = = = 0,
La comprobación es directa al resolver el siguiente sistema de ecuaciones:
or
↵ +2 =0
3 =0
3↵ + =0
ad
cuya solución es ↵ = = = 0. Por lo tanto, forman una base para R3 .

Como forman base, podemos expresar otro vector, digamos: a = i 3j + 3k, en término de la base
{w1 , w2 , w3 }, esto es:
8
8 9 > ↵ = 31
>
>
rr
< ↵ +2 =1 = >
<
a = ↵w1 + w2 + w3 ) 3 = 3 ) = 13
: ; >
>
3↵ + =3 >
>
:
=2
Bo
es decir:
1 1
a= w1 + w2 + 2w3 .
3 3
11
1.1.7. Practicando con Maxima

El programa de manipulación simbólica Maxima está diseñado para realizar una gran cantidad de
cálculos algebraicos y numéricos que iremos descubriendo a medida que desarrollemos los diferentes temas
de este curso. Es indispensable ir al apéndice 6.1 para familiarizarnos con la sintaxis básica del programa.
Maxima es una potente calculadora y maneja números de diferentes tipos: enteros, racionales, irracio-
nales, complejos y números con decimales (punto flotante).
Haremos algunos cálculos sencillos para ir calentando.
ar
(%i1) log(20);
( %o1) log(20)
Es probable que necesitemos el valor numérico de log(20).
in
(%i2) log(20),numer;
( %o2) 2,995732273553991
m
(%i3) 420/16000;
21
( %o3)
800
eli
(%i4) 420/16000,numer;
( %o4) 0,02625
Podemos utilizar la función float para el mismo resultado

(%i5) float(log(20)); float(420/16000);
Pr
( %o5) 2,995732273553991
( %o6) 0,02625
El programa contiene una gran cantidad de funciones matemáticas básicas internas y entre ellas las
or
trigonométricas:
(%i7) sin(%pi/3);cos(%pi/3);tan(%pi/3);
p
3
( %o7)
ad
2
1
( %o8)
2
p
( %o9) 3
rr
Ahora recurriremos a una de las facilidades que nos ofrece el programa para agrupar objetos matemáticos:
las listas. Las listas se escriben entre corchetes y los objetos de la lista separados con comas.
(%i10)[sin(%pi/3),cos(%pi/3),tan(%pi/3)];
Bo
"p #
3 1 p
( %o10) , , 3
2 2
12
(%i11)[sin(%pi/3),cos(%pi/3),tan(%pi/3)],numer;
( %o11) [0,8660254037844386, 0,5000000000000001, 1,732050807568877]
Cuando necesitemos generar una lista por medio de alguna regla especı́fica o formula usamos la función
makelist. La sintaxis es la siguiente:
(%i12)makelist(exp(t*x),t,1,10);
⇥ ⇤
ar
( %o12) ex , e2 x , e3 x , e4 x , e5 x , e6 x , e7 x , e8 x , e9 x , e10 x
Podemos también aplicar una función a cada elemento de la lista, en este caso a cada elemento le
aplicaremos la función ln(x). Para tal fin utilizaremos el comando map.
in
(%i13)map(log,(makelist(exp(t*x),t,1,10)));
( %o13) [x, 2 x, 3 x, 4 x, 5 x, 6 x, 7 x, 8 x, 9 x, 10 x]
m
Si queremos, por ejemplo, sumar todos los elementos de la lista anterior utilizamos la función apply con
la operación que queremos realizar. Aquı́ aprovecharemos para utilizar un atajo muy práctico que consiste
en el uso del sı́mbolo %, que toma la última salida del programa para ser usado en la instrucción siguiente,
de esta manera nos evitamos volver a escribir toda la instrucción anterior. La sintaxis para todo esto es:
eli
(%i14)apply("+",%);
( %o14) 55 x
Pr
Podemos asignarle a una lista el nombre de una variable.
(%i15)L:[sin(%pi/3),log(3),sqrt(2),abs(x),exp(x^2)];
"p #
3 p 2
( %o15) , log(3), 2, |x| , ex
2
or
De manera que para aislar elementos de una lista escribimos:

(%i16)L[1]; L[4];
p
3
( %o16)
ad
2
( %o17) |x|
Esto nos permite operar con sus elementos.

(%i18)L[2]*(L[1]+ L[4])/L[5];
rr
p !
x2 3
( %o18) log(3) e |x| +
2
Bo
La primera utilidad que le podemos dar a las listas es que nos permite definir vectores. Si queremos que
13
el programa interprete los vectores

a = (a1 , a2 , a3 ) , b = (b1 , b2 , b3 ) , c = (c1 , c2 , c3 ) , v0 = (0, 0, 0) ,
los podemos escribir como listas:
(%i19)a:[a1,a2,a3]; b:[b1,b2,b3];c:[c1,c2,c3]; v0:[0,0,0];
( %o19) [a1 , a2 , a3 ]
( %o20) [b1 , b2 , b3 ]
ar
( %o21) [c1 , c2 , c3 ]
( %o22) [0, 0, 0]
Como vimos, las operaciones básicas sobre los vectores cumplen un conjunto de propiedades:
in
(%i23)a+b=b+a;
( %o23) [b1 + a1 , b2 + a2 , b3 + a3 ] = [b1 + a1 , b2 + a2 , b3 + a3 ]
m
(%i24)(a+b)+c=a+(b+c);
( %o24) [c1 + b1 + a1 , c2 + b2 + a2 , c3 + b3 + a3 ] = [c1 + b1 + a1 , c2 + b2 + a2 , c3 + b3 + a3 ]
(%i25)a+v0=a;
eli
( %o25) [a1 , a2 , a3 ] = [a1 , a2 , a3 ]
(%i26)a-a=v0;
( %o26) [0, 0, 0] = [0, 0, 0]
Pr
(%i27)alpha*(a+b)=alpha*a+alpha*b,factor;
( %o27) [↵ (b1 + a1 ) , ↵ (b2 + a2 ) , ↵ (b3 + a3 )] = [↵ (b1 + a1 ) , ↵ (b2 + a2 ) , ↵ (b3 + a3 )]

(%i28)(alpha+beta)*a=alpha*a+beta*a,factor;
( %o28) [a1 ( + ↵) , a2 ( + ↵) , a3 ( + ↵)] = [a1 ( + ↵) , a2 ( + ↵) , a3 ( + ↵)]

or
1.1.8. Ejercicios
ad
1. Dado el triángulo: A = (2, 3), B = (6, 9), C = (8, 1). Utilizando álgebra vectorial encuentre:
a) el baricentro, es decir, el punto donde se interceptan las medianas del triángulo.
b) el circuncentro, es decir, el punto donde se interceptan las mediatrices del triángulo.
rr
2. Utilice métodos vectoriales para probar que las lı́neas que unen los puntos medios con las aristas
opuestas (bimedianas) de un tetraedro OABC se interceptan en un punto, y que ese punto divide en
dos partes cada una de las lı́neas.
Bo
3. Los vertices de un triángulo ABC tienen como vectores posición a, b y c, respectivamente y relativos
a un origen común O. Demuestre que el vector posición g del centróide G del triángulo viene dado por:
1
g= (a + b + c) .
3
14
1.2. VECTORES EN COMPONENTES
4. Un paralelogramo tiene un ángulo agudo de ⇡/3 y lados de longitud a = 1 y b = 2. Si pensamos que

esos lados como vectores a y b encuentre:
a) Los vectores: a + b y a b.
b) Los vectores: 2a + 3b y 5a 7b.
5. Con la definición de posición de centro de masa del ejemplo 1.1.6, encuentre el centro de masas para
los siguientes sistemas:
a) Masas iguales a: 1, 2, 3, 4 en los vértices de un cuadrado de lados a = 2.
ar
b) Masas iguales a: 1, 2, 3, 4 en los vértices inferiores de un cubo cuyos lados son de longitud a = 2
y masas iguales a: 5, 6, 7, 8 en la vértices superiores.
6. ¿Los siguientes vectores son linealmente independientes?
in
a = (0, 2, 1), b = (0, 1/2, 1/2), c = (0, 2/3, 1/3) .
7. Las componentes de un vector y la regla para sumar vectores se combinan para introducir la forma
más simple de representar un vector como una combinación lineal de los vectores más elementales que
m
podemos tener. Estos vectores forman lo que conocemos la base canónica: {i, j, k}, vectores de longitud
unitaria que apuntan en la dirección positiva de los ejes x, y y z.
Compruebe, entonces, si los siguientes vectores forman una base:
eli
a) e1 = 2i + j 3k , e2 = i 4k , e3 = 4i + 3j k
b) e1 = i 3j + 2k , e2 = 2i 4j k , e3 = 3i + 2j k
8. Un paralelogramo tiene un ángulo agudo de ⇡/4 y lados a = 1, b = 2. Si consideramos que los lados
son vectores, encuentre:
Pr
a) El área del paralelogramo.
b) La proyección de cada lado sobre la dirección del otro.
9. Considere un triángulo cuyos lados están conformados por los vectores a, b y c = a+b. Con el producto
vectorial entre ellos demuestre la ley del seno:
a b c
or
= = .
sin(↵) sin( ) sin( )
donde ↵, , son los ángulos opuestos a los lados a, b, c respectivamente.
10. Demuestre que el volumen de un tetraedro formado a partir de tres vectores a, b y c que coinciden en
ad
un mismo origen, puede representarse de la manera siguiente:

1
V = |a · (b ⇥ c)| .
6
1.2. Vectores en componentes

rr
La formulación de las leyes fı́sicas debe hacerse en término de cantidades vectoriales (tensoriales). Esto
independiza su formulación de un sistema particular de coordenadas, pero llegado el momento de calcular
Bo
valores y utilizar estas leyes, es mucho más conveniente referirla a un sistema de coordenadas particularmente
adaptado a la geometrı́a del problema. En ese caso, la ecuación vectorial se convertirá en tantas ecuaciones
como componentes (referidas al sistema de coordenadas utilizado) tengan los vectores en ese sistema de
coordenadas.
15
ar
in
m
Figura 1.4: Vectores, bases y componentes
eli
1.2.1. Bases y componentes
Tal y como mencionamos anteriormente, tres vectores no coplanares cualesquiera son linealmente in-
Pr
dependientes y constituyen una base para el espacio tridimensional. Denominaremos a estos vectores base
como {wi }, y por ser linealmente independientes podremos expresar cualquier vector a como una combina-
ción lineal única, tal y como lo mostramos en el cuadrante I de la figura 1.4.
Con los vectores base {w1 , w2 , w3 } podemos construir un sistema (oblicuo en general) de coordenadas
al colocarlos con un mismo origen, esto es:
a = a1 w1 + a2 w2 + a3 w3 ,
or
donde las cantidades a1 , a2 , a3 son números (no son escalares) que representan las componentes del vector
a a lo largo de cada uno de los vectores base {w1 , w2 , w3 }. Nótese que por costumbre (la cual será evidente
más adelante, en la sección 3.1.1) etiquetamos estos números con superı́ndices y la letra que identifica al
ad
vector.
!
Más aún, cada punto P del espacio viene definido por un radio vector r (P ) ⌘ OP que une el origen
de coordenadas con el punto P y se le asocian ntres números o x1 , x2 , x3 , los cuales son las proyecciones
a lo largo de cada uno de los ejes coordenados 0x1 , 0x2 , 0x3 . Los números x1 , x2 , x3 se denominarán
componentes de r (P ) en el sistema de referencia {w1 , w2 , w3 }.
rr
Existe una familia de sistemas de coordenadas en la cual sus vectores base son ortogonales (o mejor
ortonormales), es decir los vectores base {e1 , e2 , e3 } son perpendiculares entre si. Tal y como mostraremos
más adelante, siempre se puede construir un sistema ortogonal {e1 , e2 , e3 } u ortonormal {i1 , i2 , i3 } a partir
Bo
de una base genérica de vectores linealmente independientes {w1 , w2 , w3 }. Cuando el sistema sea ortogonal
sus componentes se denominarán rectangulares. Dependiendo del signo del triple producto mixto, el sistema
de coordenadas será dextrógiro ((e1 ⇥ e2 ) · e3 > 0) o levógiro ((e1 ⇥ e2 ) · e3 < 0), tal y como se muestra en
el cuadrante III de la figura 1.4.
16
Es costumbre ancestral1 utilizar la convención dextrógira donde el producto: (e1 ⇥ e2 ) · e3 > 0, y en

ese caso utilizamos el bien conocido conjunto de vectores unitarios {i, j, k} con los que ya hemos estado
familiarizados:
a = ax i + ay j + az k y r (P ) = x i + y j + z k .
También es costumbre representar este sistema de coordenadas ortonormal como: i ⌘ i1 , j ⌘ i2 y k ⌘ i3
para recordar que estamos en un sistema de coordenadas cartesianas y utilizaremos los superı́ndices 1, 2, 3
para indicar las componentes del vector.
ar
a = a 1 i1 + a 2 i2 + a 3 i3 y r (P ) = x1 i1 + x2 i2 + x3 i3 .
Obviamente el módulo del vector se podrá expresar con la utilización del teorema de Pitágoras:
p p
|a| = (a1 )2 + (a2 )2 + (a3 )2 y |r (P )| = (x1 )2 + (x2 )2 + (x3 )2 ,
in
y la multiplicación por un número será:
p
↵a = ↵ a1 i1 + a2 i2 + a3 i3 = ↵a1 i1 + ↵a2 i2 + ↵a3 i3 ) |↵a| = ↵ (a1 )2 + (a2 )2 + (a3 )2 .
m
Igualmente para un vector unitario:
a a1 i1 + a2 i2 + a3 i3
ûa = =p ,
eli
|a| (a1 )2 + (a2 )2 + (a3 )2
con lo cual todo vector: p

a = |a| ûa = (a1 )2 + (a2 )2 + (a3 )2 ûa .
1.2.2. Cosenos directores

Pr
Como se puede apreciar en el cuadrante IV de la figura 1.4, podemos construir tres triángulos rectángulos
con el radio vector a (P ) como hipotenusa de cada uno de ellos. Los ángulos que forma el radio vector a (P )
con cada uno de los ejes coordenados {x, y, z} son {↵, , }, respectivamente, con lo cual:
ax = |a| cos(↵) , ay = |a| cos( ) y az = |a| cos( ) ) cos2 (↵) + cos2 ( ) + cos2 ( ) = 1 , (1.1)
or
pero además:
a
ûa = = cos(↵) i + cos( ) j + cos( ) k .
|a|
ad
1.2.3. Una división fallida

Uno esperarı́a que para cada una de las definiciones de productos vectoriales, existiera el vector cociente,
es decir, que pudiéramos “despejar” uno de los vectores multiplicados en términos del otro. La situación es que
esta operación no está definida unı́vocamente y lo podemos intuir a partir de una de la definición del producto
rr
escalar. Supongamos que tenemos que: ⇣ = a · b, con lo cual, si pudiéramos “despejar”, digamos,✓b = ⇣/a ◆
⇣
¿Tendrı́amos entonces definido b de una manera unı́voca? La respuesta es NO, ya que ⇣ = a · +d ,
a
⇣
Bo
donde a ? d, por lo cual existen infinitos b = + d que cumplen ⇣ = a · b.

a
1 Quizá por las arraigadas relaciones de dominación de los derechos sobre los izquierdos (en latı́n e italiano los zurdos son
siniestros), o quizá tal vez por conservar la definición de volumen como positivo.
17
1.2.4. Algebra vectorial en componentes

Es posible reescribir toda el álgebra vectorial que hemos visto mediante operaciones referidas a sistemas de
coordenadas, como mostraremos a continuación. Por simplicidad, anclaremos nuestro sistema de coordenadas
a la base canónica {ii }.
Para los vectores a = a1 i1 + a2 i2 + a3 i3 y b = b1 i1 + b2 i2 + b3 i3 , la suma será representada por:
a + b = a 1 i 1 + a 2 i 2 + a 3 i 3 + b1 i 1 + b 2 i 2 + b 3 i 3 = a 1 + b 1 i 1 + a 2 + b 2 i 2 + a 3 + b3 i 3 ,
ar
y obviamente, la resta:
a b = a1 i1 + a2 i2 + a3 i3 b 1 i 1 + b 2 i 2 + b3 i 3 = a 1 b1 i 1 + a 2 b2 i 2 + a 3 b3 i 3 ,
con lo cual la distancia entre dos puntos P y M será:
in
q
2 2 2
d (P, M ) = |(r (P ) = a) (r (M ) = b)| = (x1 y 1 ) + (x2 y 2 ) + (x3 y3 ) .
m
1.2.5. Dependencia e independencia lineal
Ahora es fácil estudiar la dependencia o independencia lineal en coordenadas. Otra vez, tres vectores:
a = a1 i1 + a2 i2 + a3 i3 , b = b1 i1 + b2 i2 + b3 i3 y c = c1 i1 + c2 i2 + c3 i3 , serán linealmente independientes si se
cumple que:
eli
↵ a + b + c = 0 ) ↵ = = = 0.
Veamos qué sucede para la base canónica: i1 = i ⌘ (1, 0, 0) , i2 = j ⌘ (0, 1, 0) , i3 = k ⌘ (0, 0, 1). Estos
vectores son claramente linealmente independientes y por lo tanto constituyen una base.
En general tendremos que:
Pr
0 = ↵ a1 i1 + a2 i2 + a3 i3 + b 1 i 1 + b2 i 2 + b 3 i 3 + c 1 i1 + c 2 i2 + c 3 i3
8
< ↵a1 + b1 + c1 = 0
= ↵a1 + b1 + c1 i1 + ↵a2 + b2 + c2 i2 + ↵a3 + b3 + c3 i3 ) ↵a2 + b2 + c2 = 0
:
↵a3 + b3 + c3 = 0
or
Esto no es otra cosa que un sistema de 3 ecuaciones lineales con 3 incógnitas: {↵, , }, y la solución que
estamos buscando ↵ = = = 0 se cumplirá si:
a1 b1 c1
a2 b2 c2 = a 1 b2 c 3 b3 c 2 + a 2 b3 c 1 b1 c 3 + a 3 b1 c 2 b2 c1 6= 0 .
ad
a3 b3 c3
1.2.6. Productos de vectores en componentes

Producto escalar
rr
Ahora refrasearemos, en término de una base de vectores ortogonales, lo expresado en la sección 1.1.4.
Representaremos el producto escalar de dos vectores en una base cartesiana {i1 , i2 , i3 }, que es una base
ortonormal, de la siguiente manera:
Bo
a · b = a 1 i 1 + a 2 i 2 + a 3 i 3 · b 1 i 1 + b2 i 2 + b 3 i 3 = a 1 b 1 + a 2 b 2 + a 3 b 3 ,
18
ya que por ser ortogonales se tiene que:

8
< i1 · i2 = i2 · i1 = 0
i1 · i1 = i2 · i2 = i3 · i3 = 1 , y i1 · i3 = i3 · i1 = 0
:
i2 · i3 = i3 · i2 = 0
Las propiedades del producto escalar en coordenadas cartesianas se comprueban fácilmente.
El producto escalar de un vector consigo mismo, siempre es positivo.
2
⇣ = a · a = |a| = (a1 )2 + (a2 )2 + (a3 )2 0,
ar
y
(a1 )2 + (a2 )2 + (a3 )2 = 0 ) a1 = a2 = a3 = 0 , a = 0.
p p p
Adicionalmente: |a| = ⇣ = a · a = (a1 )2 + (a2 )2 + (a3 )2 .
in
El producto escalar es conmutativo.
⇣ = a · b = b · a = a 1 b 1 + a 2 b 2 + a 3 b 3 = b1 a 1 + b2 a 2 + b3 a 3 .
m
El producto escalar es distributivo.
⇥ ⇤ ⇥ ⇤
a · (b + c) = a1 i1 + a2 i2 + a3 i3 · b1 + c1 i1 + b2 + c2 i2 + b3 + c3 i2 ,
por lo tanto:
eli
a 1 b1 + c 1 + a 2 b2 + c 2 + a 3 b3 + c 3 = a 1 b1 + a 1 c 1 + a 2 b2 + a 2 c 2 + a 3 b 3 + a 3 c 3
= a 1 b1 + a 2 b2 + a 3 b3 + a 1 c 1 + a 2 c 2 + a 3 c 3 = a · b + a · c.
La multiplicación por un escalar.

Pr
|↵| (a · b) = (↵a) · b = a · (↵b) = ↵a1 b1 + ↵a2 b2 + ↵a3 b3 = a1 ↵b1 + a2 ↵b2 + a3 ↵b3 .
Desigualdad de Cauchy-Schwarz.
p p
a · b = a 1 b1 + a 2 b2 + a 3 b3  (a1 )2 + (a2 )2 + (a3 )2 (b1 )2 + (b2 )2 + (b3 )2 = |a| |b| .
Diremos que dos vectores, no nulos son ortogonales (perpendiculares) si su producto escalar es nulo.
or
Esta afirmación es inmediata:

⇡
a ? b ) ✓ha,bi = ) a · b = |a| |b| cos(✓)ha,bi = 0 ,
2
por lo cual:
ad
a 1 b1 + a 2 b2 + a 3 b3
a1 b1 +a2 b2 +a3 b3 = |a| |b| cos(✓)ha,bi ) cos(✓)ha,bi = p p ,
(a1 )2 + (a2 )2 + (a3 )2 (b1 )2 + (b2 )2 + (b3 )2
de donde se deduce que para dos vectores perpendiculares:
a?b ) 0 = a1 b1 + a2 b2 + a3 b3 .
rr
Del producto escalar surge el teorema del coseno.

Es inmediato generalizar el producto escalar de un vector consigo mismo, para ello suponemos que
Bo
c = a + b, con lo cual:
2 2 2
c = a + b ) c · c = (a + b) · (a + b) ) |c| = |a| + |b| + 2 |a| |b| cos(✓)ha,bi ,
que no es otra cosa que el teorema del coseno y está ilustrado en el cuadrante III de la figura 1.3.
19
Producto vectorial
De igual manera, lo que aprendimos en la sección 1.1.4 ahora lo expresamos en términos de las compo-
nentes de los vectores en una base ortonormal de la forma:
c = a ⇥ b = a 2 b3 a 3 b2 i 1 + a 3 b1 a 1 b3 i 2 + a 1 b2 a 2 b1 i 3 ,
lo anterior se puede organizar como el determinante de la matriz:
i1 i2 i3
ar
c=a⇥b= a1 a2 a3 ,
b1 b2 b3
con lo cual:
in
q
2 2 2
|c| = (a2 b3 a3 b2 ) + (a3 b1 a1 b3 ) + (a1 b2 a2 b1 )
p p
= (a1 )2 + (a2 )2 + (a3 )2 (b1 )2 + (b2 )2 + (b3 )2 sen(✓)ha,bi .
m
Triple producto mixto
Finalmente, analicemos el número (pseudoescalar) que proviene de la multiplicación:
eli
c1 c2 c3
V = c · (a ⇥ b) = |c| |a ⇥ b| cos(✓)hc,a⇥bi = a1 a2 a3 .
b1 b2 b3
Obviamente, este número representa del volumen del paralelepı́pedo cuyos lados quedan definidos por los
vectores: a, b y c.
Pr
1.2.7. Ejemplos
1. Si tenemos los vectores a = i + 3j + 5k y b = 2i + 4j + 6k podemos ver que el ángulo que forman es
fácil de calcular:
or
a·b [i + 3j + 5k] · [2i + 4j + 6k] 2 + 12 + 30 44 22

cos(✓) = =p p = p p =p p =p p .
|a||b| 2 2 2
1 +3 +5 2 +4 +6 2 2 2 35 56 35 56 14 35
⇣ ⌘
Por lo tanto, ✓ = arc cos p1422p35 = 0,11088.
ad
Notemos que de la ecuación (1.1) para los vectores a y b y su componentes resulta que:
2  2   2
ax 1 ay 3 az 5 1 3 5
cos(↵) = = p , cos( ) = = p , cos( ) = =p ) p + p + p = 1,
|a| 35 |a| 35 |a| 35 35 35 35
rr
 2  2  2
bx 2 by 4 bz 6 2 4 6
cos(↵) = = p , cos( ) = = p , cos( ) = =p ) p + p + p = 1.
|b| 56 |b| 56 |b| 56 56 56 56
Y además podemos ver claramente que el ángulo entre los vectores y los cosenos directores están
Bo
relacionados, como se muestra a continuación:

1 2 3 4 5 6 22
cos(✓) = p p + p p + p p = p p .
35 56 35 56 35 56 14 35
20
2. Consideremos los vectores: e1 = i ⌘ (1, 0, 0) , e2 = i + j ⌘ (1, 1, 0) , e3 = i + j + k ⌘ (1, 1, 1). Al escribir

el sistema de ecuaciones resulta:
↵ = 0, ↵+ = 0, ↵+ + = 0 ) ↵ = 0, = 0, = 0,
con lo cual demostramos que son linealmente independientes y por lo tanto constituyen una base para
los vectores tridimensionales.
3. Dados los vectores: a = i + 2j + 3k, b = 4i + 5j y c = 3i + 2j + k.
ar
Podemos ver que ↵a + b + c = 0 implica que:
8
< ↵+4 +3 =0
↵ [i + 2j + 3k] + [4i + 5j] + [3i + 2j + k] = 0 ) 2↵ + 5 + 2 = 0
:
in
3↵ + = 0
Cuya solución es: ↵ = = = 0. Por lo tanto el conjunto {a, b, c} es linealmente independiente.

