Transparcncias dc Iundamcntos `atcm aticos

Gabriel Soler L´opez
Documento compilado con L
A
T
E
X el 13 de enero de 2008
1
Tcma 1 `ocioncs ¦asicas
Ga¦ric¦ So¦cr L opcz
2o dc scpticm¦rc dc 200o
1. Conjuntos
Definiciones.
L¦amarcmos conjunto a cua¦ouicr co¦ccci on dc o¦¡ctos Cada uno dc
csos o¦¡ctos sc ¦¦amar a elemento dc¦ con¡unto
¹sua¦mcntc sc dcnotaran a ¦os con¡untos con ¦ctras may uscu¦as y a
sus c¦cmcntos con min uscu¦as
¹n con¡unto A se dir´a contenido en otro B y sc dcnotar a por
A ⊆ B cuando todo c¦cmcnto dc A pcrtcnccc tam¦icn a B
Los con¡untos. A y B . sc dir an iguales si y so¦o si A ⊆ B y B ⊆ A
La pcrtcncncia dc un o¦¡cto a a un con¡unto A sc dcnotar a por
a ∈ A y ¦a no pcrtcncncia por a ∈ A
L¦amarcmos conjunto vac´ıo. ∅. a¦ con¡unto ouc no ticnc c¦cmcntos
Lircmos ouc un con¡unto cs finito si so¦o conticnc una cantidad finita
dc c¦cmcntos
2
Notaci´ on
¦x x satistacc {¦ dcnota a¦ con¡unto cuyos c¦cmcntos satistaccn ¦a
propicdad {.
1.1. Operaciones con conjuntos
Lados ¦os con¡untos A. B y U ta¦cs ouc A ⊆ U y B ⊆ U
1 La uni´ on dc A y B cs c¦ con¡unto A∪B ¦x x ∈ A o x ∈ B¦.
2 La intersecci´ on dc A y B cs c¦ con¡unto A ∩ B ¦x x ∈
A y x ∈ B¦.
3 La diferencia dc A y B cs c¦ con¡unto A`B ¦x x ∈ A y x ∈
B¦.
! L¦ complementario dc A cn U cs c¦ con¡unto A
c
U`A.
` L¦ producto cartesiano dc A y B cs c¦ con¡unto dc parcs AB
¦(a, b a ∈ A y b ∈ B¦.
3
1.2. Propiedades de estas operaciones
Lados dos con¡untos. A y B. contcnidos cn c¦ con¡unto U. sc ticnc
1 lropicdad conmutativa dc ¦a uni on y ¦a intcrsccci on A ∪ B
B ∪ A. A ∩ B B ∩ A
2 lropicdad asociativa dc ¦a uni on y ¦a intcrsccci on A∪(B ∪C
(A ∪ B ∪ C. A ∩ (B ∩ C (A ∩ B ∩ C
3 lropicdad distri¦utiva A ∪ (B ∩ C (A ∪ B ∩ (A ∪ C. A ∩
(B ∪ C (A ∩ B ∪ (A ∩ C
! A ∪ ∅ A. A ∩ ∅ ∅.
` A ∪ U U. A ∩ U A
o A`B A ∩ B
c

¨ Lcycs dc `or.an (A ∪ B
c
A
c
∩ B
c
. (A ∩ B
c
A
c
∪ B
c

4
2. Conjuntos “famosos”: los naturales,
los enteros y los racionales
`o introducircmos axiom aticamcntc a cstos con¡untos. nos ¦imitarc-
mos a comcntar a¦.unas dc sus propicdadcs
Los n´ umeros naturales, N. Lcntro dc c¦¦os hay dcfinida una
suma. una mu¦tip¦icaci on y un ordcn. ası como ¦a propicdad ¦ asica ouc
da ¦u.ar a¦ principio de inducci´on
Proposici´ on. Si un subconjunto de los n´ umeros naturales S veri-
fica que 1 ∈ S y la propiedad “n ∈ S implica n + 1 ∈ S”, entonces
S N.
Proposici´ on (Principio de Induccci´ on). Dada una familia ¦P(n
n ∈ N¦, de forma que cada P(n es una propiedad dependiendo del
correspondiente n´ umero natural, tal que:
1. P(n
0
es cierta para un cierto n
0
≥ 1;
2. si asumimos que P(n es cierta para un n ≥ n
0
( hip otcsis dc
inducci on), podemos probar que P(n + 1 es cierta;
entonces se verifica P(n para todo n´ umero natural n ≥ n
0
.
5
Ejercicio.
Lcmostrar ¦as si.uicntcs propicdadcs
1 1 + 2 + + n
n(n+1)
2
.
2 Lcmostrar ouc ¦os para cua¦ouicr n umcro natura¦ n c¦ n umcro
3
2n+2
+ 2
6n+1
cs un m u¦tip¦o dc 11.
3 Lcmostrar ouc para todo n umcro natura¦ a. si n+
1
n
cs un n umcro
natura¦ cntonccs n
a
+
1
n
a
.
! Lcmucstra ouc c¦ n umcro dc su¦con¡untos ouc ticnc un con¡unto
dc n c¦cmcntos cs 2
n
.
` Lcmucstra ouc c¦ n umcro dc su¦con¡untos dc j c¦cmcntos ouc ticnc
un con¡unto dc n c¦cmcntos cs

n
j

.
o Lcmucstra ouc c¦ n umcro dc dia.ona¦cs ouc sc pucdcn trazar cn
un po¦ı.ono dc n ¦ados cs
n(n−3)
2
. ,lor ouc n(n −3 cs par´
Los n´ umeros enteros, Z, y los racionales, Q.
L¦ con¡unto dc¦ ¦os n´ umeros enteros es:
Z ¦n n ∈ N¦ ∪ ¦0¦ ∪ ¦−n n ∈ N¦
y c¦ con¡unto dc ¦os n´ umeros racionales:
Q ¦
a
b
a ∈ Z, b ∈ Z`¦0¦¦
6

lropicdadcs dc ¦a suma cn Z
1 Conmutativa: para cua¦csouicra a ∈ Z y b ∈ Z sc vcrifica a+b
b + a
2 Asociativa: para cua¦csouicra a ∈ Z. b ∈ Z y c ∈ Z sc vcrifica
(a + b + c a + (b + c
3 Lxistc un elemento neutro para la suma ouc cs c¦ n umcro 0 y
ouc vcrifica a + 0 0 + a a para cua¦ouicr a ∈ Z.
! lara cada c¦cmcnto a ∈ Z cxistc su elemento opuesto. ouc sc
dcnota por −a y ouc vcrifica a + (−a −a + a 0
lropicdadcs dc¦ producto cn Z
1 Conmutativa: para cua¦csouicra a ∈ Z y b ∈ Z sc vcrifica ab ba
2 Asociativa: para cua¦csouicra a ∈ Z. b ∈ Z y c ∈ Z sc vcrifica
(abc a(bc
3 Lxistc un elemento neutro para el producto ouc cs c¦ n umcro 1
y ouc vcrifica 1a a para cua¦ouicr a ∈ Z.
lropicdad dc ¦a suma rcspccto dc¦ producto
7
1 Distributiva: para cua¦csouicra a ∈ Z. b ∈ Z y c ∈ Z sc vcrifica
a(b + c ab + ac
8
lropicdadcs dc ¦a suma cn Q
1 Conmutativa: para cua¦csouicra a ∈ Q y b ∈ Q sc vcrifica a+b
b + a
2 Asociativa: para cua¦csouicra a ∈ Q. b ∈ Q y c ∈ Q sc vcrifica
(a + b + c a + (b + c
3 Lxistc un elemento neutro para la suma ouc cs c¦ n umcro 0 y
ouc vcrifica a + 0 0 + a a para cua¦ouicr a ∈ Q.
! lara cada c¦cmcnto a ∈ Q cxistc su elemento opuesto. ouc sc
dcnota por −a y ouc vcrifica a + (−a −a + a 0
lropicdadcs dc¦ producto cn Q
1 Conmutativa: para cua¦csouicra a ∈ Q y b ∈ Q sc vcrifica ab
ba
2 Asociativa: para cua¦csouicra a ∈ Q. b ∈ Q y c ∈ Q sc vcrifica
(abc a(bc
3 Lxistc un elemento neutro para el producto ouc cs c¦ n umcro 1
y ouc vcrifica 1a a para cua¦ouicr a ∈ Q.
! lara cada c¦cmcnto a ∈ Q`¦0¦ cxistc su elemento inverso. ouc
sc dcnota por a
−1
y ouc vcrifica aa
−1
a
−1
a 1
9
lropicdad dc ¦a suma rcspccto dc¦ producto
1 Distributiva: para cua¦csouicra a ∈ Q. b ∈ Q y c ∈ Q sc vcrifica
a(b + c ab + ac
10
Sc˜ na¦arcmos ¦as ditcrcncias cscncia¦cs dc am¦os con¡untos
1 L¦ supremo (mcnor dc ¦as cotas supcriorcs. cs dccir. dc ¦os n umcros
ouc son mayorcs o i.ua¦cs ouc todos ¦os dc¦ con¡unto dc un con-
¡unto. S ⊂ Q. pucdc no cxistir cn Q. por c¡cmp¦o E ¦

1 +
1
n

n

n ∈ N¦ csta acotado y no ticnc suprcmo Ln cam¦io. cn ¦os n umc-
ros cntcros. todo con¡unto acotado supcriormcntc ticnc suprcmo
Ejemplo
L¦ con¡unto A ¦a ∈ Q a <

2¦ no ticnc suprcmo cn Q
L¦ con¡unto B ¦a ∈ Z a <

2¦ ticnc suprcmo cn Z y cs
. . . . . . . . .
2 Los n umcros cntcros no ticncn invcrso. micntras ouc ¦os raciona¦cs.
mcnos ccro. sı ¦o ticncn
3 Ln .cncra¦ no cxistcn raıccs cuadradas cn am¦os con¡untos
11
3. Aplicaciones
Definiciones
¹na aplicaci´on entre dos conjuntos A y B cs una ¦cy ouc cnvıa
cada c¦cmcnto dc A a un c¦cmcnto dc B
Las ap¦icacioncs suc¦cn dcnotarsc por ¦ctras min uscu¦as
lara dcnotar ouc cs una ap¦icaci on cntrc A y B sc suc¦c cscri¦ir
f A → B
f(a b si.nifica ouc f cnvıa c¦ c¦cmcnto a a¦ c¦cmcnto b
L¦ con¡unto A sc ¦¦ama dominio dc ¦a ap¦icaci on f
L¦ con¡unto f(A ¦f(a a ∈ A¦ sc ¦¦ama con¡unto imagen dc
f
La aplicaci´on identidad en el conjunto A cs ¦a ap¦icaci on Id
A

A → A ouc vcrifica Id(a a para todo a ∈ A.
Operaci´ on entre aplicaciones
Ladas dos ap¦icacioncs. f A → B y g B → C. sc dcfinc ¦a
composici´ on de f y g como ¦a ap¦icaci on
g ◦ f A −→ C
a → g(f(a.
12
Tipos de aplicaciones
Lada una ap¦icaci on f A → B sc dicc ouc f cs
1 inyectiva cuando. si a b cntonccs f(a f(b,
2 suprayectiva cuando f(A B.
3 biyectiva cuando cs a ¦a vcz inycctiva y supraycctiva
lara una ap¦icaci on ¦iycctiva. f A → B. sc pucdc dcfinir su
aplicaci´on inversa:
f
−1
B −→ A
b → f
−1
(b a/ f(a b.
Ls c¦aro ahora ouc f ◦ f
−1
Id
B
y f
−1
◦ f Id
A

Ejercicio
Lcmostrar ouc no cxistc una ap¦icaci on ¦iycctiva cntrc ¦os con¡un-
tos N y {(N
Construir una ap¦icaci on ¦iycctiva cntrc N y Z
13
4. Leyes de composici´ on. Estructuras
algebraicas
Definici´ on (Leyes de composici´ on). ¹na ley de operaci´ on in-
terna o ley de composici´ on interna so¦rc un con¡unto A cs una ap¦i-
cacion
∗ A A −→ A
(a, b → ∗(a, b a ∗ b.
Lados dos con¡untos. A y B. una ley de operaci´ on externa so¦rc
c¦ con¡unto A cs una ap¦icaci on dc¦ tipo
∧ A B −→ A
(a, b → ∧(a, b a ∧ b.
14
Propiedades que pueden verificar las leyes de compo-
sici´ on. Ii¡ado un con¡unto A y una ¦cy dc opcraci on intcrna ∗. sc
ticnc
1 La ¦cy dc composici on intcrna ∗ cs conmutativa si y so¦o si a∗b
b ∗ a para cua¦csouicra a y b dc A
2 La ¦cy dc composici on cxtcrna ∗ cs asociativa si y so¦o si a∗(b∗c
(a ∗ b ∗ c para cua¦csouicra a. b y c dc A
3 Sc dicc ouc un c¦cmcnto e ∈ A cs elemento neutro para ¦a
opcraci on ∗ si y so¦o si a ∗ e e ∗ a a
! Sc dicc ouc c¦ c¦cmcnto a ∈ A cs sim´etrico dc b ∈ A si y so¦o si
a ∗ b b ∗ a e (c¦cmcnto ncutro
Observaci´ on
Los c¦cmcntos simctricos y ncutros son unicos
15
Definici´ on (Grupo). Lado c¦ con¡unto G y una opcraci on dcfinida
so¦rc c¦. ∗. dircmos ouc c¦ par (G, ∗ cs un grupo si sc ticnc ouc ¦a
opcraci on ∗ cs asociativa. ticnc c¦cmcnto ncutro y cua¦ouicr c¦cmcnto
dc G ticnc simctrico
Si adcmas ¦a opcraci on ∗ cs conmutativa. cstarcmos antc un grupo
conmutativo o abeliano.
Ejemplos
(R, + cs un .rupo a¦c¦iano
(R`¦0¦, cs un .rupo a¦c¦iano
(Q, + cs un .rupo a¦c¦iano
(Q`¦0¦, cs un .rupo a¦c¦iano
(Z, + cs un .rupo a¦c¦iano
(Z`¦0¦, no cs un .rupo a¦c¦iano
(N, + no cs un .rupo a¦c¦iano
(N, no cs un .rupo a¦c¦iano
16
(Z
4
, + cs un .rupo a¦c¦iano. dondc Z
4
¦0, 1, 2, 3¦ y ¦a ¦cy dc
opcraci on intcrna + vicnc dcfinida por ¦a si.uicntc ta¦¦a
+ 0 1 2 3
0 0 1 2 3
1 1 2 3 0
2 2 3 0 1
3 3 0 1 2
(Z
4
`¦0¦, no cs un .rupo a¦c¦iano. dondc Z
4
¦0, 1, 2, 3¦ y ¦a ¦cy
dc opcraci on intcrna vicnc dcfinida por ¦a si.uicntc ta¦¦a
0 1 2 3
0 0 0 0 0
1 0 1 2 3
2 0 2 0 2
3 0 3 2 1
17
Definici´ on (Anillo). Lado c¦ con¡unto G y dos opcracioncs intcrnas
dcfinidas so¦rc c¦. ∗ y +. dircmos ouc ¦a tcrna (G, +, ∗ cs un anillo
si (G, + cs un .rupo a¦c¦iano. ¦a opcraci on ∗ cs asociativa y adcm as
para cua¦csouicra a, b y c dc A. sc ticnc ouc a ∗ (b +c a ∗ b +a ∗ c
y (a + b ∗ c a ∗ c + b ∗ c
Si adcmas ¦a opcraci on ∗ cs conmutativa. cstarcmos antc un anillo
conmutativo lor otro ¦ado. si ¦a opcraci on ∗ ticnc c¦cmcnto ncutro
dircmos ouc c¦ anillo tiene unidad
Ejemplos
(R, +, cs un ani¦¦o conmutativo con unidad
(Q, +, cs un ani¦¦o conmutativo con unidad
(Z, +, cs un ani¦¦o conmutativo con unidad
(N, +, no cs un ani¦¦o
(Z
4
, +, cs un ani¦¦o conmutativo con unidad
18
Definici´ on (cuerpo). Lado c¦ con¡unto Ky dos opcracioncs intcrnas
dcfinidas so¦rc c¦. ∗ y +. dircmos ouc ¦a tcrna (K, +, ∗ cs un cuerpo si
cs un ani¦¦o con unidad. 1. y adcm as (K`¦0¦, ∗ cs un .rupo a¦c¦iano.
sicndo 0 ∈ K c¦ c¦cmcnto ncutro dc ¦a opcraci on + Adiciona¦mcntc sc
dc¦c cxi.ir 1 0
Ejemplos
(R, +, cs un cucrpo
(Q, +, cs un cucrpo
(Z, +, no cs un cucrpo
(N, +, no cs un cucrpo
(Z
4
, +, no cs un cucrpo
(Z
2
, +, cs un cucrpo. sicndo Z
2
¦0, 1¦ y ¦as opcracioncs dcfinidas
por
+ 0 1
0 0 1
1 1 0
0 1
0 0 0
1 0 1
19
5. Los n´ umeros reales
L¦amarcmos cuerpo de los n´ umeros reales a un con¡unto. dcnotado
por R. dotado dc dos ¦cycs dc opcraci on intcrna. + y . y una rc¦aci on
¦inaria dc ordcn ≤. dc torma ouc
1 (R, +, cs un cucrpo
2 ≤ cs un ordcn tota¦. cs dccir. para cua¦csouicra x, y ∈ R o ¦icn
x ≤ y o y ≤ x
3 ≤ cs compati¦¦c con ¦as opcracioncs. cs dccir. para cua¦csouicra
x, y, z ∈ R
Si x ≤ y cntonccs x + z ≤ y + z
Si asumimos ouc 0 ≤ z y x ≤ y cntonccs x z ≤ y z.
! Axioma dc comp¦ctitud todo su¦con¡unto. S dc R. acotado supc-
riormcntc (rcsp intcriormcntc ticnc un suprcmo (rcsp ınfimo cn
R
Asumircmos ¦a cxistcncia dc un con¡unto dotado dc cstas propicdadcs
y ouc conticnc a ¦os n umcros raciona¦cs. pucsto ouc ¦a construcci on cs
¦astantc tccnica. ditıci¦ y ¦ar.a
20
Propiedades de R.
Proposici´ on (Propiedad arquimediana). Dados x, y ∈ R con
x > 0 (es decir, x ≥ 0 y x 0) existe n ∈ N tal que y < nx.
Proposici´ on (Parte entera de un n´ umero real). Dado x ∈ R,
existe z ∈ Z tal que z−1 ≤ x < z. El n´ umero z−1 recibe en nombre
de partc cntcra dc x.
Proposici´ on (Densidad de los racionales). Dados x, y ∈ R
con x < y, existe q ∈ Q tal que x ≤ q ≤ y (el conjunto de los
n´ umeros irracionales, I R`Q, tambi´en es denso en R).
Principio de los intervalos encajados de Cantor.
¹na tami¦ia dc intcrva¦os I
1
, I
2
, . . . , I
n
, . . . . sc dicc ouc constituycn
una tami¦ia dccrccicntc dc intervalos encajados si vcrifican ¦a rc¦aci on
⊆ I
n
⊆ I
n−1
⊆ I
2
⊆ I
1

Teorema (Cantor). Sea ¦I
n
n ∈ N¦ una familida decreciente
de intervalos encajados, cerrados. Entonces:
¸
n∈N
¦I
n
n ∈ N¦ ∅.
21
6. Los n´ umeros complejos
L¦amarcmos n´ umeros complejos a¦ con¡unto
C ¦a + bi a, b ∈ R¦,
y dcfinircmos so¦rc c¦ ¦as si.uicntcs dos opcracioncs
1
+ C C −→ C
(a + bi, c + di → (a + c + (b + di,
2
Δ C C −→ C
(a + bi, c + di → (ac −bd + (ad + bci.
Con cstas dos opcracioncs sc pucdc vcr ouc (C, +, cs un cucrpo.
¦¦amado cuerpo de los n´ umeros complejos
R cs un su¦con¡unto dc ¦os n umcros comp¦c¡os. cn ctccto. c¦ n umcro
rca¦ a sc pucdc idcntificar con c¦ n umcro comp¦c¡o a + 0i
lara cada n umcro rca¦ z a + bi. ¦¦amarcmos parte real dc z a a
y parte imaginaria a b
L¦amarcmos unidad imaginaria a i. ouc norma¦mcntc sc idcntifica
con

−1. ya ouc i
2
−1 + 0i −1.
22
Sc dcfinc c¦ conjugado dc un n umcro comp¦c¡o z a+bi y sc dcnota
por z como
z a + bi a −bi.
Ejercicio
Lcmostrar ouc para cada par dc n umcros comp¦c¡os. z
1
y z
2

z
1
+ z
2
z
1
+ z
2
.
z
1
z
2
z
1
z
2
.
z
1
z
1
∈ R. adcm as z
1
z
1
> 0 si z
1
0
Observaci´ on
Los n umcros comp¦c¡os cs ouc asc.uran ¦a cxistcncia dc raıccs pa-
ra cua¦ouicr po¦inomio. cosa ouc cn R no succdc. sin ir mas ¦c¡os c¦
po¦inomio x
2
+1 no ticnc raıccs rca¦cs y sin cm¦ar.o ticnc raıccs cn C
Observaci´ on
Cua¦ouicr po¦inomio rca¦ r(x sc dcscomponc como producto dc po-
¦inomios dc primcr y sc.undo .rado. ¦os primcros asociados a ¦as raıccs
rca¦cs dc r(x y ¦os sc.undos a ¦as raıccs comp¦c¡as
23
6.1. Representaci´ on m´ odulo argumen-
tal de los n´ umeros complejos.
L¦ m´odulo de un n´ umero complejo z cs c¦ n umcro rca¦ dado por
¦a raız cuadrada positiva dc zz
La cxprcsion e

rcprcscnta c¦ n umcro comp¦c¡o dc modu¦o 1 cosθ +
iscn θ Aouı θ ticnc un si.nificado .comctrico. cs c¦ an.u¦o ouc c¦ vcctor
(cos θ, scn θ torma con c¦ scmic¡c positivo Ox
Cua¦ouicr n umcro comp¦c¡o z sc pucdc cxprcsar como c¦ producto
me