Por otro lado, si queremos calcular el volumen recurrimos al triple producto vectorial:
m
V = a · [b ⇥ c] = [i + 2j + 3k] · [4i + 5j] ⇥ [3i + 2j + k] = [i + 2j + 3k] · [5i 4j 7k] = 24 .
Si tenemos un vector arbitrario, digamos, d = d1 i + d2 j + d3 k y construimos las siguientes cantidades:
eli
a·d b·d c·d
c1 = , c2 = , c3 = .
a · (b ⇥ c) a · (b ⇥ c) a · (b ⇥ c)
resulta:
d1 + 2d2 + 3d3
c1 =
Pr
, c2 =
4d1 + 5d2
, c3 =
3d1 + 2d2 + d3
,
24 24 24
y podemos ver que: c1 (b ⇥ c) + c2 (c ⇥ a) + c3 (a ⇥ b) + d, es igual a:
d1 + 2d2 + 3d3 4d1 + 5d2 3d1 + 2d2 + d3

(5i 4j 7k) + (4i 8j + 4k) + ( 15i + 12j 3k)
24 24 24
+ d1 i + d2 j + d3 k = 0 .
or
Es decir,
c1 (b ⇥ c) + c2 (c ⇥ a) + c3 (a ⇥ b) + d = 0 ,
ad
siempre y cuando el conjunto {a, b, c} sea linealmente independiente y d un vector arbitrario.

rr
Bo
21

Con el programa de manipulación simbólica Maxima haremos algunos cálculos sencillos con vectores.
Nuevamente recomendamos ver el apéndice 6.1 como introducción al programa.
Dados los vectores, en coordenadas cartesianas: a = i + 2j + 3k y b = 7i + 8j + 9k.
(%i1) a:[1,2,3];
( %o1) [1, 2, 3]
ar
(%i2) b:[7,8,9];
( %o2) [7, 8, 9]
La multiplicación por escalares y suma es simple, si queremos calcular ↵ a + b, escribimos:
in
(%i3) alpha*a + beta*b;
( %o3) [7 + ↵, 8 + 2 ↵, 9 + 3 ↵]
m
Para el producto escalar procedemos utilizando el operador punto, como se muestra a continuación.
(%i4) a.b;
eli
( %o4) 50
El cálculo de producto vectorial no es tan obvio, debemos cargar previamente la librerı́a vect.
(%i5) load(vect)$
Pr
El operador para el producto vectorial es una tilde y además debemos utilizar la función express.
Entonces, para calcular a ⇥ b, ejecutamos los siguientes comandos:
(%i6) express(a~b);
( %o6) [ 6, 12, 6]
or
p
La norma de un vector, como ya vimos, es: a·a
(%i7) sqrt(a.a);
p
ad
( %o7) 14
Si tenemos otro vector, digamos c = 4i + 5j 6k, el producto triple: a · b ⇥ c se calcula ası́:

(%i8) c:[-4,5,-6];
rr
( %o8) [ 4, 5, 6]
(%i9) a.express(b~c);
Bo
( %o9) 120
22
El ángulo entre los vectores a y b, es:

✓ ◆
a·b
✓ = arc cos .
|a||b|
En Maxima usamos la función acos(x) para el arcocoseno(x). Consultar el manual del programa para ver
el resto de las funciones trigonométricas.
(%i10)acos((a.b)/(sqrt(a.a)*sqrt(b.b)));
ar
✓ ◆
50
( %o10) acos p p
14 194
Seguramente lo queremos es el valor numérico, esto se hace agregando la función float. Con la siguiente
in
sintaxis logramos el objetivo:
(%i11)acos((a.b)/(sqrt(a.a)*sqrt(b.b))),float;
( %o11) 0,2858867976945064
m
Para finalizar, podemos considerar el problema de la independencia lineal de vectores. Tomemos el con-
junto de vectores del ejemplo 1.2.7, es decir, los vectores: a = i + 2j + 3k, b = 4i + 5j y c = 3i + 2j + k. El
sistema de ecuaciones a resolver era: 8
eli
< ↵+4 +3 =0
2↵ + 5 + 2 = 0
:
3↵ + = 0
Disponemos de un comando que permite resolver sistemas de ecuaciones lineales, este comando se llama
Pr
linsolve. Podemos escribir el sistema de ecuaciones como una lista y luego resolver:
(%i12)ecus:[alpha+4*beta+3*gamma=0,2*alpha+5*beta+2*gamma=0,3*alpha+gamma=0];
( %o12) [3 + 4 + ↵ = 0, 2 + 5 + 2 ↵ = 0, + 3 ↵ = 0]
(%i13)linsolve(ecus,[alpha,beta,gamma]);
or
( %o13) [↵ = 0, = 0, = 0]
ad
1.2.9. Ejercicios
1. Con la definición del producto escalar entre vectores, demuestre que si ✓ es el ángulo entre los vectores
a y b, entonces:
a 1 b1 a 2 b2 a 3 b3
cos(✓) = + + .
ab ab ab
rr
Donde las cantidades ai /a y bi /b son los cosenos directores de a y b respectivamente.
2. Encuentre la distancia del punto P al origen, si P viene dado por el vector posición: r = 2i + 4j 3k. Y
Bo
si para un punto arbitrario el vector posición es: r = xi + yj + zk ¿Qué superficie describe éste vector
cuando |r| = 3?
3. Encuentre los cosenos directores y los correspondientes ángulos para los siguientes vectores:
23
a) a = i + j + k.
b) b = i 2j + 2k.
c) c = 4i 2j + 3k.
4. Sea {i1 , i2 , i3 } una base ortonormal dextrógira. Verifique que los vectores:
a = i + 2j + 3k , b = i + 5j , c = 3i + 2j + k .
forman una base ¿Esta base será del tipo dextrógiro o levógiro?
ar
5. Sea {i1 , i2 , i3 } una base ortonormal ¿Son los siguientes conjuntos de vectores una base?
a) a1 = 2i + j 3k , a2 = i 4k , a3 = 4i + 3j k.
in
b) b1 = i 3j + 2k , b2 = 2i 4j k, b3 = 3i + 2j k.
6. Dados los vectores:
a = i1 + 2i2 + 3i3 , b = 4i1 + 5i2 + 6i3 , c = 3i1 + 2i2 + i3 , d = 6i1 + 5i2 + 4i3 .
m
a) Encuentre:
a + b + c + d, a+b c d, a b+c d, a+b c + d.
eli
b) El ángulo entre los vectores a, b, c, d y los vectores base i1 , i2 , i3 .
c) La magnitud de los vectores a, b, c, d.
d ) El ángulo entre a y b y entre c y d.
e) La proyección de a sobre b.
Pr
f ) ¿Son los vectores a, b, c, d coplanares?
g) Encuentre (a + b) · (c + d).
h) Los productos a ⇥ b, b ⇥ c, c ⇥ d y los ángulos que estos forman con d.
i ) c · (a ⇥ b).
or
7. Verifique la desigualdad triangular: |a + b|  |a| + |b|, para los siguientes vectores:

a) a = i + 2j + 3k y b = 2i + j + 7k.
ad
b) a = 2i j 2k y b = 3i + 2j + 3k.
8. Si a y b son vectores arbitrarios y ↵ y números, demuestre que:
|↵a + b|2  ↵2 |a|2 + 2↵ (a · b) + 2

|b|2 .
rr
9. Si a, b, c y d son vectores arbitrarios y ↵, , escalares que satisfacen:
↵(b ⇥ c) + (c ⇥ a) + (a ⇥ b) + d = 0 ,
Bo
demuestre que si a, b y c son linealmente independientes, entonces:

a·d b·d c·d
↵= , = , = .
a · (b ⇥ c) a · (b ⇥ c) a · (b ⇥ c)
24
1.3. APLICACIONES DEL ÁLGEBRA VECTORIAL
10. Si a, b, c y d son vectores arbitrarios y ↵, , escalares que satisfacen:
↵a + b + c + d = 0 ,
demuestre que si a, b y c son linealmente independientes, entonces:
d · (b ⇥ c) d · (c ⇥ a) d · (a ⇥ b)
↵= , = , = .
a · (b ⇥ c) a · (b ⇥ c) a · (b ⇥ c)
ar
Ayuda: tome el producto escalar de la ecuación con b ⇥ c, a ⇥ c y a ⇥ b.
11. Demuestre que los vectores a = i+2j+k, b = 2i j k y c = 4i+3j+k son linealmente independientes.
Escoja un vector d y verifique los resultados de los dos últimos ejercicios.
in
12. Utilizando Maxima realice todos los ejercicios anteriores y compare los resultados.
1.3. Aplicaciones del álgebra vectorial
m
Uno de los terrenos más exitosos de las aplicaciones del álgebra vectorial es la geometrı́a analı́tica. Esto
se realiza en base a la definición que hiciéramos del radio vector, en la cual a cada punto, P , del espacio le
asociábamos un radio vector posición tal y como lo mostramos en el cuadrante I de la figura 1.4.
eli
3
X
1 2 3 1 2 3
P ! (x, y, z) ⌘ x , x , x ) r (P ) = x i + y j + z k = x i1 + x i2 + x i3 = xi ii .
i=1
A partir de esta definición todas las propiedades geométricas del espacio las podemos construir con vectores.
Pr
1.3.1. Rectas y vectores
La ecuación de la recta en término de vectores la definiremos fijando uno de sus puntos, digamos:
r (P1 ) ⌘ x (P1 ) = x1 = x1 i + y1 j + z1 k = x1(1) i1 + x2(1) i2 + x3(1) i3 ! (x1 , y1 , z1 ) ,

or
y un vector que indique su dirección, digamos a = a1 i + a2 j + a3 k (ver cuadrante I de la figura 1.5) con lo
cual la ecuación de una recta en lenguaje vectorial será:
8
>
> x = x1 + a1
>
>
ad
<
x = x 1 + a ) x 1 i + y 1 j + z1 k + a1 i + a2 j + a3 k ) y = y1 + a2
>
>
>
>
:
z = z1 + a3
rr
donde x = x i + y j + z k es el conjunto de puntos genéricos que cumple con la ecuación de la recta en 3D.
Existe una manera más elegante, como veremos en la sección siguiente, de reescribir las ecuaciones
anteriores utilizando la notación de ı́ndices2 . Las ecuaciones ahora son más evidentes:
Bo
x = x1 + a ) xi ii = xi(1) ii + ai ii ) xi = xi(1) + ai , para i = 1, 2, 3 .

2 Quitaremos aquı́ el sı́mbolo de sumatoria, esta convención quedará clara en la siguiente sección, pero mantengamos en
mente que tenemos una suma sobre el ı́ndice i.
25
ar
in
Figura 1.5: Geometrı́a analı́tica y vectores cartesianos
m
donde: (x, y, z) ⌘ x1 , x2 , x3 y (i, j, k) ⌘ (i1 , i2 , i3 ).
eli
Nótese que efectivamente se cumplen tres ecuaciones escalares y cada una de ellas tiene la forma de una
recta. Además, tal y como se muestra la figura 1.5 el punto genérico (x, y, z) lo describe (sobre la recta) la
variación del módulo de a mediante la constante de proporcionalidad . Si se requiere describir una recta
que pase por dos puntos: (x1 , y1 , z1 ) y (x2 , y2 , z2 ) entonces una vez seleccionado uno de los puntos (digamos
(x1 , y1 , z1 )) seleccionamos el vector a = r (P2 ) r (P1 ) como la resta de los dos radio vectores a los puntos
P2 y P1 . Esto es:
Pr
x = x1 + (x2 x1 ) .
Al despejar de la ecuaciones de las rectas resulta:
xi xi(1) x x1 y y1 z z1
xi = xi(1) + ai ) = = = = ,
ai a1 a2 a3
or
y de manera equivalente:
⇣ ⌘ xi xi(1) x x1 y y1 z z1
xi = xi(1) + xi(2) xi(1) ) = = = = .
ad
xi(2) xi(1) x2 x1 y2 y1 z2 z1
1.3.2. Planos y vectores

Ocurre exactamente lo mismo cuando construimos la ecuación vectorial para un plano. En general una
rr
superficie la define su vector normal (perpendicular). En el caso de una superficie plana (un plano) tendrá
una única normal que lo define, por lo tanto, un plano vendrá definido por su vector perpendicular en un
punto, digamos Q = P1 : (x1 , y1 , z1 ). La ecuación vectorial del plano vendrá definida por todos los vectores
!
P Q tales que sean perpendiculares a un determinado vector a (ver cuadrante II de la figura 1.5). Donde
Bo
el punto P es un punto genérico (x, y, z) que define un radio vector. La ecuación vectorial del plano será
26
simplemente:
2 3
!
a · P Q = a · 4r (P ) r (P1 )5 = 0 , a · (r r1 ) = 0 , a · r = a · r1 .
| {z } | {z }
b b
Esto es, se tiene que cumplir la condición:
a1 i + a2 j + a3 k · [(x i + y j + z k) (x1 i + y1 j + z1 k)] = 0
ar
1 2 3
a i + a j + a k · [(x x1 ) i + (y y1 ) j + (z z1 ) k] = 0
1 2 3
a (x x1 ) + a (y y1 ) + a (z z1 ) = 0 ,
con lo cual, la ecuación del plano queda como siempre la hemos conocido:
in
a1 x + a2 y + a3 z a1 x1 a 2 y1 a 3 z1 = 0 ) a 1 x + a 2 y + a 3 z = b = a 1 x 1 + a 2 y 1 + a 3 z1 .
Nuevamente, de manera compacta:
m
ai xi aj xj(1) = 0 ) ak xk = b = al xl(1) .
Es claro que a · r1 = b es la proyección del radio vector r (P1 ) sobre la perpendicular que define al plano.
eli
Por lo tanto será la distancia entre el plano y el origen de coordenadas. Si b = 0 el plano pasa por el origen
de coordenadas.
Consideremos ahora el cuadrante III de la figura 1.5. Allı́ están especificados tres puntos en el espacio
caracterizados por sus correspondientes radio vectores posición: r (P1 ) = r1 , r (P2 ) = r2 y r (P3 ) = r3 . Estos
tres puntos serán coplanares si:
Pr
(r1 r2 ) · [(r2 r3 ) ⇥ (r3 r1 )] = 0 , "mnl (xm
1 xm n
2 ) (x2 xn3 ) xl3 xl1 = 0 ,
y la ecuación vectorial del plano vendrá dada por:
(r r1 ) · [(r2 r1 ) ⇥ (r3 r1 )] = 0 .
or
1.3.3. Ejemplos
1. Un plano viene determinado por los puntos A = (1, 1, 1), B = (1, 2, 3) y C = (0, 0, 0). Para encontrar
la ecuación del plano podemos hacer lo siguiente: Encontremos el vector posición de los puntos A y B,
ad
rAB = B A = (0, 1, 2) , rAC = C A = ( 1, 1, 1) ,
un vector normal al plano es: n = rAB ⇥ rAC = (1, 2, 1).

Para la ecuación del plano, podemos escoger el vector a = (1, 1, 1) por lo que tenemos entonces que:
rr
n · r = n · a ) (1, 2, 1) · (x, y, z) = (1, 2, 1) · (1, 1, 1) ) x 2y + z = 0 .
2. Dados los siguientes puntos en el espacio: (1, 0, 3), (2, 1, 0), (0, 1, 1), ( 1, 0, 1).
Bo
Consideremos los tres primeros puntos, que podemos considerar coplanares ya que bastan tres puntos
para definir un plano. Estos tres puntos son los vertices de un triángulo cuya área podemos calcular
de la siguiente manera:
27
Primero seleccionamos uno de los puntos como un vértice privilegiado (digamos (2, 1, 0)) respecto al
cual construiremos dos vectores que representan dos de los lados del triángulo. Esto es:
a = (1, 0, 3) (2, 1, 0) $ a = i + j + 3k , b = (0, 1, 1) (2, 1, 0) $ b = 2i + k ,
con lo cual, el área del triángulo será la mitad del área del paralelogramo que tiene por lados estos dos
vectores. Es decir:
i j k p
1 1 30
ar
A= |a ⇥ b| ) a ⇥ b = 1 1 3 =i 5j + 2k ) A = |i 5j + 2k| = .
2 2 2
2 0 1
Por otro lado, la ecuación del plano que generan estos tres puntos se calcula con la siguiente ecuación:
in
(r r1 ) · ((r2 r1 ) ⇥ (r3 r1 )) = 0 ,
donde:
r = xi + yj + zk, r1 = i + 3k, r2 = 2i j, r3 = j + k,
m
con lo cual la ecuación del plano queda como:
(x 1) y (z 3)
eli
1 1 3 =0 ) (x 1) + 5y 2(z 3) = 0 ) x 5y + 2z = 7 .
1 1 2
Podemos verificar si el cuarto punto, ( 1, 0, 1), se encuentra en el plano, es decir, debemos verificar
que cumple la ecuación que lo define.
Pr
x 5y + 2z = 7 ) ( 1) 5(0) + 2(1) 6= 7 ,
por lo tanto, los cuatro puntos no son coplanares. Podemos entonces calcular la distancia del cuarto
punto al plano construyendo un vector unitario normal al plano.
a⇥b 1
or
n̂P = = p (i 5j + 2k) ,
|a ⇥ b| 30
con lo cual la distancia al cuarto punto será:
1 6
ad
d = n̂P · c = p (i 5j + 2k) · ( 3i + j + k) = p .
30 30
rr
Bo
28

Consideremos el plano determinado por los puntos P = (1, 1, 1), Q = (2, 4, 6) y R = (2, 2, 2). Para cons-
truir la ecuación del plano primero ingresamos los vectores posición de cada punto. También incorporaremos
las librerı́as vect y draw que necesitaremos.
(%i1) load(vect)$ load(draw)$
(%i2) P:[1,1,1];
ar
( %o2) [1, 1, 1]
(%i3) Q:[2,4,6];
( %o3) [2, 4, 6]
in
(%i4) R:[2,2,2];
( %o4) [2, 2, 2]
m
Podemos verificar que los vectores estén en el mismo plano simplemente calculando el triple producto
vectorial: P · (Q ⇥ R) entre ellos. Sabemos que si es nulo es porque los vectores son coplanares.
(%i5) P.express(Q~R);
eli
( %o5) 0
Necesitamos ahora calcular los vectores que van del punto P al punto Q y del punto P al punto R, es
decir, los vectores: PQ = Q P y PR = R P
(%i6) PQ:Q-P;
Pr
( %o6) [1, 3, 5]
(%i7) PR:R-P;
( %o7) [1, 1, 1]
or
Un vector normal al plano será sencillamente el vector N = PQ ⇥ PR:

(%i8) N:express(PQ~PR);
ad
( %o8) [ 2, 4, 2]
Podemos escoger cualquiera de los vectores originales, en este caso al vector P, para escribir la ecuación
del plano: N · r = N · P.
(%i9) r:[x,y,z];
rr
( %o9) [x, y, z]
(%i10)plano:N.r=N.P;
Bo
( %o10) 2z + 4y 2x = 0
29
Probemos a graficar el plano. Para saber mas sobre las diferentes opciones que incorpora Maxima para
hacer gráficas, en dos o tres dimensiones, es recomendable consultar el manual de usuario.
Utilizaremos el comando wxdraw3d para hacer que la figura aparezca embebida dentro de nuestra hoja
de trabajo. Es recomendable consultar también las funciones draw y gr3d.
(%i11)wxdraw3d(implicit(plano,x,-1,1,y,-1,1,z,-1,1));
( %o11)
ar
in
m
eli
Pr
1.3.5. Ejercicios
1. Para las rectas dadas a continuación:
or
3x 1 2y+3
a) L : 4 = 2 =2 3z.
2x+1 3y+2
b) L : 3 = 3 = 2 + 4z.
Encuentre los vectores posición para dos puntos diferentes sobre la recta y un vector unitario paralelo
ad
a la recta L.
2. Dada una linea recta L1 que pasa a través de los puntos ( 2, 3, 1) y (1, 4, 6) encuentre:
a) El vector posición de un punto sobre la recta y un vector paralelo a ésta.

rr
b) Una recta L2 paralela a L1 y que pase por el punto (1, 2, 1).

3. Una linea recta tiene como ecuación vectorial: r = a + b, donde: a = 3j + 2k y b = 2i + j + 2k.
Encuentre la ecuación cartesiana de la recta y las coordenadas de tres puntos sobre la recta.
Bo
4. Una linea recta pasa por el punto (3, 2, 3) y paralela al vector a = 2i + 3j 3k. Encuentre la ecuación
cartesiana de la recta y las coordenadas de tres puntos sobre la recta.
30
ar
in
m
Figura 1.6: Las 5 redes de Bravais bidimensionales fundamentales: 1 Oblicuas, 2 rectangular, 3 rectangu-
lar centrada (rómbica), 4 hexagonal, y 5 cuadrada. Figura tomada de http://en.wikipedia.org/wiki/
Bravais_lattice.
eli
5. Dado un plano que pasa por el punto (2, 3, 5) y con vector normal a = 2i + k, encuentre la forma
cartesiana de la ecuación del plano.
Pr
6. Encuentre la ecuación del plano con normal a y que contiene el punto P cuando:
a) a = 2i 3j + k, P = (1, 0, 1).
b) a = i 2j + 2k, P = (2, 3, 4).
7. El ángulo entre dos planos se define como el ángulo entre sus normales. Encuentre el ángulo entre los
siguientes planos:
or
a) x + 3y + 2z = 4 y 2x 5y + z = 2.
b) 3x + 2y 2z = 4 y 2x + y + 2z = 1.
ad
8. Demuestre que la ecuación de una esfera puede expresarse como:
|r c|2 = (r c) · (r c) = a2 ,
donde c es el vector posición del centro de la esfera y a el radio.

rr
9. Auguste Bravais3 se dio cuenta que replicando un arreglo geométrico muy simple, se puede describir
una estructura cristalina. Dicho de otro modo, que conociendo una celda simple, podemos conocer la
estructura cristalina. Esto es, que las posiciones de los átomos en una red cristalina puede ser descrita
Bo
por un vector:
R = a + b + c = n1 a1 + n2 a2 + n3 a3 = ni ai ,
3 http://en.wikipedia.org/wiki/Auguste_Bravais
31
ar
Figura 1.7: A la izquierda red cristalina bidimensional. Al centro cuatro detalles geométricos: mural egipcio,
in
mural asirio, tejido tahitı́ e ilustración en pieza de porcelana china (Tomado de: http://en.wikipedia.org/
wiki/Wallpaper_group). A la derecha, teselados de M.C. Escher, tomados de: http://www.wikipaintings.
org/en/paintings-by-genre/tessellation?firstArtist=m-c-escher#artist-m-c-escher.
m
donde los ai son vectores no coplanares (vectores primitivos o, simplemente en nuestro lenguaje, vec-
tores base). Los ni son números enteros (negativos, cero o positivos). La posición de cada átomo de un
eli
cristal puede ser descrita como reescalamientos (discretos) de este vector genérico o, de manera más
precisa, la traslación del origen de coordenadas por un vector.
Ese concepto se conoce como redes de Bravais4 . En cada red puede haber varios vectores primitivos5 .
Se puede definir la celda primitiva como la estructura mı́nima que replicada reproduce todo el cristal.
Vale decir, la estructura cristalina es invariante bajo traslaciones espaciales del tipo:
Pr
R0 = R + T , con T = mi ai .
a) Redes de Bravais bidimensionales. Tal y como muestra la figura 1.6 existen 5 tipos distintos
de redes de Bravais bidimensionales.
or
1) Dada la red bidimensional de la figura 1.7 (Izquierda) encuentre todos los posibles vectores
primitivos y celdas primitivas asociadas.
2) La humanidad ha estado seducida por la geometrı́a desde que empezó a representar figuras.
A partir de las cuatro imágenes que se ilustran en la figura 1.7 (Centro), encuentre todos los
ad
posibles vectores y celdas primitivas asociadas.

3) Maurits Cornelis Escher6 fue un fenomenal dibujante holandés, quien se interesó por las
simetrı́as de los grupos de imágenes de papel tapiz. Berend, hermano de Maurits, era cris-
talógrafo y le mostró la belleza de las simetrı́as de la naturaleza. En las cuatro obras del
género de teselado7 de M.C. Escher, presentadas en la figura 1.7 (Derecha) encuentre todos
rr
los posibles vectores y celdas primitivas asociadas.

b) Redes de Bravais tridimensionales. Este tipo de redes complica un poco más el escenario. Se
puede demostrar que existen 14 de estas redes, tal y como se muestran en la figura 1.8.
Bo
4 http://en.wikipedia.org/wiki/Bravais_lattice
5 http://www.engr.sjsu.edu/rkwok/Phys175A/Chapter%201.pdf
6 http://en.wikipedia.org/wiki/M._C._Escher
7 http://en.wikipedia.org/wiki/Tessellation
32
ar
in
m
eli
Pr
Figura 1.8: Las 14 Redes de Bravais tridimensionales y las estructuras cristalinas asociadas. Tomado de:
http://en.wikipedia.org/wiki/Bravais_lattice.
1) Muestre que los volúmenes de ocupación atómica, para los sistemas: monoclı́nico, triclı́nico,
ortorómbico, tetragonal, romboédrico, hexagonal y cúbico, corresponden a las expresiones que
se muestran en la figura 1.8.
or
c) El sistema cúbico, el más simple, corresponde a un sistema con un único parámetro de red a = |a|,
ya que a = b = c. Además, una posible descripción, para el caso más simple, es a = i , b = j , c = k,
los tres vectores cartesianos ortogonales. Existen otros sistemas que también están asociados al
ad
cúbico. Estos son el sistema cúbico cara centrada (fcc por sus siglas en inglés) y cúbico cuerpo
centrado (bcc). En el primero existen átomos en el centro de cada una de las caras del cubo
definido por la trı́ada, a = b = c. En el sistema fcc se añade un átomo la centro del cubo simple.
1) Muestre que un sistema bcc también puede ser descrito por los vectores primitivos:
rr
a = ai , b = aj , c = a(i + j + k)/2 .
Dibuje la celda primitiva y calcule su volumen.

2) Muestre que un sistema bcc también puede ser descrito por los vectores primitivos:
Bo
a = a(j + k i)/2 , b = a(k + i j)/2 , c = a(i + j k)/2 .
Dibuje la celda primitiva y calcule su volumen.
33
1.4. ÁLGEBRA VECTORIAL CON ÍNDICES
3) Muestre que un sistema fcc también puede ser descrito por los vectores primitivos:
a = a(j + k)/2 , b = a(i + k)/2 , c = a(i + j)/2 .
Otra vez, dibuje la celda primitiva y calcule su volumen.

d ) Se puede definir la red recı́proca como:
b⇥c c⇥a a⇥b

a0 = , b0 = y c0 = .
a · (b ⇥ c) a · (b ⇥ c) a · (b ⇥ c)
ar
De esta manera es claro que, por construcción, a0 · b = a0 · c = 0 y además a0 · a = 1. Con lo cual
0 0
podemos generalizarlo como êi · êj = ji .
Exprese los vectores y las celdas recı́procas para los sistemas cúbico simple, y los distintos bcc y
in
fcc. Calcule además el volumen de cada celda recı́proca.
10. Realice los cálculos anteriores utilizando el programa Maxima.
m
1.4. Álgebra vectorial con ı́ndices
Antes de comenzar con la presentación de este esquema de cálculo cabe aclarar algunas costumbres y
eli
convenciones con la notación de ı́ndices que estaremos utilizando durante el resto de este curso.
1.4.1. Convención de Einstein

El convenio de suma de Einstein, es una simplificación que se utiliza para abreviar la escritura de las
Pr
sumatorias, en el que se suprime el sı́mbolo de sumatoria y consiste en lo siguiente:
1. Los ı́ndices repetidos (arriba y abajo) indicarán suma por los valores que tomen los ı́ndices. Las com-
ponentes de los vectores tendrán ı́ndices arriba y los vectores base abajo:
3
X
a = a 1 e1 + a 2 e2 + a 3 e3 = a m em , a = a m em = a i ei .
or
m=1
2. Los ı́ndices repetidos son mudos (no importa las letras que los etiquete) y representan suma. Ası́:
k j aj = k m am = k 1 a1 + k 2 a2 + k 3 a3 = b .
ad
En este punto del discurso, la posición de los ı́ndices (arriba y abajo) solo tiene sentido estético y solo
ası́ indican suma. Más adelante veremos que representan cantidades distintas.
3. Llamaremos contracción cuando sumamos respecto a un par de ı́ndices, vale decir:
rr
X
Aji ) Aii = A11 + A22 + A33 ) Aii = A11 + A22 + A33 .
i
Bo
Las cantidades con dos o más ı́ndices las llamaremos componentes de tensores, y deben entenderse
como arreglos bidimensionales (tridimensionales, tetradimensionales, según el número de ı́ndices). Estas
cantidades serán considerados en detalle posteriormente pero por ahora, contentémonos con saber qué cosas
34
son cantidades con dos ı́ndices. Es claro que la contracción de ı́ndices convierte un conjunto de números
(i ⇥ j) ! 1, en un sólo número.
Los ı́ndices libres (aquellos que no están sumados) indican el número de objetos disponibles y deben
mantenerse a ambos lados de la ecuación. Por ejemplo:
8 1
>
> K1 A1 + K12 A2 + K13 A3 = B1
>
>
<
Bi = Kik Ak , K21 A1 + K22 A2 + K23 A3 = B2
>
>
>
>
ar
: 1
K3 A1 + K32 A2 + K33 A3 = B1
con lo cual Bi = Kik Ak representa 3 ecuaciones. La operación Bij = Kik Akj representa 9.
La delta de Kronecker8 es un objeto matemático de dos ı́ndices, representa ik = 1 si i = k, y es nula en
in
los otros casos. Por ejemplo:
=0 =0 =0 =0 =0 =0
z}|{ z}|{ z}|{ z}|{ z}|{ z}|{
k i 1 1 1 2 1 3 2 1 2 2 2 3 3 1 3 2 3 3
Kij k = K1j 1 + K2j 1 + K3j 1 + K1j 2 + K2j 2 + K3j 2 + K1j 3 + K2j 3 + K3j 3 ,
m
|{z} |{z} |{z}
=1 =1 =1
es decir:
k i k i 1 2 3
Kij k = Kkj = Kij = K1j + K2j + K3j .
eli
Además de la delta de Kronecker introduciremos el sı́mbolo de permutación de Levi-Civita9 , "ijk , para
el caso de tres dimensiones: i, j, k = 1, 2, 3.
8
< +1 cuando {(i, j, k) = (1, 2, 3) ; (3, 1, 2) ; (2, 3, 1)} permutación cı́clica
Pr
"ijk = "ijk = 1 cuando {(i, j, k) = (1, 3, 2) ; (3, 2, 1) ; (2, 1, 3)} permutación impar o anticı́clica
:
0 cuando {i = j , i = k ^ j = k}
Por lo tanto, es distinto de cero cuando todos los ı́ndices son diferentes. Toma el valor 1 si la permutación
de ı́ndices es cı́clica (o par), y toma el valor 1 si la permutación es anticı́clica (o impar).
Si queremos calcular, por ejemplo: ci = "ijk aj bk , entonces resulta:
or
c1 = "111 a1 b1 + "112 a1 b2 + "113 a1 b3 + "121 a2 b1 + "122 a2 b2 + "123 a2 b3 + "131 a3 b1 + "132 a3 b2 + "133 a3 b3 ,

ad
con lo cual: 8 1
>
> c = "123 a2 b3 + "132 a3 b2 = a2 b3 a 3 b2
>
>
<
ci = "ijk aj bk ) c2 = "231 a3 b1 + "213 a1 b3 = a3 b1 a 1 b3
>
>
rr
>
>
: 3
c = "312 a1 b2 + "321 a2 b1 = a1 b2 a 2 b1
8 Leopold Kronecker (7 diciembre 1823 Legnica, Polonia, 29 diciembre 1891, Berlin, Alemania) Matemático polaco con
importantes contribuciones en teorı́a de números, funciones elı́pticas y álgebra, ası́ como la interrelación entre estas disciplinas.
Bo
9 Tullio Levi-Civita (1873 Padova, Veneto, 1941 Roma, Italia) Geómetra italiano y uno de los desarrolladores del cálculo
tensorial que más tarde serı́a utilizado por Einstein y Weyl como el lenguaje de la Relatividad General.
35
A continuación enumeramos algunas propiedades de la delta de Kronecker y del sı́mbolo de permutación

de Levi-Civita, dejamos al lector su demostración. Ellas son:
j
j = 3,
ilm i l i l i l l i
"jkm " = j k k j = j k j k ,
imn
"jmn " = 2 ji ,
ijk
"ijk " = 6.
ar
1.4.2. Vectores e ı́ndices
Disponemos ahora de una manera más elegante para escribir ecuaciones que involucren vectores. Veamos
que forma toma el álgebra vectorial con esta nueva notación.
in
Sumas de vectores
La suma de vectores será expresada de la siguiente manera:
m
a + b = a i ei + b i ei = a i + b i ei = c i e i ) c i = a i + b i con i = 1, 2, 3 .
Producto escalar
eli
A partir da ahora y de forma equivalente, expresaremos el producto escalar en término de los ı́ndices. De
forma y manera que:
a · b = |a| |b| cos(✓)ab = ai bi con i = 1, 2, 3 .
Producto vectorial
Pr
En términos de ı́ndices, la componente i del producto vectorial se puede expresar como:
i
ci = (a ⇥ b) = "ijk aj bk con i, j, k = 1, 2, 3 .
De esta manera, todas las particularidades de producto vectorial ahora descansan en las propiedades del
sı́mbolo de Levi-Civita.
or
Triple producto mixto

Para finalizar, analicemos ahora el número (pseudoescalar) que proviene de la multiplicación mixta:
ad
c1 c2 c3
c · (a ⇥ b) = |c| |a ⇥ b| cos(✓)hc,a⇥bi = ci "ijk aj bk = "ijk ci aj bk = a1 a2 a3 .
b1 b2 b3
1.4.3. Rotación de coordenadas

rr
Consideremos un sistema de coordenadas cartesiano (x, y, z) y su base canónica {i, j, k}, si rotamos el
sistema de coordenadas un ángulo alrededor del eje z tendremos un nuevo sistema de coordenadas (x̃, ỹ, z̃)
y una nueva base {ĩ, j̃, k̃}. La regla de transformación que relaciona ambos sistemas de coordenadas es:
Bo
8 8
< x = x̃ cos( ) ỹ sen( ) < x̃ = x cos( ) + y sen( )
y = x̃ sen( ) + ỹ cos( ) () ỹ = x sen( ) + y cos( )
: :
z = z̃ z̃ = z
36
Mientras que las bases transformarán, como veremos más adelante, como:
8
< ĩ = i cos( ) + j sen( )
j̃ = i sen( ) + j cos( )
:
k̃ = k
Diremos que un triplete de números a1 , a2 , a3 definen las componente de un vector a = a1 i + a2 j + a3 k

si estas cantidades transforman bajo rotación de la siguiente manera:
ar
ã1 = a1 cos( ) + a2 sen( ) , ã2 = a1 sen( ) + a2 cos( ) , ã3 = a3 .
Notemos también lo siguiente, al usar la notación de ı́ndices podemos escribir las ecuaciones de transfor-
mación de coordenadas ası́:
in
8 8 1
< x̃ = x cos( ) + y sen( ) < x̃ = A11 x1 + A12 x2 + A13 x3
ỹ = x sen( ) + y cos( ) ) x̃2 = A21 x1 + A22 x2 + A23 x3 ) x̃i = Ãij xj ,
: : 3
z̃ = z x̃ = A31 x1 + A32 x2 + A33 x3
m
con: i, j = 1, 2, 3.
Se puede ver fácilmente que las cantidades Ãij , en coordenadas cartesianas, vienen dadas por:
@ x̃i
eli
Ãij = ,
@xj
y como la transformación de coordenadas es invertible, se tiene que:
@xj
xj = Aji x̃i , Aji =
Pr con:
@ x̃i
,
y se cumple la siguiente condición de ortogonalidad:
Ãik Aji = j
k .
Por lo tanto, en general, diremos que las componentes de un vector transformarán de la manera siguiente:
or
@ x̃i j @xi j
ãi = a ⌘ Ãij aj , ai = a ⌘ Aij aj .
@xj @ x̃j
1.4.4. Escalares, pseudoescalares, vectores y pseudovectores

ad
Además de las rotaciones podemos considerar otra clase de transformaciones: las reflexiones. Estas trans-
formaciones, (x1 , x2 , x3 ) ! ( x1 , x2 , x3 ), muestran una sutil diferencia entre dos tipos de cantidades vecto-
riales: los vectores polares y los axiales, diferencia que no se puede apreciar en las rotaciones.
Una reflexión en el plano yz se puede representar como un cambio de signo en la componente x del vector:
rr
(ax , ay , az ) ! ( ax , ay , az ) , (1.2)
o también:
Bo
a1 e1 + a2 e2 + a3 e3 ! a1 ( e1 ) + a2 e2 + a3 e3 ⌘ ( a1 )e1 + a2 e2 + a3 e3 .
Diremos que los objetos que transforman de esta manera bajo reflexión son vectores polares o simplemente
vectores. Nótese que esa transformación de coordenadas es equivalente a invertir el vector base: e1 ! e1 .
37
Ahora bien, si dos vectores polares a y b, son transformados bajo reflexión como en (1.2), entonces un
vector axial c transformará como:
c = a ⇥ b ! ã ⇥ b̃ = c̃ .
Es decir, los vectores axiales o pseudovectores cambian de signo bajo reflexión de los vectores que los gene-
ran10 .
De igual manera notamos que d = a · b queda invariante bajo la transformación (1.2), mientras que
V = c · (a ⇥ b) cambia de signo. Siguiendo el ejemplo de vectores y pseudovectores, llamaremos escalar a d
y pseudoescalar a V .
ar
Existen importantes cantidades fı́sicas que vienen representadas por pseudovectores, entre ellas mencio-
namos: la cantidad de momento angular, L = r ⇥ p; el torque ⌧ = r ⇥ F y el campo de inducción magnética,
@B
= r ⇥ E.
@t
Pseudovectores y vectores representan distintos objetos geométricos. Los primeros se asocian a orien-
in
taciones de superficies, mientras que los segundos lo están con segmentos de rectas orientadas. El vector
velocidad angular, !, es un pseudovector por cuanto r y v son vectores polares y v = ! ⇥ r. Algo equivalente
ocurre con la aceleración de Lorentz a = qv ⇥ B, donde B es el campo magnético.
En general, podemos representar la reflexión (1.2) bajo el esquema que presentamos en (1.4.3), es decir,
m
como transformaciones del tipo:
0 1 0 1 0 10 1
ãx ax 1 0 0 ax
@ ãy A ⌘ @ ay A = @ 0 1 0 A @ ay A .
eli
ãz az 0 0 1 az
donde: 0 1
i 1 0 0
@ x̃
ãi = Ãij aj , donde Ãij = =@ 0 1 0 A,
Pr @xj
0 0 1
es la matriz de transformación de coordenadas11 .
Notemos que aquı́ el determinante de la matriz de transformación tiene como valor 1 (det |Ã| = 1)
¿Cuál es el valor del determinante de la matriz que podemos asociar a (1.4.3)?
El hecho de que el det |Ã| = 1 o det |Ã| = 1, permite clasificar a las transformaciones de coordenadas
en transformaciones propias o transformaciones impropias, respectivamente.
or
Entonces, en general, diremos que las componentes de vectores y pseudovectores transformarán bajo
reflexión de la siguiente manera:
8 i
@ x̃ i < ã = Ãij aj , vectores polares o simplemente vectores,
ad
i
si: Ãj = )
@xj : i
p̃ = det |Ã|Ãij pj , pseudovectores o vectores axiales.
rr
10 Esta inversión de vector axial puede comprobarse fácilmente utilizando la definición de productor vectorial (1.2.6) en la
Bo
cual se aprecia que un cambio en el signo en ax y bx induce un cambio de signo en cy y cz .

11 Una discusión de vectores y pseudovectores puede consultarse en la nota de Quigley, Robert J. “Pseudovectors and Reflec-
tions” American Journal of Physics 41, no. 3 (1973): 428-430; y en el capı́tulo 52 del Vol. 1 de Feynman, R.P., Leighton, R.B.
and Sands, M., 2013. The Feynman Lectures on Physics, Desktop Edition. Basic Books. Para algunas de las consecuencias que
se presentan cuando se consideran cantidades fı́sicas y transformaciones de reflexión.
38
1.4.5. Ejemplos
1. Mostraremos a continuación dos casos de identidades vectoriales que pueden ser fácilmente demostradas
mediante la utilización de ı́ndices.
a) a ⇥ (b ⇥ c) = (c · a) b (a · b) c
El resultado será un vector, por lo tanto:
i
(a ⇥ (b ⇥ c)) = "ijk aj (b ⇥ c)k = "ijk aj "kmn bm cn = "ijk "kmn aj bm cn = "ijk "mnk aj bm cn
ar
i j j i
= m n m n a j bm c n = i j
m n aj b c
m n j i m n
m n aj b c
i m j n i n j m i
= mb n aj c n c m aj b = b a cn c i a j bj
| n{z } |{z}
(c·a) (a·b)
in
= bi (c · a) ci (a · b) = b (c · a) c (a · b) .
En la segunda lı́nea hemos hecho uso de la identidad: "jkm "ilm = i l

j k
i l
k j = i l
j k
l i
j k.
b) (a ⇥ b) · (c ⇥ d) = (a · c) (b · d) (a · d) (b · c)
m
El lado derecho es un escalar, por lo tanto:
l
(a ⇥ b) · (c ⇥ d) = (a ⇥ b) (c ⇥ d)l
= "ljk aj bk "lmn cm dn = "ljk "lmn aj bk cm dn
eli
= "jkl "mnl aj bk cm dn = j k
m n
k j
m n a j bk c m d n
j k m n k j m n
= m n a j bk c d m n a j bk c d
j m k n k m j n
= m aj c n bk d m bk c n aj d
| {z }| {z } | {z }| {z }
Pr (a·c) (b·d) (b·c) (a·d)
= (a · c) (b · d) (b · c) (a · d) .
2. Si tenemos tres vectores {a, b, c} queremos ver si se cumple:
a ⇥ (b ⇥ c) + b ⇥ (c ⇥ a) + c ⇥ (a ⇥ b) = 0 .
or
En notación de ı́ndices resulta:
a ⇥ (b ⇥ c) + b ⇥ (c ⇥ a) + c ⇥ (a ⇥ b) = ✏lmi am ✏ijk bj ck + ✏lmi bm ✏ijk cj ak + ✏lmi cm ✏ijk aj bk ,

ad
con lo cual, arreglando:
✏lmi ✏ijk am bj ck + ✏lmi ✏ijk bm cj ak + ✏lmi ✏ijk cm aj bk = l

j
m
k
m
j
l
k a m bj c k + l m
j k
m l
j k bm c j a k
l m m l
+ j k j k c m a j bk ,
rr
y ahora desarrollando los productos de las ’s, e identificando término a término, notamos que se
anulan:
a k b l c k a k b k c l + bk c l a k bk c k a l + c k a l b k c k a k b l = 0 .
| {z } | {z } | {z } | {z } | {z } | {z }
Bo
I II II III III I
3. Vimos que los vectores polares transforman bajo una reflexión respecto al plano yz de la forma:
e1 ! e1 ) (ã1 , ã2 , ã3 ) = ( a1 , a2 , a3 ) .
39
Para saber que pasa con el vector c = a ⇥ b, cuando lo sometemos a esta reflexión, estudiemos como
se transforman sus componentes directamente de la definición del producto vectorial, miremos con
respecto a la componente x de c. Entonces, para a y b vectores polares se tiene:
h⇣ ⌘ ⇣ ⌘ ⇣ ⌘i
c̃ = ã ⇥ b̃ = ã2 b̃3 ã3 b̃2 , ã3 b̃1 ã1 b̃3 , ã1 b̃2 ã2 b̃1
⇥ 2 3 ⇤
= a b a3 b2 , a3 ( b1 ) ( a1 )b3 , ( a1 )b2 a2 ( b1 )
⇥ 2 3 ⇤
= a b a 3 b2 , a 3 b1 a 1 b3 , a 1 b2 a 2 b1 ,
ar
es decir, c es un vector axial por el hecho de obedecer a una ley de transformación diferente:
e1 ! e1 ) (c̃1 , c̃2 , c̃3 ) = (c1 , c2 , c3 ) .
in
Supongamos que ahora queremos aplicar una reflexion al vector c = a ⇥ b pero con a axial y b polar.
Veamos lo que sucede:
h⇣ ⌘ ⇣ ⌘ ⇣ ⌘i
c̃ = ã ⇥ b̃ = ã2 b̃3 ã3 b̃2 , ã3 b̃1 ã1 b̃3 , ã1 b̃2 ã2 b̃1
m
⇥ ⇤
= ( a2 )b3 ( a3 )b2 , ( a3 )( b1 ) a1 b3 , a1 b2 ( a2 )( b1 )
⇥ ⇤
= a 2 b 3 a 3 b 2 , a 3 b 1 a 1 b 3 , a 1 b2 a 2 b1 .
eli
Esto es:
e1 ! e1 ) (c̃1 , c̃2 , c̃3 ) = ( c1 , c2 , c3 ) ,
por lo tanto, en este caso c es un vector polar.
Pr
or
ad
rr
Bo
40