. dondc m cs c¦ modu¦o dc z y e

cs c¦ comp¦c¡o dc modu¦o 1 dado
por
z

zz

Operaciones entre n´ umeros dados en representaci´ on m´ odu-
lo argumental
Lados z
1
m
1
e

1
. z
2
m
2
e

2
y r ∈ Q. sc ticnc
1 z
1
z
2
m
1
e

1
m
2
e

2
m
1
m
2
e
i(θ
1

2
)
.
2
z
1
z
2

m
1
e

1
m
2
e

2

m
1
m
2
e
i(θ
1
−θ
2
)
.
3 z
r
1

m
1
e

1

r
m
r
1
e

1

24
7. Ejercicios resueltos
Ejercicio
Lcmostrar ¦a t ormu¦a dc¦ ¦inomio dc `cwton
(a + b
n

n
¸
j=0

n
j

a
j
b
n−j
sicndo n un n umcro natura¦ mayor o i.ua¦ ouc 1
Lcmostrarcmos ¦a t ormu¦a por inducci on
lara n 1 ¦a t ormu¦a sc satistacc ya ouc
(a + b
1

1
¸
j=0

1
j

a
j
b
1−j

1
0

a
0
b
1
+

1
1

a
1
b
0
b + a
Ahora dcducimos ¦a t ormu¦a para n+1 particndo dc ¦a t ormu¦a para
n
25
(a + b
n+1
(a + b(a + b
n
(a + b
n
¸
j=0

n
j

a
j
b
n−j
a
n
¸
j=0

n
j

a
j
b
n−j
+ b
n
¸
j=0

n
j

a
j
b
n−j

n
¸
j=0

n
j

a
j+1
b
n−j
+
n
¸
j=0

n
j

a
j
b
n+1−j

n+1
¸
j=1

n
j −1

a
j
b
n+1−j
+
n
¸
j=0

n
j

a
j
b
n+1−j

n
¸
j=1

n
j −1

a
j
b
n+1−j
+

n
n

a
n+1
b
0
+

n
0

a
0
b
n+1
+
n
¸
j=1

n
j

a
j
b
n+1−j

n
¸
j=1
¸
n
j −1

a
j
b
n+1−j
+

n
j

a
j
b
n+1−j

+

n
n

a
n+1
b
0
+

n
0

a
0
b
n+1

n
¸
j=1
¸
n
j −1

+

n
j

a
j
b
n+1−j
+

n
n

a
n+1
b
0
+

n
0

a
0
b
n+1

n
¸
j=1

n + 1
j

a
j
b
n+1−j
+

n + 1
n + 1

a
n+1
b
0
+

n + 1
0

a
0
b
n+1

n+1
¸
j=0

n + 1
j

a
j
b
n+1−j
Ası ouc ¦a t ormu¦a dc¦ ¦inomio dc `cwton va¦c para cua¦ouicr n umc-
ro natura¦ n.
26
Ejercicio
La contrac¡cmp¦o a ¦as si.uicntcs afirmacioncs
1 (A ∩ B
c
A
c
∩ B
c
Soluci´ on.
Lsta afirmaci on cs ta¦sa. ¦asta con tomar A ¦1, 2, 3, !¦. B
¦3, !, `, o, ¨¦ y U ¦1, 2, 3, !, `, o, ¨¦ Ahora sc ticnc
(A∩B
c
¦3, !¦
c
¦1, 2, `, o, ¨¦ ∅ ¦`, o, ¨¦∩¦1, 2¦ A
c
∩B
c
2 (A ∪ B
c
A
c
∪ B
c
Soluci´ on.
Lsta afirmaci on tam¦icn cs ta¦sa. ¦asta con tomar A ¦1, 2, 3, !¦.
B ¦3, !, `, o, ¨¦ y U ¦1, 2, 3, !, `, o, ¨¦ Ahora sc ticnc
(A ∪ B
c
∅ ¦1, 2, `, o, ¨¦ ¦`, o, ¨¦ ∪ ¦1, 2¦ A
c
∪ B
c
27
Ejercicio
Lcmostrar ¦a si.uicntc i.ua¦dad dc¦ producto cartcsiano
(A B ∩ (C D (A ∩ C (B ∩ D
Soluci´ on.
Lcmostramos ¦a inc¦usi on ⊆ sca (x, y ∈ (A B ∩ (C D.
ası ouc (x, y ∈ AB y (x, y ∈ C D. por ¦o tanto x ∈ A, y ∈ B y
x ∈ C, y ∈ D Ahora sc vc c¦aro ouc x ∈ A∩C y ouc y ∈ B∩D. por
¦o tanto (x, y ∈ (A ∩ C (B ∩ D y ¦a inc¦usi on cst a dcmostrada
Lcmostramos ahora ¦a inc¦usi on ⊇ sca (x, y ∈ (A∩C (B∩D.
ası ouc x ∈ A∩C c y ∈ B∩D. cs dccir x ∈ A, x ∈ C, y ∈ B, y ∈ D
Ahora sc vc c¦aro ouc (x, y ∈ A B y ouc (x, y ∈ C D. por ¦o
tanto (x, y ∈ (A B ∩ (C D
28
Ejercicio
Scan f A → B. g B → C y h C → D trcs ap¦icacioncs.
dcmostrar ouc sc cump¦cn ¦as si.uicntcs afirmacioncs
1 Si f y g son inycctivas cntonccs g ◦ f cs inycctiva
Soluci´ on.
Tcncmos ouc dcmostrar ouc tomados c¦cmcntos a, c ∈ A ta¦cs ouc
a c cntonccs g ◦ f(a g ◦ f(c lor scr a c y f inycctiva
tcncmos ouc f(a f(c Ahora ap¦icamos ¦a inycctividad dc g y
cntonccs g ◦ f(a g(f(a g(f(c g ◦ f(c Ası ouc g ◦ f
cs inycctiva
2 Si f y g son supraycctivas cntonccs g ◦ f cs supraycctiva
Soluci´ on.
Ln ctccto. dado c ∈ C. por ¦a supraycctividad dc g sa¦cmos ouc
cxistc b ∈ B ta¦ ouc g(b c Ahora ¦a supraycctividad dc f
imp¦ica ¦a cxistcncia dc un c¦cmcnto a ∈ A ta¦ ouc f(a b
lor ¦o tanto g(f(a g ◦ f(a c y csto dcmucstra ouc todo
c¦cmcnto dc C cs ima.cn dc a¦. un c¦cmcnto dc A. cs dccir g ◦ f cs
supraycctiva
3 Si f y g son ¦iycctivas cntonccs g ◦ f cs ¦iycctiva
29
Soluci´ on.
Ls consccucncia dc ¦a dcmostracion dc ¦os dos apartados antcrio-
rcs
! Si g ◦ f cs inycctiva cntonccs f cs inycctiva
Soluci´ on.
Si f no tucra inycctiva cxistirıan a, b ∈ A ta¦cs ouc a b y
f(a f(b lcro ahora tam¦icn tcndrıamos g(f(a g(f(b.
¦o ouc contradicc ¦a inycctividad dc g ◦ f Ası ouc f dc¦c scr
inycctiva
30
Ejercicio
Lcmucstra ouc si un con¡unto A ticnc n c¦cmcntos cntonccs c¦ n umc-
ro dc su¦con¡untos dc j c¦cmcntos ouc sc pucdcn tormar con ¦os c¦c-
mcntos dc A cs

n
j

Soluci´ on.
Ii¡amos n y haccmos ¦a dcmostraci on por inducci on cn j
lara j 0 c¦ unico su¦con¡unto con 0 c¦cmcntos cs c¦ con¡unto
vacıo. ası ouc tcncmos un unico su¦con¡unto lor otro ¦ado

n
0

1.
ası ouc ¦a propicdad sc vcrifica
Supon.amos ouc ¦a propicdad sc vcrifica para un n umcro j. cs dccir
“c¦ n umcro dc su¦con¡untos dc j c¦cmcntos ouc sc pucdcn tormar
con n c¦cmcntos cs

n
j


Lc csta hipotcsis dc induccion tcndrcmos ouc dcducir ouc ¦a propic-
dad sc vcrifica para j + 1. cs dccir
“c¦ n umcro dc su¦con¡untos dc j +1 c¦cmcntos ouc sc pucdcn tormar
con n c¦cmcntos cs

n
j+1


lara dcducir csto pcnsamos ouc ¦os su¦con¡untos dc j +1 c¦cmcntos
¦os pucdo tormar con ¦os su¦con¡untos dc j c¦cmcntos a˜ nadicndo¦cs ¦os
n−j c¦cmcntos ouc no cstan cn c¦ su¦con¡unto `o o¦stantc un mismo
31
su¦con¡unto construido ası. por c¡cmp¦o
S
1
¦a
1
, a
2
, . . . , a
j
¦
cstara contado j + 1 vcccs porouc sc pucdc construir a˜ nadicndo c¦
u¦timo c¦cmcnto cua¦ouicra dc ¦os dc¦ su¦con¡unto
Ası ouc c¦ n umcro dc su¦con¡untos dc j +1 c¦cmcntos ouc sc pucdcn
tormar con n c¦cmcntos cs

n
j

n −j
j + 1

n'(n −j
(n −j'j'(j + 1

n'
(n −j −1'(j + 1'

n
j + 1

y ¦a propicdad oucda dcmostrada
32
Ejercicio
Lcsarro¦¦a ¦os ¦inomios (a + b
3
. (a + b
4
y (a + b
5
.
Soluci´ on.
¹ti¦izarcmos c¦ trian.u¦o dc Tarta.¦ia
1
1 1
1 2 1
1 3 3 1
1 ! o ! 1
1 ` 10 10 ` 1
1 o 1` 20 1` o 1
1 ¨ 21 3` 3` 21 ¨ 1

33
lccordamos ouc cstc trian.u¦o nos da ¦os n umcros com¦inatorios

0
0

1
0

1
1

2
0

2
1

2
2

3
0

3
1

3
2

3
3

4
0

4
1

4
2

4
3

4
4

5
0

5
1

5
2

5
3

5
4

5
5

6
0

6
1

6
2

6
3

6
4

6
5

6
6

7
0

7
1

7
2

7
3

7
4

7
5

7
6

7
7

34
Con cstos datos podcmos ca¦cu¦ar ¦os ¦inomios so¦icitados
(a + b
3
a
3
+ 3a
2
b + 3ab
3
+ b
3
,
(a + b
4
a
4
+ !a
3
b + oa
2
b
2
+ !ab
3
+ b
4
,
(a + b
5
a
5
+ `a
4
b + 10a
3
b
2
+ 10a
2
b
3
+ `ab
4
+ b
5
.
35
REPASO DE PRIMITIVAS
8. Consideraciones generales
L¦ ca¦cu¦o dc primitivas cs c¦ proccso contrario a¦ dc dcrivaci on
Lada una tunci on rca¦ dc varia¦¦c rca¦ f (a, b → R. cntcndcmos
por primitiva dc f a una tunci on F (a, b → R dcriva¦¦c y ta¦ ouc
F
/
(c f(c para todo c ∈ (a, b
Observaci´ on. La primitiva de una funci´ on f (a, b → R no
es ´ unica.
Dos primitivas de una misma funci´ on f (a, b → R, F y
G difieren en una constante. La prueba de esta segunda par-
te de la observaci´ on consisten en ver que la funci´ on H(x
F(x −G(x es una funci´ on constante, lo cual se consigue de-
mostrando que la derivada de H es 0.
H
/
(x F
/
(x−G
/
(x f(x−g(x 0, luego H es constante.
8.1. Primitivas inmediatas
S o¦o sa¦icndo dcrivar podcmos conoccr ¦a primitiva dc una amp¦ia
varicdad dc tuncioncs. c¦ conocimicnto dc dichas primitivas (c¦cmcn-
36
ta¦cs ¡unto con a¦.unas tccnicas scr an suficicntcs para podcr ca¦cu¦ar
primitivas dc una amp¦ia varicdad dc tuncioncs
1

a
x
dx
a
x
log a
+ K, a > 0, a 1, I (−∞, +∞.
2

e
x
dx e
x
+ K, I (−∞, +∞
3

x
r
dx
x
r+1
r+1
+ K, r −1, I (0, +∞.
!

x
−1
dx ¦o. x + K, I (0, +∞,
`

scn x dx −cos x + K, I (−∞, +∞.
o

cos x dx scn x + K, I (−∞, +∞,
¨

1

1−x
2
dx arcscn x+K
π
2
−arc cos x+K, I (−1, +1,
S

1
1+x
2
dx arctan x + K, I (−∞, +∞,
9

(1 + tan
2
x dx

scc
−2
x dx tan x + K, I (−
π
2
,
π
2
,
10

coscc
2
x dx −cotan x + K, I (0, π,
A continuaci on sc rc¦acionan a¦.unas propicdadcs uti¦cs para ca¦cu¦ar
primitivas dc otras tuncioncs particndo dc ¦as antcriorcs
37
8.2. Utilizar la regla de la cadena para
las primitivas
Proposici´ on. Sean f y g funciones derivables definidas en el in-
tervalo (a, b. Entonces se verifica la f´ ormula:

f
/
(g(xg
/
(x dx f ◦ g(x + K.
Lsta proposici on pcrmitc amp¦iar ¦a rc¦aci on dc primitivas dadas
antcriormcntc Ln ctccto. para cua¦ouicr tunci on dcriva¦¦c f sc ticncn
¦as si.uicntcs primitivas
1

a
f(x)
f
/
(x dx
a
f(x)
log a
+ K, a > 0, a 1.
2

e
f(x)
f
/
(x dx e
f(x)
+ K,
3

f(x
r
f
/
(x dx
f(x)
r+1
r+1
+ K, r −1.
!

f(x
−1
f
/
(x dx ¦o. f(x + K,
`

scn f(xf
/
(x dx −cos f(x + K.
o

cos f(xf
/
(x dx scn f(x + K,
¨

1

1−f(x)
2
f
/
(x dx arcscn f(x + K
π
2
−arc cos f(x + K,
S

1
1+f(x)
2
f
/
(x dx arctan f(x + K,
9

(1 + tan
2
f(xf
/
(x dx

scc
−2
f(x dx tan f(x + K,
38
10

f
/
(x coscc
2
f(x dx −cotan f(x + K,
Ejemplo. La integral de la funci´ on tangente se encuentra en la
situaci´ on de la proposici´ on anterior. En efecto:

tan x dx −¦o. [cos x[ en todo intervalo tal que cos x 0.
39
8.3. Integraci´ on de sumas y por partes
Proposici´ on. Dadas funciones f, g (a, b →R y un n´ umero real
λ, se verifica:

(f(x + g(x dx

f(x dx +

g(x dx,

λf(x dx λ

f(x dx.
Ejemplo (Integraci´ on de polinomios).

(a
0
+a
1
x+a
2
x
2
+. . . a
p
x
p
dx a
0
x+a
1
x
2
2
+a
2
x
3
3
+. . . a
p
x
p+1
p + 1
+K.
Proposici´ on (Regla de derivaci´ on por partes). Dadas fun-
ciones f, g (a, b →R derivables, se verifica:

f(xg
/
(x dx f(xg(x −

f
/
(xg(x dx.
40
Ejemplo. hola

scn
2
x dx

scn x(−cos x
/
dx −scn xcos x+

(scn x
/
cos x dx
−scn xcos x +

cos
2
x dx,
de donde:

scn
2
x dx −scn xcos x +

(1 −scn
2
x dx.
Por lo tanto:
2

scn
2
x dx −scn xcos x + x y

scn
2
x dx −
scn xcos x
2
+
x
2
.
Ejercicio.
O¦tcncr una t ormu¦a dc rccurrcncia para ca¦cu¦ar ¦a primitiva

1
(1+x
2
)
r
dx.
41
Ejemplo. Calcula la primitiva I

e
−3x
scn (2xdx.
Procedemos por el m´etodo de integraci´ on por partes haciendo
u e
−3x
y dv scn (2xdx, as´ı que du −3e
−3x
dx y v

1
2
cos (2x.
I −
1
2
e
−3x
cos (2x −3
1
2

cos (2xe
−3x
dx.
Volvemos a hacer partes poniendo ahora u
1
e
−3x
y dv
1

cos (2xdx, as´ı que du
1
−3e
−3x
dx y v
1

1
2
scn (2x. Por lo tanto:
I −
1
2
e
−3x
cos (2x −3
1
2

cos (2xe
−3x
dx

1
2
e
−3x
cos (2x −
3
2

e
−3x
1
2
scn (2x + 3
1
2

e
−3x
scn (2xdx

⇒ I −
1
2
e
−3x
cos (2x −
3
!
e
−3x
scn (2x −
9
!
I

13
!
I −
1
2
e
−3x
cos (2x −
3
!
e
−3x
scn (2x
⇒ I −
2
13
e
−3x
cos (2x −
3
13
e
−3x
scn (2x.
42
Ejemplo. Calcula la primitiva I

x arctan xdx.
Procedemos por el m´etodo de integraci´ on por partes haciendo
u arctan x y dv xdx, as´ı que du
1
1+x
2
dx y v
x
2
2
.
I
x
2
2
arctan x −
1
2

x
2
1 + x
2
dx

x
2
arctan x
2

1
2

1 + x
2
1 + x
2

1
1 + x
2

dx

x
2
arctan x
2

1
2
x −
1
2
arctan x + K
43
9. Integraci´ on por cambio de variable
Supon.amos ouc oucrcmos cncontrar ¦a primitiva dc una tunci on
f (a, b → R.

f(x dx Ln cstc apartado sc trata dc vcr como
simp¦ificar dicho ca¦cu¦o a travcs dc un cam¦io dc varia¦¦c Supon.amos
ouc t(x dcnota una tunci on invcrti¦¦c y dcriva¦¦c y ca¦cu¦cmos su
dcrivada
dt
dx
t
/
(x. ouc formalmente podcmos cscri¦ir como dt
t
/
(x dx
A travcs dc unos ca¦cu¦os ¡ustificativos ouc c¦ a¦umno pucdc sc.uir
cn c¦ Li¦ro dc 1 A Icrnandcz \i˜ na (An a¦isis matcm atico. tomo 1.
p a.ina 2`! sc pucdc o¦tcncr ¦a i.ua¦dad

f(x dx

f(t
1
t
/
(x
dt,
dondc cn c¦ sc.undo micm¦ro dc ¦a i.ua¦dad una vcr hccha ¦a primitiva
hay ouc su¦stituir t por t(x
44
Ejemplo. Vamos a calcular mediante un cambio de variable la
primitiva

1

x(1+x)
dx, consideraremos el cambio t

x.
Efectuando el cambio, tendremos:

1

x(1 + x
dx

2t
t(1 + t
2

dt

2
(1 + t
2

dt 2 arctan t 2 arctan

x.
45
10. Primitivas de fracciones racionales
L¦ mctodo para ca¦cu¦ar primitivas dc traccioncs raciona¦cs sc ¦asa
cn ¦a dcscomposicion dc una tracci on raciona¦ cn traccioncs simp¦cs
lccordcmos ouc una fracci´ on racional cn ¦a varia¦¦c x no cs mas ouc
un cocicntc dc po¦inomios cn ¦a varia¦¦c x Ln cam¦io. una fracci´ on
racional simple o una fracci´ on simple cs una traccion raciona¦ dc una
dc ¦as dos tormas si.uicntcs
1 una tracci on raciona¦ cuyo numcrador cs una constantc y cuyo
dcnominador cs un po¦inomio dc .rado 1.
2 una tracci on raciona¦ cuyo numcrador cs un po¦inomio dc .rado 1
y cuyo dcnominador cs un po¦inomio dc .rado 2 sin raıccs rca¦cs
Teorema. Toda fracci´ on racional F(x
P(x)
Q(x)
se descompone co-
mo:
F(x r(x +
α
1
¸
k=1
A
k
(x −a
1

k
+ + +
αm
¸
k=1
A
k
(x −a
n

k
,
donde los a
i
son las ra´ıces de Q(x 0 y α
i
son las multiplicida-
des. Finalmente los A
i
son n´ umeros reales determinados y r(x un
polinomio.
46
Teorema. Toda fracci´ on racional F(x
P(x)
Q(x)
se descompone co-
mo:
F(x r(x +
α
1
¸
k=1
A
1
k
(x −a
1

k
+ + +
αm
¸
k=1
A
n
k
(x −a
n

k
+
β
1
¸
k=1
B
1
k
x + C
1
k
¦|x −(b
1
+ c
1
i||x −(b
1
−c
1
i|¦
k
+ +
β
l
¸
k=1
B
l
k
x + C
l
k
¦|x −(b
l
+ c
l
i||x −(b
l
−c
l
i|¦
k
,
donde los a
i
son las ra´ıces reales de Q(x 0 y α
i
son las mul-
tiplicidades de dichas ra´ıces, los b
j
+ c
j
i son las ra´ıces complejas
de Q(x 0 y β
j
son las multiplicidades de dichas ra´ıces. Final-
mente los A
i
, B
i
y C
i
son n´ umeros reales determinados y r(x un
polinomio.
Apoy andosc cn c¦ tcorcma antcrior sc pucdc dcducir un mctodo pa-
ra haccr primitivas dc traccioncs raciona¦cs L¦ mctodo consistir a cn
o¦tcncr ¦a dcscomposici on antcrior y ca¦cu¦ar primitivas sumando a
sumando
47
11. Primitivas de expresiones que con-
tienen
ax+b
cx+d
Sca F una traccion raciona¦ dc¦ tipo
F

x,

ax + b
cx + d

m
1
n
1
,

ax + b
cx + d

m
2
n
2
, . . . ,

ax + b
cx + d

m
k
n
k

,
dc torma ouc n cs c¦ mınimo com un m u¦tip¦o dc ¦os n umcros n
1
, n
2
, . . . , n
k