A fines prácticos, las transformaciones de coordenadas del tipo rotaciones o reflexiones es de utilidad
representarlas por matrices. Por ejemplo, las rotaciones alrededor del eje z se puede representar como:
(%i1) Rz:matrix([cos(theta),sin(theta),0],[-sin(theta),cos(theta),0],[0,0,1]);
0 1
cos(✓) sin(✓) 0
( %o1) @ sin(✓) cos(✓) 0A
0 0 1
ar
De manera que un vector a transformará bajo esta rotación en un nuevo vector a0 .
(%i2) a:[a1,a2,a3];
in
( %o2) [a1 , a2 , a3 ]
(%i3) Rz.a;
0 1
a2 sin(✓) + a1 cos(✓)
m
( %o3) @a2 cos(✓) a1 sin(✓)A
a3
Si la rotación se hace al rededor del eje x o y las matrices correspondientes son las siguientes:
eli
(%i4) Rx:matrix([1,0,0],[0,cos(theta),-sin(theta)],[0,sin(theta),cos(theta)]);
0 1
1 0 0
( %o4) @0 cos(✓) sin(✓)A
0 sin(✓) cos(✓)
Pr
(%i5) Ry:matrix([cos(theta),0,sin(theta)],[0,1,0],[-sin(theta),0,cos(theta)]);
0 1
cos(✓) 0 sin(✓)
( %o5) @ 0 1 0 A
sin(✓) 0 cos(✓)
Notemos que el determinante de éstas matrices es:
or
(%i6) determinant(Rx),trigsimp;
( %o6) sin2 (✓) + cos2 (✓)

ad
(%i7) trigrat(%);
( %o7) 1
Si la rotación es en un ángulo de ✓ = 60 entonces:

rr
(%i8) sublis([theta=%pi/3], Rx);

0 1
1 0 0p
B 3C
( %o8) @0 p12 2 A
Bo
3 1
0 2 2
41
Si el eje de rotación se define a través de un vector unitario, digamos, û = ux i + uy j + uz k, la matriz de

rotación para un ángulo ✓ es:
(%i9) t:1-cos(theta)$
(%i10)R:matrix([cos(theta)+ux^2*t,ux*uy*t-uz*sin(theta),ux*uz*t+uy*sin(theta)],
[uy*ux*t+uz*sin(theta),cos(theta)+uy^2*t,uy*uz*t-ux*sin(theta)],
[uz*ux*t-uy*sin(theta),uz*uy*t+ux*sin(theta),cos(theta)+uz^2*t]);
0 1
(1 cos(✓)) ux2 + cos(✓) (1 cos(✓)) ux uy sin(✓) uz (1 cos(✓)) ux uz + sin(✓) uy
ar
( %o10) @sin(✓) uz + (1 cos(✓)) ux uy (1 cos(✓)) uy 2 + cos(✓) (1 cos(✓)) uy uz sin(✓) uxA
(1 cos(✓)) ux uz sin(✓) uy (1 cos(✓)) uy uz + sin(✓) ux (1 cos(✓)) uz 2 + cos(✓)
Por ejemplo, si el eje de rotación coincide con el vector û = pi + pj + k
p y la rotación es en un ángulo
3 3 3
in
de ✓ = 60 , entonces:
(%i11)[ux,uy,uz]:1/sqrt(3)*[1,1,1]; theta:%pi/3$

1 1 1
m
( %o11) p , p , p
3 3 3
Al evaluar con el comando ev podemos ver como queda la matriz R con estos valores definidos
(%i13)Ru:ev(R);
eli
0 2 1 2
1
3 3 3
( %o13) @ 2
3
2
3
1A
3
1 2 2
3 3 3
Pr
De manera que un vector, por ejemplo, a = i + 2j + 3k transformará bajo esta rotación de la manera
siguiente:
(%i14)a:[1,2,3];
( %o14) [1, 2, 3]
(%i15)Ru.a;
or
0 1
2
( %o15) @1A
3
ad
Por otro lado, una reflexión en el plano xy es más sencilla de representar porque es la matriz:
(%i16)Re:matrix([-1,0,0],[0,1,0],[0,0,1]);
0 1
1 0 0
( %o16) @ 0 1 0A
rr
0 0 1
De manera que bajo ésta reflexión el vector transforma como:
Bo
(%i17)Re.a;
42
1.5. UN COMIENZO A LA DERIVACIÓN E INTEGRACIÓN DE VECTORES
0
1
1
( %o17) @ 2 A
3
1.4.7. Ejercicios
1. Verifique las siguientes identidades:
ar
a) a ⇥ (b ⇥ c) + b ⇥ (c ⇥ a) + c ⇥ (a ⇥ b) = 0.
b) (a ⇥ b) ⇥ (c ⇥ d) = b[a · (c ⇥ d)] a[b · (c ⇥ d)].
c) (a ⇥ b) · (c ⇥ d) + (b ⇥ c) · (a ⇥ d) + (c ⇥ a) · (b ⇥ d) = 0.
d ) a · (b ⇥ a) = 0.
in
e) (a ⇥ b) · (a ⇥ b) = a2 b2 (a · b)2 .
a·c a·d
f ) (a ⇥ b) · (c ⇥ d) =
m
b·c b·d
2. Demuestre la siguiente tabla de relaciones:
vector · vector = escalar
eli
vector · pseudovector = pseudoescalar
pseudovector · pseudovector = escalar
vector ⇥ vector = pseudovector
vector ⇥ pseudovector = vector
pseudovector
Pr ⇥ pseudovector = pseudovector
3. Considere lo expuesto en la sección 1.4.3 y demuestre que:

Ãik Aji = j
k ,
y además, como un caso especial, establecer la relación con los cosenos directores que satisfacen:
or
cos(↵)2 + cos( )2 + cos( )2 = 1 .
4. Considere el radio vector posición r = xi ei ⌘ xı̂ + yˆ⌘ en 2 dimensiones. Dado el conjunto de transfor-
maciones que se indican a continuación, demuestre en cuales casos las componentes de r transforman
ad
como verdaderas componentes de vectores.

(x, y) ! ( y, x) , (x, y) ! (x, y) , (x, y) ! (x y, x + y) , (x, y) ! (x + y, x y) .
5. Resuelva los ejercicios anteriores utilizando Maxima.

rr
1.5. Un comienzo a la derivación e integración de vectores

En esta penúltima sección de este capı́tulo abordaremos una introducción somera a las consecuencias
Bo
que imponen la variación de un vector. Mostraremos, de manera funcional y como una ejercitación a los
conceptos de derivación e integración de vectores y campos vectoriales12 .
12 Un análisis más detallado lo presentaremos en el último capı́tulo 5
43
1.5.1. Vectores variables

Los vectores podrán ser constantes o variables. Ahora bien, esta caracterı́stica se verificará tanto en las
componentes como en la base. Esto quiere decir que cuando un vector es variable podrá variar su módulo,
su dirección, su sentido, o todo junto o por separado. Obviamente esta variabilidad del vector dependerá de
la base en la cual se exprese, por lo cual un vector podrá tener una componente constante en una base y no
constante en otra, vale decir: 0
a (t) = ak (t) ek (t) = ak ek0 (t) .
Nótese que hemos utilizado una base {ek (t)} de vectores variables a diferencia de la tradicional base de
ar
vectores cartesianos, los cuales son constantes en módulo, dirección y sentido (ver los cuadrantes I y II de
la figura 1.9). Más aún, tal y como se muestra en cuadrante II de la figura 1.9, todo vector variable podrá
ser expresado como la suma de uno variable, ↵ (t), más otro constante c.
in
a(t) = ↵(t) + c .
1.5.2. Derivación
m
De esta manera, cuando uno piensa en un vector variable a (t) uno rápidamente intenta establecer un
cociente incremental:
a (t + t) a (t) a (t) da (t)
lı́m = lı́m = .
t!0 t t!0 t dt
eli
El cuadrante IV de la figura 1.9 ilustra gráficamente este cociente incremental.
Como siempre, las propiedades de esta operación derivación serán:
d d d
[a (t) + b(t)] = a(t) + b (t) ,
dt dt dt
d
Pr 
d

d
[↵ (t) a(t)] = ↵(t) a (t) + ↵(t) a (t) ,
dt dt dt
 
d d d
[a (t) · b(t)] = a(t) · b (t) + a(t) · b (t) ,
dt dt dt
 
d d d
[a (t) ⇥ b(t)] = a(t) ⇥ b (t) + a(t) ⇥ b (t) .
or
dt dt dt
Ahora bien, esto implica que:

⇥ ⇤
k da(t) d ak (t)ek (t) dak (t) dek (t)
a(t) = a (t)ek (t) ) = = ek (t) + ak (t) , (1.3)
ad
dt dt dt dt
con lo cual hay que tener cuidado al derivar vectores y cerciorarse de la dependencia funcional de la base y
componentes.
Habrá sistemas de coordenadas (bases de vectores) que serán constantes y otros en los cuales sus vectores
rr
bases cambiarán en su dirección. El primer término de (1.3) representa la variación del módulo, y el segundo
muestra la contribución de los cambios en dirección del vector. Más aún, mostraremos apoyándonos en la
ilustración de el cuadrante III de la figura 1.9 que, independientemente del sistema de coordenadas, el cambio
en el módulo apunta en la dirección del vector, mientras que las contribuciones en dirección apuntan en la
Bo
dirección perpendicular al vector. Esto es:
da (t) d |a(t)|
= ûk + |a (t)| û? , con ûk · û? = 0 .
dt dt
44
ar
in
m
eli
Figura 1.9: Vectores variables
Pr
Es fácil convencernos de la forma del primer término. Siempre podemos representar un vector como su
módulo y un vector unitario en la dirección apropiada. Esto es:
da(t) d [|a (t)| û(t)] d |a(t)| dû(t)
a(t) = |a(t)| û(t) ) = = û(t) + |a(t)| .
dt dt dt dt
Por ser |û(t)| = 1, resulta que û(t) · dû(t)

dt = 0, es decir, son perpendiculares.
or
Como podemos ver a continuación cuando multiplicamos por û(t):

8
 > û(t) · da (t) = d |a (t)|
>
>
da (t) d |a(t)| dû(t) < dt dt
û(t) · = û(t) · û(t) + |a(t)| )
dt dt dt >
ad
>
> dû (t)
: û(t) · =0
dt
Es decir que el cambio en el módulo de un vector se manifiesta en la dirección del mismo vector, tal y
como era intuitivo suponer. Adicionalmente, vemos que el vector û siempre será perpendicular a su derivada.
Gráficamente podemos apreciarlo en el cuadrante IV de la figura 1.9, pero también surge analı́ticamente si
rr
derivamos el vector unitario en la dirección de a(t):

⇣ ⌘
2
d [û(t) · û (t)] d |û(t)| d (1) dû(t) dû(t)
⌘ = ⌘ 0 = û (t) · ) û(t) ? ,
Bo
dt dt dt dt dt
es decir:
da(t) d [|a(t)| û(t)] d |a(t)| dû(t) d |a(t)|
= = û(t) + |a(t)| = ûk + |a(t)| û? .
dt dt dt dt dt
45
Supongamos que ahora definimos un vector ✓= ✓ v̂, con:

8
9 >
> v̂ ⇥ ûk = û?
>
>
v̂ ? ûk = <
) û? ⇥ v̂ = ûk
; >
>
v̂ ? û? >
>
:
ûk ⇥ û? = v̂
donde ✓ es el ángulo de rotación del vector a(t) (ver cuadrante V de la figura 1.9). Claramente:
ar
a? = [a (t + t) sen ( ✓)] û? ⇡ [a (t + t) ✓] û? ) a? = ✓ ⇥ a(t) ,
entonces:
 
in
a? a ✓ da (t) d✓(t)
⌘ · a? a? = ⇥ a (t) ) · û? û? = v̂ ⇥ a(t) = ! ⇥ a(t) ,
t t t dt dt
donde hemos identificado ! = d✓(t)

dt v̂.
m
Podemos ir más allá observando el cuadrante V de la figura 1.9, vemos que si suponemos que el módulo
del vector es constante, entonces:

d |a(t)| da(t) da (t)
eli
=0 ) = |a(t)| û? ) · û? û? = ! ⇥ a(t) .
dt dt dt
1.5.3. Velocidades y aceleraciones

El radio vector posición de una partı́cula genera, como sabemos, los vectores velocidad y aceleración:
Pr
dr(t) dv(t) d2 r(t)
r = r(t) ) v(t) = ) a(t) = = ,
dt dt dt2
ahora bien:
r = rûr = xi + yj + zk , con: ûr = cos(✓) i + sen(✓) j + zk .
or
Si suponemos que la partı́cula describe una trayectoria, entonces:

9
r = r(t) > > 8
>
>
= < x = x(t) i = const
✓ = ✓(t) () y = y(t) ; ûr = ûr (t) ; j = const
ad
>
> :
>
> z = z(t) k = const
;
z = z(t)
Es muy común denotar a la derivada temporal sobre funciones de una variable con un punto, es decir,
podemos utilizar la siguiente notación:
rr
df (t)
f˙(t) ⌘ ,
dt
con lo cual, y en el caso de que z = z(t) = constante, se tiene:
Bo
dûr d [cos(✓ (t))i + sen(✓ (t))j] ˙ ˙

= = ✓(t)[ sen(✓(t))i + cos(✓(t))j] = ✓(t)û ✓.
dt dt | {z }
û✓
46
Ya que:
p p
|ûr | = ûr · ûr = [cos(✓(t)) i + sen(✓(t)) j] · [cos(✓(t)) i + sen(✓(t)) j] = 1 ,
p p
|û✓ | = û✓ · û✓ = [ sen(✓(t)) i + cos(✓(t)) j] · [ (sen(✓(t)))i + cos(✓(t))j] = 1 .
Entonces:
û✓ · ûr = ûr · û✓ = [ sen(✓(t)) i + cos(✓(t)) j] · [cos(✓(t)) i + sen(✓ (t)) j] = 0 .
ar
Además:
dû✓ d [ sen(✓(t)) i + cos(✓(t)) j] ˙ [cos(✓(t)) i + sen(✓(t)) j] = ˙
= = ✓(t) ✓(t)û r.
dt dt
in
Para una partı́cula que sigue un movimiento arbitrario, su trayectoria vendrá descrita, en coordenadas
cartesianas, por:
r = x(t) i + y(t) j + z(t) k .
Su velocidad será:
m
dr(t) d [x(t)i + y(t)j + z(t)k]
v(t) = = = ẋ(t)i + ẏ(t)j + ż(t)k = vx (t)i + vy (t)j + vz (t)k .
dt dt
Y su aceleración:
eli
a(t) = v̇x (t)i + v̇y (t)j + v̇z (t)k = ax (t)i + ay (t) j + az (t)k .
Mientras que en coordenadas polares las ecuaciones son:

r(t) = r(t)ûr (t) .
Pr
Velocidad:
d [r (t) ûr (t)] dûr (t) ˙
v(t) = = ṙ(t)ûr (t) + r(t) = ṙ(t)ûr (t) + r(t)✓(t)û ✓ (t) ,
dt dt
Aceleración:
h i h i
or
˙
d ṙ(t)ûr (t) + r(t)✓(t)û ✓ (t)
˙
d r(t)✓(t)û ✓ (t)
dv(t) d [ṙ (t) ûr (t)]
a(t) = = = +
dt dt dt dt
dûr (t) ˙ dû✓ (t)

ad
= r̈(t)ûr (t) + ṙ(t) ˙

+ ṙ(t)✓(t)û ¨
✓ (t) + r(t)✓(t)û✓ (t) + r(t)✓(t)
dt dt
⇢ ⇣ ⌘2 n o
= r̈(t) ˙
r(t) ✓(t) ˙ + r(t)✓(t)
ûr (t) + 2 ṙ(t)✓(t) ¨ û✓ (t) .
rr
Claramente para el caso de un movimiento circular, donde r = R = const, resulta:

8
>
> r(t) = R ûr (t)
>
Bo
>
<
dR ˙
=0 ) v(t) = R ✓(t)û ✓
dt >
>
>
>
: ˙ 2 ûr (t) + R ✓(t)û
¨
a(t) = R ✓(t) ✓ (t)
47
De aquı́ podemos ver que el vector velocidad v(t) y el vector posición r(t) son ortogonales. La velocidad,
v(t), siempre es tangente a la trayectoria r (t) y en este caso la trayectoria es una circunferencia.
En general el vector:
X X X Z
rmed = r(ti ) = (r (ti + ti ) r(ti )) ) lı́m r(ti ) = dr(t) = r(t) ,
t!0
i i i
P
es decir, dr(t) = lı́m t!0 i r(ti ) es tangente a la trayectoria. Es claro que:
ar
dx(t) dy(t) dz(t)
dr(t) = d [x(t)i + y(t)j + z(t)k] ⌘ i+ j+ k.
dt dt dt
Tal y como mencionamos arriba, para el sistema de coordenadas cartesiano podemos definir un vector
in
(en este caso) velocidad angular ! tal que:
! 9
⇥ ûr = ûv >
>
>
|!| >
>
>
>
>
m
! =
ûv ⇥ = ûr ) v(t) = ! ⇥ r(t) .
|!| >
>
>
>
>
! > >
>
ûr ⇥ ûv = ;
eli
|!|
Supongamos por simplicidad que elegimos el sistema de coordenadas cartesiano, donde r está en el plano
xy. En este caso es inmediato comprobar que v i = "ijk !j xk , y dado que r y v tienen únicamente componentes
1 y 2 entonces, necesariamente ! tiene únicamente componente 3, Es decir:
9 8 1
Pr 9
r = r i ei = < v = "1j2 !j x2 =
) ) ! = |!| e3 = !k ,
; : 2 ;
v = v i ei v = "2j1 !j x1
como r = x(t)i + y(t)j, entonces:

or
dr(t) ˙
v(t) = = vx (t)i + vy (t)j = ! ⇥ r(t) = ✓(t)k ⇥ [x(t)i + y(t)j] .
dt
Se verá más claro en coordenadas polares, esto es:
ad
dr(t) ˙
v(t) = =r(t)✓(t)û ✓ (t) = [|!| ûn (t)] ⇥ [r(t)ûr (t)] , |r(t)| = const
dt
˙ û✓ (t) = |!| r(t)û✓ (t) ) ✓(t)
=r(t)✓(t) ˙ ⌘ |!| .
| {z }
v?
rr
1.5.4. Vectores y funciones

Antes de continuar con la integración repensemos algunas funciones de tipo xi y A(xi ). Estas funciones
son sin duda funciones de varias variables, en el caso cartesiano:
Bo
= (x, y, z) , A = A(x, y, z) = iAx (x, y, z) + jAy (x, y, z) + kAz (x, y, z) .
48
Un par de reflexiones se pueden hacer en este punto, primeramente, dado que hemos relacionado un punto
del espacio con el radio vector posición, entonces:
8
< = (x, y, z) ⌘ (r)
P(x,y,z) $ (x, y, z) $ r = x i + y j + z k )
:
A = A(x, y, z) ⌘ A (r)
La primera función, (r), será una función escalar de argumento vectorial o, simplemente un campo
escalar y la segunda, A (r), se conoce como una función vectorial de argumento vectorial o campo vecto-
ar
rial. Como hemos dicho, este tipo de funciones y las operaciones que pueden ser realizadas con ellas, y su
significado, serán analizadas en detalle más adelante durante el desarrollo de este curso.
En segundo lugar, siempre podremos parametrizar las coordenadas y tendremos
= (t) = (x(t), y (t) , z(t)) ,
in
A = A(t) = A (x(t), y(t), z(t)) = Ax (x(t), y (t) , z(t)) i + Ay (x(t), y(t), z(t)) j + Az (x(t), y(t), z (t)) k .
Este caso lo hemos encontrado en montones de situaciones, por ejemplo, el movimiento parabólico viene
m
descrito por vectores velocidad y posición dados por:
8
< vx = v0x
v(t) = gt k + v0 = gt k + (v0x i + v0y j + v0z k) ) vy = v0y
:
vz = v0z gt
eli
8
g 2 g 2 < x = v0x t
r(t) = t k + v0 t = t k + (v0x i + v0y j + v0z k) t ) y = v0y t
2 2 : g 2
z = v0z t 2t
Pr
Derivada de funciones del tipo: (r(t))
Al derivar una función de argumento vectorial también se aplica la “regla de la cadena”. Esto es, si
(r(t)) = (x (t) , y(t), z(t)) ,

or
entonces:
d (r(t)) @ (x(t), y(t), z(t)) dx(t) @ (x(t), y(t), z(t)) dy(t) @ (x(t), y(t), z(t)) dz(t)
= + +
dt @x dt @y dt @z dt
ad
 
@ (x, y, z) @ (x, y, z) @ (x, y, z) dx(t) dy(t) dz(t)
= i+ j+ k · i+ j+ k
@x @y @z dt dt dt
dr (t)
rr
= r (x(t), y (t) , z(t)) · ,

dt
donde hemos representado:
Bo
@ (x, y, z) @ (x, y, z) @ (x, y, z)

r (r(t)) ⌘ i+ j+ k = @i x j ii = ,i
x j ii ,
@x @y @z
y lo llamaremos el gradiente de la función (r(t)).
49
El gradiente de un campo escalar es uno de los objetos más útiles que encontraremos en el estudio de
problemas de Fı́sica-Matemática, el cual lo utilizaremos por ahora de manera operacional. Es bueno recordar
que emerge como consecuencia de una derivación contra un parámetro. El gradiente mide el cambio de la
función (x, y, z).
La idea de gradiente nos lleva a considerar a r como un operador vectorial que actúa sobre la función
escalar de variable vectorial (r(t)).
✓ ◆
@ @ @
r (r(t)) ⌘ i+ j+ k (x, y, z) = ii @ i (x, y, z) .
@x @y @z
ar
Es decir, y con un poquito de imaginación:
✓ ◆
@ @ @
r( ) = i+ j+ k ( ) = ii @ i ( ) .
in
@x @y @z
Derivada de funciones del tipo: A (r(t))

De modo que inspirados en la regla de la cadena de una función escalar de variable vectorial podemos
m
comprobar que:
dA dAx (x, y, z) dAy (x, y, z) dAz (x, y, z) dAi xj

= i+ j+ k= ii ,
dt dt dt dt dt
eli
por consiguiente,
⇣ si A,⌘ tiene por componentes cartesianas (Ax , Ay , Az ) las componentes del vector derivado
dAx dAy dAz
serán: dt , dt , dt . Con lo cual, para cada componente:
✓ ◆
d Ai (x(t), y(t), z(t))
=
Pr
d Ai xj (t)
=
@ Ai x j dxk (t)
=
dr(t)
· r Ai (x, y, z) .
dt dt @xk dt dt
En términos vectoriales es:

✓ ◆
dA dr(t) d( )
= · r A ⌘ (v · r) A ) = (v · r) ( ) ⌘ v i @i ( ) ,
dt dt dt
or
con v la derivada del radio vector posición r (t), es decir, la velocidad. Entonces, estamos viendo que el
cambio del vector A respecto al tiempo es el cambio de sus componentes en la dirección de la velocidad.
Si se nos ocurre calcular la derivada del vector velocidad para encontrar la aceleración tendremos que
nos quedará expresada como:
ad
dv
a= = (v · r) v ) ai = (v · r) v i ,
dt
donde las componentes cartesianas de los vectores velocidad y aceleración son: v i = v i (x (t) , y(t), z (t)) y
rr
ai = ai (x(t), y (t) , z(t)), respectivamente.
1.5.5. El operador r
Bo
El operador vectorial r ( ) merece un poco de atención en este nivel. Tal y como hemos visto cuando
construimos:
50
El Gradiente:
@ (x, y, z) @ (x, y, z) @ (x, y, z)
r (x, y, z) = i+ j+ k
@x @y @z
= @ 1 (x, y, z)i1 + @ 2 (x, y, z)i2 + @ 3 (x, y, z)i3 = @ i x j ii . (1.4)
Podemos ver ahora que existen otras posibilidades:

El Rotor: Se puede construir la siguiente operación: r ⇥ A, que denominaremos rotor de A, y vendrá
dado por la siguiente expresión:
ar
✓ ◆
@ @ @
r⇥A = i+ j+ k ⇥ (Ax i + Ay j + Az k)
@x @y @z
✓ ◆ ✓ ◆ ✓ ◆
@Az @Ay @Ax @Az @Ay @Ax
k = "ijk @j Ak ii .
in
= i+ j+ (1.5)
@y @z @z @x @x @y
La Divergencia: También podemos hablar del “producto escalar” de nabla por un vector A. A esta
operación la llamaremos divergencia de A:
m
@Ai xj @Ax (x, y, z) @Ay (x, y, z) @Az (x, y, z)
r·A= ⌘ @ i Ai x j ⌘ + + ,
@xi @x @y @z
eli
pero por ahora consideremos nabla r como un vector.
De este modo habrá una gran cantidad de relaciones vectoriales que involucran a r, las cuales se podrán
demostrar.
1.5.6. Integración
Pr
Después de haber diferenciado campos escalares y vectoriales, el siguiente paso es integrarlos. Encontra-
remos algunos objetos vectoriales a integrar y serán:
Integración de un vector por un escalar: Z

A (u) du
or
Integración de un escalar a lo largo de un vector:

Z
(x, y, z) dr
ad
Integración de un vector a lo largo de otro vector:

Z
A(x, y, z) · dr
rr
El primero de los casos es el tipo de integral que siempre hemos utilizado para encontrar la posición a
partir de la velocidad. Los siguientes tres casos se conocen con el nombre de integrales de lı́nea por cuanto
Bo
es importante la “ruta” o trayectoria que sigamos al integrar. Esto aparece indicado por la letra C en la
integral y será evidente más adelante. En general la integral de lı́nea dependerá de la trayectoria.
51
R
Un vector por un escalar: A (u) du
El primer caso de este tipo integrales es el trivial que ya sabemos calcular:
Z Z Z Z ✓Z ◆
i
A (u) du = i Ax (u) du + j Ay (u) du + k Az (u) du = A (u) du ii .
La integral de un vector (en un sistema de coordenadas cartesianas) por un escalar se convierte en la suma
de tres integrales, cada una a lo largo de las componentes cartesianas del vector.
Recordemos que ası́ integramos la aceleración en un movimiento parabólico:
ar
Z Z
dv
= a = g k ) v = a dt = k g dt = k gt + v0 = kgt + iv0x + jv0y + kv0z .
dt
Ahora bien, existen sutilezas en este caso que debemos tener en cuenta. Por ejemplo, considere la integral:
in
Z ✓ ◆ Z ✓ ✓ ◆ ◆ Z ✓ ◆
d2 a d da da da d da da
dt a ⇥ 2 = dt a⇥ ⇥ = dt a⇥ =a⇥ + c.
dt dt dt dt dt dt dt dt
m
Pero en general los casos quedan resueltos integrando componente a componente con la ayuda de la
notación de ı́ndices: Z Z
dt (a ⇥ b) = dt "ijk aj bk ii .
eli
R
Un escalar a lo largo de un vector: C
(r) dr
El segundo objeto que “tropezaremos” es la integración de funciones de varias variables a lo largo de una
curva determinada. Esto es:
Z Z
Pr Z Z Z
(x, y, z) dr = (xi ) (dxi + dyj + dzk) = i (xi )dx + j (xi )dy + k (xi )dz .
C C C C C
La integral se nos ha convertido en tres integrales, las cuales son ahora componentes de un vector. Esto
es posible dado que la base (i, j, k) es una base constante. Ahora bien, cada una de estas integrales son
interdependientes, dado que hay que seguir la misma curva C.
or
R
Un vector a lo largo de otro vector: C
F (r) · dr
R
Quizá la integral de lı́nea más conocida sea una del tipo C F (r) · dr por cuanto nos la hemos “tropezado”
en el cálculo del trabajo que realiza una fuerza. Todo lo que hemos considerado al parametrizar la curva en
ad
el caso anterior, sigue siendo válido.

Z Z Z Z Z
F (r) · dr = Fx (x, y, z) dx + Fy (x, y, z) dy + Fz (x, y, z) dz = F i xj dxi .
C C C C C
rr
1.5.7. Ejemplos
1. Si una partı́cula se mueve a lo largo de una curva descrita por:
x(t) = 3t2 , y(t) = 4t3 t, z(t) = t .

Bo
Entonces, las expresiones para los vectores: posición, velocidad y aceleración de esa partı́cula son:
r(t) = 3t2 i + (4t3 t)j + tk , v = 6ti + (12t2 1)j + k , a = 6i + 24tj .
52
Si nos proponemos encontrar las expresiones, más generales, de los vectores tangentes y perpendiculares
a todo punto de la trayectoria de la partı́cula podemos ver que el vector tangente a todo punto de la
trayectoria es el vector velocidad
v = 6ti + (12t2 1)j + k ,
El vector perpendicular a todo punto, será un vector b = bx i + by j + bz k, tal que:
(6ti + (12t2 1)j + k) · (bx i + by j + bz k) = 6tbx + (12t2 1)by + bz = 0 ,
ar
con lo cual:
b = b x i + by j (6tbx + (12t2 1)by )k .
2. La trayectoria de un punto en el plano vista por un observador (1) es la siguiente:
in
r1 (t) = 5 cos(3t2 ) i + 5 sen(3t2 ) j .
Queremos expresar las aceleraciones radiales y tangenciales de esta partı́cula ya que es claro que la
partı́cula describe un movimiento circular, donde ✓(t) = 3t2 . Entonces:
m
dr(t) d✓(t) da(t)
r(t) = 5ûr ) v(t) = =5 û✓ = 30t û✓ ) a(t) = = 30 û✓ 30t ûr .
dt dt dt
eli
Consideremos ahora un segundo observador (2), el cual describe una trayectoria respecto al primero
representada por:
r21 (t) = (t3 4t)i + (t2 + 4t) j .
Y queremos encontrar las expresiones para los vectores posición, velocidad y aceleración de la partı́cula
medidos respecto al segundo observador.
Pr
Por lo tanto, la trayectoria de la partı́cula respecto al segundo observador será:
r2 (t) = r1 (t) r21 (t) = 5 cos(3t2 ) i + 5 sen(3t2 ) j ((t3 4t)i + (t2 + 4t) j) ,
con lo cual: ⇥ ⇤ ⇥ ⇤
or
r2 (t) = 5 cos(3t2 ) t3 + 4t i + 5 sen(3t2 ) t2 4t j ,

entonces:
dr2 (t) ⇥ ⇤ ⇥ ⇤
v2 (t) = = 30 sen 3 t2 t + 3 t2 4 i + 30 cos 3 t2 t 2t 4 j,
ad
dt
y
dv2 (t) ⇥ ⇤ ⇥ ⇤
a2 (t) = = 6 30 cos 3t2 t2 + 5sen 3t2 + t i 2 90sen 3t2 t2 15 cos 3t2 + 1 j .
dt
rr
3. Demostrar que:
r (a · b) = (a · r) b + (b · r) a + a ⇥ (r ⇥ b) + b ⇥ (r ⇥ a) .
Bo
El resultado es un gradiente, es decir un vector. El lado izquierdo será:

i
(r (a · b)) = @ i (a · b) = @ i aj bj = @ i aj bj + @ i bj aj .
53
Mientras que el lado derecho:

i
(r (a · b)) = aj @ j bi + bj @ j ai + "ijk aj (r ⇥ b)k + "ijk bj (r ⇥ a)k
= aj @ j bi + bj @ j ai + "ijk aj "kmn @ m bn + "ijk bj "kmn @ m an
= aj @ j bi + bj @ j ai + "ijk "mnk aj @ m bn + "ijk "mnk bj @ m an
= a j @ j b i + bj @ j a i + i j
m n
j i
m n aj @ b
m n
+ i j
m n
j i
m n bj @ m a n
= a j @ j bi + bj @ j a i + i j
m n aj @
m n
b j i
m n aj @ b
m n
+ mi j m n
n bj @ a
j i m n
m n bj @ a
ar
= a j @ j bi + b j @ j a i + a n @ i bn a m @ m b i + bn @ i a n bm @ m a i
= a j @ j bi a m @ m bi + bj @ j a i b m @ m a i + a n @ i bn + b n @ i a n
| {z } | {z }
=0 =0
i n i n i j
= @ i (a · b) .
in
= a n @ b + bn @ a = @ aj b
4. Demostrar la siguiente identidad:
r ⇥ (a · r) a = (r · a) (r ⇥ a) [r · (r ⇥ a)] a + (a · r) (r ⇥ a) [(r ⇥ a) · r] a .
m
Iniciamos la traducción a ı́ndices por el lado izquierdo de la ecuación, ası́:
r ⇥ (a · r) a = ✏ijk @j (am @ m ) ak = ✏ijk (@j am ) @ m ak + ✏ijk am @j @ m ak
eli
= ✏ijk (@j am ) @ m ak + am @ m ✏ijk @j ak .
El lado derecho lo traduciremos término por término:
(r · a) (r ⇥ a) = (@ m am ) ✏ijk @j ak
⇥
Pr ⇤ ⇥ ⇤
[r · (r ⇥ a)] a = @m ✏mjk @j ak ai = ✏mjk @m @j ak ai = 0
(a · r) (r ⇥ a) = am @ m ✏ijk @j ak
⇥ mjk ⇤
[(r ⇥ a) · r] a = ✏ @ j ak @ m ai .
El segundo término se anula por cuanto ✏mjk es antisimétrico respecto a los ı́ndices m, j, mientras que
or
@m @j es simétrico. El tercer término del desarrollo del lado derecho corresponde con el segundo del
desarrollo del lado izquierdo. Por lo tanto, llegamos a la siguiente igualdad:
⇥ mjk ⇤
✏ijk (@j am ) @ m ak = (@ m am ) ✏ijk @j ak ✏ @ j ak @ m ai . (>)
ad
Para verificar la igualdad tendremos que evaluar componente a componente, esto es, para i = 1, el lado
izquierdo de (>) resulta en:
✏1jk (@j am ) @ m ak = ✏123 (@2 am ) @ m a3 + ✏132 (@3 am ) @ m a2 = (@2 am ) @ m a3 (@3 am ) @ m a2

rr
= (@2 a1 ) @ 1 a3 + (@2 a2 ) @ 2 a3 + (@2 a3 ) @ 3 a3 (@3 a1 ) @ 1 a2 (@3 a2 ) @ 2 a2 (@3 a3 ) @ 3 a2 .
Para el primer término del lado derecho de (>):

Bo
(@ m am ) ✏1jk @j ak = (@ m am ) ✏123 @2 a3 + (@ m am ) ✏132 @3 a2

= @ 2 a3 @ 1 a1 + @ 2 a3 @ 2 a2 + @ 2 a3 @ 3 a3 @ 3 a2 @ 1 a1 @ 3 a2 @ 2 a2 @ 3 a2 @ 3 a3 ,
| {z } | {z }
↵
54
y el segundo término de (>) se escribe como:

⇥ mjk ⇤
✏ @ j ak @ m ai = ✏1jk @j ak @1 a1 ✏2jk @j ak @2 a1 ✏3jk @j ak @3 a1
= (@2 a3 @ 3 a2 ) @ 1 a1 (@3 a1 @ 1 a3 ) @ 2 a1 (@1 a2 @ 2 a1 ) @ 3 a1
= @ 3 a2 @ 1 a1 @ 2 a3 @ 1 a1 + @ 1 a3 @ 2 a1 @ 3 a1 @ 2 a1 + @ 2 a1 @ 3 a1 @ 1 a2 @ 3 a1 .
| {z } | {z } | {z } | {z }
↵
Al sumar ambos términos se eliminan los sumandos indicados con letras griegas, y queda como:
ar
⇥ mjk ⇤
(@ m am ) ✏1jk @j ak ✏ @ j ak @ m ai = @ 2 a3 @ 2 a2 + @ 2 a3 @ 3 a3
⌅ ⌥
@ 3 a2 @ 2 a2 @ 2 a2 @ 3 a3 + @ 1 a3 @ 2 a1 @ 1 a2 @ 3 a1 ,
⌦ ⇤ ⌃
in
y al compararlo con el desarrollo del lado derecho de (>) e identificar término a término queda demos-
trada la igualdad:
m
✏1jk (@j am ) @ m ak = (@2 a1 ) @1 a3 + (@2 a2 ) @2 a3 + (@2 a3 ) @3 a3 (@3 a1 ) @1 a2 (@3 a2 ) @2 a2 (@3 a3 ) @3 a2 .
⇤ ⌅ ⌥ ⌃ ⌦
De igual manera se procede con i = 2 e i = 3.
eli
5. Utilizando la notación de ı́ndices muestre si se cumple la siguiente identidad:
r ⇥ (a ⇥ b) = a (r · b) b (r · a) + (b · r) a (a · r) b .
Desarrollemos en ı́ndices el lado izquierdo:

Pr
i j
r ⇥ (a ⇥ b) = ✏ijk @j (✏klm al bm ) = ( i j
l m
l m
m l )@j (a b ) = @m (ai bm ) @l (al bi ) ,
expandiendo la derivada:
r ⇥ (a ⇥ b) = bm @m (ai ) + ai @m (bm ) bi @l (al ) al @l (bi ) ⌘ (b · r)a + (r · b)a (r · a)b (a · r)b .

or
6. Tal vez, uno de los problemas que ilustra mejor el uso del álgebra vectorial y la derivación de vectores
es el movimiento bajo fuerzas centrales. La ley de gravitación de Newton nos dice que para un sistema
de dos masas, m y M se tiene:
X
ad
M dv dv GM
F = m a ) mG 2 ûr = m ) = 2 ûr .
rmM dt dt rmM
Es costumbre definir la velocidad areolar , va , como el área barrida por el radio vector posición, r(t),
que describe la trayectoria de la partı́cula:
rr
✓ ◆
dr d (r ûr ) dr dûr dûr dûr
2va ⌘ r ⇥ = r ûr ⇥ = rûr ⇥ ûr + r = r ûr ⇥ r = r2 ûr ⇥ .
dt dt dt dt dt dt
Bo
Nótese que:
✓ ◆
d dûr dûr dûr
ûr ⇥ = 0 ) ûr ⇥ = c ) 2va = r2 ûr ⇥ = const ,
dt dt dt dt
55
donde c es un vector constante, con lo cual:

⇢ ✓ ◆
d dv GM GM dûr
(v ⇥ va ) = ⇥ va = 2 ûr ⇥ va = ûr ⇥ ûr ⇥
dt dt rmM 2 dt
⇢✓ ◆
GM dûr dûr GM dûr
= ûr · ûr (ûr · ûr ) = .
2 dt dt 2 dt
Integrando:
ar
GM
v ⇥ va =
ûr + p ,
2
donde p es un vector arbitrario que aparece como constante de integración.
Finalmente nos damos cuenta que:
in
✓ ◆
GM GM
r · (v ⇥ va ) = r ûr · ûr + p = r + rp cos(✓)
2 2
= "ijk ri vj vak ⌘ va · (r ⇥ v) = va · va = va2 ,
m
y entonces:
2
2va
GM va2
va2 = r + rp cos(✓) ) r = GM
⌘ GM
2p ,
2
eli
2 + p cos(✓) 1+ GM cos(✓)
que constituye la ecuación de una curva cónica ¿Cuál curva?
7. Consideremos la siguiente función:

(x, y) = 3x2 + 2y .
Pr
Queremos calcular la siguiente integral de lı́nea:
Z (1,2) Z (1,2) Z (1,2)
3x2 + 2y dr = i 3x2 + 2y dx + j 3x2 + 2y dy .
(0,0) (0,0) (0,0)
Se requiere especificar la curva C a lo largo de la cual integraremos, en este caso, desde el punto
or
P1 ! (0, 0) al punto P2 ! (1, 2). Podemos ir por diferentes recorridos:
Si recorremos la ruta C1 : (0, 0) ! (1, 0) ! (1, 2) podemos hacerlo de la manera más sencilla:
Z Z Z
ad
(1,0) (1,0) 1
(0, 0) ! (1, 0) ) y = cte = 0 ) 3x2 + 2y dr = i 3x2 + 2y dx = i 3x2 dx = i
(0,0) (0,0) 0
Z (1,0) Z (1,2) Z 2
2 2
rr
(1, 0) ! (1, 2) ) x = cte = 1 ) 3x + 2y dr = j 3x + 2y dy = j (3 + 2y) dy = 10j

(0,0) (0,0) 0
con lo cual:
Z
Bo
(1,2)
C1 ! (0, 0) ! (1, 0) ! (1, 2) ) 3x2 + 2y dr = i + 10j .
! ! (0,0)
C1A C1B
56
Si hubiéramos seleccionado la recta que une a estos dos puntos como la curva C2 entonces:
C2 : y = 2x ) dy = 2dx ,
esto es:
Z (1,2) Z (1,2) Z (1,2)
2 2
3x + 2y dr = i 3x + 2y dx + j 3x2 + 2y dy
(0,0) (0,0) (0,0)
Z 1 Z 1
=i 3x2 + 2 (2x) dx + j 3x2 + 2 (2x) 2dx = 3i + 6j .
ar
0 0
En general la curva C se puede parametrizar y las integrales en varias variables se convertirán en

integrales a lo largo del parámetro que caracteriza la curva.
C : {x = x (⌧ ) , y = y (⌧ ) , z = z (⌧ )}
in
Por lo tanto:
Z Z ✓ ◆
@x (⌧ ) @y (⌧ ) @z (⌧ )
(x, y, z) dr = (x (⌧ ) , y (⌧ ) , z (⌧ )) d⌧ i + d⌧ j + d⌧ k
@⌧ @⌧ @⌧
m
C C
Z Z
@x (⌧ ) @y (⌧ )
=i (x (⌧ ) , y (⌧ ) , z (⌧ )) d⌧ + j (x (⌧ ) , y (⌧ ) , z (⌧ )) d⌧
C @⌧ C @⌧
Z
@z (⌧ )
eli
+k (x (⌧ ) , y (⌧ ) , z (⌧ )) d⌧ .
C @⌧
Las parametrización de las curvas anteriores es muy simple:
8 8 8
< x=⌧ < x=2 < x=⌧
C1A = ; C1B =
:
Pr
:
; C2 =
:
y=0 y=⌧ y = 2⌧
Con esta manera de parametrizar, la integral que resolvimos anteriormente tomando el camino C2 :
Z (1,2) Z (1,2) Z (1,2)
3x2 + 2y dr = i 3x2 + 2y dx + j 3x2 + 2y dy .
(0,0) (0,0) (0,0)
or
Queda ahora como:

Z (1,2) Z 1 Z 1
3x2 + 2y dr = i 3⌧ 2 + 4⌧ d⌧ + j 3⌧ 2 + 4⌧ 2d⌧ = 3i + 6j .
(0,0) 0 0
ad
Ya que: 0  ⌧  1.
8. Consideramos el siguiente campo vectorial:
F (r) = 3x2 + 2xy 3 i + 6xy j .
rr
Queremos evaluar la siguiente integral:

Z (1, 34 p2) Z (1, 34 p2)
F (r) · dr = 3x2 + 2xy 3 i + 6xy j (dx i + dy j)
Bo
(0,0) (0,0)
Z (1, 34 p2) Z (1, 34 p2)
2 3
= 3x + 2xy dx + 6xy dy .
(0,0) (0,0)
57
Consideremos que la curva que une esos puntos viene parametrizada por:
@x (⌧ ) @y (⌧ )
x = 2⌧ 2 , y = ⌧ 3 + ⌧ ) = 4⌧ , = 3⌧ 2 + 1 ,
@⌧ @⌧
entonces, la primera de las integrales resulta:
Z (1, 34 p2) Z p
2
2
⇣ ⌘
2 3 2 3
3x + 2xy dx = 3 2⌧ 2 + 2 2⌧ 2 ⌧3 + ⌧ (4⌧ ) d⌧
(0,0) 0
ar
p
Z 2
2 9305 p
= 16 ⌧ 12 + 48 ⌧ 10 + 48 ⌧ 8 + 16 ⌧ 6 + 48 ⌧ 5 d⌧ = 1 + 2.
0 24024
Y la segunda:
in
Z (1, 34 p2) Z p
2
2 65
6xy dy = 6 2⌧ 2 ⌧3 + ⌧ 3⌧ 2 + 1 d⌧ , = ,
(0,0) 0 32
con lo cual:
m
Z (1, 34 p2) Z (1, 34 p2) Z (1, 34 p2)
2 3 97 9305 p
F (r) · dr = 3x + 2xy dx + 6xy dy = + 2.
(0,0) (0,0) (0,0) 32 24024
eli
9. El campo de fuerzas de un oscilador anisótropo bidimensional se escribe como:
F= k1 x2 i + k2 yj .
Encontremos el trabajo realizado

Pr Z (x2 ,y2 )
F · dr ,
(x1 ,y1 )
a lo largo de las siguientes trayectorias:
a) (1, 1) ! (4, 1) ! (4, 4)

or
Z (4,1) Z (4,4)
15k2
(idx) · ( k1 x2 i + k2 j) + (jdy) · ( k1 16i + k2 yj) = 21k1 + .
(1,1) (4,1) 2
b) (1, 1) ! (1, 4) ! (4, 4)

ad
Z (1,4) Z (4,4)
15k2
(jdy) · ( k1 i + k2 yj) + (idx) · ( k1 x2 i + k2 4j) = 21k1 + .
(1,1) (1,4) 2
c) (1, 1) ! (4, 4) siguiendo la recta x = y

rr
Z (4,4) Z (4,4)
15k2
(idx + jdx) · ( k1 x2 i + k2 xj) = ( k1 x2 + k2 x)dx = 21k1 + .
(1,1) (1,1) 2
Bo
Dejamos al lector que calcule el trabajo para la trayectoria y = x2 .
58

1. Maxima nos permite hacer cálculos con el operador r en coordenadas cartesianas, más adelante
veremos que también es posible en otros sistemas de coordenadas. Los operadores que se pueden
expresar son: grad(gradiente), div (divergencia), curl (rotacional), laplacian (laplaciano). Debemos
hacer uso de la librerı́a vect para poder utilizar los operadores diferenciales.
Por otro lado, se debe usar también de función express(expr) para transformar los nombres de los
operadores diferenciales en expresiones que contienen derivadas parciales y con la función ev evaluamos
la expresión. Veamos como se hace si queremos calcular el gradiente de la siguiente función:
ar
x2 + y 2
f= .
(x2 + y 2 + z 2 )1/2
in
(%i1) load(vect)$
(%i2) f:(x^2+y^2)/(x^2+y^2+z^2)^(1/2);
m
y 2 + x2
( %o2) p
z 2 + y 2 + x2
(%i3) grad(f);
eli
!
y 2 + x2
( %o3) grad p
z 2 + y 2 + x2
Pr
Estaremos haciendo uso del sı́mbolo % que representa la última expresión de salida, de esta manera
nos ahorramos estar escribiendo nuevamente el último resultado en la nueva linea de entrada.
(%i4) express(%);
" ! ! !#
d y 2 + x2 d y 2 + x2 d y 2 + x2
( %o4) p , p , p
dx z 2 + y 2 + x2 dy z 2 + y 2 + x2 dz z 2 + y 2 + x2
or
Notemos que el resultado anterior es una lista del tipo [x, y, z], que es la manera como el programa
maneja los vectores. En este caso, el primer elemento de la lista es la componente x del vector gradiente.
De la misma manera para las componentes y y z. Evaluamos las derivadas de la última salida:
ad
(%i5) ev(%, diff);

" #
2x x y 2 + x2 2y y y 2 + x2 y 2 + x2 z
( %o5) p 3 ,p 3 , 3
z 2 + y 2 + x2 z 2 + y 2 + x2
rr
(z 2 + y 2 + x2 ) 2 (z 2 + y 2 + x2 ) 2 (z 2 + y 2 + x2 ) 2
En este punto podemos intentar simplificar las expresiones anteriores, esto lo hacemos con el comando
ratsimp y ası́ obtener finalmente el vector gradiente:
Bo
(%i6) ratsimp(%);
59
" p p #
z 2 + y 2 + x2 2 x z 2 + x y 2 + x3 z 2 + y 2 + x2 2 y z 2 + y 3 + x2 y y 2 + x2 z
( %o6) , , 3
z 4 + (2 y 2 + 2 x2 ) z 2 + y 4 + 2 x2 y 2 + x4 z 4 + (2 y 2 + 2 x2 ) z 2 + y 4 + 2 x2 y 2 + x4 (z 2 + y 2 + x2 ) 2
Hagamos uso de los otros operadores. Por ejemplo, dado el vector:
x2 y2 z2
a= i + j + k,
x2 + y 2 x2 + y 2 x2 + y 2
calculemos la divergencia, r · a. Esta vez combinaremos algunos comandos en una misma linea.
ar
(%i7) a:[x^2/(x^2+y^2),y^2/(x^2+y^2),z^2/(x^2+y^2)];

x2 y2 z2
( %o7) , 2 , 2
in
y2 + x y + x y + x2
2 2
(%i8) express(div (a));
m
✓ ◆ ✓ ◆ ✓ ◆
d z2 d y2 d x2
( %o8) + +
dz y 2 + x2 dy y 2 + x2 dx y 2 + x2
(%i9) ev (%, diff),ratsimp;
eli
2 y 2 + 2 x2 z + 2 x y 2 + 2 x2 y
( %o9)
y 4 + 2 x2 y 2 + x4
Pr
Calculemos ahora el rotor de a, r ⇥ a, pero combinado más comandos en una sola instrucción:
(%i10)ev(express(curl(a)),diff);
" #
2 y z2 2 x z2 2 x2 y 2 x y2
( %o10) 2, 2, 2 2
(y 2 + x2 ) (y 2 + x2 ) (y 2 + x2 ) (y 2 + x2 )
or
Intentemos simplificar nuevamente para ver lo que ocurre:
(%i11)ratsimp(%);

ad
2 y z2 2 x z2 2 x y 2 2 x2 y
( %o11) , 4 ,
y4 + 2 x y + x y + 2 x2 y 2 + x4
2 2 4 y4 + 2 x2 y 2 + x4
Finalmente, calculemos el laplaciano de f , r2 f , todo en una sola instrucción

rr
(%i12)ratsimp(ev(express(laplacian(f)),diff));
4 z2
( %o12) 3
Bo
(z 2 + y 2 + x2 ) 2
Podemos verificar rapidamente que: r2 f = r · rf
60
(%i13)div(grad(f));
!!
y 2 + x2
( %o13) div grad p
z 2 + y 2 + x2
(%i14)ratsimp(ev(express((%)),diff));
4 z2
ar
( %o14) 3
(z 2 + y 2 + x2 ) 2
2. Maxima integra simbólicamente funciones por medio del comando integrate(expr, x, a, b). Esto es,
calcula la integral definida de la expr respecto de x con los lı́mites de integración a y b. Si se omiten
in
los lı́mites de integración se calcula la integral indefinida.
Por ejemplo, si queremos calcular la integral:
Z
m
a sen(x + b)3 dx .
Escribimos:
eli
(%i15)integrate(a*sin(x+b)^3,x);
✓ ◆
cos3 (x + b)
( %o15) a cos (x + b)
3
Pr
Calculemos ahora el área de la región comprendida entre las funciones:
f (x) = x3 3x2 + 1 y g(x) = x + 1.
Es decir, vamos a calcular la integral:

Z b
or
[f (x) g(x)]dx .
a
Aprovecharemos este ejercicio para aprender, entre otras cosas, a graficar y definir funciones. Primero
que todo, debemos introducir al programa las dos funciones y a diferencia de los cálculos anteriores,
ad
usaremos := para definirlas.
(%i16)f(x):=x^3-3*x^2+1; g(x):=-x+1;
( %o16) f (x) := x3 3 ⇤ x2 + 1
rr
( %o17) g(x) := x+1
La diferencia de estas dos funciones la podemos llamar la función d(x).

Bo
(%i18)d(x):=f(x)-g(x);
61
( %o18) d(x) := f (x) g(x)
Haremos la gráfica de las dos funciones. Maxima permite hacer gráficos en 2D con el comando plot2d.
Pero aquı́ utilizaremos una variante y haremos el gráfico con el comando wxplot2d para que la figura
aparezca embebida dentro de nuestra hoja de cálculo.
Es necesario introducir las funciones como una lista, es decir, dentro de corchetes. Por otra parte, le
pediremos al programa que grafique para los valores comprendidos de: 1  x  3.
Posteriormente, necesitaremos encontrar los puntos donde las funciones se interceptan. Para este fin,
ar
utilizaremos el comando solve, que resuelve la ecuación algebraica y devuelve una lista de igualdades
con las variables despejadas. Si la expresión a resolver no es una igualdad, se supone que se quiere
resolver la ecuación ya igualada a cero.
in
Entonces, para graficar las funciones f (x) y g(x) entre [ 1, 3] escribimos el siguiente comando:
(%i19)wxplot2d([f(x),g(x)],[x,-1,3]);
m
( %o19)
eli
Pr
or
ad
Calculemos los puntos donde se interceptan las curvas:
(%i20)solve(f(x)-g(x),x);
rr
" p p #
5 3 5+3
( %o20) x = ,x = ,x = 0
2 2
Bo
Los valores numéricos son:
(%i21)float(%);
62
( %o21) [x = 0,3819660112501051, x = 2,618033988749895, x = 0,0]
Procedemos ahora sı́ a integrar la función diferencia para encontrar el área contenida dentro de las dos
funciones. En este caso será la integral:
p p
Z 5 3
2
Z 5 3
2
A= d(x) dx + p ( d(x)) dx .
5 3
0 2
ar
(%i22)integrate(d(x),x,0,-(sqrt(5)-3)/2)+integrate(-d(x),x,-(sqrt(5)-3)/2,(sqrt(5)+3)/2);
3 3
5 2 + 11 5 2 11
( %o22) +
8 4
in
(%i23)float(%);
( %o23) 2,817627457812107
m
3. Calculemos ahora las dos integrales que aparecen en el ejemplo 8 de 1.5.7. Es decir las integrales:
Z (1, 34 p2) Z (1, 34 p2)
2 3
3x + 2xy dx , 6xy dy .
eli
(0,0) (0,0)
donde hicimos los cambio de variables: x = 2⌧ 2 , y = ⌧ 3 + ⌧ ) dx = 4⌧ d⌧ , dy = (3⌧ 2 + 1)d⌧ .

Escribiremos primero los dos integrandos:
(%i24)int1:(3*x^2+2*x*y^3)*dx; int2:6*x*y*dy;
Pr
( %o24) dx 2 x y 3 + 3 x2
( %o25) 6 dy x y
Realizaremos el cambio de variable a través de comando subst que nos permite sustituir expresiones
or
dentro de otras:
(%i26)e1:subst([x=2*t^2,dx=4*t,y=t^3+t,dy=3*t^2+1],int1);
ad
⇣ 3
⌘
( %o26) 4 t 4 t2 t3 + t + 12 t4
(%i27)e2:subst([x=2*t^2,dx=4*t,y=t^3+t,dy=3*t^2+1],int2);
( %o27) 12 t2 3 t2 + 1 t3 + t
rr
Podemos introducir las integrales sin evaluarlas en el momento, esto se consigue mediante el operador
de comilla simple. En este caso la función no es evaluada y devuelve una expresión simbólica o imagen
Bo
pictórica.
(%i28)int1:’integrate(e1,t,0,sqrt(2)/2);
63
Z 1
p ⇣ ⌘
2 3
( %o28) 4 t 4 t2 t3 + t + 12 t4 dt
0
Ahora si evaluamos la integral:
(%i29)ev(int1,integrate),expand;
9305
( %o29) 5 +1
3003 2 2
ar
Y para la segunda integral:
(%i30)int2:’integrate(e2,t,0,sqrt(2)/2);
in
Z p1
2
( %o30) 12 t2 3 t2 + 1 t3 + t dt
0
m
(%i31)ev(int2,integrate),expand;
65
( %o31)
32
eli
(%i32)kill(all)$
4. Para finalizar, aclaremos la diferencia entre asignar una expresión a una variable y la definición de
funciones. Consideremos el movimiento de una partı́cula que sigue la trayectoria:
Pr
1
x = x0 + v0 t + at2 .
2
Primero escribiremos la expresión y se la asignamos a una variable que llamaremos x.
(%i1) x:x0+v0*t+a*t^2/2;
or
a t2
( %o1) x0 + t v0 +
2
ad
Si queremos evaluarla para algún valor de la variable t, digamos t = 1, entonces podemos escribir:
(%i2) subst(t=1,x);
a
( %o2) x0 + v0 +
rr
Si queremos evaluar la expresión con el resto de parámetros, entonces:

Bo
(%i3) subst([t=1,a=-9.8,x0=0,v0=10],x);
( %o3) 5,1
64
Las sustituciones se realizan pero no se asignan a las variables. Podemos ver que x sigue siendo lo que
le asignamos originalmente.
(%i4) x;
a t2
( %o4) x0 + t v0 +
2
Ahora definamos la expresión anterior pero como la función x(t).
ar
(%i5) x(t):=x0+v0*t+a*t^2/2;
t2
in
( %o5) x(t) := x0 + v0 t + a
2
Evaluarla es ahora más sencillo:
m
(%i6) x(1);
a
( %o6) x0 + v0 +
2
eli
También podemos escribir:
(%i7) subst([a=-9.8,x0=0,v0=10],x(1));
( %o7) 5,1
Pr
Si queremos asignarle los valores a los parámetros de manera global, entonces escribimos:
(%i8) a:-9.8$ x0:0$ v0:10$

or
De manera que:
(%i11)x(1);
ad
( %o11) 5,1
Para limpiar los parámetros que acabamos de asignar hacemos lo siguiente:
(%i12)kill(a,v0,x0)$
rr
Por lo tanto:
(%i13)x(1);
Bo
a
( %o13) x0 + v0 +
2
65
La velocidad y la aceleración son funciones fáciles de calcular:
(%i14)’diff(x(t),t)=diff(x(t),t);
✓ ◆
d a t2
( %o14) x 0 + t v0 + = v0 + a t
dt 2
(%i15)’diff(x(t),t,2)=diff(x(t),t,2);
✓ ◆
ar
d2 a t2
( %o15) 2 x0 + t v0 + =a
dt 2
En el caso de que estemos interesados en definir una nueva función a partir de algún cálculo anterior
in
podemos utilizar la función define.
Entonces, lo que vamos a hacer, en las siguientes lineas de comandos, es definir la función velocidad a
partir de la derivada de la posición.
m
(%i16)diff(x(t),t);
( %o16) v0 + a t
eli
(%i17)define(v(t),%);
( %o17) v(t) := v0 + at
(%i18)v(1);
Pr
( %o18) v0 + a
(%i19)subst([a=-9.8,x0=0,v0=10],v(1));
( %o19) 0,1999999999999993
or
5. Cuando necesitemos manejar campo vectoriales podemos utilizar las listas. Veamos el primer ejemplo
de 1.5.7 donde:
r = 3t2 i + (4t3 t)j + tk .
ad
Escribamos el vector posición:
(%i20)[x,y,z]:[3*t^2,4*t^3-t,t];
⇥ ⇤
rr
( %o20) 3 t2 , 4 t3 t, t
La velocidad:
Bo
(%i21)v:diff([x,y,z],t);
66
⇥ ⇤
( %o21) 6 t, 12 t2 1, 1
La aceleración:
(%i22)a:diff([x,y,z],t,2);
( %o22) [6, 24 t, 0]
ar
Podemos facilmente calcular:
(%i23)v.[bx,by,bz];
in
( %o23) by 12 t2 1 + 6 bx t + bz
(%i24)solve(%,bz);
⇥ ⇤
m
( %o24) bz = 12 by t2 6 bx t + by
eli
1.5.9. Ejercicios
1. Demuestre que:
d
a) [a · (b ⇥ c)] = da
dt
db
dt · (b ⇥ c) + a · dt ⇥ c + a · b ⇥
dc
dt
d
h ⇣
a · da d2 a
⌘i ⇣
= a · da d3 a
Pr
⌘
b) dt dt ⇥ dt2 dt ⇥ dt3
c) r ⇥ (r ⇥ a) = rr · a r · ra
d) r ⇥ ( r ) = 0
e) r ⇥ [a ⇥ (r ⇥ a)] = 0, si a = ax (y, z)i.
or
2. Considere que:
r = x i + y j + z k = xi ii ,
a = a(r) = a(x, y, z) = ai (x, y, z)ii y b = b(r) = b(x, y, z) = bi (x, y, z)ii ,
ad
= (r) = (x, y, z) y = (r) = (x, y, z).
Utilizando la notación de ı́ndices, e inspirándose en las secciones: 1.4.5, 1.5.5 y 1.5.7, demuestre las
siguientes identidades vectoriales:
a) r( )= r + r .
rr
b) r · ( a) = r · a + (r ) · a.
c) r ⇥ r = 0.
Bo
d ) r · (r ⇥ a) ¿Qué puede decir de r ⇥ (r · a)?

e) r · (a ⇥ b) = (r ⇥ a) · b a · (r ⇥ b).
f ) r ⇥ (r ⇥ a) = r(r · a) r2 a .
67
3. Para los vectores dados a continuación, encuentre dr/ds

a) r = ti + 3t2 j (t 1)k, y t = ln(1 + s2 ).
b) r = sen(t)i + cos(t)j + tan(t)k, y t = 2 + s2 .
4. Una partı́cula describe un movimiento dado por el vector posición r. Encuentre la componente de su
velocidad en la dirección del vector indicado:
a) r = t2 i + 4 cos(2t)j + 3sen(2t)k, 2i + j + 2k.
ar
2
b) r = 3 cos(t)i + 3sen(t)j + (t 2)k, i + 2j k.
5. Si u, v y w son funciones que dependen del parámetro t, demuestre que:
d dw dv du
a) [u · (v ⇥ w)] = u · v ⇥ dt + u· ⇥w + · (v ⇥ w).
in
dt dt dt
d
b) dt [u ⇥ (v ⇥ w)] = u ⇥ v ⇥ dw
dt +u⇥ dv
dt ⇥w + du
dt ⇥ (v ⇥ w).
6. Si u = 2ti t2 j + k, v = 2i + 3tj + tk y w = ti + 2tj tk. Utilice el resultado del ejercicio (a) anterior
d
para encontrar: dt [u · (v ⇥ w)].
m
7. Si u = ti tj + t2 k, v = ti + 2tj t2 k y w = 2ti 2tj + tk. Utilice el resultado del ejercicio (b)
d
anterior para encontrar: dt [u ⇥ (v ⇥ w)].
eli
8. Encuentre el gradiente de los siguientes campos:
a) (x, y, z) = x2 + 3xyz yz 2 .
1
b) (x, y, z) = x2 + 2y 2 + 4z 2 .
Pr
9. Encuentre la divergencia de los siguientes campos:
a) a(x, y, z) = x2 yi + y 2 z 2 j + xz 3 k.
b) a(x, y, z) = (1 x2 )i + sen(yz)j + exyz k.
10. Encuentre el rotor de los siguientes campos:

or
a) a(x, y, z) = xyz 2 i + x2 yzj + xy 2 k.

b) a(x, y, z) = senh(xy)i + cosh(yz)j + xyzk.
11. Evalúe las siguientes integrales:
ad
R
a) tsen(t)i + 2t2 j 7tk dt.
R
b) cosh2 (t)i + 2sen2 (2t)j k dt.
12. Un campo de fuerza:
F= kxi kyj ,
rr
actúa sobre un oscilador. Compare el trabajo hecho al moverse en contra de este campo al ir desde el
punto (1, 1) al punto (4, 4), siguiendo los siguientes caminos:
Bo
a) (1, 1) ! (4, 1) ! (4, 4). b) (1, 1) ! (1, 4) ! (4, 4). c) (1, 1) ! (4, 4), siguiendo el camino: x = y.
68
13. Dado el campo de fuerza:

y x
F= i+ 2 j.
x2 +y 2 x + y2
Calcule el trabajo hecho en contra de este campo de fuerza al moverse al rededor de un circulo de radio
uno y en el plano x y.
a) desde 0 a ⇡ en sentido contrario a la agujas del reloj.
b) desde 0 a ⇡ en sentido de las agujas del reloj.
ar
14. Evaluar la siguiente integral: I
r · dr .
in
15. Una partı́cula se mueve bajo la ley r(t) = x(t)i + y(t)j + z(t)k, con:
x(t) = 2t2 ; y(t) = t2 4t; z(t) = 3t 5.
El parámetro t representa el tiempo.
m
Encuentre las expresiones para la aceleración y la velocidad de la partı́cula, para t = 1 y en la dirección
del vector i 3j + 2k.
16. Suponga ahora el caso general de una partı́cula que se mueve en una curva descrita por:
eli
r(t) = x(t)i + y(t)j + z(t)k .
Muestre que el vector velocidad es tangente a la trayectoria descrita.

Pr
17. Encuentre la ecuación vectorial para una trayectoria recta que pasa por los puntos P ! (1, 2, 3) y
Q ! (1, 1, 1).
18. Encuentre el ángulo entre los siguientes planos: x + y + z = 9 y x + y z = 3.
19. Un fluido se considera irrotacional si su campo de velocidades v = v(r) = v(x, y, z) cumple con la
ecuación: r ⇥ v = 0. Suponga, ahora que: v = (x + 2y + az)i + (bx 3y z)j + (4x + cy + 2z)k.
or
a) Encuentre el valor de a, b y c para que este campo de velocidades sea irrotacional.

b) Es intuitivo convencerse que si r ⇥ v = 0 ) v = r . Encuentre la expresión para la función
potencial = (r) = (x, y, z).
R
ad
c) Considere la siguiente integral: I = C dr · v. Donde C es el circuito a recorrer.

1) Calcule el valor de la integral I a lo largo del trayecto: (0, 0, 0) ! (1, 1, 0) mediante una seg-
mento de recta. Luego, de (1, 1, 0) ! (2, 0, 0) a lo largo de otro segmento de recta. Finalmente
regresando (2, 0, 0) ! (0, 0, 0) también siguiendo una recta.
rr
2) Calcule el valor de la integral I de (0, 0, 0) ! (2, 0, 0) a lo largo de un arco de circunferencia

que cumple con la ecuación: (x 1)2 +y 2 = 1. Ahora regresando de (2, 0, 0) ! (0, 0, 0) también
a través de una recta.
3) ¿Qué puede concluir del campo v?
Bo
20. Resuelva todos los problemas anteriores utilizando Maxima.
69
1.6. VECTORES Y NÚMEROS COMPLEJOS
1.6. Vectores y números complejos

Desde los primeros cursos de matemática nos hemos tropezado con las llamadas raı́ces imaginarias o
complejas de polinomios. La solución a un polinomio cúbico:
8 9
< x = 2i =
x3 3x2 + 4x 12 = 0 ) x = 2i ) (x + 2i) (x 2i) (x 3) = 0 ,
: ;
x=3
ar
o cuadrático: ⇢
2 x = 2i
x +4=0 ) ) (x + 2i) (x 2i) = 0 .
x = 2i
nos lleva a definir un número i2 ⌘ 1.
in
De lo anterior podemos ver que al multiplicar el número imaginario i por cualquier número real obten-
dremos el número imaginario puro ib, con b 2 R. La nomenclatura de números imaginarios surgió de la idea
de que estas cantidades no representaban mediciones fı́sicas. Esa idea ha sido abandonada pero el nombre
quedó13 . p
m
Es importante señalar aquı́, que suele tomarse de la p
definición
p i2 p⌘ 1 que i = 1. Pero si hacemos
esto, sin pensarlo bien, llegamos a que: 1 = i2 = ii = 1 1 = 1 = 1. La contradicción surge por el
hecho de que aquı́ el 1 no es un número real sino un número complejo y será evidente más adelante cuando
desarrollemos el algebra de los números complejos.
eli
1.6.1. Los números complejos y su álgebra
Un número complejo, z, es la generalización de los números imaginarios (puros), ib. Esto es:
Pr ⇢
a ! parte real
z = a + ib con a, b 2 R )
b ! parte imaginaria
Obviamente los números reales serán a+i0 números complejos con su parte imaginaria nula. Los números
imaginarios puros serán números complejos con su parte real nula, esto es, 0 + ib. Por ello, en general diremos
que:
z = a + ib ) a = Re (z) ^ b = Im (z) ,
or
es decir, a corresponde a la parte real de z y b a su parte imaginaria.