Lntonccs c¦ cam¦io dc varia¦¦c
t
n

ax + b
cx + d
,
transtorma ¦a primitiva

F dx cn ¦a primitiva dc una tracci on raciona¦
cn ¦a varia¦¦c t
Ejercicio.
lcso¦vcr ¦as primitivas
1

1

1

x+
3

x
dx.
2

1
(1+x)

1−x
dx.
3

1
(1+x)
2

1−x
1+x

1/2
dx.
1
Indicaci´ on: los cambios necesarios ser´an tomar t igual a
6

x,

1 −x y

1−x
1+x
.
48
12. Las funciones hiperb´ olicas
lccordamos ouc ¦as tuncioncs scno y coscno sc introduccn uti¦izando
¦a tunci on cxponcncia¦ comp¦c¡a dc ¦a torma ouc si.uc
cos x
e
ix
+ e
−ix
2
scn x
e
ix
−e
−ix
2
.
Si cn vcz dc considcrar ¦a cxponcncia¦ comp¦c¡a considcramos ¦a cx-
poncncia¦ rca¦ o¦tcndrcmos ¦as funciones coseno y seno hiperb´ olicos
dcfinidas concrctamcntc como si.ucn
Ch x
e
x
+ e
−x
2
Sh x
e
x
−e
−x
2
,
cs taci¦ vcr ouc am¦as tuncioncs son continuas y cst an dcfinidas so-
¦rc todo R Adcmas. ¦a tunci on coscno hipcr¦ o¦ico cs sicmprc mayor
ouc ccro ya ouc ¦a cxponcncia¦ sicmprc cs mayor ouc ccro lor ¦o tan-
to podcmos dividir ¦a tunci on scno hipcr¦ o¦ico por ¦a tunci on coscno
hipcr¦ o¦ico y o¦tcncmos ¦a tunci on tan.cntc hipcr¦ o¦ica. continua y
dcfinida so¦rc todo R
Th x
Sh x
Ch x
.
A partir dc cstas dcfinicioncs sc pucdcn o¦tcncr sin dificu¦tad ¦as
propicdadcs ¦ asicas dc ¦as tuncioncs hipcr¦ o¦icas. propicdadcs an a¦o.as
(ouc no i.ua¦cs a ¦as dc ¦as tuncioncs tri.onomctricas
49
Teorema.
Ch (−x Ch x cos (−x cos x
Sh (−x −Sh x scn (−x −scn x
Th (−x −Th (x tan(−x −tan x
Ch
2
x −Sh
2
x 1 cos
2
x + scn
2
x 1
1 −Th
2
x
1
Ch
2
1 + tan
2
x
1
cos
2
x
Ch (x + y Ch xCh y + Sh xSh y cos (x + y cos xcos y −scn xscn y
Ch (2x Ch
2
x + Sh
2
x cos (2x cos
2
x −scn
2
x
Ch (x −y Ch xCh y −Sh xSh y cos (x −y cos xcos y + scn xscn y
Sh (x + y Sh xCh y + Ch xSh y scn (x + y scn xcos y + cos xscn y
Sh (2x 2Sh xCh x scn (2x 2scn xcos x
Sh (x −y Sh xCh y −Ch xSh y scn (x −y scn xcos y −cos xscn y
Th (x + y
Th x + Th y
1 + Th xTh y
tan(x −y
tan x −tan y
1 + tan x tan y
Th (x −y
Th x −Th y
1 −Th xTh y
tan(x + y
tan x + tan y
1 −tan x tan y
Adcmas dc cstas propicdadcs ouc dcpcndcn unicamcntc dc ¦a dc-
finici on dc ¦as tuncioncs hipcr¦ o¦icas. por ¦a propia dcfinici on cstas
tuncioncs son dcriva¦¦cs. vinicndo rcco.idas sus propicdadcs cn ¦o ouc
si.uc
50
Sh
/
x

e
x
−e
−x
2

/

e
x
+ e
−x
2
Ch x,
Ch
/
x

e
x
+ e
−x
2

/

e
x
−e
−x
2
Sh x,
Th
/
x

Sh x
Ch x

/

Ch xCh x −Sh xSh x
Ch
2
x

1
Ch
2
x
.
(1
lcsumicndo
Sh
/
x Ch x, Ch
/
x Sh x, Th
/
x
1
Ch
2
x
.
Ahora ouc conoccmos ¦as dcrivadas dc ¦as tuncioncs hipcr¦ o¦icas sc
pucdc vcr taci¦mcntc ouc Sh
/
x y Th
/
x son n umcros rca¦cs cstrictamcntc
mayorcs ouc ccro. ¦uc.o am¦as tuncioncs son cstrictamcntc crccicntcs
y por ¦o tanto ap¦icacioncs inycctivas Lstudiando ¦os ¦ımitcs cuando
x ticndc a ±∞ conoccrcmos cntrc ouc intcrva¦os am¦as tuncioncs son
¦iycctivas
Observaci´ on.
¦ım
x→+∞
Sh x +∞, ¦ım
x→−∞
Sh x −∞,
¦ım
x→+∞
Th x 1, ¦ım
x→−∞
Th x −1.
51
Figura 1: Funci´ on seno hiperb´ olico
Teorema. Las funciones:
Sh R −→ R
x → Sh x
y
Th R −→ (−1, 1
x → Th x
son biyectivas.
Sin cm¦ar.o. ¦a tunci on coscno hipcr¦ o¦ico no cs una ap¦icaci on ¦i-
ycctiva cuando ¦a considcramos dcfinida so¦rc todo R. cs mas. mcdiantc
c¦ uso dc ¦as dcrivadas dc ¦a tunci on Ch sc pucdc vcr ouc dicha tunci on
ticnc un mınimo cn x 0
12.1. Los argumentos hiperb´ olicos de
las funciones hiperb´ olicas
Lcmos visto ya ouc ¦as tuncioncs scno y tan.cntc hipcr¦ o¦icas son in-
vcrti¦¦cs. con ¦o cua¦ nos podcmos p¦antcar ¦a ¦ usoucda dc sus tuncioncs
52
Figura 2: Funci´ on coseno hiperb´ olico
Figura 3: Funci´ on tangente hiperb´ olica
invcrsas. cstas tuncioncs sc ¦¦amar an argumento del seno hiperb´ olico
y argumento de la tangente hiperb´ olica
Aunouc ¦a tunci on coscno hipcr¦ o¦ico no sca una ¦iyccci on. si ¦a con-
sidcramos dcfinida s o¦o so¦rc ¦a scmirrccta positiva o nc.ativa. sı ouc
cs un ¦iycccion y ticnc scntido ¦uscar c¦ argumento del coseno hi-
perb´ olico
Ar.umcnto dc¦ scno hipcr¦o¦ico
53
larticndo dc ¦a i.ua¦dad y Sh x. cncontrar c¦ ar.umcnto dc¦ scno
hipcr¦ o¦ico sc trata dc dcspc¡ar x cn tunci on dc y lara c¦¦o sc.uimos
¦os si.uicntcs pasos
Sh x y ⇒
e
x
−e
−x
2
y ⇒ e
x
−e
−x
2y.
Ahora haccmos c¦ cam¦io dc varia¦¦c z e
x
. dc dondc
1
z
e
−x

Sh x e
x
−e
−x
2y ⇒ z −
1
z
2y ⇒ z
2
−2yz −1 0 (2
⇒ z
2y ±

!y
2
+ !
2
y ±

1 + y
2
.
Ahora hay ouc o¦scrvar ouc c¦ si.no mcnos antcrior no ticnc scntido
ya ouc para c¦. z scrıa nc.ativo. sin cm¦ar.o z dc¦c scr positivo por
scr i.ua¦ a e
x
Lntonccs
Ar.Sh y ¦o.(y +

y
2
+ 1.
Ar.umcnto dc¦ coscno hipcr¦o¦ico
larticndo ahora dc ¦a i.ua¦dad y Ch x. cncontrar c¦ ar.umcnto
dc¦ coscno hipcr¦ o¦ico sc trata dc dcspc¡ar x cn tunci on dc y lara c¦¦o
proccdcmos como antcs
Ch x y ⇒
e
x
+ e
−x
2
y ⇒ e
x
+ e
−x
2y.
54
Ahora haccmos c¦ cam¦io dc varia¦¦c z e
x
. dc dondc
1
z
e
−x

Ch x e
x
+ e
−x
2y ⇒ z +
1
z
2y ⇒ z
2
−2yz + 1 0 (3
⇒ z
2y ±

!y
2
−!
2
y ±

y
2
−1.
Ln cstc caso c¦ si.no mcnos sı ticnc scntido porouc no hacc ouc z
sca nc.ativo Lntonccs
Ar.Ch y ¦o.(y ±

y
2
−1.
Ar.umcnto dc ¦a tan.cntc hipcr¦ o¦ica
O¦scrvcmos para cmpczar ouc ¦a tan.cntc hipcr¦ o¦ica s o¦o cstar a dc-
finida cn c¦ intcrva¦o (−1, 1. ya ouc ¦a tan.cntc hipcr¦ o¦ica s o¦o toma
va¦orcs cn dicho intcrva¦o lartimos dc ¦a i.ua¦dad y Th x y haccmos
cn ¦os ca¦cu¦o ouc si.ucn c¦ cam¦io dc varia¦¦c z e
x

Th x y ⇒
e
x
−e
−x
e
x
+ e
−x
y ⇒ z −
1
z
(z +
1
z
y ⇒
z
2
−1
z

z
2
+ 1
z
y
⇒ (y −1z
2
−1 −y ⇒ z
2

1 + y
1 −y
⇒ x ¦o.

1 + y
1 −y
.
lor ¦o tanto
Ar.Th y ¦o.

1 + y
1 −y
.
55
12.2. Las derivadas de las funciones hi-
perb´olicas y sus an´alogas trigo-
nom´etricas
Sh
/
x Ch x, scn
/
x cos x
Ch
/
x Sh x, cos
/
x −scn x
Th
/
x
1
Ch
2
x
, tan
/
x
1
cos
2
Ar.Sh
/
x
1

1 + x
2
, arcscn
/
x
1
±

1 −x
2
Ar.Ch
/
x
1
±

x
2
−1
, arc cos
/
x
1
±

1 −x
2
Ar.Th
/
x
1
1 −x
2
, arctan
/
x
1
1 + x
2
(!
13. Primitivas de expresiones que con-
tienen cos x y scn x
Ln csta scccion vamos a ana¦izar c omo o¦tcncr primitivas dc¦ csti¦o

f(cos x, scn x dx. dondc f cs una traccion raciona¦ y c¦ intcrva¦o
dondc oucrcmos ca¦cu¦ar ¦a primitiva scr a (−π, π
56
13.1. El cambio de variable x 2 arctan t
L¦ cam¦io dc varia¦¦c x 2 arctan t. cs dccir. t tan
x
2
. ponc cn
corrcspondcncia c¦ intcrva¦o (−π, π con toda ¦a rccta rca¦ A¦ rca¦izar
cstc cam¦io scra dc uti¦idad tcncr cn cucnta ¦as rc¦acioncs tri.onomctri-
cas usua¦cs ouc dan ¦as si.uicntcs i.ua¦dadcs
cos x
1 −t
2
1 + t
2
, scn x
2t
1 + t
2
.
(`
A¦ rca¦izar cstc cam¦io dc varia¦¦c y tcncr cn cucnta ¦as rc¦acio-
ncs antcriorcs convcrtircmos ¦a primitiva inicia¦ cn ¦a dc una tracci on
raciona¦ cn ¦a varia¦¦c t

f(
1 −t
2
1 + t
2
,
2t
1 + t
2

2
1 + t
2
dt.
Aunouc cstc cam¦io nos asc.ura c¦ cxito cn ¦a rcso¦uci on dc primi-
tivas. otros pucdcn con¦¦cvar una rcso¦uci on m as simp¦c \camos¦o
13.2. El cambio t scn x
Si ¦a tracci on raciona¦ f(scn x, cos x cs dc¦ csti¦o f
1
(scn xcos x cn-
tonccs c¦ cam¦io dc varia¦¦c t scn x nos ¦¦cva a una rcso¦uci on m as
scnci¦¦a Convicnc notar ouc cstarcmos antc cstc caso cuando a¦ dividir
57
f(scn x, cos x por cos x nos oucdan s o¦o potcncias parcs dc cos x. pucs
¦asta poncr cos
2
x 1 −scn
2
x
13.3. El cambio t cos x
Si ¦a tracci on raciona¦ f(scn x, cos x cs dc¦ csti¦o f
1
(cos xscn x cn-
tonccs c¦ cam¦io dc varia¦¦c t cos x nos ¦¦cva a una rcso¦uci on m as
scnci¦¦a ouc uti¦izando c¦ primcr cam¦io dc ¦a tan.cntc dc¦ an.u¦o mi-
tad Convicnc notar ouc cstarcmos antc cstc caso cuando a¦ dividir
f(scn x, cos x por scn x nos oucdan s o¦o potcncias parcs dc scn x. pucs
¦asta poncr scn
2
x 1 −cos
2
x
13.4. El cambio t tan x
Ln c¦ caso cn c¦ ouc ¦a traccion raciona¦ f(scn x, cos x sca dc¦ cs-
ti¦o f
1
(tan x cntonccs sc hacc c¦ cam¦io tan x t y ¦a primitiva

f
1
(tan x dx oucda como

f
1
(tan x
1 + tan
2
x
(1 + tan
2
x dx

f
1
(t
1 + t
2
dt.
Lstarcmos cn cstc caso si a¦ sustituir scn x por cos x tan x cn ¦a
cxprcsion f(scn x, cos x nos oucdan s o¦o coscnos c¦cvados a cxponcntcs
parcs. pucs ¦asta poncr cntonccs cos
2
x
1
1+tan
2
x

58
13.5. Casos particulares
¹n caso intcrcsantc dc ¦as primitivas dc tuncioncs tri.onomctricas
son ¦as dc ¦a torma

cos
n
xscn
m
x dx,
dondc ¦os cxponcntcs m y n son natura¦cs ¹ti¦izando ¦as t ormu¦as
dc tri.onomctrıa pucdc cxprcsarsc cos
n
x como una suma cn ¦a ouc
intcrvicncn coscnos m u¦tip¦os dc x. y scn
m
x como una suma cn ¦a ouc
intcrvicncn coscnos y scnos m u¦tip¦os dc x A¦ ctcctuar ¦a mu¦tip¦icaci on
dc dichas sumas aparcccran productos dc ¦a torma scn (αxcos (βx y
productos dc ¦a torma cos (αxscn (βx lara ca¦cu¦ar ¦as intc.ra¦cs dc
cstos productos sc dcscomponcn cn sumas uti¦izando ¦as t ormu¦as
2scn (αxcos (βx scn |(α + βx| + scn |(α −βx| (o
2cos (αxcos (βx cos |(α + βx| + cos |(α −βx| (¨
lor otro ¦ado. otra situaci on intcrcsantc cs aouc¦¦a cn ¦a ouc disponc-
mos dc una traccion raciona¦ cn ¦as varia¦¦cs cos (r
1
x, cos (r
2
x, . . . , cos (r
n
x.
scn (s
1
x, scn (s
2
x, . . . , scn (s
m
x. sicndo ¦os n umcros r
1
, r
2
, . . . , r
n
,
s
1
, s
2
, . . . , s
m
son raciona¦cs Tomcmos c¦ mınimo com un m u¦tip¦o dc
¦os dcnominadorcs dc dichos n umcros. p. y ha.amos c¦ cam¦io x pt
Con ¦o ouc o¦tcndrcmos una primitiva dondc intcrvicncn coscnos y
59
scnos m u¦tip¦os cntcros dc t Iina¦mcntc. cada una dc ¦as tuncioncs
antcriorcs sc pucdc cxprcsar como un po¦inomio dc cos t y scn t. con ¦o
ouc hcmos pasado a¦ primcr caso dc cstc apartado
Ejercicio.
lcsuc¦vc
1

1
5+4cos x
dx usando c¦ cam¦io tan(x/2 t.
2

1+cos
2
x
cosx(1+sen
2
x)
dx usando c¦ cam¦io scn x t.
3

sen
2
x
1+cos
2
x
dx usando c¦ cam¦io tan x t
14. Primitivas de expresiones que con-
tienen

ax
2
+ 2bx + c
Ln csta scccion sc cstudian ¦as primitivas dc¦ csti¦o

f(x,

ax
2
+ 2bx + c dx.
dondc f cs una traccion raciona¦ y a. b y c son n umcros rca¦cs con a 0
Ln cstas primitivas sicmprc hay ouc tcncr cn cucnta ¦a idcntidad
ax
2
+ bx + c a

x +
b
a

2
+
ac −b
2
a
,
¦o cua¦ su.icrc haccr c¦ cam¦io dc varia¦¦c t x+b/a transtorm andosc
¦a primitiva dc partida cn

f(t −b/a,

at
2
+ d dt.
60
Ln c¦ caso ouc d sca ccro. a dc¦c scr positivo y ¦a primitiva toma ¦a
torma

f(t − b/a,

at dt. ouc no p¦antca dificu¦tadcs lor ¦o tanto
considcrarcmos ouc cstamos cn c¦ caso d 0 y vcrcmos ¦a torma dc
proccdcr distin.uicndo trcs casos
1 d < 0 y a > 0 Ln cstc caso haccmos c¦ cam¦io dc varia¦¦c

a
−d
t
u y o¦tcncmos ¦a nucva primitiva

f(

−d
a
u −
b
a
,

−d

u
2
−1 du

f
1
(u,

u
2
−1 du,
dondc f
1
cs una traccion raciona¦ Lsta u¦tima intc.ra¦ sc rcsuc¦vc
t aci¦mcntc hacicndo c¦ cam¦io u Ch v
2 d > 0 y a > 0 Ln cstc caso haccmos c¦ cam¦io dc varia¦¦c

−a
d
t
u y o¦tcncmos ¦a nucva primitiva

f(

d
−a
u −
b
a
,

d

1 −u
2
du

f
2
(u,

1 −u
2
du,
dondc f
2
cs una traccion raciona¦ Lsta u¦tima intc.ra¦ sc rcsuc¦vc
t aci¦mcntc hacicndo c¦ cam¦io u scn v
3 d > 0 y a > 0 Ln cstc u¦timo caso sc hacc c¦ cam¦io

a
d
t u y
o¦tcncmos ¦a nucva primitiva

f(

d
a
u −
b
a
,

d

u
2
+ 1 du

f
1
(u,

u
2
+ 1 du,
dondc f
1
cs una traccion raciona¦ Lsta u¦tima intc.ra¦ sc rcsuc¦vc
t aci¦mcntc hacicndo c¦ cam¦io u Sh v
61
Tcma 2 `atriccs y dctcrminantcs
Ga¦ric¦ So¦cr L opcz
2o dc scpticm¦rc dc 200o
1. Definici´ on de matriz. Tipos de ma-
trices
Definici´ on (Matriz).
¹na matriz dc tama˜ no mn so¦rc c¦ cucrpo K cs una co¦cccion dc
mn c¦cmcntos dc K ordcnados cn una ta¦¦a dc m fi¦as y n co¦umnas
dc ¦a torma









a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn









,
con a
i,j
∈ K para todo (i, j ∈ ¦1, . . . , m¦ ¦1, . . . , n¦
Notaci´ on.
A¦ con¡unto dc todas ¦as matriccs dc tama˜ no mn so¦rc c¦ cucrpo
K sc ¦c dcnota por M
mn
(K
62
Lcnotarcmos a ¦as matriccs con ¦ctras may uscu¦as A, B, C, . . .
Los c¦cmcntos dc ¦as matriccs sc dcnotaran con min uscu¦as a, b, c, . . .
Si dcnotamos a una matriz por ¦a ¦ctra A. cntonccs c¦ c¦cmcnto
dc dicha matriz ouc csta cn ¦a fi¦a i y co¦umna j sc ¦c dcnota
.cncricamcntc por a
i,j
. ası ouc A (a
i,j

(i,j)∈¦1,...,m¦¦1,...,n¦

63
Tipos de matrices y m´as notaci´ on.
1 A (a
i,j

(i,j)∈¦1,...,m¦¦1,...,n¦
cs cuadrada si c¦ n umcro dc sus fi¦as
cs i.ua¦ a¦ dc co¦umnas. cs dccir. si m n
2 A (a
i,j

(i,j)∈¦1,...,m¦¦1,...,n¦
cs una matriz fila si m 1
3 A (a
i,j

(i,j)∈¦1,...,m¦¦1,...,n¦
cs una matriz columna si n 1
! Los c¦cmcntos dc ¦a diagonal dc A son ¦a
ii
¦
i∈¦1,...,m´ın(m,n)¦

` S i A ticnc todos ¦os c¦cmcntos por cncima (rcspcctivamcntc por
dc¦a¡o dc ¦a dia.ona¦ i.ua¦ a 0 sc dicc ouc Acs triangular inferior
(rcsp triangular superior. cs dccir. si a
i,j
0 para todo j > i
(rcsp a
i,j
0 para todo j < i
o ¹na matriz cs diagonal si y so¦o si a
i,j
0 para todo i j
¨ Los matriccs Ay B son iguales si y so¦o si ticncn c¦ mismo tama˜ no.
por c¡cmp¦o m n. y adcm as para todo (i, j ∈ ¦1, . . . , m¦
¦1, . . . n¦ sc ticnc ouc a
i,j
b
i,j

64
2. Operaciones con matrices
2.1. Traspuesta de una matriz
Dada una matriz A (a
i,j

(i,j)∈¦1,...,m¦¦1,...,n¦
∈ M
mn
(K. dcfini-
mos ¦a matriz traspuesta de A como
A
t










a
11
a
21
a
m1
a
12
a
22
a
m2

a
1n
a
2n
a
mn









,
cs dccir. cs ¦a matriz ouc sc o¦ticnc a¦ poncr ¦as fi¦as dc A como co-
¦umnas y ¦as co¦umnas como fi¦as
Definici´ on (matrices sim´etricas y antisim´etricas).
A cs sim´etrica si y so¦o si A A
t
A cs antisim´etrica cuando A −A
t
Ejercicio.
Compro¦ar ouc (A
t

t
A
65
2.2. Suma de matrices
Dcntro dc¦ con¡unto dc matriccs M
mn
(K dcfinimos ¦a ¦cy dc opc-
raci on intcrna suma
+ M
mn
(K M
mn
(K −→ M
mn
(K
(A, B → C A + B,
dc torma ouc c
ij
a
ij
+b
ij
para todo (i, j ∈ ¦1, . . . m¦¦1, . . . , n¦
Proposici´ on.
(M
mn
(K, + cs un .rupo a¦c¦iano
(A + B
t
A
t
+ B
t

66
2.3. Producto de matrices
M
mn
(K M
nh
(K −→ M
mh
(K
(A, B → C A B AB,
c
ij

n
¸
l=1
a
il
b
lj
para todo (i, j ∈ ¦1, . . . m¦ ¦1, . . . , h¦
Proposici´ on
Ladas A ∈ M
mn
(K. B, C ∈ M
nh
(K y D ∈ M
hp
(K. sc ticnc
1 (ABD A(BD
2 A(B + C AB + AC
3 (AB
t
B
t
A
t

! AI
n
A I
m
A. dondc. para cada k ∈ N. I
k
cs ¦a matriz dc
tama˜ no k k ouc ticnc unos cn su dia.ona¦ y ccros tucra dc c¦¦a
` Cuando c¦ tama˜ no dc ¦as matriccs pcrmitc haccr c¦ producto BA.
cn .cncra¦ sc ticnc ouc AB BA
Definici´ on (matriz invertible).
¹na matriz A ∈ M
mm
(K cs invertible si cxistc B ∈ M
mm
(K
ta¦ ouc AB BA I
m

67
La matriz B sc dicc ouc cs ¦a inversa dc A y sc dcnota B A
−1

68
2.4. Producto de matrices por escala-
res
Dado c¦ cucrpo K y c¦ con¡unto dc matriccs M
mn
(K. sc dcfinc ¦a
si.uicntc ¦cy
KM
mn
(K −→ M
mn
(K
(α, A → B α A αA
dondc b
ij
αa
ij
para todo (i, j ∈ ¦1, . . . , m¦ ¦1, . . . n¦
Proposici´ on
Si α, β ∈ K. A, B ∈ M
mn
(K y C ∈ M
nh
(K. cntonccs
1 α(A + B αA + αB
2 (α + βA αA + βA
3 (αA
t
αA
t

! (αβA α(βA
` α(AC (αAC
69
3. Rango de una matriz
A cada matriz A ∈ M
mn
(K ¦c vamos a asociar un n umcro natu-
ra¦ pcrtcnccicntc a¦ con¡unto ¦0, 1, 2, . . . , mın(m, n¦ Ls dccir. ¦o ouc
vamos a haccr cs dcfinir una ap¦icaci on
r. M
mn
(K −→ ¦0, 1, 2, . . . , mın(m, n¦
A → r. A.
3.1. Transformaciones elementales por
filas
Dada una matriz A ∈ M
mn
(K. podcmos dcfinir so¦rc c¦¦a trcs
tipos dc transtormacioncs c¦cmcnta¦cs por fi¦as
1 Intercambiar la fila i con la fila j:


















a
11
a
12
a
1n

a
i1
a
i2
a
in

a
j1
a
j2
a
jn

a
m1
a
m2
a
mn


















F
ij
−→


















a
11
a
12
a
1n

a
j1
a
j2
a
jn

a
i1
a
i2
a
in

a
m1
a
m2
a
mn


















.
70
2 Multiplicar la fila i por un escalar α 0:












a
11
a
12
a
1n

a
i1
a
i2
a
in

a
m1
a
m2
a
mn












F
i

−→












a
11
a
12
a
1n

αa
i1
αa
i2
αa
in

a
m1
a
m2
a
mn












.
3 Sumar a la fila j la fila i multiplicada por un escalar α:
71


















a
11
a
12
a
1n

a
i1
a
i2
a
in

a
j1
a
j2
a
jn

a
m1
a
m2
a
mn


















F
i
j

−→


















a
11
a
12
a
1n

a
i1
a
i2
a
in

a
j1
+ αa
i1
a
j2
+ αa
i2
a
jn
+ αa
jn

a
m1
a
m2
a
mn


















.
72
3.2. Transformaciones elementales por
columnas
Son an a¦o.as a ¦as ouc hcmos introducido por fi¦as. dada una ma-
triz A ∈ M
mn
(K. dcfinimos trcs transtormacioncs c¦cmcnta¦cs por
co¦umnas
1 Intercambiar la columna i con la columna j:






a
11
a
1i
a
1j
a
1n

a
m1
a
mi
a
mj
a
mn






C
ij
−→






a
11
a
1j
a
1i
a
1n

a
m1
a
mj
a
mi
a
mn






.
2 Multiplicar la columna i por un escalar α 0:
73






a
11
a
1i
a
1n

a
m1
a
mi
a
mn






C
i

−→






a
11
αa
1i
a
1n

a
m1
αa
mi
a
mn






.
3 Sumar a la columna j la columna i multiplicada por un escalar
α:






a
11
a
1i
a
1j
a
1n

a
m1
a
mi
a
mj
a
mn






C
i
j

−→






a
11
a
1i
a
1j
+ αa
1i
a
1n

a
m1
a
mi
a
mj
+ αa
mi
a
mn






.
74
3.3. Matrices equivalentes
Definici´ on (matrices equivalentes).
Lircmos ouc dos matriccs A, B ∈ M
mn
(K son equivalentes si B
sc pucdc o¦tcncr a partir dc A hacicndo so¦rc c¦¦a un n umcro finito dc
opcracioncs c¦cmcnta¦cs
Teorema
Lada una matriz no nu¦a A ∈ M
mn
(K. mcdiantc una scric dc
transtormacioncs c¦cmcnta¦cs por fi¦as y co¦umnas sc pucdc ¦¦c.ar a
una matriz ( unica dc ¦a torma


I
r
0
r(n−r)
0
(m−r)r
0
(m−r)(n−r)


Definici´ on (rango).
Lada una matriz A ∈ M
mn
(K. si A 0
mn
dcfinimos r. A 0.
cn otro caso dircmos ouc r. A r si y so¦o si A cs couiva¦cntc a


I
r
0
r(n−r)
0
(m−r)r
0
(m−r)(n−r)


75
Proposici´ on
Lada una matriz no nu¦a A ∈ M
mn
(K. A cs couiva¦cntc a


N
r
P
r(n−r)
0
(m−r)r
0
(m−r)(n−r)


,
dondc N
r
cs una matriz trian.u¦ar supcrior con todos ¦os c¦cmcntos dc
¦a dia.ona¦ no nu¦os y P
r(n−r)
cs una matriz cua¦ouicra Ln cstc caso
r. A r.
Definici´ on (Matriz de rango completo).
A ∈ M
mn
(K cs dc rango completo si y so¦o si r. A mın¦m, n¦
Proposici´ on
Lada A ∈ M
mn
(K y B ∈ M
nh
(K. sc ticnc
1 r. A r. A
t
.
2 r. (A + B r. A + r. B cn .cncra¦
3 Si A ∈ M
mm
(K cntonccs A cs invcrti¦¦c si y so¦o si A cs dc
ran.o comp¦cto (cs dccir. ticnc ran.o m
! Los matriccs. A, B ∈ M
mn
(K. son couiva¦cntcs si y s o¦o cxistcn
matriccs invcrti¦¦cs P ∈ M
mm
(K y Q ∈ M
nn
(K ta¦cs ouc
B PAQ
76
Ejercicio
Ca¦cu¦a c¦ ran.o dc ¦as matriccs
1






1 2 3
2 ! 1
3 1 !






∈ M
33
(R
2






1 2 3
2 ! 1
3 1 !






∈ M
33
(Q
3






1 2 3
2 ! 1
3 1 !






∈ M
33
(Z
5

77
4. Matrices Cuadradas
Definici´ on (matriz inversa).
Lada una matriz cuadrada A ∈ M
m
(K. dircmos ouc cs invertible
si cxistc una matriz B ta¦ ouc AB BA I
m

A ¦a matriz B sc ¦c ¦¦ama inversa de A y sc ¦c dcnota por B
−1

Proposici´ on
Si A ∈ M
m
(K y A cs invcrti¦¦c cntonccs A cs una matriz dc ran.o
comp¦cto
78
4.1. C´alculo de la inversa de una ma-
triz utilizando transformaciones ele-
mentales por filas
L¦ mctodo consistc cn transtormar con opcracioncs c¦cmcnta¦cs so¦o
por fi¦as hasta o¦tcncr ¦a matriz idcntidad
Lsas mismas opcracioncs sc ¦c ap¦ican a ¦a matriz idcntidad y ¦a
matriz ouc sc o¦ticnc cs ¦a invcrsa dcscada
Ejercicio
¹sando cstc mctodo compruc¦a ouc ¦a invcrsa dc
A






1 −1 1
−2 1 0
1 1 2






cs
A
−1

1
`






−2 −3 1
−! −1 2
3 2 1






79
Soluci´ on






1 −1 1 [ 1 0 0
−2 1 0 [ 0 1 0
1 1 2 [ 0 0 1






F
1
2
(2
F
1
3
(−1







1 −1 1 [ 1 0 0
0 −1 2 [ 2 1 0
0 2 1 [ −1 0 1






F
2
3
(2







1 −1 1 [ 1 0 0
0 −1 2 [ 2 1 0
0 0 ` [ 3 2 1






F
3
(2
F
2
(`
F
1
(10







10 −10 10 [ 10 0 0
0 −` 10 [ 10 ` 0
0 0 10 [ o ! 2






F
3
1
(−10
F
3
2
(−10







10 −10 0 [ ! −! −2
0 −` 0 [ ! 1 −2
0 0 10 [ o ! 2






F
2
1
(−2







10 0 0 [ −! −o 2
0 −` 0 [ ! 1 −2
0 0 10 [ o ! 2






F
1
(
1
10

F
2
(
−1
5

F
3
(
1
10








1 0 0 [ −2/` −3/` 1/`
0 1 0 [ −!/` −1/` 2/`
0 0 1 [ 3/` 2/` 1/`






80
Ası ouc ¦a invcrsa dc ¦a matriz A cs ¦a matriz
1
`






−2 −3 1
−! −1 2
3 2 1






81
4.2. Determinantes
Notaci´ on.
Lada B ∈ M
mn
(K. dcnotarcmos por M
B
ij
(o simp¦cmcntc. si no
hay contusi on por M
ij
a ¦a matriz dc tama˜ no (m−1 (n −1 ouc
sc o¦ticnc c¦iminando dc B ¦a fi¦a i y ¦a co¦umna j
Definici´ on (Determinante).
Lada una matriz A ∈ M
m
(K ¦c vamos a asociar un csca¦ar dc Kouc
¦¦amarcmos determinante de la matriz ouc dcfinimos por inducci on
so¦rc m
1 Si A ticnc tama˜ no 11. cs dccir A (a. cntonccs dct A [A[
a
2 Si ahora A cs dc tama˜ no m m y suponcmos dcfinido c¦ dctcr-
minantc para todas ¦as matriccs dc tama˜ no (m − 1 (m − 1

ij
dct M
A
ij
. cntonccs dct A [A[
¸
m
j=1
a
ij
(−1
i+j
Δ
ij
Observaci´ on
L¦ dctcrminantc dc ¦a matriz A cs indcpcndicntc dc ¦a fi¦a i ouc
c¦i¡amos para ca¦cu¦ar¦o
82
Propiedades
1

a
11
a
12
a
21
a
22

a
11
a
22
−a
12
a
21
2

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

(a
11
a
22
a
33
+a
12
a
31
a
23
+a
13
a
21
a
32
−(a
11
a
23
a
32
+
a
12
a
21
a
33
+ a
13
a
31
a
22

83
Proposici´ on
Ladas A, B ∈ M
mm
(K. sc ticnc
1 dct F
i
(α(A αdct Ay dct C
i
(α(A αdct A. cs dccir. c¦ va¦or
dc¦ dctcrminantc dc A oucda mu¦tip¦icado por α si mu¦tip¦icamos
una dc sus fi¦as o co¦umnas por α
2 dct F
ij
(A −dct A y dct C
ij
(A −dct A. cs dccir. si intcr-
cam¦iamos dos fi¦as o co¦umnas cntrc sı. c¦ dctcrminantc cam¦ia
dc si.no
3 dct F
j
i
(α(A dct A y dct C
j
i
(α(A dct A. cs dccir. si suma-
mos a una fi¦a (rcsp co¦umna otra mu¦tip¦icada por un c¦cmcnto
α ∈ K. c¦ dctcrminantc no cam¦ia dc va¦or
! Si una fi¦a o co¦umna dc A cs com¦inacion ¦inca¦ dc ¦as dcm as.
cntonccs [A[ 0
` dct A dct A
t

84
o

a
11
a
12
. . . a
1m

c
1
+ d
1
c
2
+ d
2
. . . c
m
+ d
m

a
m1
a
m2
. . . a
mm

a
11
a
12
. . . a
1m

c
1
c
2
. . . c
m

a
m1
a
m2
. . . a
mm

+

a
11
a
12
. . . a
1m

d
1
d
2
. . . d
m

a
m1
a
m2
. . . a
mm

Proposici´ on
Ladas A, B ∈ M
mm
(K sc ticnc
1 dct(AB dct Adct B
2 ¹na matriz cs invcrti¦¦c si y s o¦o si [A[ 0. cn dicho caso [A
−1
[
1
[A[

85
4.3. Inversa de una matriz II
Ii¡amos una matriz invcrti¦¦c A
Definici´ on (Adjunto de orden i, j de A).
L¦ ad¡unto dc ordcn i, j dc A cs c¦ csca¦ar A
ij
(−1
i+j
Δ
ij

Definici´ on (matriz adjunta de A).
La matriz adjunta de A scra ¦a matriz dc tama˜ no m m ouc
ticnc cn ¦a posici on i, j a¦ ad¡unto dc ordcn i, j. a csta matriz sc ¦c
dcnotar a por Ad¡ A
Ln ¦a sccci on antcrior sc ha visto ouc si una matriz A cs invcrti¦¦c
cntonccs su dctcrminantc cs no nu¦o Adcmas sc vcrifica
A
−1
[A[
−1
(Ad¡ A
t
.
86
Demostraci´ on
lro¦arcmos ouc
A[A[
−1
(Ad¡ A
t
I
A[A[
−1
(Ad¡ A
t
[A[
−1
A(Ad¡ A
t
[A[
−1















a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n

a
i1
a
i2
a
i3
. . . a
in

a
n1
a
n2
a
n3
. . . a
nn






























A
11
A
21
A
31
. . . A
j1
. . . A
n1
A
12
A
22
A
32
. . . A
j2
. . . A
n2

A
1i
A
2i
A
3i
. . . A
ji
. . . A
ni

A
1n
A
2n
A
3n
. . . A
jn
. . . A
nn















Lsta matriz producto ticnc cn ¦a posici on (i, j c¦ va¦or
c
ij
[A[
−1
(a
i1
A
j1
+ a
i2
A
j2
+ + a
in
A
jn

Ahora distin.uimos dos casos
Si i j cntonccs c
ii
[A[
−1
[A[ 1
Si i j cntonccs a
i1
A
j1
+a
i2
A
j2
+ +a
in
A
jn
cs c¦ dctcrminantc
87
dc ¦a matriz





















a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n

a
i1
a
i2
a
i3
. . . a
in

a
i1
a
i2
a
i3
(fila j) a
in

a
n1
a
n2
a
n3
. . . a
nn





















,
ası ouc c
ij
[A[
−1
0 0
88
Ejercicio
¹sando cstc mctodo compruc¦a ouc ¦a invcrsa dc
A






1 3 0
1 1 0
1 0 2






cs
A
−1

1
!






−2 o 0
2 −2 0
1 −3 2






Ejercicio
Ca¦cu¦a por ¦os dos mctodos cxp¦icados ¦a invcrsa dc ¦a matriz A


1 2
2 3


∈ M
2
(Z
5
.
89
Ejercicio
Lc ¦os dos mctodos cxp¦icados para ca¦cu¦ar ¦a invcrsa dc una matriz
,Cua¦ rcouicrc un n umcro mcnor dc opcracioncs´
Si A(n y G(n dcnotan c¦ n umcro dc opcracioncs ouc dc¦cn dc
rca¦izarsc para ca¦cu¦ar ¦a invcrsa dc una matriz dc tama˜ no n n por
¦os mctodos dc ¦os dctcrminantcs y Gauss rcspcctivamcntc. sc ticnc
A(n n n' + n
2
|(n −1 (n −1' −1| + 1
G(n 2n
2
+ 2(3n + !n
2
(n −1 + 2
n−1
¸
j=1
−ojn −3j + 2j
2
.
90
Casos concretos
n A(n G(n
2 ` 2o
3 !o 92
! 3o9 220
` 29¨o !30
o 2`SS` ¨!2
¨ 2!o912 11¨o
S 2`S0!1¨ 1¨`2
9 29393200 2!90
10 3o2S¨9901 3!10
1000 !,023S¨2o00¨¨ 10
2573
333!331000
lara aca¦ar pcnscmos ouc si un ordcnador tarda una mi¦¦oncsima dc
sc.undo cn haccr una opcracion cntonccs ¦c costarıa ``,`¨22 minutos
invcrtir una matriz dc tama˜ no 1000 1000 Ln cam¦io ncccsitarıa
1,2¨`9o1o31! 10
2558
si.¦os para invcrtir¦a por c¦ mctodo dc ¦a matriz
ad¡unta
91
5. Ejercicios resueltos
I Ca¦cu¦ar c¦ ran.o dc ¦a si.uicntc matriz cn tunci on dc ¦os va¦orcs
dc a y ¦
A









a 0 0 b
b a 0 0
0 b a 0
0 0 b a









.
Soluci´ on.
¹ti¦izando c¦ mctodo dc transtormacioncs c¦cmcnta¦cs por fi¦as y
co¦umnas. tcncmos









a 0 0 b
b a 0 0
0 b a 0
0 0 b a



















b a 0 0
0 b a 0
0 0 b a
a 0 0 b









b 0










1 a/b 0 0
0 1 a/b 0
0 0 1 a/b
a 0 0 b









92










1 a/b 0 0
0 1 a/b 0
0 0 1 a/b
0 −a
2
/b 0 b



















1 a/b 0 0
0 1 a/b 0
0 0 1 a/b
0 0 a
3
/b
2
b



















1 a/b 0 0
0 1 a/b 0
0 0 1 a/b
0 0 0 b −a
4
/b
3



















1 a/b 0 0
0 1 a/b 0
0 0 1 a/b
0 0 0 b −a
4
/b
3









Ası ouc si b 0 sc ticncn ¦as si.uicntcs posi¦i¦idadcs
Si b
4
a
4
cntonccs r. A 3 Adcm as
b
4
a
4
⇔ ±b
2
±a
2
⇔ b
2
a
2
⇔ b ±a.
Si b ±a cntonccs r. A !
Cuando b 0 tcncmos A









a 0 0 0
0 a 0 0
0 0 a 0
0 0 0 a









y por ¦o tanto
si a 0 cntonccs r. A 0
si a 0 cntonccs r. A !
93
II Sca ¦a matriz A









0 0 0 0
2 0 0 0
2 2 0 0
2 2 2 0









, sc pidc
(a Ca¦cu¦ar ¦as succsivas potcncias dc A.
Soluci´ on. A
2










0 0 0 0
0 0 0 0
! 0 0 0
S ! 0 0









. A
3










0 0 0 0
0 0 0 0
0 0 0 0
S 0 0 0









y
A
n










0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0









para todo n ≥ !
(¦ Sca B I
4
+ A, cxprcsar B
n
cn tunci on dc I
4
, A, A
2
y A
3
.
Soluci´ on. ¹sando c¦ ¦inomio dc `cwton tcncmos ouc
B
n
(I
4
+ A
n

n
¸
j=0


n
j


A
j
I
n−j
Ahora suponcmos ouc n ≥ 3 y simp¦ificamos ¦a cxprcsi on an-
tcrior
94
B
n
=
3
¸
j=0


n
j


A
j
I
n−j
= I4 + nA +
n(n −1)
2
A
2
+
n(n −1)(n −2)
6
A
3
=








1 0 0 0
2n 1 0 0
2n + 2(−1 + n)n 2n 1 0
2n + 4(−1 + n)n +
4
3
(−2 + n)(−1 + n)n 2n + 2(−1 + n)n 2n 1