Cada número complejo, z tendrá asociado un número complejo conjugado, z ⇤ tal que:
⌦ z⇤ = a
ad
z = a + ib ib ,
+
⇤ ⇤
(z ) = z ^ z · z ⇤ = a 2 + b2 ,
claramente:
rr
2 2
z · z⇤ 0 ) |z| = |z ⇤ | = z · z ⇤ = a2 + b2 .
13 Los números complejos comienzan a aparecer en los trabajos de Cardano (1501-1576) y Bombelli (1526-1672) mientras
estudiaban las raı́ces de la ecuación cúbica . Pero es a René Descartes (1596-1650) a quién se le atribuye la afirmación: “ciertas
Bo
ecuaciones algebraicas sólo tienen solución en nuestra imaginación” y utilizó el término “números imaginarios”. Caspar Wessel
en 1799 y Jean-Robert Argand en 1806 proponen la estructura del plano complejo y la representación de la unidad imaginaria
como el punto (0, 1) del eje vertical de dicho plano. Pero el término, hoy usado de ”números complejos” se debe a Johann Carl
Friedrich Gauss (1777-1855).
70
Es importante señalar que, en general, no existe relación de orden entre los números complejos. Vale
decir, que no sabremos si un número complejo es mayor que otro. No está definida esta operación.
z1 ⇧ z2 _ z 1 ⌅ z2 .
Las relaciones de orden sólo se podrán establecer entre módulos de números complejos y no números
complejos en general.
Rápidamente recordamos el álgebra de los números complejos:
Dos números complejos serán iguales si sus partes reales e imaginarios lo son:
ar
z1 = z2 ) (a1 + ib1 ) = (a2 + ib2 ) ) a1 = a2 ^ b 1 = b2 .
Se suman dos números complejos sumando sus partes reales y sus partes imaginarias:
in
z3 = z1 + z2 ) (a1 + ib1 ) + (a2 + ib2 ) = (a1 + a2 ) + i(b1 + b2 ) = a3 + ib3 ,
claramente z + z ⇤ = 2 Re z, también z z ⇤ = 2 Im z. Igualmente es inmediato comprobar que:
⇤
(z1 + z2 ) = z1⇤ + z2⇤ .
m
Se multiplican números complejos por escalares multiplicando el escalar por sus partes reales e imagi-
narias:
z3 = ↵z1 ) ↵ (a1 + ib1 ) = ↵a1 + i (↵b1 ) .
eli
Se multiplican números complejos entre si, multiplicando los dos binomios y teniendo cuidado que
i2 = 1:
z3 = z1 z2 ) (a1 + ib1 ) · (a2 + ib2 ) = (a1 a2 b1 b2 ) + i (a1 b2 + b1 a2 ) ,
⇤
también es inmediato comprobar que (z1 z2 ) = z1⇤ z2⇤ .
Pr
Se dividen números complejos siguiendo la estrategia de racionalización de fracciones irracionales. Esto
es:
z1 (a1 + ib1 ) (a1 + ib1 ) (a2 ib2 ) a 1 a 2 + b1 b2 b1 a 2 a 1 b2
z3 = ) = = +i ,
z2 (a2 + ib2 ) (a2 + ib2 ) (a2 ib2 ) (a22 + b22 ) (a22 + b22 )
es claro que el divisor será cualquier número complejo excepto el cero complejo: 0 + i0.
or
1.6.2. Vectores y el plano complejo

Mirando con cuidado el álgebra de números complejos nos damos cuenta que un número complejo puede
ser representado por una dupla de números, es decir:
ad
z = (a + ib) ↵ z = (a, b) .
Las propiedades entre números complejos de igualdad, suma y multiplicación por un escalar arriba ex-
puestas se cumplen de forma inmediata con esta nueva representación. Hay que definir las operaciones de
multiplicación y división entre números complejos de forma que:
rr
✓ ◆
(a1 , b1 ) a 1 a 2 + b 1 b 2 b 1 a 2 a 1 b2
(a1 , b1 ) (a2 , b2 ) = (a1 a2 b1 b2 , a1 b2 + b1 a2 ) ^ = , .
(a2 , b2 ) (a22 + b22 ) (a22 + b22 )
Bo
Con está definición para la multiplicación de números complejos podemos ver que si la unidad compleja
viene representa por el par i = (0, 1), entonces ahora si:
i2 = ii = (0, 1)(0, 1) = ( 1, 0) = 1.
71
La asociación de un número complejo con una

pareja de números inmediatamente nos lleva a
imaginar un punto (x, y) en un plano (complejo)
en el cual la primera componente (horizontal) re-
presenta la parte real y la segunda componente
(vertical) representa la parte imaginaria.
De esta forma asociamos a un número complejo a
un vector que une a ese punto (x, y) con el origen
del plano complejo.
ar
Como mencionamos con anterioridad, todo
número complejo z tiene asociado su complejo
conjugado z ⇤ . La representación geométrica de
z ⇤ no es otra cosa que la reflexión de z respecto
in
al eje real. p
Por otro lado, |z| = zz ⇤ viene a ser la distan- Figura 1.10: Representación del plano complejo. El
cia del punto (0, 0) al punto (x, y), es decir, la eje horizontal recibe el nombre de eje real, y el eje
longitud o norma del vector (x, y). vertical el nombre de eje imaginario.
m
Esta representación de números complejos como vectores en el plano (complejo) se conoce con el nombre
de Diagrama de Argand14 a pesar que no fue Jean Argand, sino Caspar Wessel15 el primero en proponerlo.
Por cierto, esta interpretación fue tres veces redescubierta, primero por Caspar Wessel en 1799, luego por
eli
Jean Argand en 1806 y finalmente por Gauss16 en 1831.
De esta manera, como un recordatorio al plano real podemos ver que:
8 p p
> ⇤ 2 2
< r = zz = |z| = x + y
z = x + iy ↵ z = r (cos(✓) + i sen(✓)) , con:
Pr : tan(✓) = y donde
>
⇡✓⇡
x
Con esta interpretación tendremos:
x = Re z ⌦ componente real del vector z o parte real de z
y =pIm z ⌦ componente imaginaria del vector z o parte imaginaria de z
r = zz ⇤ = |z| ⌦ módulo, magnitud o valor absoluto de z
or
✓ ⌦ ángulo polar o de fase del número complejo z

La interpretación vectorial de números complejos permite que la suma de números complejos: z1 = x1 +iy1
y z2 = x2 + iy2 sea representada por la “regla del paralelogramo”, es decir, en la representación gráfica de
la suma es fácil ver que z1 y z2 limitan un paralelogramo cuya diagonal es z1 + z2 .
ad
Mientras que los productos escalar y vectorial nos llevan a:

z1 · z2 = Re (z1 z2⇤ ) = Re (z1⇤ z2 ) ^ z1 ⇥ z2 = Im (z1⇤ z2 ) = Im (z1 z2⇤ ) .
p
Volviendo nuevamente a la relación |z| = zz ⇤ , observemos que:
rr
14 Jean Robert Argand (Ginebra, Suiza, 18 Julio 1768; Parı́s, Francia 13 agosto 1822). Contador pero matemático aficionado,
propuso esta interpretación de números complejos como vectors en un plano complejo en un libro autoeditado con sus reflexiones
que se perdió y fue rescatado 7 años después, fecha a partir de la cual Argand comenzó a publicar en Matemáticas.
15 Caspar Wessel (Vestby, Noruega 8 junio 1745; 25 marzo 1818, Copenhagen,Dinamarca) Matemático noruego que se dedicó
Bo
principalmente al levantamiento topográfico de Noruega. Su trabajo sobre la interpretación de números complejos permaneció
desconocido por casi 100 años.
16 Johann Carl Friedrich Gauss (30 abril 1777, Brunswick, Alemania; 23 febrero 1855, Göttingen, Alemania). Uno de los
matemáticos más geniales y precoces de la Historia. Desde los 7 años comenzó a mostrar sus condiciones de genialidad. Sus
contribuciones en Astronomı́a y Matemáticas son múltiples y diversas.
72
|z1 z2 | = |z1 | |z2 |.

Ya que si |z1 z2 |, |z1 | y |z2 | son cantidades positivas, entonces:
2 ⇤ 2 2 2
|z1 z2 | = (z1 z2 ) (z1 z2 ) = z1 z2 z1⇤ z2⇤ = z1 z1⇤ z2 z2⇤ = |z1 | |z2 | = (|z1 | |z2 |) .
|z1 + z2 |  |z1 | + |z2 |.

Veamos:
ar
2 ⇤
|z1 + z2 | = (z1 + z2 ) (z1 + z2 ) = (z1 + z2 ) (z1⇤ + z2⇤ ) = z1 z1⇤ + z2 z2⇤ + z1 z2⇤ + z1⇤ z2 =
2 2 2 2
= |z1 | + |z2 | + 2Re(z1 z2⇤ )  |z1 | + |z2 | + 2 |Re(z1 z2⇤ )|
2 2 2 2 2 2
 |z1 | + |z2 | + 2 |z1 z2⇤ | = |z1 | + |z2 | + 2 |z1 | |z2⇤ | = |z1 | + |z2 | + 2 |z1 | |z2 |
2
in
= (|z1 | + |z2 |) .
Notemos que la igualdad |z1 + z2 | = |z1 | + |z2 | se satisface si, y sólo si, Re(z1 z2⇤ ) = |z1 z2⇤ |.
m
Producto escalar: El producto escalar definido con anterioridad para vectores puede ser redefinido al
caso de vectores con componentes complejas.
Dados los vectores: a = ai ei y b = bi ei , con {ai } y {bi } 2 C, entonces
⇤
a · b = ai
eli
bi .
i ⇤
p que con esta definición, el producto a · a = a ai siempre será un número real. Por lo tanto,
Notemos
|a| = a · a 2 R.
Esta definición hace que ahora cambien algunas de las propiedades del producto escalar.
⇤
Pr
a · b = (b · a) .
⇤
( a) · b = a · b.
a · ( b) = a · b.
or
1.6.3. Fórmulas de Euler y De Moivre

En cursos anteriores, nos hemos tropezado con la expansión en Taylor17 de funciones, ésta serie permite
expresar cualquier función analı́tica18 alrededor de un punto x0 como una serie infinita de potencias del
argumento de la función, esto es:
ad
df (x) 1 d2 f (x) 2 1 d3 f (x) 3

f (x) = f (x0 ) + (x x0 ) + (x x0 ) + (x x0 ) + · · · · · ·
dx x=x0 2 dx2 x=x0 3! dx3 x=x0
O de manera equivalente:
rr
n 1 dn f (x)
f (x) = Cn (x x0 ) con Cn = y n = 0, 1, 2, 3, . . .
n! d xn x=x0
Bo
17 Brook Taylor (18 agosto 1685, Edmonton, Inglaterra; 29 diciembre 1731, Londres, Inglaterra) Fı́sico y Matemático inglés
contemporáneo de Newton y Leibniz y junto con ellos participó profundamente en el desarrollo del cálculo diferencial e integral.
Además de sus aportes al estudio del magnetismo, capilaridad y termometrı́a, desarrolló el área de diferencias finitas que hasta
hoy utilizamos para cálculos en computación. Inventó la integración por partes y descubrió la serie que lleva su nombre.
18 Básicamente, una función analı́tica es una función que puede expresarse como una serie de potencias convergente.
73
Si consideramos que x0 = 0, podremos ver a continuación algunos desarrollos en series de funciones

elementales:
1 1 1 1 5 1 6 1 7
ex = 1 + x + x2 + x3 + x4 + x + x + x + ······
2 6 24 120 720 5040
1 2 1 1 6
cos(x) = 1 x + x4 x + ······
2 24 720
1 3 1 5 1 7
sen(x) = x x + x x + ······
6 120 5040
ar
Es fácil convencerse que para la serie de ex se tiene:
✓ ◆ ✓ ◆
i✓ 1 2 1 1 1 5 1 6 1
e = 1 + i✓ ✓ + i ✓3 + ✓4 + i✓ ✓ + i ✓7 + · · · · · ·
2 6 24 120 720 5040
in
y que puede arreglarse como:
✓ ◆ ✓ ◆
1 2 1 1 6 1 3 1 5 1 7
ei✓ = 1 ✓ + ✓4 ✓ + ······ + i ✓ ✓ + ✓ ✓ + ······
m
2 24 720 6 120 5040
| {z } | {z }
cos(✓) sen(✓)
obteniéndose la importante relación:
eli
ei✓ = cos(✓) + i sen(✓) ,
conocida como la relación de Euler19 . La fórmula de Euler, para ⇡ < ✓ < ⇡ resulta en los siguientes
simpáticos resultados:
⇡
i⇡
i = ei 2 , 1 = ei⇡ ,
Pr
i=e 2 , 1 = ei2k⇡ con k = 0, ±1, ±2, ±3 . . .
Entonces, tenemos tres formas de representar un número complejo:
z = x + iy ↵ z = |z| (cos(✓) + i sen(✓)) ↵ z = |z|ei✓ .
La expresión z = x + iy se conoce como forma cartesiana de representación de un número complejo, la

forma z = r (cos(✓) + i sen(✓)) será la forma trigonométrica o polar y la expresión z = rei✓ será la forma de
or
Euler.
Es importante notar una sutileza implı́cita en esta notación. La forma cartesiana representa unı́vocamente
a un número complejo, mientras que la forma polar (y la de Euler), es ambigua, ya que:
ad
z = r (cos(✓) + isen(✓)) = r (cos(✓ + 2n⇡) + isen(✓ + 2n⇡)) , n = 0, ±1, ±2, ±3, . . .
Es decir,pexisten varios valores del argumento que definen el mismo número complejo. Por ejemplo, el número
z = 1 + 3i lo podemos representar de las siguientes maneras:
p h ⇣⇡⌘ ⇣ ⇡ ⌘i
rr
⇡
z = 1 + 3i = 2e 3 i = 2 cos + isen
3h ⇣⇡ 3 ⌘ ⇣⇡ ⌘i
= 2e 3( ⇡
+2n⇡ ) i
= 2 cos + 2n⇡ + isen + 2n⇡ .
3 3
Bo
19 Leonhard Euler (15 abril 1707, Basilea, Suiza; 18 septiembre 1783, San Petersburgo, Rusia). Uno de los matemáticos más
prolı́ficos de todos los tiempos. Desarrolló inmensamente campos como la geometrı́a analı́tica y trigonometrı́a, siendo el primero
que consideró el coseno y el seno como funciones. Hizo aportes significativos en el desarrollo del cálculo diferencial e integral ası́
como también, astronomı́a, elasticidad y mecánica de medios continuos.
74
Analicemos estas situaciones con más detalle. Primero es importante notar que r es siempre positivo,
mientas que el ángulo ✓ puede tomar infinitos valores incluyendo valores negativos. Como ya vimos, ✓ se
relaciona con las coordenadas cartesianas por la ecuación tan(✓) = y/x, y donde es necesario especificar el
cuadrante para su cálculo. A cada valor del ángulo se le denomina el argumento de z.
Por lo tanto, si tenemos un número complejo z denotaremos por arg(z) a:
arg(z) = {✓ 2 R / |z|(cos(✓) + isen(✓))} .
Esto significa que dos números complejos z1 y z2 serán iguales si: |z1 | = |z2 | y arg(z1 ) = arg(z2 ).
ar
Dado un número complejo, z 6= 0, existe un único argumento ⇥ que se encuentra en el intervalo [ ⇡, ⇡],
y lo representaremos por Arg(z), el argumento principal o valor principal, de manera que:
arg(z) = Arg(z) + 2n⇡ , n = 0, ±1, ±2, ±3, . . .
in
Un número complejo, digamos z = 1 i (tercer cuadrante) tendrá como valor principal:
y 3⇡
tan(⇥) = = 1 ) Arg( 1 i) = .
x 4
m
5⇡
Nota: no debe tomarse el valor 4 , ya que ⇡  ⇥  ⇡.
Lo que si es cierto es que:
eli
3⇡
arg( 1 i) = + 2n⇡ , n = 0, ±1, ±2, ±3, . . .
4
Otro aspecto a rescatar de la forma de Euler o

exponencial, es que la ecuación:
Pr
z = rei✓ , 0  ✓  2⇡ ,
no es más que una representación paramétrica

del cı́rculo |z| = r, es decir, de un cı́rculo de
radio r y centrado en el origen.
or
Por lo tanto, un cı́rculo centrado en z0 y de radio

R tendrá como ecuación paramétrica:
|z z0 | = R ) z = z0 + Rei✓ ,
ad
con 0  ✓  2⇡. Como podemos apreciar en la Figura 1.11: Representación en el plano complejo del
figura 1.11. cı́rculo |z z0 | = R.
Es claro que las sumas de números complejos se plantean más fácilmente en su forma cartesiana. Mientras
rr
las multiplicación y división serán directas en la forma de Euler. Si z1 = |z1 |ei✓1 y z2 = |z2 |ei✓2 , entonces:
z1 z2 = |z1 |ei✓1 |z2 |ei✓2 = |z1 ||z2 |ei(✓1 +✓2 ) = |z1 z2 | (cos (✓1 + ✓2 ) + isen (✓1 + ✓2 )) . (1.6)
Bo
Esto significa que para multiplicar dos números complejos se debe, por un lado, multiplicar sus módulos
y por el otro, sumar sus argumentos. Geométricamente, al sumarse los argumentos, la multiplicación es en
realidad un giro en el plano complejo por el producto de sus módulos, es decir, si multiplicamos un número
por i, el resultado es un giro de un cuarto de vuelta hacia la izquierda, es por eso, que i2 = 1 = ei⇡ .
75
Mientras que para la división:

z1 |z1 |ei✓1 |z1 | i(✓1 ✓2 ) |z1 |
= = e = (cos (✓1 ✓2 ) + isen (✓1 ✓2 )) .
z2 |z2 |ei✓2 |z2 | |z2 |
Podemos notar de esta última expresión que el inverso de un número complejo diferente se cero es:
1 1 1 i✓
z = = e . (1.7)
z |z|
ar
Se puede mostrar que a partir de (1.6) y de (1.7) resulta que:
arg(z1 z2 ) = arg(z1 ) + arg(z2 ) ,

✓ ◆
z1
arg = arg(z1 ) arg(z2 ) .
in
z2
Por otro lado, notemos lo siguiente. Si z = x + iy, entonces:
ez = e(x+iy) = ex eiy = ex (cos(y) + isen(y)) ,
m
y a partir de la relación o fórmula de Euler se puede demostrar:
n n
z n = |z|n ei✓ = |z|n ein✓ ) |z|n (cos(✓) + isen(✓)) = |z|n (cos (n✓) + isen (n✓)) ,
eli
con n entero.
De manera que llegamos a la fórmula de De Moivre:20
n
(cos(✓) + isen(✓)) = cos (n✓) + isen (n✓) , con n entero.
Pr
1.6.4. Algunas aplicaciones inmediatas
Presentaremos algunas aplicaciones inmediatas la fórmula de De Moivre en diferentes ámbitos.
Identidades trigonométricas
La primera de las aplicaciones de la fórmula de De Moivre es para construir identidades trigonométricas
or
en las cuales se expresa el coseno, o el seno, de factores de un ángulo. Veamos las siguientes (nada triviales)
identidades trigonométricas:
cos(3✓) = 4 cos3 (✓) 3 cos(✓) o sen(3✓) = 3 sen(✓) 4sen3 (✓) .

ad
Para demostrar estas (y otras) identidades utilizamos la fórmula de De Moivre, es decir:

3
cos(3✓) + i sen( 3✓) = (cos(✓) + i sen(✓))
= cos3 (✓) 3 cos(✓) sen2 (✓) + i 3 cos2 (✓) sen(✓) sen3 (✓) .
rr
Igualando ahora parte real e imaginaria tendremos:
cos(3✓) = cos3 (✓) 3 cos(✓) sen2 (✓) = cos3 (✓) 3 cos(✓) 1 cos2 (✓) = 4 cos3 (✓) 3 cos(✓) ,
2 3 2 3
4sen3 (✓) .
Bo
sen(3✓) = 3 cos (✓)sen(✓) sen (✓) = 3 1 sen (✓) sen(✓) sen (✓) = 3sen(✓)
20 Abraham De Moivre (26 mayo 1667 en Vitry-le-François, Francia; 27 noviembre 1754, Londres, Inglaterra) Matemático
francés que tuvo que emigrar a Inglaterra por razones religiosas. Contemporáneo de Newton, Leibniz y Halley, fue pionero con
sus contribuciones en geometrı́a analı́tica y teorı́a de probabilidades.
76
El método puede extenderse a expresiones de senos y cosenos de n✓.

Igualmente podemos desarrollar un método para encontrar expresiones de potencias de funciones trigo-
n
nométricas en término de funciones de factores de ángulo del tipo (cos(✓)) = F (cos(n✓), sen(n✓)). Para
empezar, supongamos que tenemos un número complejo de módulo 1, de tal forma que:
8 1
> n
< z + z n = 2 cos(n✓)
>
z = ei✓ = cos(✓) + i sen(✓) )
>
> 1
: zn = 2i sen(n✓)
ar
zn
Estas identidades surgen de manera inmediata a partir de:
1 n n
zn + = (cos(✓) + i sen(✓)) + (cos(✓) + i sen(✓)) = (cos(n✓) + i sen(n✓)) + (cos ( n✓) + i sen ( n✓))
in
zn
= cos(n✓) + i sen(n✓) + cos(n✓) i sen(n✓) = 2 cos(n✓) ,
igualmente puede demostrarse la segunda de las afirmaciones anteriores.
m
Supongamos además que n = 1, con lo cual se cumple que:
1 1
z+ = ei✓ + e i✓
= 2 cos(✓) y z = ei✓ e i✓
= 2i sen(✓) ,
z z
eli
que también lo sabı́amos desde la más temprana edad de nuestros cursos de bachillerato.
Ahora bien, lo que quizá no sabı́amos en ese entonces (y quizá ahora tampoco) es que a partir de aquı́
podemos construir, expresiones como:
✓ ◆ ✓ ◆5 ✓ ◆ ✓ ◆ ✓ ◆
1 1 1 1 1 1 5 10
cos(✓) = z+ ) cos5 (✓) =
Pr z+ = z5 + + 5z 3 + 3 + 10z + ,
2 z 25 z 25 z5 z z
es decir:
1
cos5 (✓) =
[2 cos(5✓) + 10 cos(3✓) + 20 cos(✓)] .
25
De la misma manera se puede proceder con otras potencias y con potencias de la función seno.
or
Raı́ces de polinomios
Las raı́ces de un número complejo se obtienen de la relación:
 ✓ ◆ ✓ ◆
ad
1/n 1/n 1/n ✓ + 2k⇡ ✓ + 2k⇡

z = [|z| (cos (✓) + i sen (✓))] = |z| cos + i sen ,
n n
donde k = 0, 1, . . . n 1. De manera que la fórmula de De Moivre nos puede ayudar para encontrar raı́ces
de polinomios.
rr
Supongamos, para empezar, que queremos encontrar las n raı́ces de la ecuación:
zn = 1 .
Bo
Para ello procedemos con el siguiente artificio:
z n = 1 = ei(2⇡k) = cos (2⇡k) + isen (2⇡k) , donde k = 0, 1, 2, ....
77
con lo cual las n raı́ces de la ecuación z n = 1 serán:
z n = 1 = ei(2⇡k) ) z = ei( ),
2⇡k
n (1.8)
esto es:
n 2 n 1
z1 = e2⇡i( n ) ; z2 = e2⇡i( n ) ; z3 = e2⇡i( n ) ; · · · = e2⇡i( ); = e2⇡i( ),
1 2 3
z0 = 1; zn 2 n zn 1 n
es decir, n raı́ces corresponderán a los n valores de k = 0, 1, 2, · · · n 2, n 1. Mayores valores de k no proveen

nuevas raı́ces.
ar
Las raı́ces de la ecuación z 3 = 1 serán entonces:
z = e i( ) ) z = 1 , z = ei( 2⇡
3 ) , z = e i( 3 ) .
2⇡k 4⇡
3
0 1 2
in
Como veremos más adelante, estas propiedades pueden extenderse a raı́ces de polinomios que contengan
más términos.
Una afirmación que nos han dicho, y que quizá no sepamos de dónde viene, es que si un polinomio
con coeficientes reales tiene raı́ces complejas, ellas serán complejas conjugadas unas de otras. Vale decir, si
m
z 5 z 4 + 2z 2 = 0 tiene como raı́z (1 + i), también tendrá como raı́z (1 i).
Esta afirmación se prueba de forma general si suponemos que tenemos la siguiente ecuación:
ak z k = 0 , con k = 0, 1, 2, · · · n 1, n ) a0 + a1 z + a2 z 2 · · · + an 1 zn 1
+ an z n = 0 ,
eli
donde los coeficientes a0 , a1 , a2 , · · · , an 1 , an los suponemos reales, esto es: ak = a⇤k para todos los valores
del ı́ndice k.
Al tomar el complejo conjugado nos queda:
2 n 1 n
a⇤0 + a⇤1 z ⇤ + a⇤2 (z ⇤ ) · · · + a⇤n (z ⇤ ) + a⇤n (z ⇤ ) = 0 ,
Pr 1
y como los coeficientes son reales tenemos que:

2 n 1 n
a0 + a1 z ⇤ + a2 (z ⇤ ) · · · + an 1 (z ⇤ ) + an (z ⇤ ) = 0 ,
esto nos dice que si z es solución también lo será z ⇤ ya que la ecuación es la misma por tener los mismos
coeficientes (reales).
or
Logaritmos y potencias de números complejos

La motivación surge cuando queremos resolver la ecuación:
ad
ew = z = rei⇥ , con w, z 2 C y ⇡ < ⇥ < ⇡. (1.9)
Notemos que al despejar w en realidad lo que tenemos es la función logarı́tmica, que como veremos en
su debido tiempo puede escribirse de la forma w = u + iv. Por lo tanto:
eu+iv = eu eiv = rei⇥ ) eu = r ^ v = ⇥ + 2⇡n .

rr
donde n es un entero. Por lo tanto, es claro que:
eu = r ) u = ln(r) ,
Bo
y que la ecuación (1.9) se satisface si y sólo si:
w = ln(r) + i (⇥ + 2⇡n) , con n = 0, ±1, ±2, ±3, . . .
78
Por lo tanto, si definimos la función multivaluada:
Log(z) ⌘ ln |r| + i (⇥ + 2⇡n) , con n = 0, ±1, ±2, ±3, . . . (1.10)
podemos escribir la relación:

eLog(z) = z con z 6= 0 .
Llamaremos valor principal de Log(z) al valor que se obtiene cuando n = 0 en la ecuación (1.10) y lo
denotaremos con Ln(z).
ar
Ln(z) = ln |r| + i⇥ . (1.11)
Notemos que ésta es una función univaluada cuando z 6= 0, y además, si combinamos (1.10) y (1.11)
obtenemos:
Log(z) = Ln(z) + i 2⇡n , con n = 0, ±1, ±2, ±3, . . .
in
Podemos ver que cuando z es un número real positivo, es decir, z = rei0 , entonces recobramos la función
logarı́tmica usual:
Ln(z) = Ln(r) = ln(r) .
m
En consecuencia, podemos ver que:
Log(1) = ln(1) + i (0 + 2⇡n) ^ Ln(1) = 0

Log( 1) = ln(1) + i (⇡ + 2⇡n) ^ Ln( 1) = i⇡
eli
con n = 0, ±1, ±2, ±3, . . .
Por otro lado, podemos ver también:
n ⇥ ⇤
ln(z n ) = ln [{|z| (cos(✓) + i sen(✓))} ] = n ln [|z| (cos(✓) + i sen(✓))] = n ln |z| ei✓
Pr
= n ln (|z|) + n(✓ + 2k⇡)i = n ln (|z|) + (n✓)i + (2nk⇡)i , con k entero .
1.6.5. Ejemplos
1. En la sección 1.6.3, vimos que para el número complejo z = 1 i, resultaba que:
3⇡
or
arg( 1 i) = + 2n⇡ n = 0, ±1, ±2, ±3, . . .