.
Si n 1 cntonccs B
1
I
4
+ A









1 0 0 0
2 1 0 0
2 2 1 0
2 2 2 1









.
Si n 2 cntonccs B
2
(I
4
+ A
2
I
2
4
+ A
2
+ 2A









1 0 0 0
! 1 0 0
S ! 1 0
12 S ! 1









.
(c Lcmostrar ouc ¦a invcrsa dc B cs I
4
−A + A
2
−A
3
.
Soluci´ on. Sc trata dc vcr ouc B(I
4
− A + A
2
−A
3
I
4

(I
4
−A + A
2
−A
3
B Ln ctccto
B(I
4
− A + A
2
− A
3
(I
4
+ A(I
4
− A + A
2
− A
3

I
4
−A + A
2
−A
3
+ A −A
2
+ A
3
−A
4
I
4
−A
4
I
4
.
(I
4
− A + A
2
− A
3
B (I
4
− A + A
2
− A
3
(I
4
+ A
I
4
−A + A
2
−A
3
+ A −A
2
+ A
3
−A
4
I
4
−A
4
I
4
.
95
(d Lxprcsar B
−3
cn tunci on dc I
4
, A, A
2
y A
3
.
Soluci´ on. B
−3
(I
4
− A + A
2
− A
3

3
(I
4
− A + A
2

A
3

2
(I
4
−A + A
2
− A
3
(I
4
−2A + 3A
2
− !A
3
(I
4
− A +
A
2
−A
3
I
4
−3A + oA
2
−10A
3
.
96
III La¦¦ar ¦a potcncia n–csima dc A






1 2 3
0 1 2
0 0 1






ponicndo A
I
3
+ B, sicndo B una matriz a dctcrminar
Soluci´ on.
La matriz B scra B A−I
3=






0 2 3
0 0 2
0 0 0






.Como ¦a matriz idcn-
tidad conmuta con cua¦ouicr otra matriz podcmos uti¦izar c¦ ¦i-
nomio dc `cwton para ca¦cu¦ar ¦a potcncia A
n
(B + I
3

n

¸
n
j=0

n
j

B
j
, ası ouc tcncmos ouc ca¦cu¦ar ¦as potcncias dc ¦a ma-
triz B.
B
0
= I
3
B
3
=





0 0 0
0 0 0
0 0 0





B
1
=





0 2 3
0 0 2
0 0 0





B
4
= 0
B
2
=





0 0 4
0 0 0
0 0 0





B
n
= 0 ∀n ≥ 4
97
Laccmos notar ouc A
1
A y ouc A
2







1 ! 10
0 1 !
0 0 1






Y ahora
ca¦cu¦amos A
n
para n ≥ 3 si.uicndo c¦ ¦inomio dc `cwton
A
n
(B+I
3

n

n
0

B
0
+

n
1

B
1
+. . .

n
n −1

B
n−1
+

n
n

B
n
I
3
+ nB +
n(n −1
2
B
2







1 0 0
0 1 0
0 0 1






+






0 2n 3n
0 0 2n
0 0 0






+






0 0
n(n−1)
2
!
0 0 0
0 0 0











1 2n 2n
2
+ n
0 1 2n
0 0 1






98
IV Lc ¦as afirmacioncs si.uicntcs. dcmostrar ¦as vcrdadcras y dar un
contrac¡cmp¦o para ¦as ta¦sas
(a (A + B
2
A
2
+ 2AB + B
2
.
Soluci´ on. Lsta afirmaci on cs ta¦sa. para vcr¦o t omcnsc A


1 0
0 0


y B


0 1
0 0

La misma afirmaci on cs cicrta cuando ¦as matriccs A y B
conmutan Ln cua¦ouicr caso sı ouc sc vcrifica ¦a i.ua¦dad
(A + B
2
A
2
+ AB + BA + B
2
.
(¦ A
2
−B
2
(A −B(A + B.
Soluci´ on. Lsta i.ua¦dad tam¦icn cs ta¦sa y sc pucdc vcr con
¦as mismas matriccs ouc cn c¦ c¡crcicio antcrior
(c A
n+1
−I
n
(A −I
n
(I
n
+ A + A
2
+ ... + A
n
.
Soluci´ on. Ln cstc caso ¦a i.ua¦dad cs cicrta ya ouc (A −
I
n
(I
n
+ A + A
2
+ ... + A
n
A + A
2
+ + A
n
+ A
n+1

I
n
−A −A
2
+ ... −A
n
A
n+1
−I
n
.
(d Si P cs una matriz rc.u¦ar. cntonccs (PAP
−1

n
PA
n
P
−1
.
99
Soluci´ on. La i.ua¦dad cs cicrta porouc
(PAP
−1

n

PAP
−1
PAP
−1
PAP
−1
. . . PAP
−1
. .. .
n-vcccs
PA
n
P
−1
.
(c Si A cs antisimctrica. cntonccs A
2
cs simctrica
Soluci´ on. \crdadcro lucsto ouc A cs antisimctrica sc ticnc
ouc A
t
−A. cntonccs (A
2

t
(AA
t
A
t
A
t
(−A(−A
A
2
. cs dccir. A
2
cs simctrica
(t Si A cs antisimctrica y B cs simctrica. cntonccs AB cs anti-
simctrica si y so¦o si AB BA.
Soluci´ on. \crdadcro lor scr A antisimctrica y B simctrica
sc ticnc ouc A
t
−A y ouc B
t
B
Lcmostramos primcro ouc si AB cs antisimctrica cntonccs
AB BA Ln ctccto. por scr AB antisimctrica tcncmos ouc
−AB (AB
t
B
t
A
t
B(−A −BA c i.ua¦ando c¦
primcr y u¦timo micm¦ro y dividicndo por −1 sc ticnc ouc
AB BA
Iina¦mcntc hay ouc vcr ouc si AB BA cntonccs AB cs
antisimctrica
100
(. Si [AB[ 0. cntonccs [A[ 0 o [B[ 0.
Soluci´ on. Lsta afirmaci on cs cicrta ya ouc si [AB[ 0 cn-
tonccs [AB[ [A[[B[ 0 y por ¦o tanto o ¦icn [A[ 0 o ¦icn
[B[ 0
(h [A + B[ [A[ + [B[ .
Soluci´ on. Sc pucdc compro¦ar t aci¦mcntc ouc ¦as matriccs
A


1 2
0 1


y B


0 0
1 0


son un contrac¡cmp¦o para
csta i.ua¦dad
(i [2A[ 2 [A[ .
Soluci´ on. Sc pucdc compro¦ar con ¦a matriz A


1 0
0 1


ouc ¦a i.ua¦dad no sc satistacc
101
V Lcmostrar ouc si a, b, c son n umcros rca¦cs sc ticnc ouc

a −b −c 2a 2a
2b b −c −a 2b
2c 2c c −a −b

(a + b + c
3
.
Soluci´ on.

a −b −c 2a 2a
2b b −c −a 2b
2c 2c c −a −b

F
2
1
(1. F
3
1
(1

a + b + c a + b + c a + b + c
2b b −c −a 2b
2c 2c c −a −b

(a + b + c

1 1 1
2b b −c −a 2b
2c 2c c −a −b

C
2
1
(−1

(a + b + c

0 1 1
a + b + c b −c −a 2b
0 2c c −a −b

−(a + b + c
2

1 1
2c c −a −b

−(a + b + c
2
(−a −b −c (a + b + c
3
102
VI

a
2
ab ab b
2
ab a
2
b
2
ab
ab b
2
a
2
ab
b
2
ab ab a
2

C
2
1
(1, C
3
1
(1, C
4
1
(1

a
2
+ 2ab + b
2
ab ab b
2
a
2
+ 2ab + b
2
a
2
b
2
ab
a
2
+ 2ab + b
2
b
2
a
2
ab
a
2
+ 2ab + b
2
ab ab a
2

F
1
2
(−1, F
1
3
(−1, F
1
4
(−1

a
2
+ 2ab + b
2
ab ab b
2
0 a
2
−ab b
2
−ab ab −b
2
0 b
2
−ab a
2
−ab ab −b
2
0 0 0 a
2
−b
2

(a
2
+ 2ab + b
2

a
2
−ab b
2
−ab ab −b
2
b
2
−ab a
2
−ab ab −b
2
0 0 a
2
−b
2

(a + b
2
(a
2
−b
2

a
2
−ab b
2
−ab
b
2
−ab a
2
−ab

(a + b
3
(a −b|(a
2
−ab
2
−(b
2
−ab
2
|
(a + b
3
(a −b(a
2
+ b
2
−2ab(a
2
−b
2

(a + b
4
(a −b
4
(a
2
−b
2

4
103
VII

a b 0 0
0 a b 0
0 0 a b
b 0 0 a

a

a b 0
0 a b
0 0 a

−b

b 0 0
a b 0
0 a b

a
4
−b
4
104
VIII Sin dcsarro¦¦ar ¦os dctcrminantcs. dcmostrar ouc
(a

1 a b + c
1 b a + c
1 c a + b

0 (¦

1 a
2
a
3
1 b
2
b
3
1 c
2
c
3

bc a a
2
ca b b
2
ab c c
2

Soluci´ on.
(a

1 a b + c
1 b a + c
1 c a + b

C
2
3
(1

1 a a + b + c
1 b b + a + c
1 c c + a + b

(a+b+c

1 a 1
1 b 1
1 c 1

C
1
3
(−1

(a + b + c

1 a 0
1 b 0
1 c 0

0
(¦ Si a, b, c son ¦as trcs ditcrcntcs dc 0. sc ticnc

1 a
2
a
3
1 b
2
b
3
1 c
2
c
3

1/a a a
2
1/b b b
2
1/c c c
2

C
1
(abc

bc a a
2
ac b b
2
ab c c
2

Supon.amos ahora ouc una dc c¦¦as cs 0. por c¡cmp¦o a 0.
cn cstc caso sc ticnc

1 0 0
1 b
2
b
3
1 c
2
c
3

b
2
b
3
c
2
c
3

bc

b b
2
c c
2

bc 0 0
0 b b
2
0 c c
2

105
IX

1 1 1 1
a b c d
a
2
b
2
c
2
d
2
a
3
b
3
c
3
d
3

F
3
4
(−a
F
2
3
(−a

F
1
2
(−a

1 1 1 1
0 b −a c −a d −a
0 b
2
−ba c
2
−ca d
2
−da
0 b
3
−b
2
a c
3
−c
2
a d
3
−d
2
a

b −a c −a d −a
b
2
−ba c
2
−ca d
2
−da
b
3
−b
2
a c
3
−c
2
a d
3
−d
2
a

(b −a(c −a(d −a

1 1 1
b c d
b
2
c
2
d
2

F
2
3
(−b

F
1
2
(−b
(b −a(c −a(d −a

1 1 1
0 c −b d −b
0 c
2
−cb d
2
−db

106
(b −a(c −a(d −a

c −b d −b
c
2
−cb d
2
−db

(b −a(c −a(d −a(c −b(d −b

1 1
c d

(b −a(c −a(d −a(c −b(d −b(d −c
107
X Ca¦cu¦ar c¦ ran.o dc ¦a matriz
A












1 2 0 1 2 1
1 0 3 0 3 1
2 2 3 1 ! 1
! ! o 2 9 3
3 2 o 1 ¨ 2












Ca¦cu¦amos c¦ ran.o dc csta matriz rca¦izando opcracioncs c¦cmcn-
ta¦cs por fi¦as












1 2 0 1 2 1
1 0 3 0 3 1
2 2 3 1 ! 1
! ! o 2 9 3
3 2 o 1 ¨ 2












F
1
2
(−1
F
1
3
(−2
F
1
4
(−!
F
1
5
(−3













1 2 0 1 2 1
0 −2 3 −1 1 0
2 2 3 1 ! 1
! ! o 2 9 3
3 2 o 1 ¨ 2












F
1
2
(−1
F
1
3
(−2
F
1
4
(−!
F
1
5
(−3

108
Tcma 3 Sistcmas dc ccuacioncs ¦inca¦cs
Ga¦ric¦ So¦cr L opcz
2o dc scpticm¦rc dc 200o
1. Definiciones b´asicas
Definici´ on (sistema de ecuaciones lineales).
Ii¡ado un cucrpo K. ouc como ya di¡imos sicmprc scr a R y cvcn-
tua¦mcntc C. y fi¡ados numcros natura¦cs m y n. un sistema de m
ecuaciones y n inc´ ognitas sobre el cuerpo K cs un con¡unto dc cx-
prcsioncs dc¦ csti¦o
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
b
2

a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
b
m

















(S
dondc ¦os c¦cmcntos a
ij
pcrtcncccn a¦ cucrpo K y ¦os c¦cmcntos x
j
son
¦as inc o.nitas ouc oucrcmos cncontrar
Convenio
Cuando m 1. cn vcz dc ¦¦amar a ¦a cxprcsi on a
11
x
1
+ a
12
x
2
+
+a
1n
x
n
b
1
sistcma dc 1 ccuaci on con n inco.nitas. ¦a ¦¦amarcmos
109
simp¦cmcntc ecuaci´ on lineal de con n inc´ ognitas
110
L¦ sistcma (S sc pucdc rccscri¦ir cn torma matricia¦ como
Ax b,
dondc x









x
1
x
2

x
n









. b









b
1
b
2

b
n









y A









a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn








Notaci´ on.
La matriz A sc ¦¦amar a matriz asociada al sistema (S).
B (A[b cs ¦a matriz ampliada asociada al sistema (S)
Los b
j
son t´erminos independientes del sistema (S)
Definici´ on (Resoluci´ on y discusi´ on de un sistema).
Resolver el sistema (S cs cncontrar un vcctor x cn K
n
ta¦ ouc
Ax b y discutirlo consistc cn c¦asificar¦o cn uno dc ¦os si.uicntc
tipos
1 Sistema compatible determinado (S.C.D.) cs aouc¦ ouc ticnc
una unica so¦uci on
2 Sistema compatible indeterminado (S.C.I.) cs aouc¦ ouc ticnc
m u¦tip¦cs so¦ucioncs
3 Sistema incompatible (S.I.) cs aouc¦ sistcma ouc no ticnc so¦u-
111
cion
2. Teorema de Rouch´e-Frobenius
Lado c¦ sistcma Ax b. sc ticnc
1 si r. (A r. (A[b cntonccs c¦ sistcma cs compati¦¦c Adcmas
a cuando r. (A r. (A[b n c¦ sistcma cs compati¦¦c dctcr-
minado.
b y si r. (A r. (A[b n c¦ sistcma cs compati¦¦c indctcrmi-
nado
2 si r. (A r. (A[b cntonccs c¦ sistcma cs incompati¦¦c
Definici´ on (sistema homog´eneo).
si todos ¦os c¦cmcntos b
i
son 0. c¦ sistcma sc dicc ouc cs homog´eneo
y sicmprc ticnc so¦uci on
112
3. Resoluci´ on de sistemas, m´etodo de
Gauss
Dado c¦ sistcma dc ccuacioncs
a
11
x
1
+ a
12
x
2
+ + a
1m
x
m
b
1
a
21
x
1
+ a
22
x
2
+ + a
2m
x
m
b
2

a
n1
x
1
+ a
n2
x
2
+ + a
nm
x
m
b
n

















(S
¦c asociarcmos su sistcma matricia¦ Ax b y c¦ mctodo consistc cn
1 lca¦izar transtormacioncs c¦cmcnta¦cs por fi¦as cn ¦a matriz (A[b
hasta o¦tcncr una matriz dc¦ csti¦o


C d
E f


sicndo ¦a matriz C dc ran.o comp¦cto y trian.u¦ar supcrior. ¦a
matriz E dc ccros y tanto d como f son matriccs co¦umna
2 Si f 0 cntonccs c¦ sistcma cs compati¦¦c Adcmas. si r. (C n umc-
ro dc inco.nitas sc ticnc ouc (S cs compati¦¦c dctcrminado Ln
caso contrario cs compati¦¦c indctcrminado
3 Si f 0 cntonccs c¦ sistcma (S cs incompati¦¦c
113
Resoluci´ on efectiva
Sc considcra ahora c¦ sistcma Cx d ya ouc va a tcncr ¦as mismas
so¦ucioncs ouc c¦ sistcma Ax b (son couiva¦cntcs L¦ sistcma Cx
d pucdc cstar cn dos situacioncs ditcrcntcs
1 Si k r. (C < n cntonccs (S cs compati¦¦c indctcrminado
Ln cstc caso damos a ¦as inco.nitas x
k+1
, x
k+1
, . . . , x
n
¦os va¦orcs
indctcrminados (par amctros α
k+1
, α
k+1
, . . . , α
n
y rcso¦vcmos c¦
sistcma
c
11
x
1
+ c
12
x
2
+ + c
1k
x
k
d
1
−c
1,k+1
α
k+1
− −c
1,n
α
n
c
21
x
1
+ c
22
x
2
+ + c
2k
x
k
d
2
−c
2,k+1
α
k+1
− −c
2,n
α
n
. . . . . . . . . . . .
c
k1
x
1
+ c
k2
x
2
+ + c
kk
x
k
d
k
−c
k,k+1
α
k+1
−c
k,n
α
n
2 Si r. (C n c¦ sistcma cs compati¦¦c dctcrminado y ¦o rcso¦vc-
mos t aci¦mcntc dc a¦a¡o hacia arri¦a sin ncccsidad dc introducir
par amctros
114
4. M´etodo de Cramer
Estc mctodo sc pucdc uti¦izar cuando ¦os sistcmas ticncn c¦ mismo
n umcro dc ccuacioncs ouc dc inco.nitas y c¦ sistcma cs compati¦¦c
dctcrminado. cs dccir
Ax b con A ∈ M
nn
(K y r. (A n (A cs invcrti¦¦c
Ax b ⇒ A
−1
Ax A
−1
b ⇒ x
1
[A[
Ad¡(A
t
b.
lara cada 1 ≤ k ≤ n sc ticnc x
k

1
[A[
(
¸
n
j=1
A
jk
b
j
. dc dondc
x
k

a
11
. . . a
1,k−1
b
1
a
1,k+1
. . . a
1n
a
11
. . . a
1,k−1
b
2
a
1,k+1
. . . a
1n

a
n1
. . . a
n,k−1
b
n
a
n,k+1
. . . a
nn

[A[
.
115
1ustificamos ¦a t ormu¦a antcrior y conc¦uimos c¦ tcma
x
k

1
[A[
(
¸
n
j=1
A
jk
b
j

1
[A[
(b
1
A
1k
+ b
2
A
2k
+ + b
n
A
nk

1
[A[









(−1
k+1
b
1

a
21
. . . a
2,k−1
a
2,k+1
. . . a
2n
a
31
. . . a
3,k−1
a
3,k+1
. . . a
3n

a
n1
. . . a
n,k−1
a
n,k+1
. . . a
nn

+ . . .
+ b
n
(−1
n+n

a
11
. . . a
1,k−1
a
1,k+1
. . . a
1n
a
21
. . . a
2,k−1
a
2,k+1
. . . a
2n

a
n−1,1
. . . a
n−1,k−1
a
n−1,k+1
. . . a
n−1,n









1
[A[

a
11
. . . a
1,k−1
b
1
a
1,k+1
. . . a
1n
a
11
. . . a
1,k−1
b
2
a
1,k+1
. . . a
1n

a
n1
. . . a
n,k−1
b
n
a
n,k+1
. . . a
nn

116
5. Ejercicios resueltos
I Liscutir ¦a vcracidad o ta¦scdad dc ¦as si.uicntcs afirmacioncs
(a Lado un sistcma dc m ccuacioncs con n inco.nitas. Ax b.
ouc admitc so¦uci on unica. cntonccs csta cs x A
−1
b
Soluci´ on. Ia¦so. por c¡cmp¦o sc pucdc vcrificar ouc c¦ sistcma






1 1
o 10
9 1`








x
1
x
2







o
`2
¨S






ticnc como so¦uci on unica a x
1
2 y x
2
! Sin cm¦ar.o no
cxistc ¦a invcrsa dc ¦a matriz asociada a¦ sistcma por no scr
cuadrada
(¦ Si ¦os sistcmas Ax b
1
y Ax b
2
son compati¦¦cs. cntonccs
¦o cs Ax b dondc b b
1
+ b
2

Soluci´ on. Ln ctccto. si am¦os son compati¦¦cs cxistir an so¦u-
cioncs rcspcctivas x
1
y x
2
ta¦cs ouc Ax
1
b
1
y Ax
2
b
2
lor
¦o tanto A(x
1
+x
2
Ax
1
+Ax
2
b
1
+b
2
Lsto ouicrc dccir
ouc x
1
+ x
2
cs so¦ucion dc Ax b. dondc b b
1
+ b
2

(c ¹n sistcma con mas ccuacioncs ouc inco.nitas cs sicmprc in-
compati¦¦c
117
Soluci´ on. Ia¦so L¦ contrac¡cmp¦o dc¦ apartado (a va¦c para
cstc apartado
(d Si un sistcma dc ccuacioncs Ax b cs compati¦¦c dctcrminado.
cntonccs A cs una matriz cuadrada
Soluci´ on. Ia¦so. adcm as c¦ contrac¡cmp¦o dc¦ apartado (a
tam¦icn va¦c para cstc apartado
(c Si Ax b cs un sistcma incompati¦¦c con ` ccuacioncs y !
inco.nitas y c¦ r(A ! cntonccs r(A[b `.
Soluci´ on. \crdadcro Ln ctccto. sa¦cmos ouc r. A ≤ r. (A[b.
adcmas a¦ scr c¦ sistcma incompati¦¦c cntonccs ¦a dcsi.ua¦dad
cs cstricta Ası ouc ! < r. (A[b y como c¦ tama˜ no dc (A[b cs
` ` cntonccs r. (A[b ≤ ` lor ¦o tanto r. (A[b `.
118
II Liscutir c¦ si.uicntc sistcma











ax + y + z 1
x + ay + z 1
x + y + az 1
Asociamos a¦ sistcma ¦a matriz amp¦iada y rca¦izamos opcracioncs
dc Gauss






a 1 1 1
1 a 1 1
1 1 a 1






F
1,3







1 a 1 1
1 1 a 1
a 1 1 1






F
2
−F
1
F
3
−aF
1







1 a 1 1
0 1 −a a −1 0
0 1 −a
2
1 −a 1 −a






F
3
−(1 + aF
2







1 a 1 1
0 1 −a a −1 0
0 0 2 −a −a
2
1 −a






Ahora discutimos c¦ sistcma sc. un ¦os va¦orcs dc¦ par amctro a
Si a 1 y 2 − a − a
2
0. cs dccir. si a 1 y a −2
cntonccs r. (A r. (A[b 3 y c¦ sistcma cs compati¦¦c y
dctcrminado y ¦as so¦ucioncs son
119
• z
1−a
−(a−1)(a+2)

1
a+2
.
• y
(1−a)
1
a+2
1−a

1
a+2
.
• x 1 −z −ay
a+2−1−a
a+2

1
a+2
.
Si a 1 cntonccs r. A r. (A[b 1 y c¦ sistcma cs com-
pati¦¦c indctcrminado. ncccsit andosc 2 par amctros rca¦cs para
rcso¦vcr¦o. α y β Las so¦ucioncs scrıan cn cstc caso
• z α.
• y β.
• x 1 −α −β.
Si a −2 cntonccs r. A 2 3 r. (A[b. por ¦o tanto c¦
sistcma cs incompati¦¦c
120
III Liscutir c¦ sistcma











x + y + z a + 1
ax + y + (a −1 z a
x + ay + z 1
Asociamos a¦ sistcma ¦a matriz asociada amp¦iada y rca¦izamos
opcracioncs c¦cmcnta¦cs por fi¦as






1 1 1 a + 1
a 1 a −1 a
1 a 1 1






F
2,3







1 1 1 a + 1
1 a 1 1
a 1 a −1 a






F
2
−F
1
F
3
−aF
1







1 1 1 a + 1
0 a −1 0 −a
0 1 −a −1 −a
2






F
2
+ F
3







1 1 1 a + 1
0 a −1 0 −a
0 0 −1 −a
2
−a






Ahora discutimos y rcso¦vcmos c¦ sistcma sc. un ¦os va¦orcs dc¦
par amctro a
Si a 1 cntonccs r. A r. (A[b 3 y c¦ sistcma cs compa-
ti¦¦c dctcrminado. sicndo ¦as so¦ucioncs
121
a z a(a + 1.
b y
−a
a−1
.
c x a + 1 −a(a + 1 +
a
a−1

1−2a−a
2
+a
3
a−1
.
Si a 1 cntonccs r. A 2 3 r. (A[b y por ¦o tanto c¦
sistcma cs incompati¦¦c
122
IV lcso¦vcr c¦ sistcma

















kx + y + z + t k
x + ky + z + t k
x + y + kz + t k
x + y + z + kt k
Lmpczamos construycndo ¦a matriz amp¦iada a¦ sistcma y rca¦i-
zando opcracioncs c¦cmcnta¦cs por fi¦as
123
(A[b









k 1 1 1 k
1 k 1 1 k
1 1 k 1 k
1 1 1 k k









F
1
−kF
4
F
2
−F
4
F
3
−F
4










0 1 −k 1 −k 1 −k
2
k −k
2
0 k −1 0 1 −k 0
0 0 k −1 1 −k 0
1 1 1 k k









intcrcam¦io dc fi¦as










1 1 1 k k
0 1 −k 1 −k 1 −k
2
k −k
2
0 k −1 0 1 −k 0
0 0 k −1 1 −k 0









F
3
+ F
2










1 1 1 k k
0 1 −k 1 −k 1 −k
2
k −k
2
0 0 1 −k 2 −k −k
2
k −k
2
0 0 k −1 1 −k 0









124
F
4
+ F
3










1 1 1 k k
0 1 −k 1 −k 1 −k
2
k −k
2
0 0 1 −k 2 −k −k
2
k −k
2
0 0 0 3 −2k −k
2
k −k
2









Ahora discutimos c¦ sistcma distin.uicndo ¦os si.uicntcs casos
a Si 1−k 0 y 3−2k −k
2
0 o ¦o ouc cs ¦o mismo k 1. k
−3. cntonccs r. A r. (A[b ! y c¦ sistcma cs compati¦¦c
dctcrminado Sc rcsuc¦vc dcsdc a¦a¡o hacia arri¦a
A t
k−k
2
3−2k−k
2

k(1−k)
−(k+3)(k−1)

k
k+3
.
L z
k−k
2
1−k

k(2−k−k
2
)
(1−k)(k+3)

k
3+k
.
C y
k−k
2
−(1−k
2
)t−(1−k)z
1−k

k
3+k
L x k −kt −z −y
k
3+k
b Si k 1 cntonccs
(A[b ∼









1 1 1 k k
0 ! ! −S −12
0 0 ! −! −12
0 0 0 0 −12









y como r. A 3 r. (A[b ! c¦ sistcma cs incompati¦¦c
125
Tcma ! Lspacios vcctoria¦cs
Ga¦ric¦ So¦cr L opcz
¨ dc novicm¦rc dc 200o
1. Definiciones b´asicas y primeras con-
secuencias
Un con¡unto no vacıo V sc dicc ouc cs un cspacio vcctoria¦ so¦rc c¦
cucrpo K si csta dotado dc dos ¦cycs dc opcraci on
O1 ¹na ¦cy dc opcraci on intcrna.
+ V V −→ V
(u, v → u + v
O2 ¹na ¦cy dc opcraci on cxtcrna.
KV −→ V
(k, v → k v
Lstas ¦cycs dc¦cn satistaccr ¦as propicdadcs ouc si.ucn
l1 lara cua¦csouicra c¦cmcntos a. b y c dc V . ¦a opcraci on intcrna
satistacc
126
a a + b b + a (propiedad conmutativa)
b (a + b + c a + (b + c (propiedad asociativa)
c Lxistc un c¦cmcnto dcnotado por 0 ta¦ ouc a +0 0 +a a
(0 es el elemento neutro)
d Lxistc un c¦cmcnto c ∈ V ta¦ ouc a + c c + a 0 (c es el
opuesto de a y usualmente se denota por −a)
127
l2 lara cua¦csouicra c¦cmcntos a y b dc V y λ, μ dc K. ¦a opcraci on
cxtcrna satistacc
a λ(a + b λa + λb
b (λ + μa λa + μa
c (λμ a λ (μ a
d 1
K
a a
Notaci´ on.
L os c¦cmcntos dc V sc ¦¦amar an vectores y ¦os dc K rcci¦cn c¦
nom¦rc dc escalares. un cspacio vcctoria¦ V so¦rc c¦ cucrpo K sc dc-
notar a por V
K

Ejemplo
R
n
¦(x
1
, x
2
, . . . , x
n
x
i
∈ R¦ cs un cspacio vcctoria¦ so¦rc R
con ¦as opcracioncs si.uicntcs
+ R
n
R
n
−→ R
n
((x
i

i∈N
, (y
i

i∈N
→ (x
i
+ y
i

i∈N
R R
n
−→ R
n
(α, (x
i

i∈N
→ (αx
i

i∈N
Aouı N ¦1, 2, . . . , n¦
128
Ejemplo
Sca P
(n)
R
|X| c¦ con¡unto dc todos ¦os po¦inomios cn ¦a varia¦¦c x so¦rc
c¦ cucrpo R y dc .rado mcnor o i.ua¦ ouc n
¹n c¦cmcnto dc P
(n)
R
|X| tcndra ¦a si.uicntc torma
a
0
+a
1
x +a
2
x
2
+ +a
n
x
n
con a
i
∈ R para todo i ∈ ¦1, 2, . . . , n¦.
P
(n)
R
|X| con ¦as opcracioncs ouc si.ucn cs un cspacio vcctoria¦ so¦rc
R
1
+ P
(n)
R
|X| P
(n)
R
|X| −→ P
(n)
R
|X|
(p(x, q(x → p(x + q(x
dondc p(x + q(x (a
0
+ b
0
+ (a
1
+ b
1
x + + (a
n
+ b
n
x
n
.
sicndo p(x a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n
y q(x b
0
+ b
1
x +
b
2
x
2
+ + b
n
x
n
2
R P
(n)
R
|X| −→ P
(n)
R
|X|
(λ, p(x → λp(x
dondc λp(x λa
0
+ λa
1
x + λa
2
x
2
+ + λa
n
x
n
si p(x
a
0
+ a
1
x + a
2
x
2
+ + a
n
x
n

129
Propiedades
Lado c¦ cspacio vcctoria¦ V so¦rc c¦ cucrpo K. sc ticnc ouc para cua-
¦csouicra α, β ∈ K y u, v ∈ V sc vcrifican ¦as si.uicntcs propicdadcs
1 0
K
u 0.
2 α0 0.
3 (−αu −αu α(−u.
! Si αu αv con α 0 cntonccs u v.
` Si αu βu con u 0 cntonccs α β.
o (−α(−u αu
130
2. Combinaci´ on lineal, dependencia e
independencia lineal, sistema gene-
rador, espacio generado y bases
Definici´ on (Combinaci´ on lineal).
Lado un cspacio vcctoria¦ V
K
y un con¡unto dc vcctorcs S ¦u
1
, u
2
, . . . , u
n
¦.
una combinaci´on lineal de S cs una cxprcsion dc¦ tipo
α
1
u
1
+ α
2
u
2
+ + α
n
u
n
,
dondc ¦os α
i
son c¦cmcntos dc K para todo i ∈ ¦1, 2, . . . , n¦
Definici´ on (Independencia lineal).
¹n con¡unto dc vcctorcs. S ¦u
1
, u
2
, . . . , u
n
¦. sc dicc libre o li-
nealmente independiente si para toda com¦inaci on ¦inca¦ dc S ouc
sca i.ua¦ a¦ vcctor 0 imp¦ica ouc ¦os csca¦arcs ouc ¦a torman son 0
Licho dc otro modo si α
1
u
1
+ α
2
u
2
+ + α
n
u
n
0. cntonccs
α
1
α
2
α
n
0.
131
Definici´ on (Dependencia lineal).
¹n con¡unto dc vcctorcs S ¦u
1
, u
2
, . . . , u
n
¦ sc dicc ouc cs un
sistema ligado o que los vectores son linealmente dependientes si
c¦ sistcma S no cs ¦i¦rc. cs dccir. cxistcn csca¦arcs α
1
, α
2
, . . . , α
n
no
todos nu¦os ouc satistaccn
α
1
u
1
+ α
2
u
2
+ + α
n
u
n
0.
Definici´ on (Sistema generador).
¹n con¡unto dc vcctorcs S ¦u
1
, u
2
, . . . , u
n
¦ dc un cspacio vccto-
ria¦ V so¦rc c¦ cucrpo K sc dicc ouc genera a V si todo c¦cmcnto dc
V sc pucdc cxprcsar como com¦inaci on ¦inca¦ dc vcctorcs dc S
Ejemplo
L¦ con¡unto dc vcctorcs S ¦e
1
, e
2
, . . . , e
n
¦ dc V
R
R
n
. dcfinidos
por e
j
(0, . . . , 0, 1
(j)
, 0, . . . , 0 .cncra a V y adcm as cs ¦inca¦mcntc
indcpcndicntc
Ejemplo
S ¦1, x, . . . , x
n
¦ cs un con¡unto ¦inca¦mcntc indcpcndicntc y .c-
ncrador dc V
R
P
(n)
R
|X|
132
Proposici´ on
1 `o todo sistcma ¦i¦rc cs .cncrador
2 `o todo sistcma .cncrador cs ¦i¦rc
3 Si S cs .cncrador y T cs un con¡unto dc vcctorcs cua¦ouicra. cn-
tonccs S ∪ T tam¦icn cs .cncrador
! Si S cs ¦i¦rc y T ⊆ S cntonccs T cs ¦i¦rc
133
2.1. Bases de un espacio vectorial. Di-
mensi´ on
Definici´ on (Base).
¹n con¡unto dc vcctorcs S ¦u
1
, u
2
, . . . , u
n
¦ sc dicc ouc cs una
base dc un cspacio vcctoria¦ V
K
si S .cncra V
K
(cs dccir V
K
< S >
y adcm as S cs un sistcma ¦i¦rc
Proposici´ on
Cua¦ouicr vcctor dc¦ cspacio vcctoria¦ V
K
sc cxprcsa dc mancra unica
como com¦inaci on ¦inca¦ dc ¦os c¦cmcntos dc ¦asc c¦c.ida
Definici´ on (Coordenadas).
Lada una ¦asc S ¦u
1
, u
2
, . . . , u
n
¦ dc V
K
. ¦as coordcnadas dc
un vcctor v ∈ V
K
son ¦os unicos csca¦arcs ¦α
i
¦
n
i=1
ta¦cs ouc v
α
1
u
1
+ α
2
u
2
+ + α
n
u
n

134
2.2. Dimensi´ on de un espacio vectorial
Teorema 2.2.A
Todo cspacio vcctoria¦ finitamcntc .cncrado
2
poscc una ¦asc. adcm as
c¦ cardina¦ dc cua¦ouicr ¦asc cs un n umcro fi¡o ouc ¦o ¦¦amarcmos di-
mensi´on del espacio vectorial
Convenio
Si V
K
¦0¦. cntonccs β
V
k
∅.
Resultados t´ecnicos que permiten probar el teorema
anterior
Proposici´ on 2.2.B
Si S cs ¦inca¦mcntc indcpcndicntc y u ∈< S > cntonccs T S ∪
¦u¦ cs ¦inca¦mcntc indcpcndicntc
2
Esta propiedad tambi´en es cierta para espacios vectoriales en general
135
Demostraci´ on
lon.amos ouc c¦ con¡unto S csta tormado por c¦cmcntos u
i
. rc-
corricndo i un con¡unto I. cs dccir S ¦u
i
¦
i∈I

lara vcr si T cs ¦inca¦mcntc indcpcndicntc tomamos una com¦ina-
cion ¦inca¦ (finita dc vcctorcs dc T. ¦a i.ua¦amos a¦ vcctor 0 y dcduci-
mos ouc ¦os csca¦arcs ouc aparcccn cn ¦a com¦inacion ¦inca¦ son todos
ccro
Si
α
1
v
i
1
+ α
2
v
i
2
+ + α
k
v
i
k
+ βv 0
cntonccs
1 β 0
K
porouc cn caso contrario
v −β
−1

α
1
v
i
1
+ α
2
v
i
2
+ + α
k
v
i
k

y csto cs una contradiccion con ¦a hip otcsis v ∈< S >
2 Como β 0
K
sc ticnc
α
1
v
i
1
+ α
2
v
i
2
+ + α
k
v
i
k
0
y como S cs ¦inca¦mcntc indcpcndicntc cntonccs
α
1
α
2
α
k
0
K
.

136
Teorema (Steinitz)
Sca S ¦u
1
, u
2
, . . . , u
n
¦ una ¦asc dc¦ cspacio vcctoria¦ V
K
y sca
T ¦v
1
, v
2
, . . . , v
m
¦ un con¡unto dc vcctorcs ¦inca¦mcntc indcpcn-
dicntcs Lntonccs sc pucdcn sustituir m vcctorcs dc ¦a ¦asc S por ¦os
vcctorcs v
1
, v
2
, . . . , v
m
. o¦tcnicndo una nucva ¦asc Ln particu¦ar sc
ticnc ouc m ≤ n
Demostraci´ on
Larcmos ¦a dcmostraci on dc cstc tcorcma por inducci on cn m
Probamos el teorema cuando m 1. Como S cs una ¦asc dc
V cxistir an csca¦arcs ¦α
i
¦
n
i=1
ta¦cs ouc
v
1
α
1
u
1
+ α
2
u
2
+ + α
n
u
n
lucsto ouc T cs ¦inca¦mcntc indcpcndicntc sc ticnc ouc v
1
0 y
cntonccs cxistc a¦ mcnos unındicc l ∈ ¦1, 2, . . . , n¦ para c¦ ouc α
l
0.
por ¦o tanto podcmos cscri¦ir
u
l
−α
−1
l

1
u
1
+ α
2
u
2
+ + α
l−1
u
l−1
+ α
l+1
u
l+1
+ + α
n
u
n
−v
1
.
Sustituimos cn ¦a ¦asc S c¦ vcctor u
l
por c¦ vcctor v
1
y o¦tcncmos
c¦ con¡unto dc vcctorcs R S`¦u
l
¦∪¦v
1
¦ Iina¦mcntc pro¦amos ouc
R cs una ¦asc
137
\cmos primcro ouc R es linealmente independiente. lara c¦¦o to-
mamos una com¦inaci on ¦inca¦ dc ¦os vcctorcs dc R i.ua¦ a¦ vcctor
0
0 β
1
u
1
+ β
2
u
2
+ + β
l−1
u
l−1
+ β
l+1
u
l+1
+ + β
n
u
n
+ γv
1
β
1
u
1
+ β
2
u
2
+ + β
l−1
u
l−1
+ β
l+1
u
l+1
+ + β
n
u
n
+γ(α
1
u
1
+ α
2
u
2
+ + α
n
u
n


1
+ γα
1
u
1
+ (β
2
+ γα
2
u
2
+ . . .
+(β
l−1
+ γα
l−1
u
l−1
+ γα
l
u
l
+ (β
l+1
+ γα
l+1
u
l+1
+ . . .
+(β
n
+ γα
n
u
n
Ası ouc



β
j
+ γα
j
0
K
para todo j ∈ ¦1, 2, . . . , l −1, l + 1, . . . n¦,
γα
l
0
K
Como α
l
0
K
cntonccs dc ¦a u¦tima ccuaci on sc dcducc ouc γ
0
K
y dc ¦as rcstantcs β
j
0
K
para todo j ∈ ¦1, 2, . . . , l − 1, l +
1, . . . n¦ lor ¦o tanto R cs ¦inca¦mcntc indcpcndicntc
138
\cmos ahora ouc R es generador. lara c¦¦o tomamos un vcctor
v ∈ V y vcmos ouc cs com¦inaci on ¦inca¦ dc ¦os vcctorcs dc R
Como S cs una ¦asc cntonccs
v γ
1
u
1
+ γ
2
u
2
+ + γ
l−1
u
l−1
+ γ
l
u
l
+ γ
l+1
u
l+1
+ + γ
n
u
n
γ
1
u
1
+ γ
2
u
2
+ + γ
l−1
u
l−1
−γ
l
α
−1
l

1
u
1
+ α
2
u
2
+ + α
l−1
u
l−1
+ α
l+1
u
l+1
+ + α
n
u
n
−v
1


l+1
u
l+1
+ . . . + γ
n
u
n

1
−γ
l
α
−1
l
α
1
u
1
+ (γ
2
−γ
l
α
−1
l
α
2
u
2
+ + (γ
l−1
−γ
l
α
−1
l
α
l−1
u
l−1
−γ
l
α
−1
l
v
1
+(γ
l+1
−γ
l
α
−1
l
α
l+1
u
l+1
+ . . . + (γ
n
−γ
l
α
−1
l
α
n
u
n
,
¦o ouc dcmucstra ouc R cs .cncrador
139
Suponemos ahora que el teorema es cierto para el entero m−1
y lo probamos para m.
Como c¦ con¡unto T
m−1
¦v
1
, v
2
, . . . , v
m−1
¦ cs ¦inca¦mcntc indc-
pcndicntc y cstamos suponicndo c¦ rcsu¦tado cicrto para m−1. podc-
mos sustituir m−1 vcctorcs dc S por ¦os vcctorcs dc T
m−1
o¦tcnicndo
una ¦asc
S
1
¦v
1
, v
2
, . . . , v
m−1
¦ ∪ ¦u
i
1
, u
i
2
, . . . , u
i
n−m+1
¦
dondc 1 ≤ i
l
≤ n. l ∈ ¦1, 2, . . . , n −m + 1¦
Ahora podcmos uti¦izar c¦ ar.umcnto dcsarro¦¦ado cn c¦ caso m 1
y sustituir ¦os vcctorcs ¦inca¦mcntc indcpcndicntcs dc T
/
¦v
m
¦ por
un vcctor dc ¦a ¦asc S
1
Adcmas csa sustitucion sc va a haccr por un
vcctor dc ¦a sc.unda partc dc¦ con¡unto ¦u
i
1
, u
i
2
, . . . , u
i
n−m+1
¦ (¿Por
qu´e?) y sc o¦ticnc ¦a pruc¦a dc¦ tcorcma

140
Ya cstamos cn condicioncs dc pro¦ar c¦ tcorcma 22A y c¦ coro¦ario
ouc si.uc
Demostraci´ on del teorema 2.2.A.
Ii¡cmos un sistcma .cncrador finito dc¦ cspacio vcctoria¦ (ouc su-
pondrcmos ouc no cs c¦ tormado s o¦o por c¦ vcctor 0. si ¦o tucra ya
sa¦cmos por c¦ convcnio hccho ouc ticnc ¦asc
R ¦w
1
, w
2
, . . . , w
k
¦
`o cs rcstrictivo suponcr ouc cn R no csta c¦ vcctor 0. si ¦o cstuvicra
¦o c¦iminamos y R sc.uirıa sicndo .cncrador
Ahora proccdcmos a construir ¦a ¦asc usando ¦a proposici on 22L
Si c¦ con¡unto R
1
¦w
1
¦ cs .cncrador cntonccs scra una ¦asc y hcmos
tcrminado
Ln caso contrario c¦c.imos c¦ n umcro n
2
> 1 m as pcouc˜ no posi¦¦c
para c¦ ouc sc cump¦c w
n
2
∈< R
1
> ¹sando ¦a proposici on 22L sc
ticnc ouc R
2
¦w
1
, w
n
2
¦ cs ¦inca¦mcntc indcpcndicntc Si cs .cncra-
dor hcmos aca¦ado. cn caso contrario rcpctimos c¦ proccso ouc ticnc
ouc scr finito por scr¦o R
A¦ fina¦ ha¦rcmos consc.uido un R
l
¦inca¦mcntc indcpcndicntc y
.cncrador. cs dccir una ¦asc

141
Corolario
Si c¦ cspacio vcctoria¦ V
K
ticnc una ¦asc finita. todas ¦as ¦ascs dc V
K
ticncn c¦ mismo n umcro dc vcctorcs
Demostraci´ on
Supon.amos ouc tcncmos dos ¦ascs dc V
K

R ¦u
1
, u
2
, . . . , u
k
¦
S ¦v
1
, v
2
, . . . , v
l
¦
¹sando c¦ tcorcma dc Stcincr considcrando R ¦asc y S ¦inca¦mcntc
indcpcndicntc tcncmos
l ≤ k.
Ahora por c¦ mismo tcorcma considcrando S ¦asc y R ¦inca¦mcntc
indcpcndicntc
k ≤ l.
Ası ouc k l.