4
Si lo queremos escribir en la forma exponencial tenemos que hacer lo siguiente:

p
ad
p p
|z| = ( 1)2 + ( 1)2 = 2 ) 1 i = 2e i( 4 ) .
3⇡
Pero en realidad hay infinitas posibilidades para la forma exponencial de z = 1 i:

p
2ei( ),
3⇡
1 i= 4 +2n⇡ n = 0, ±1, ±2, . . .
rr
2. Consideremos el número z = 2+2i, para representarlo en la forma polar debemos calcular primeramente
su módulo: p p p p
Bo
|z| = x2 + y 2 = 22 + 22 = 8 = 2 2 .
y luego el argumento:
y 2 ⇡
tan(✓) = = ) ✓ = arctan(1) = .
x 2 4
79
p
Por lo tanto, z = 2 + 2i = 2 2 (cos(⇡/4) + i sen(⇡/4)), es un punto ubicado en el primer cuadrante
cuyo radio vector hace un ángulo de 45 con respecto al eje x.
p
En cambio, para el número complejo z = 3 + i, resulta:
q p ✓ ◆
p 1 ⇡
|z| = ( 3)2 + 12 = 4 = 2 , ✓ = arctan p = .
3 6
Aquı́ debemos tener cuidado, pues el argumento principal en realidad es:
ar
⇡ 5⇡
✓=⇡ = .
6 6
p
z= 3 + i = 2 (cos(5⇡/6) + i sen(5⇡/6)), es un punto ubicado en el segundo cuadrante cuyo radio
vector hace un ángulo de 150 con respecto al eje x.
in
3. Supongamos la siguiente ecuación polinómica con sus raı́ces:
8 4
< z + 2 = 0 ) z4 = 2
m
z5 z 4 + 2z 2=0 ) z 4 + 2 (z 1) = 0 )
:
z 1=0 ) z=1
Entonces, de la ecuación (1.8) podemos ver que:
eli
⇣ ⌘ h ⇣ ⌘i1/4 23/4
= ( 2)1/4 ei( 4 ) = (1 + i) ei( 4 ) ,
2⇡k 2⇡k
z4 = 2(1) = 2 ei(2⇡k) ) z = 2 ei(2⇡k)
2
p
⇡ 1/2 ⇡ 2
donde hemos utilizado el hecho de que: ( 1)1/4 = i1/2 = ei 2 = ei 4 = 2 (1 + i) .
Por lo tanto:
Pr
1 1 i
(1 + i) ei( 2 ) = 1/4 (1 + i)
⇡
z0 = (1 + i) , z1 =
21/4 21/4 2
1 1 1 i
z3 = 1/4 (1 + i) ei( 2 ) =
3⇡
z2 = (1 + i) ei(⇡) = (1 + i) , (1 + i) .
21/4 21/4 2 21/4
or
Entonces, la ecuación z 5 z 4 + 2z 2 = 0, tendrá las siguientes cinco raı́ces:

1 1 1 1
z0 = (1 + i) , z1 = (1 i) , z2 = (1 + i) , z3 = (1 i) , z4 = 1 .
21/4 21/4 21/4 21/4
ad
4. Ahora consideremos el siguiente polinomio complejo:
P (z) = z 6 z 5 + 4z 4 6z 3 + 2z 2 8z + 8 = 0 .
Si por algún método comprobamos que (z 3 2) es uno de sus factores, entonces podremos encontrar
rr
las raı́ces del polinomio P (z).

Veamos, claramente si (z 3 2) es un factor, entonces podemos expresar:
P (z) = z 6 z 5 + 4z 4 6z 3 + 2z 2 8z + 8 = (z 3 2)(z 3 z 2 + 4z 4) = (z 3 2)(z 1)(z 2 + 4) ,

Bo
con lo cual, como z es complejo, hay que tener cuidado con las raı́ces encubiertas. Entonces, la raı́ces
son:
z3 = 2 , z = 1 , z2 = 4 .
80
Para z 2 = 4 ) z = ±2i .
⇥ ⇤1/3
= 21/3 ei( 3 ) .
2⇡k
Para z = 2 ) z 3 = 2 ei(2⇡k)
3
) z = 2 ei(2⇡k)
Por lo tanto:
21/3 h p i 21/3 h p i
z1 = 21/3 ei( )= z2 = 21/3 ei( )=
2⇡ 4⇡
z0 = 21/3 , 3 1 3i , 3 1 + 3i .
2 2
La ecuación: z 6 z 5 + 4z 4 6z 3 + 2z 2 8z + 8 = 0, tendrá las siguientes seis raı́ces:
ar
p
3 1 h p i
z= 2, z= p
3
1± 3 i , z = 1, z = ±2i .
4
5. Consideremos:
in
h i ⇣ ⇡ ⌘
Log ( 3i) = Log 3ei( ) = ln(3) + i
⇡
2 +2n⇡ + 2n⇡ con n = 0, 1, 2, · · ·
2
decimos que el valor principal de Log ( 3i) será Ln = ln(3) i ⇡2 .
m
Con la misma intuición se procede con las potencias de números complejos.
5i
Si queremos evaluar z = i tendremos que proceder como sigue:
h ⇡ i ⇣⇡ ⌘
eli
z=i 5i
) Log (z) = Log i 5i = 5iLog (i) = 5iLog ei( 2 +2n⇡) = 5 + 2n⇡ ,
2
5i
con lo cual z = i ¡es un número real!
h p 3
i
Para finalizar consideremos otro par de casos de potencias y logaritmos: ii y Log 3+i .
Pr
h ⇡ ii 2 ⇡
ii = ei( 2 +2n⇡) = ei ( 2 +2n⇡) = e ( 2 +2n⇡) .
⇡
h p i  ⇣ ⇣ ⌘⌘ h ⇣ ⇣ ⌘ ⌘i
3 i arctan p13
Log 3+i = 3Log 2e = 3 ln(2) + i arctan p13 + 2n⇡ = ln(8)+i ⇡
2 + 6n⇡ .
or
ad
rr
Bo
81

Maxima maneja números complejos escritos en la forma: a + bi. Donde la unidad imaginaria es inter-
pretada por el programa como i = %i. Si no queremos que las salidas del programa mantenga la notación
del %i podemos is a la parte superior de la ventana del programa y hacer click en:
wxMaxima > Preferencias > Worksheet
y desactivar el botón que dice
ar
[] Mantener signo porcentual en sı́mbolos especiales: %e, %i, etc.
1. Algunos cálculos básicos.

Los números
p imaginarios aparecen si queremos calcular la raı́z cuadrada de un número negativo, por
in
ejemplo, 7
(%i1) sqrt(-7);
p
m
( %o1) 7i
El programa nos permite desarrollar toda el algebra en variable compleja. Si queremos sumar z1 = 1+2i
y z2 = 3 + 4i, escribimos:
eli
(%i2) z1:1+2*%i; z2:3+4*%i;
( %o2) 2 i + 1
( %o3) 4 i + 3
Pr
(%i4) z1+z2;
( %o4) 6 i + 4
or
La multiplicación:
(%i5) z1*z2,expand;
( %o5) 10 i 5
ad
Y la división:
(%i6) z1/z2;
rr
2i + 1
( %o6)
4i + 3
(%i7) rectform(%);
Bo
2 i 11
( %o7) +
25 25
82
Este último comando pertenece a una lista de funciones de Maxima para el cálculo de números
complejos:
rectform(expresión) expresión en forma cartesiana o binómica

realpart(expresión) parte real de expresión
imagpart(expresión) parte imaginaria de expresión
polarform(expresión) forma polar de expresión
abs(expresión) módulo o valor absoluto de expresión
cabs(expresión) módulo de expresión compleja
ar
carg(expresión) argumento de expresión
conjugate(expresión) conjugado de expresión
demoivre(expresión) expresa el número complejo utilizando senos y cosenos
exponentialize(expresión) expresa el número complejo utilizando exponenciales
in
Veamos como funcionan algunas de estos comandos:
(%i8) realpart(z1); imagpart(z1);
m
( %o8) 1
( %o9) 2
eli
(%i10)abs(z1);
p
( %o10) 5
(%i11)polarform(z1);
Pr
p
( %o11) 5 ei arctan(2)
(%i12)cabs(z1);carg(z1);
p
or
( %o12) 5
( %o13) arctan(2)
(%i14)conjugate(z1);
ad
( %o14) 1 2i
2. Para una función, digamos tan(x + iy), la podemos escribir como exponenciales o funciones senos y
rr
cosenos.
(%i15)tan(x+%i*y);
Bo
( %o15) tan (i y + x)
(%i16)exponentialize(%),factor;
83
i ey ei x ey + ei x
( %o16)
e2 y + e2 i x
(%i17)demoivre(%),factor;
i (ey i sin(x) cos(x)) (ey + i sin(x) + cos(x))

( %o17)
e2 y + i sin (2 x) + cos (2 x)
(%i18)log(3+%i*2);
ar
( %o18) log (2 i + 3)
(%i19)cabs(%);
s
in
✓ ◆
log2 13 2
( %o19) + arctan2
4 3
(%i20)float(%);
m
( %o20) 1,410846683153171
3. Tomemos dos números complejos, o vectores del plano complejo:
eli
(%i21)z:a+b*%i; w:c+d*%i;
( %o21) i b + a
( %o22) i d + c
Pr
Revisemos la llamada igualdad del paralelogramo: la suma de los cuadrados de las longitudes de los
cuatro lados de un paralelogramo, es igual a la suma de los cuadrados de las longitudes de las dos
diagonales de éste. Es decir:
|z + w|2 + |z w|2 = 2 |z|2 + |w|2 .
or
Pero sabemos que |z|2 = zz ⇤ , y por lo tanto:

(w + z)(w + z)⇤ + (w z)(w z)⇤ = 2 |z|2 + |w|2 .
ad
Calculemos el lado izquierdo de la ecuación anterior:
(%i23)(w+z)*conjugate(w+z)+(w-z)*conjugate(w-z),expand;
( %o23) 2 d2 + 2 c2 + 2 b2 + 2 a2
rr
Ahora el lado derecho, es decir, la suma de las longitudes al cuadrado de los cuatro lados:
Bo
(%i24)2*cabs(z)^2+2*cabs(w)^2,expand;
( %o24) 2 d2 + 2 c2 + 2 b2 + 2 a2
84
4. Para encontrar las raı́ces de un número complejo, debemos declarar a la variable como compleja.
(%i25)declare(z,complex)$
De manera que si queremos encontrar las raı́ces de z 3 = 1
(%i26)ec1:z^3=1;
ar
( %o26) z 3 = 1
(%i27)solve(ec1,z);
" p p #
in
3i 1 3i + 1
( %o27) z = ,z = ,z = 1
2 2
5. En otro de los ejemplo que discutimos anteriormente tenı́amos la ecuación:
m
z6 z 5 + 4z 4 6z 3 + 2z 2 8z + 8 = 0 ,
por lo tanto:
eli
(%i28)ec2:z^6-z^5+4*z^4-6*z^3+2*z^2-8*z+8=0;
( %o28) z 6 z5 + 4 z4 6 z3 + 2 z2 8z + 8 = 0
(%i29)factor(ec2);
Pr
( %o29) (z 1) z 2 + 4 z3 2 =0
(%i30)solve(ec2,z),factor;
" p p #
or
3i 1 3i + 1 1
( %o30) z = 2 ,z = 2 , z = 2 , z = 1, z =
3 2 i, z = 2 i
23 23
ad
1.6.7. Ejercicios
1. Si los números complejos z1 = x1 + iy1 y z2 = x2 + iy2 se pueden representar como vectores en el plano
z1 = x1 i + y1 j y z2 = x2 i + y2 j, muestre que:
z1⇤ z2 = z1 · z2 + ik · (z1 ⇥ z2 ) .
rr
2. Demuestre:
Bo
a) cos(3↵) = cos3 (↵) 3 cos(↵)sen2 (↵) .

b) sen(3↵) = 3 cos2 (↵)sen(↵) sen3 (↵) .
3. Demuestre:
85
1
a) cos4 (↵) = 8 (3 + 4 cos(2↵) + cos(4↵)) .
1
b) cos (↵) + sen3 (↵) =
3
4 cos(3↵) + 3 cos(↵) sen3 (↵) + 3sen(↵) .
4. Demuestre: ✓ ◆iy
ix 1 1
= e( 2y cot (x))
,
ix + 1
donde x y y son números reales.
5. Encuentre las raı́ces de:
ar
⇣ p ⌘1/2 p
a) (2i)1/2 b) 1 3i c) ( 1)1/3 d) 81/6 e) ( 8 8 3i)1/4 .
in
6. Demuestre que:
⇡
a) Log( ie) = 1 2i.
1 ⇡
b) Log(1 i) = 2 ln(2) 4i.
m
c) Log(e) = 1 + 2n⇡i .
1
d ) Log(i) = 2n + 2 ⇡i .
7. Dos funciones complejas Z1 (t) y Z2 (t) cumplen con las siguientes ecuaciones:
eli
dZ1⇤ i dZ2⇤ i
== y ==
dt Z1 Z2 dt Z2 Z1
Muestre que las siguientes cantidades son constantes:
a) Z1 + Z2
Pr
b) |Z1 Z2 |
c) |Z1 | + |Z2 |2
2
8. Considere la siguiente ecuación:

or
z7 4z 6 + 6z 5 6z 4 + 6z 3 12z 2 + 8z + 4 = 0 .
Encuentre sus raı́ces sabiendo que z 3 = 2.

9. Muestre que la expansión binomial puede ser escrita como:
ad
n
X n!
(1 + x)n = Am (n) xm , con Am (n) = .
m=0
m!(n m)!
n
Si está convencido de la expansión anterior, considere ahora una parecida: 1 + ei✓ y muestre que:
rr
n
X ✓ ◆ ✓ ◆
✓ n n✓ n
Am (n) cos(n✓) = 2 cos cos ,
m=0
2 2
Bo
y
n
X ✓ ◆ ✓ ◆
✓ n✓
Am (n) sen(n✓) = 2n cosn sen .
m=0
2 2
86
10. Las funciones hiperbólicas se definen como:
ex + e x
ex e x
cosh(x) = y senh(x) = ,
2 2
y de manera análoga a las funciones trigonométricas tendremos el resto de funciones:
senh(x) 1 1 1
tanh(x) = ; sech(x) = ; csech(x) = ; ctanh(x) = ;
cosh(x) cosh(x) senh(x) tanh(x)
ar
a) Muestre las siguientes equivalencias:
cosh(x) = cos(ix), i senh(x) = sen(ix), cos(x) = cosh(ix) y i sen(x) = senh(x) .
in
b) Muestre las siguientes identidades:
cosh2 (x) senh2 (x) = 1; sech2 (x) = 1 tanh2 (x); cosh(2x) = cosh2 (x) + senh2 (x) .
m
c) Resuelva las siguientes ecuaciones hiperbólicas:
cosh(x) 5senh(x) 5 = 0, 2 cosh(4x) 8 cosh(2x) + 5 = 0 y cosh(x) = senh(x) + 2sech(x) .
eli
11. Resuelva con Maxima los ejercicios anteriores.
12. Utilizando un programa de manipulación simbólica (ver Apéndice 6.1) realice las siguientes tareas.
a) Calcule la función f (z) = ez a partir de su expansión en serie que la define. Calcule también f (z)
in⇡
Pr
cuando z = e 6 para n = 0, 1, 2, . . . , 12. Para los diferentes valores de n haga una tabla con los
valores de: ✓ = n⇡ z z z
6 , Re (z), Im (z), Re (e ), Im (e ), |z| y la fase de e .
b) Calcule y haga una tabla para los valores de (x; y) = (0, 0; 0, 0)(0, 1; 0, 1)(0, 5; 0, 5)(1, 0; 1, 0) de:
Re (senh(z)), Im (senh(z)), |senh(z)| y la fase de senh(z).
c) Calcule y haga una tabla para los valores de (x; y) = (0, 0; 0, 0)(0, 1; 0, 1)(0, 5; 0, 5)(1, 0; 1, 0) de:
Re (cosh(z)), Im (cosh(z)), | cosh(z)| y la fase de cosh(z).
or
ad
rr
Bo
87
Bibliografı́a
ar
in
[1] Arfken, G. B., Weber, H. J., & Harris, F. E. (2011). Mathematical methods for physicists. Academic
press.
m
[2] Riley, K. F., Hobson, M. P., & Bence, S. J. (2006). Mathematical methods for physics and engi-
neering: a comprehensive guide. Cambridge University Press.
[3] Santaló, L.A (1969) Vectores y Tensores. Editorial Universitaria, Buenos Aires).
eli
[4] Spiegel, M. (1959) Vector Analysis (Schaums Outline Series, McGraw Hill New York ).
[5] Brown, J. W., Churchill, R. V. (2004) Complex Variables and Applications (McGraw Hill ).
Pr
or
ad
rr
Bo
88

Vectorr

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Vectorr

Caricato da

Copyright:

Formati disponibili

Bo

1.3.1. Rectas y vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

1.4. Álgebra vectorial con ı́ndices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

1.4.3. Rotación de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2. Espacios vectoriales lineales 89

2.2.2. Normas y espacios normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

2.2.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117

2.3.4. Ortogonalidad y bases ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

2.3.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

2.4.2. Condiciones para la aproximación de funciones . . . . . . . . . . . . . . . . . . . . . . 139

3. Vectores duales y tensores 156

3.3.4. Practicando con Maxima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219

3.4.2. Bases continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225

3.4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240

4. Matrices, determinantes y autovectores 243

4.1.1. Espacio vectorial de operadores lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 246

4.1.4. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249

4.4.8. Matriz ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291

4.4.12. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296

4.5.4. Método de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299

4.6. Autovectores y autovalores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307

4.6.3. El caso degenerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310

5. Coordenadas curvilı́neas, campos y operadores diferenciales 347

5.3.2. Divergencia y flujo en campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 388

5.3.6. Derivadas direccionales de campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . 398

5.3.11. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419

5.4.3. Integrales de volumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426

5.4.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432

diantes de pregrado en Fı́sica de la Universidad de los Andes (Mérida-Venezuela) y más recientemente en

1.1. Vectores geométricos

1.1.1. Escalares y vectores

representará su módulo y su orientación la dirección y el sentido. Para diferenciarlos de las cantidades

Los vectores son independientes del sistema de coor-

representar al vector nulo por 0.

tienen la misma dirección y sentido.

La multiplicación de números por vectores:

1.1.3. Vectores linealmente independientes

combinación lineal de los otros dos. Si por ejemplo 6= 0, entonces:

pendientes y c es coplanar con a y b, entonces, necesariamente a, b y c son linealmente dependientes.

debido a que a y b son linealmente independientes.

1.1.4. Productos de vectores

⇣ = a · b = |a| |b| cos(✓)ha,bi .

representa la proyección de a sobre b y equivalentemente la proyección de b sobre a.

El producto escalar de un vector consigo mismo, siempre es positivo:

ya que: 0  cos2 (✓)ha,bi  1.

Podemos deducir algunas consecuencias de esta definición.

El producto vectorial es anticonmutativo.

1.1.5. Producto triple o mixto

Esta afirmación se verá demostrada más adelante.

Queremos comprobar si {a, b, c} forman una base.

Entonces, para el vector d tenemos:

resolviendo el sistema de ecuaciones anterior tendremos que: d = 58 a 3

cuya solución es ↵ = = = 0. Por lo tanto, forman una base para R3 .

1.1.7. Practicando con Maxima

Es probable que necesitemos el valor numérico de log(20).

Podemos utilizar la función float para el mismo resultado

( %o11) [0,8660254037844386, 0,5000000000000001, 1,732050807568877]

De manera que para aislar elementos de una lista escribimos:

Esto nos permite operar con sus elementos.

el programa interprete los vectores

( %o27) [↵ (b1 + a1 ) , ↵ (b2 + a2 ) , ↵ (b3 + a3 )] = [↵ (b1 + a1 ) , ↵ (b2 + a2 ) , ↵ (b3 + a3 )]

( %o28) [a1 ( + ↵) , a2 ( + ↵) , a3 ( + ↵)] = [a1 ( + ↵) , a2 ( + ↵) , a3 ( + ↵)]

4. Un paralelogramo tiene un ángulo agudo de ⇡/3 y lados de longitud a = 1 y b = 2. Si pensamos que