142
Definici´ on (Dimensi´ on).
Lado un cspacio vcctoria¦ V
K
. dircmos ouc ¦a dimensi´on de V cs
n si cua¦ouicr ¦asc ticnc n c¦cmcntos y rcprcscntarcmos ¦a dimcnsion
dc V
K
por dim(V
K
o dimV
K

Propiedades
1 La dimcnsi on dc un cspacio coincidc con c¦ n umcro maximo dc
c¦cmcntos ouc pucdc tcncr un con¡unto ¦inca¦mcntc indcpcndicntc
y tam¦icn con c¦ n umcro mınimo dc c¦cmcntos ouc pucdc tcncr un
con¡unto .cncrador
2 Todo con¡unto dc vcctorcs ¦inca¦mcntc indcpcndicntcs pucdc com-
p¦ctarsc hasta o¦tcncr una ¦asc
143
2.3. Cambio de bases. Matriz de cam-
bio de base
Suponcmos ouc so¦rc c¦ cspacio vcctoria¦ V
K
tcncmos fi¡adas dos
¦ascs. β ¦u
1
, u
2
, . . . , u
n
¦ y β
/
¦v
1
, v
2
, . . . , v
n
¦
Oucrcmos sa¦cr ¦a rc¦aci on cntrc ¦as coordcnadas dc un vcctor w cn
β y β
/

Con c¦ fin dc dctcrminar csa rc¦acion construimos ¦a matriz de cam-
bio de base dc β a β
/
. para c¦¦o. cada vcctor dc ¦a ¦asc β
/
sc ponc
como com¦inaci on ¦inca¦ dc ¦os c¦cmcntos dc ¦a ¦asc β
v
i

n
¸
j=1
α
ji
u
j
.
lor u¦timo construimos ¦a matriz cuadrada
M
ββ
/ A (α
ij

(i,j)∈¦1,...,n¦¦1,...,n¦
.
Detalle de la relaci´ on
Tomamos w
¸
n
j=1
y
j
u
j

¸
n
j=1
x
j
v
j
. x (x
1
, x
2
, . . . , x
n

t
c
y (y
1
, y
2
, . . . , y
n

t
.
w
n
¸
i=1
x
i
v
i

n
¸
i=1
x
i


n
¸
j=1
α
ji
u
j

n
¸
j=1

n
¸
i=1
x
i
α
ji

u
j
,
dc dondc y
j

¸
n
i=1
x
i
α
ji
y ¦a rc¦aci on dcscada cs
y M
ββ
/ x.
3. Subespacios vectoriales
Definici´ on (Subespacio vectorial).
¹n su¦con¡unto H dc un cspacio vcctoria¦ V
K
dircmos ouc cs un
subespacio vectorial dc V
K
si H con ¦as opcracioncs. + y . dc V
K
cs
c¦ mismo un cspacio vcctoria¦
Proposici´ on
¹n su¦con¡unto H dc V
K
cs un su¦cspacio vcctoria¦ dc V
K
si y so¦o
si sc vcrifican
1 lara cua¦csouicra u y v dc H sc ticnc ouc u + v ∈ H
2 lara todo α dc K y para todo u ∈ H sc vcrifica αu ∈ H
145
Ejemplo
Las so¦ucioncs dc un sistcma ¦inca¦ dc ccuacioncs ticnc cstructura dc
su¦cspacio vcctoria¦ dc R
n

Adcmas dim(H n − r. (A (n umcro dc par amctros ncccsarios
para rcso¦vcr c¦ sistcma
Ejemplo
Lado un con¡unto dc vcctorcs S dc¦ cspacio vcctoria¦ V
K
. sc ticnc
ouc c¦ cspacio .cncrado por S cs un su¦cspacio vcctoria¦ dc V
K

Ejemplo
Sca V
K
un cspacio vcctoria¦ dc dimcnsi on n y sca β una ¦asc dc V
K

Lada una matriz A ∈ M
kn
(K sc ticnc ouc
H ¦(x
1
, x
2
, . . . , x
n

β
A(x
1
, x
2
, . . . , x
n

t

cs un su¦cspacio vcctoria¦ dc V
K
dc dimcnsion n −r. A.
146
3.1. Rango de un conjunto de vecto-
res. Prueba del teorema de Rou-
ch´e-Frobenius
Definici´ on (Rango).
L¦ rango de un conjunto de vectores
S ¦u
1
, u
2
, . . . , u
n
¦
cs ¦a dimcnsion dc¦ cspacio vcctoria¦ < S >
Propiedades
L¦ ran.o dc una matriz
A (a
i,j

(i,j)∈¦1,...,m¦¦1,...,n¦










a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn









coincidc con c¦ ran.o dc¦ con¡unto dc K
n
¦v
i
(a
ij

j=1,...,n
¦
m
i=1
(vecto-
res fila dc A y con c¦ ran.o dc¦ con¡unto dc K
m
¦w
j
(a
ij

i=1,...,m
¦
n
j=1
(vectores columna dc A
147
Demostraci´ on del teorema de Rouch´e-Frobenius
Ax b, (S
con x









x
1
x
2

x
n









. b









b
1
b
2

b
n









y A









a
11
a
12
a
1n
a
21
a
22
a
2n

a
m1
a
m2
a
mn








Lscri¦imos ¦a ccuaci on S dc ¦a si.uicntc mancra
x
1









a
11
a
21

a
m1









+ x
2









a
12
a
22

a
m2









+ + x
n









a
1n
a
2n

a
mn

















b
1
b
2

b
n









, (9
dc dondc sc si.uc
1 Si r. (A r. (A[b. cntonccs c¦ vcctor b cs com¦inacion ¦inca¦ dc
¦os vcctorcs dc ¦w
j
(a
ij

i=1,...,m
¦
n
j=1
. con ¦o ouc cxistcn csca¦arcs
x
i
. i ∈ ¦1, 2, . . . , n¦. ouc vcrifican ¦a ccuaci on 9 lor ¦o tanto. c¦
sistcma cs compati¦¦c 1u.ando otra vcz con ¦os ran.os sc vc ouc
si r. (A r. (A[b cntonccs c¦ sistcma cs incompati¦¦c. pucsto
ouc b no cs com¦inaci on ¦inca¦ dc ¦w
j
(a
ij

i=1,...,m
¦
n
j=1

2 Si r. (A r. (A[b n cntonccs ¦a cxprcsion dc b como com-
148
¦inaci on ¦inca¦ dc ¦os vcctorcs dc ¦w
j
(a
ij

i=1,...,m
¦
n
j=1
cs unica.
pucsto ouc cstos u¦timos son ¦inca¦mcntc indcpcndicntcs Ln con-
sccucncia c¦ sistcma cs compati¦¦c dctcrminado
149
3.2. Operaci´ on con subespacios: inter-
secci´ on, uni´ on y suma
Ii¡amos un cspacio vcctoria¦ V
K
y su¦cspacios vcctoria¦cs H y H
/

Proposici´ on
H ∩ H
/
cs un su¦cspacio dc V
K

Observaci´ on
H ∪ H
/
no cs cn .cncra¦ un su¦cspacio dc V
K

Definici´ on (Suma de subespacios vectoriales).
H + H
/
< H ∪ H
/
>, cs dccir. c¦ su¦cspacio suma cs c¦ cspacio
.cncrado por ¦a uni on dc ¦os con¡untos H y H
/

Definici´ on (Suma directa).
La suma H + H
/
sc dicc ouc cs directa cuando para todo vcctor
v ∈ H +H
/
. cxistcn unicamcntc dos vcctorcs v
1
∈ H y v
2
∈ H
/
ta¦cs
ouc v v
1
+ v
2

Proposici´ on
La suma dc H y H
/
cs dirccta si y so¦o si H ∩ H
/
¦0¦
Aca¦amos cstc apartado con ¦a importantc t ormu¦a dc Grassmann
150
Teorema (Grassman)
dim(H + H
/
dim(H + dim(H
/
−dim(H ∩ H
/
.
3.3. Ecuaciones cartesianas de un sub-
espacio vectorial
Lado un cspacio vcctoria¦ V
K
. un su¦cspacio dc c¦ H. y una ¦asc
β
//
¦e
1
, e
2
, . . . , e
k
¦ dc V
K
. ¦as ccuacioncs ouc satistaccn ¦as coordc-
nadas dc ¦os vcctorcs dc H cxprcsados cn ¦a ¦asc β
//
rcci¦cn c¦ nom¦rc
dc ecuaciones cartesianas de H respecto de la base β
//

Procedimiento
Tomamos una ¦asc dc H. β ¦w
1
, w
2
, . . . , w
m
¦
Comp¦ctamos β hasta una ¦asc dc V
K
. β
/
¦w
1
, w
2
, . . . , w
n
¦
L¦c.imos un vcctor ar¦itrario v ∈ H y tomamos sus coordcnadas
cn β y β
//

v y
1
w
1
+y
2
w
2
+ +y
m
w
m
x
1
e
1
+x
2
e
2
+ +x
m
e
m
+ +x
n
e
n
Ca¦cu¦amos ¦as coordcnadas dc ¦os vcctorcs e
j
rcspccto a β
/
e
j

¸
n
l=1
λ
lj
w
j
.
151
Ası ouc
v
n
¸
j=1
x
j
e
j

n
¸
j=1
x
j

k
¸
l=1
λ
lj
w
l

n
¸
l=1


n
¸
j=1
x
j
λ
lj


w
l
.
Y como v ∈ H. cntonccs
n
¸
j=1
x
j
λ
lj
0 ∀l ∈ ¦m + 1, m+ 2, . . . , n¦.
(Ecuaciones cartesianas de H respecto de la base β
//
¦e
1
, e
2
, . . . , e
n
¦)
152
4. Ejercicios resueltos
Ejercicio
Sca V un cspacio vcctoria¦ so¦rc R y sca S ¦u, v, w¦ un sistcma
¦i¦rc ,Ls T ¦u+v+w, v+3w, 2v+w¦ un sistcma ¦i¦rc dc vcctorcs´
Soluci´ on.
\camos ouc T cs ¦inca¦mcntc indcpcndicntc. para c¦¦o tomamos una
com¦inaci on ¦inca¦ dc vcctorcs dc S i.ua¦ a¦ vcctor 0 y dcmostramos
ouc ¦os cocficicntcs son todos ccro
α(u + v + w + β(v + 3w + γ(2v + w
αu + (α + β + 2γv + (α + 3β + γw 0
S ¦i












α 0,
α + β + 2γ 0,
α + 3β + γ 0.
Como c¦ sistcma antcrior cs compati¦¦c y dctcrminado (por tcncr su
matriz asociada ran.o 3 sc ticnc ouc ¦a unica so¦uci on cs α β
γ 0 y T cs un sistcma ¦i¦rc
153
Ejercicio
Sca V un cspacio vcctoria¦ so¦rc Z
5
y sca ¦u, v, w¦ un con¡unto dc
vcctorcs ,Ls ¦u+v +w, v +3w, 2v +w¦ un sistcma ¦i¦rc dc vcctorcs´
Soluci´ on.
\camos ouc T cs ¦inca¦mcntc dcpcndicntc y por ¦o tanto no cs ¦i¦rc
lara c¦¦o ¦asta con cncontrar una com¦inaci on ¦inca¦ dc vcctorcs dc S
i.ua¦ a¦ vcctor 0 y con no todos sus cocficicntcs ccro
0(u + v + w + 3(v + 3w + 1(2v + w
0v + 0w 0.
154
Ejercicio
,Ls (R, +, un cspacio vcctoria¦ so¦rc R´
Soluci´ on. lor ¦as propicdadcs dc ¦os n umcros rca¦cs sa¦cmos ouc
(R, + cs un .rupo a¦c¦iano Ası ouc ¦os cuatro primcros axiomas dc
cspacio vcctoria¦ (¦os rctcrcntcs a ¦a suma sc satistaccn
\camos ahora ouc tam¦icn sc cump¦cn ¦as propicdadcs rctcrcntcs a¦
producto lara c¦¦o tomamos csca¦arcs cua¦csouicra λ, μ ∈ Ry vcctorcs
v, w ∈ R Compro¦amos ouc sc satistaccn ¦os cuatro axiomas cn ¦os
ouc csta invo¦ucrado c¦ producto
1 λ(v +w λv +λw sc cump¦c. cs ¦a propicdad distri¦utiva dc ¦os
n umcros rca¦cs
2 (λ+μv λv +μv. otra vcz sc trata dc ¦a propicdad distri¦utiva
cn R
3 (λμv λ(μv. csta cs ¦a propicdad asociativa dc ¦os n umcros
rca¦cs
! 1v v cs cicrto ya ouc 1 cs c¦ c¦cmcnto ncutro dc¦ producto cn R
Ası ouc sc satistaccn todos ¦os axiomas dc cspacio vcctoria¦ y por ¦o
tanto (R, +, cs un cspacio vcctoria¦ so¦rc R
155
Ejercicio
Lados ¦os su¦cspacios dc Z
3
5
S ¦(x, y, z ∈ Z
3
5
x y 0¦.
T ¦(x, y, z ∈ Z
3
5
x + y + z 0¦
ca¦cu¦ar
(a ¹na ¦asc y ¦a dimcnsi on dc S y T.
Soluci´ on. La matriz asociada a¦ sistcma ouc dcfinc S cs
(A[b


1 0 0 [ 0
0 1 0 [ 0


Ası ouc ¦a dimcnsi on dc S cs 3 −r. A 3 −2 1
¹na ¦asc dc S cstara tormada por un vcctor no nu¦o y ouc pcrtc-
nczca a S
β
S
¦(0, 0, 1¦

Ahora ca¦cu¦amos ¦os datos so¦icitados dc T La matriz asociada
a¦ sistcma ouc dcfinc T cs
(C[d

1 1 1 [ 0

Ası ouc ¦a dimcnsi on dc S cs 3 −r. C 3 −1 2
156
¹na ¦asc dc T cstara tormada por dos vcctorcs ¦inca¦mcntc indc-
pcndicntc ouc pcrtcnczcan a T
β
T
¦(1, 0, !, (0, 2, 3¦

(¦ Ca¦cu¦ar S ∩ T y S + T, dando una ¦asc dc dichos su¦cspacios
Soluci´ on.
S ∩ T
La matriz asociada a¦ sistcma ouc dcfinc cstc su¦cspacio (uni on dc
¦as ccuacioncs ouc dcfinc a S y a T cs
(A[b






1 1 1 [ 0
1 0 0 [ 0
0 1 0 [ 0






F
1
2
(!







1 1 1 [ 0
0 ! ! [ 0
0 1 0 [ 0






F
2
3
(1







1 1 1 [ 0
0 ! ! [ 0
0 0 ! [ 0






Ası ouc dimS ∩T 3−r. A 0. S∩T ¦(0, 0, 0¦ y β
S∩T

S + T
¹ti¦izando ¦a t ormu¦a dc Grassman sc ticnc dimS +T dimS +
dimT −dimS ∩ T 2 + 1 3.
157
lor ¦o tanto S + T Z
3
5
y β
S+T
¦(1, 0, 0, (0, 1, 0, (0, 0, 1¦
(c ,Ls ¦a suma S + T dirccta´
Soluci´ on. Sı porouc ¦a intcrsccci on S ∩ T ¦(0, 0, 0¦
(d Card Z
3
5
. Card S y Card T
Soluci´ on. Card Z
3
5
`
3
12` Card T
158
Ejercicio
Sc considcran ¦os si.uicntcs con¡untos dc vcctorcs
β
A
¦v
1
(1, 1, 1, v
2
(0, 1, 1, v
3
(1, 0, 1¦,
β
C
¦w
1
(1, 1, 0, w
2
(0, 1, 1, w
3
(0, 0, 1¦, B ¦(2, 2, 1
β
C
¦
y sc pidc
1 Ca¦cu¦ar ¦a matriz dc cam¦io dc ¦asc dc ¦a ¦asc β
A
a ¦a ¦asc
canonica. cs dccir M
β
A
β
C

Soluci´ on. Lsta matriz sc construyc ponicndo por co¦umnas ¦as
coordcnadas dc ¦os vcctorcs dc ¦a ¦asc β
C
rcspccto a β
A
Ca¦cu¦a-
mos csas coordcnadas
w
1
(1, 1, 0 2v
1
−v
2
−v
3
(2, −1, −1
β
A
,
w
2
(0, 1, 1 v
2
(0, 1, 0
β
A
,
w
3
(0, 0, 1 −v
1
+ v
2
+ v
3
(−1, 1, 1
β
A
.
Ası ouc
M
β
A
β
C







2 0 −1
−1 1 1
−1 0 1






159
2 Ca¦cu¦ar ¦a matriz dc cam¦io dc ¦asc dc ¦a ¦asc β
C
a ¦a ¦asc β
A
.
cs dccir M
β
C
β
A

Soluci´ on. Lsta matriz sc construyc ponicndo por co¦umnas ¦as
coordcnadas dc ¦os vcctorcs dc ¦a ¦asc β
A
rcspccto a β
C

v
1
(1, 1, 1 w
1
+ w
3
(1, 0, 1
β
C
,
v
2
(0, 1, 1 w
2
(0, 1, 0
β
C
,
v
3
(1, 0, 1 w
1
−w
2
+ 2w
3
(1, −1, 2
β
C
,
ası ouc
M
β
C
β
A







1 0 1
0 1 −1
1 0 2






3 Lar ¦as coordcnadas dc ¦os vcctorcs dc¦ con¡unto B cn ¦a ¦asc β
A

Soluci´ on. ¹sando ¦a matriz M
β
A
β
C
cs taci¦ ca¦cu¦ar csas coordc-
nadas

M
β
A
β
C
(2, 2, 1
t
β
C

t
(3, 1, −1
β
A
.
lor ¦o tanto
B ¦(3, 1, −1
β
A
¦.
160
! Ca¦cu¦ar ¦as ccuacioncs dc¦ su¦cspacio < B > rcspccto dc ¦a ¦asc
β
A

Soluci´ on.
Antcs dc nada tcncmos c¦aro ouc sc ncccsitan dos ccuacioncs (di-
mcnsi on dc R
3
-dimcnsi on dc < B >
¹n vcctor (x, y, z
β
A
∈< B > si y so¦o si
(x, y, z
β
A
α(3, 1, −1
β
A
(3α, α, −α
β
A












x 3α,
y α,
z −α




x −3y 0,
y + z 0.
161
Ejercicio
Ln R
4
sc considcran ¦os su¦cspacios vcctoria¦cs
S < (1, 0, 0, 0, (0, 1, 1, 1 > y T ¦(x, y, z, t x 0, 2y−z−t 0¦
y sc pidc
1 ¹na ¦asc. ¦a dimcnsi on y ¦as ccuacioncs dc S
Soluci´ on. Los dos vcctorcs ouc .cncran S tam¦icn son ¦inca¦mcn-
tc indcpcndicntcs. por ¦o tanto son una ¦asc dc S
β
S
¦(1, 0, 0, 0, (0, 1, 1, 1¦.
Ahora ca¦cu¦amos ¦as ccuacioncs ouc dc¦c satistaccr un vcctor
(x, y, z, t ∈ S
(x, y, z, t α(1, 0, 0, 0 + β(0, 1, 1, 1 ⇒

















x α,
y β,
z β,
t β




y −z 0,
y −t 0
2 ¹na ¦asc y ¦a dimcnsi on dc T
Soluci´ on. Como ¦a dimcnsi on dc T cs 2 (dimR
4
-n umcro dc ccua-
cioncs ¦inca¦mcntc indcpcndicntcs ouc dcfincn a T ¦astara con
cncontrar dos vcctorcs ¦inca¦mcntc indcpcndicntcs cn T para dar
162
una ¦asc
β
T
¦(0, 0, 1, −1, (0, 1, 2, 0¦.
3 ¹na ¦asc. ¦a dimcnsi on y ¦as ccuacioncs dc S ∩ T
Soluci´ on. Las ccuacioncs dc S ∩T sc o¦ticncn como ¦a uni on dc
¦as ccuacioncs dc S con ¦as ccuacioncs dc T

















x 0,
2y −z −t 0,
y −z 0,
y −t 0










1 0 0 0 0
0 2 −1 −1 0
0 1 −1 0 0
0 1 0 −1 0









F
2
−F
3
−F
4










1 0 0 0 0
0 0 0 0 0
0 1 −1 0 0
0 1 0 −1 0





















x 0,
y −z 0,
y −t 0
Ası ouc dimS ∩ T ! − r. A 1 (A cs ¦a matriz asociada a¦
sistcma ouc dcfinc S ∩ T
Ahora o¦tcncmos ¦a ¦asc dc S ∩ T
β
S∩T
¦(0, 1, 1, 1¦.
163
! ¹na ¦asc. ¦a dimcnsi on y ¦as ccuacioncs dc S + T
Soluci´ on.
¹sando ¦a t ormu¦a dc Grassman sc ticnc ouc
dimS + T dimS + dimT −dimS ∩ T 2 + 2 −1 3.
¹n con¡unto .cncrador dc S + T sc o¦ticnc unicndo con¡untos
.cncradorcs dc S y dc T. cs dccir
S + T < (1, 0, 0, 0, (0, 1, 1, 1, (0, 0, 1, −1, (0, 1, 2, 0 >,
dc cstos cuatro vcctorcs ahora nos oucdamos con trcs ouc scan
¦inca¦mcntc indcpcndicntcs y tcndrcmos una ¦asc dc S + T Ls
t aci¦ darsc cuanta ouc ¦os trcs primcros vcctorcs son ¦inca¦mcntc
indcpcndicntcs. ¦uc.o
β
S+T
¦(1, 0, 0, 0, (0, 1, 1, 1, (0, 0, 1, −1¦.
Aca¦amos dando ¦as ccuacioncs ouc satistacc c¦ su¦cspacio S +T.
para c¦¦o tomamos (x, y, z, t ∈ S +T y rccordamos ouc ncccsita-
164
mos 1 ccuaci on (dimR
4
−dimS + T. cntonccs
(x, y, z, t α(1, 0, 0, 0 + β(0, 1, 1, 1 + γ(0, 0, 1, −1
(α, β, β + γ, β −γ


















x α,
y β,
z β + γ,
t β −γ.
⇒ z + t −2y 0.
` Lada ¦a ¦asc β ¦(1, 0, 0, 0, (1, 1, 0, 0, (1, 1, 1, 0, (1, 1, 1, 1¦.
¡ustifica si c¦ vcctor (1, 2, 3, !
β
pcrtcnccc a a¦.uno dc ¦os su¦cspa-
cios S, T, S ∩ T, S + T
Soluci´ on. O¦tcncmos taci¦mcntc ¦as coordcnadas dc¦ vcctor (1, 2, 3, !
β
cn ¦a ¦asc can onica
(1, 2, 3, !
β
(1, 0, 0, 0 + 2(1, 1, 0, 0 + 3(1, 1, 1, 0 + !(1, 1, 1, 1
(10, 9, ¨, !.
Sc compruc¦a taci¦mcntc ouc cstc vcctor no satistacc ¦as ccuacio-
ncs dc nin.uno dc ¦os su¦cspacios dados Ası ouc (1, 2, 3, !
β
no
pcrtcnccc a nin.uno dc ¦os su¦cspacios propucstos
165
Ejercicio
Sca M
22
(R c¦ cspacio dc ¦as matriccs dc ordcn 22 so¦rc c¦
cucrpo R. cstudiar si ¦os si.uicntcs con¡untos dc matriccs son su-
¦cspacios vcctoria¦cs Ln caso dc ouc scan su¦cspacios vcctoria¦cs.
ca¦cu¦ar ¦as ccuacioncs cartcsianas dc cstos rcspccto dc ¦a ¦asc
β



e
1



1 0
0 0


, e
2



0 1
0 0


, e
3



0 0
1 0


, e
4



0 0
0 1





a M
1
¦A ∈ M
22
(R ¡ A cs simctrica¦
Soluci´ on. M
1
cs un su¦cspacio vcctoria¦ ya ouc
Si A, B ∈ M
1
cntonccs A
t
A y B
t
B lor ¦o tanto
(A + B
t
A
t
+ B
t
A + B. cs dccir. A + B ∈ M
1

Si A ∈ M
1
y α ∈ Rcntonccs A
t
Ay (αA
t
αA
t
αA.
cs dccir. αA ∈ M
1

Ca¦cu¦amos ahora ¦as ccuacioncs dc M
1
rcspccto dc ¦a ¦asc β
sca H ∈ M
1
con coordcnadas cn β ¦as ouc si.ucn
H xe
1
+ ye
2
+ ze
3
+ we
4



x y
z w


Como H
t
H cntonccs y z. cs dccir. y −z 0

Lsta cs ¦a
ccuaci on ¦inca¦ homo.cnca ouc satistaccn ¦as coordcnadas dc
¦os vcctorcs dc M
1
cn ¦a ¦asc β.
166
Ca¦cu¦amos ahora una ¦asc dc¦ su¦cspacio M
1
Si S cs ¦a matriz
asociada a¦ sistcma ouc dcfinc a M
1
. ¦a dimcnsi on dc M
1
cs
dimM
22
(R −r. S ! −1 3
Ası ouc ¦asta con dar 3 vcctorcs ¦inca¦mcntc indcpcndicntcs dc
M
1
para tcncr una ¦asc
β
M
1






1 0
0 0


,


0 0
0 1


,


0 1
1 0





b M
2
¦A ∈ M
22
(R ¡ A
2

Soluci´ on. A


1 0
0 0


∈ M
2
. pcro `A


` 0
0 0


∈ M
2
.
ası ouc M
2
no cs un su¦cspacio vcctoria¦
c M
3
¦A ∈ M
22
(R ¡ dct(A 0¦
Soluci´ on. A


1 0
0 0


∈ M
3
y B


0 0
0 1


∈ M
3
. pcro
A + B


1 0
0 1


∈ M
3
. ası ouc M
3
no cs un su¦cspacio
vcctoria¦
d M
4
¦A


0 0
0 a


∈ M
22
(R / a ∈ R ¦
Soluci´ on. M
4
cs un su¦cspacio vcctoria¦ porouc
167
Si A, B ∈ M
4
cntonccs A


0 0
0 a


y B


0 0
0 b


.
ası ouc A + B


0 0
0 a + b


∈ M
4
.
Si A ∈ M
4
y α ∈ R cntonccs A


0 0
0 a


y αA


0 0
0 αa


∈ M
4

Como cua¦ouicr c¦cmcnto dc M
4
cs dc ¦a torma


0 0
0 a


sc
ticnc ouc
β
M
4






0 0
0 1





cs una ¦asc dc M
4
a¦ scr un sistcma .cncrador y ¦inca¦mcntc
indcpcndicntc
168
Ejercicio
Compro¦ar si ¦os si.uicntcs con¡untos dc R
3
son su¦cspacios vcc-
toria¦cs
(a W
¸
(x
1
, x
2
, x
3
∈ R
3
x
1
+ x
2
0
¸
.
Soluci´ on. Ls un su¦cspacio vcctoria¦ por scr sus c¦cmcntos
¦as so¦ucioncs dc un sistcma ¦inca¦ homo.cnco Adcm as ¦a di-
mcnsi on cs 3 mcnos c¦ ran.o dc ¦a matriz ouc dcfinc c¦ sistcma.
cs dccir ¦a dimcnsion cs 3 −1 2
(¦ W
¸
(x
1
, x
2
, x
3
∈ R
3
x
1
+ 2x
2
+ x
3
1
¸
.
Soluci´ on. `o cs un su¦cspacio vcctoria¦ porouc (1, 0, 0 ∈ W
pcro 2(1, 0, 0 ∈ W
(c W
¸
(x
1
, x
2
, x
3
∈ R
3
x
1
x
2
0
¸
.
Soluci´ on. Ls un su¦cspacio vcctoria¦ por scr sus c¦cmcntos
¦as so¦ucioncs dc un sistcma ¦inca¦ homo.cnco Adcm as ¦a di-
mcnsi on cs 3 mcnos c¦ ran.o dc ¦a matriz ouc dcfinc c¦ sistcma.
cs dccir ¦a dimcnsion cs 3 −2 1
(d W
¸
(x
1
, x
2
, x
3
∈ R
3
x
1
+ x
2
0 y x
3
−x
2
0
¸
.
Soluci´ on. Ls un su¦cspacio vcctoria¦ por scr sus c¦cmcntos
¦as so¦ucioncs dc un sistcma ¦inca¦ homo.cnco Adcm as ¦a di-
mcnsi on cs 3 mcnos c¦ ran.o dc ¦a matriz ouc dcfinc c¦ sistcma.
169
cs dccir ¦a dimcnsion cs 3 −2 1
(c W
¸
(x
1
, x
2
, x
3
∈ R
3
x
1
+ x
2
2
0
¸
.
Soluci´ on. `o cs un su¦cspacio vcctoria¦ porouc (−1, 1, 0 ∈
W pcro `(−1, 1, 0 ∈ W
170
Ejercicio
Compro¦ar si ¦os si.uicntcs con¡untos dc Z
3
5
son su¦cspacios vcc-
toria¦cs
(a W
¸
(x
1
, x
2
, x
3
∈ Z
3
5
x
1
+ x
2
0
¸
.
Soluci´ on. lor ¦os mismos motivos ouc cn c¦ c¡crcicio antcrior
(c¦ mismo apartado W cs un su¦cspacio vcctoria¦ La dimcn-
sion si.uc sicndo ¦a misma por un razonamicnto an a¦o.o
(¦ W
¸
(x
1
, x
2
, x
3
∈ Z
3
5
x
1
+ 2x
2
+ x
3
1
¸
.
Soluci´ on. `o cs un su¦cspacio vcctoria¦ porouc (1, 0, 0 ∈ W
pcro 2(1, 0, 0 ∈ W
(c W
¸
(x
1
, x
2
, x
3
∈ Z
3
5
x
1
x
2
0
¸
.
Soluci´ on. lor ¦os mismos motivos ouc cn c¦ c¡crcicio antcrior
(c¦ mismo apartado W cs un su¦cspacio vcctoria¦ La dimcn-
si on si.uc sicndo ¦a misma por un razonamicnto an a¦o.o
(d W
¸
(x
1
, x
2
, x
3
∈ Z
3
5
x
1
+ x
2
0 y x
3
−x
2
0
¸
.
Soluci´ on. lor ¦os mismos motivos ouc cn c¦ c¡crcicio antcrior
(c¦ mismo apartado W cs un su¦cspacio vcctoria¦ La dimcn-
sion si.uc sicndo ¦a misma por un razonamicnto an a¦o.o
(c W
¸
(x
1
, x
2
, x
3
∈ Z
3
5
x
1
+ x
2
2
0
¸
.
171
Soluci´ on. `o cs un su¦cspacio vcctoria¦ porouc (!, 1, 0 ∈ W
pcro 2(!, 1, 0 (3, 2, 0 ∈ W ya ouc 3 + 2
2
3 + ! 2 0
(t W
¸
(x
1
, x
2
, x
3
∈ Z
3
3
x
1
(x
2
1
+ 2 0
¸
.
Soluci´ on. Lusoucmos otra dcscripci on dc¦ con¡unto W L¦
vcctor (x, y, z ∈ W si y so¦o si x(x
2
− 1 0. ası ouc x 0
o x
2
1 Adcm as ¦a ccuaci on x
2
1 sc satistacc para ¦os
va¦orcs dc x 1 y x 2
Ası ouc W Z
3
3
y por ¦o tanto cs un su¦cspacio vcctoria¦
172
Ejercicio
Sca A ∈ M
kn
(K y F
A
c¦ con¡unto tormado por ¦os vcctorcs fi¦a dc
¦a matriz A (F
A
⊂ K
n
Sca B una matriz o¦tcnida dc A mcdiantc
una opcraci on c¦cmcnta¦ por fi¦as y F
B
c¦ con¡unto tormado por ¦os
vcctorcs fi¦a dc ¦a matriz B (F
B
⊂ K
n

Lntonccs < F
A
>< F
B
>
Demostraci´ on
lara csta dcmostraci on hay ouc distin.uir trcs casos
B se obtiene de A intercambiando dos filas. Ln cstc caso
F
A
F
B
y c¦aramcntc < F
A
>< F
B
>
B se obtiene de A multiplicando la fila j por un escalar
α 0. Si ¦¦amamos v
l
a¦ vcctor fi¦a l-csima dc ¦a matriz A
cntonccs
F
A
¦v
1
, v
2
, . . . , v
j−1
, v
j
, v
j+1
, . . . , v
k
¦
y
F
B
¦v
1
, v
2
, . . . , v
j−1
, αv
j
, v
j+1
, . . . , v
k
¦.
Si v ∈< F
A
> cntonccs
v α
1
v
1
+ α
2
v
2
+ . . . α
j−1
v
j−1
+ α
j
v
j
+ α
j+1
v
j+1
+ . . . α
n
v
n
⇒ v α
1
v
1
+ α
2
v
2
+ . . . α
j−1
v
j−1
+ α
j
α
−1
αv
j
+ α
j+1
v
j+1
+ . . . α
n
v
n
,
173
cs dccir v ∈< F
B
> Ası ouc hcmos pro¦ado < F
A
>⊂<
F
B
>
lro¦amos ahora ¦a inc¦usi on contraria Si v ∈< F
B
> cnton-
ccs
v α
1
v
1
+ α
2
v
2
+ . . . α
j−1
v
j−1
+ α
j
αv
j
+ α
j+1
v
j+1
+ . . . α
n
v
n
,
ası ouc v ∈< F
A
> lor ¦o tanto < F
B
>⊂< F
A
>
Lcmos pro¦ado por ¦o tanto ¦a i.ua¦dad < F
B
>< F
A
>
B se obtiene de A sumando a la fila i la fila j multiplicada
por un escalar α 0. Si ¦¦amamos v
l
a¦ vcctor fi¦a l-csima dc
¦a matriz A cntonccs
F
A
¦v
1
, v
2
, . . . , v
k
¦
y
F
B
¦v
1
, v
2
, . . . , v
i−1
, v
i
+ αv
j
, v
i+1
, . . . , v
k
¦.
Si v ∈< F
A
> cntonccs
v α
1
v
1
+ α
2
v
2
+ . . . α
i−1
v
i−1
+ α
i
v
i
+ α
i+1
v
i+1
+ . . . α
n
v
n
⇒ v
n
¸
l∈¦1,2,...,n¦`¦i,j¦
α
l
v
l
+ α
i
(v
i
+ αv
j
+ (α
j
−α
i
αv
j
,
cs dccir v ∈< F
B
> Ası ouc hcmos pro¦ado < F
A
>⊂<
F
B
>
174
lro¦amos ahora ¦a inc¦usi on contraria Si v ∈< F
B
> cnton-
ccs
v
n
¸
l∈¦1,2,...,n¦`¦i,j¦
α
l
v
l
+ α
i
(v
i
+ αv
j
+ α
j
v
j

n
¸
l∈¦1,2,...,n¦`¦i,j¦
α
l
v
l
+ α
i
v
i
+ (αα
i
+ α
j
v
j
ası ouc v ∈< F
A
> lor ¦o tanto < F
B
>⊂< F
A
>
Lcmos pro¦ado por ¦o tanto ¦a i.ua¦dad < F
B
>< F
A
>
175
Ejercicio
Sca P
4
|x| c¦ cspacio vcctoria¦ dc ¦os po¦inomios con cocficicntcs
rca¦cs dc .rado mcnor o i.ua¦ ouc cuatro Ladas ¦as si.uicntcs
¦ascs
B
1

¸
x, x
2
+ 1, 2x
4
+ x
3
, x
3
−x
2
+ x, x
2
+ x
¸
B
2

¸
2x
4
+ 1, x
3
−1, x
3
+ 2x, x
2
, x
3
−x
2
¸
a La¦¦a ¦a matriz dc cam¦io dc ¦asc dc B
1
a B
2

Soluci´ on. lccurrimos a ¦a dcfinici on y ca¦cu¦amos ¦as coordc-
nadas dc ¦os vcctorcs dc B
2
cn B
1
lara simp¦ificar ¦a notaci on
dcnotarcmos a ¦os vcctorcs dc am¦as ¦ascs como si.uc
B
1
¦u
1
, u
2
, u
3
, u
4
, u
5
¦, B
2
¦v
1
, v
2
, v
3
, v
4
, v
5
¦.
v
1
2x
4
+ 1 3u
1
+ u
2
+ u
3
−u
4
−2u
5
(3, 1, 1, −1, −2
B
1
,
v
2
x
3
−1 −3u
1
−u
2
+ u
4
+ 2u
5
(−3, −1, 0, 1, 2
B
1
,
v
3
x
3
+ 2x u
4
+ u
5
(0, 0, 0, 1, 1
B
1
,
v
4
x
2
−u
1
+ u
5
(−1, 0, 0, 0, 1
B
1
,
v
5
x
3
−x
2
−u
1
+ u
4
(−1, 0, 0, 1, 0
B
1
,
Ası ouc
176
M
B
1
B
2













3 −3 0 −1 −1
1 −1 0 0 0
1 0 0 0 0
−1 1 1 0 1
−2 2 1 1 0












.
b La¦¦a ¦as coordcnadas rcspccto dc dichas ¦ascs dc¦ po¦inomio
p(x x
4
+ x
3
+ x
2
+ x + 1
Soluci´ on. Ca¦cu¦amos primcro ¦as coordcnadas dc p(x cn ¦a
¦asc B
2

p(x 1 + x + x
2
+ x
3
+ x
4

1
2
v
1

1
2
v
2
+
1
2
v
3
+ 2v
4
+ v
5

1
2
, −
1
2
,
1
2
, 2, 1

B
2
Ahora para ca¦cu¦ar ¦as coordcnadas dc¦ vcctor cn B
1
¦asta con
haccr ¦a mu¦tip¦icaci on
M
B
1
B
2

1
2
, −
1
2
,
1
2
, 2, 1

t
B
2

0, 1,
1
2
,
1
2
,
1
2

t
B
1
177
Tcma ` Ap¦icacioncs ¦inca¦cs
Ga¦ric¦ So¦cr L opcz
2! dc novicm¦rc dc 200!
5. Preliminares
Antcs dc dcsarro¦¦ar ¦os conccptos dc cstc tcma convicnc ac¦arar o
rcpasar ¦os conccptos dc aplicaci´ on y cnumcrar sus tipos ccuaci on
numcrica
Definici´ on (Aplicaci´ on). ¹na ap¦icaci on cntrc dos con¡untos. A y
B. cs una ¦cy ouc hacc corrcspondcr a cada c¦cmcnto dc A un unico
c¦cmcnto dc B
lara dcnotar csta ¦cy sc ¦c suc¦c dcnotar por una ¦ctra dc¦ a¦ta¦cto
y sc uti¦iza ¦a notaci´ on f A → B
Si c¦ c¦cmcnto a dc A csta rc¦acionado con c¦ c¦cmcnto b dc B sc
suc¦c cscri¦ir f(a b. tam¦icn sc suc¦c dccir ouc b cs ¦a imagen dc
a o ouc a cs una antiimagen dc b
Definici´ on (Conjuntos asociados a una aplicaci´ on f A → B).
A¦ con¡unto A sc ¦c suc¦c ¦¦amar conjunto original y a¦ con¡unto B
conjunto final
178
L¦ conjunto imagen de f sc dcnota por f(A y sc dcfinc por ¦a
i.ua¦dad
f(A ¦y ∈ B cxistc x ∈ A ta¦ ouc f(x y¦
Ejemplo. Dada la aplicaci´on f N → N definida por f(n 2n,
se tiene:
El conjunto inicial de f es N,
El conjunto final de f es N,
El conjunto imagen es el conjunto de los n´ umeros naturales
pares,
! es la antiimagen de S,
3 no es la imagen de ning´ un n´ umero natural.
179
Definici´ on (Tipos de aplicaciones). 1 ¹na ap¦icaci on f A →
B sc dicc inyectiva si sc vcrifica
si f(a f(b cntonccs a b.
2 ¹na ap¦icaci on f A → B sc dicc suprayectiva o exhaustiva
si sc vcrifica
todo c¦cmcnto dc B ticnc una antiima.cn
3 ¹na ap¦icaci on f A → B sc dicc biyectiva si sc vcrifica
f cs inycctiva y cxhaustiva
Ejemplo. La aplicaci´on f R → R definida por f(x x
2
no es
inyectiva ni suprayectiva.
f no es inyectiva ya que f(2 f(−2 ! y sin embargo 2 −2.
f no es suprayectiva ya que −1 no tiene antiimagen.
Proposici´ on (Aplicaci´ on inversa). Si f A → B es una apli-
caci´ on biyectiva entonces existe una aplicaci´on g B → A tal que:
f ◦ g 1
B
g ◦ f 1
A
,
donde 1
A
y 1
B
son las siguientes aplicaciones:
1
A
A −→ A
a → a
1
B
B −→ B
b → b.
La aplicaci´on g se llama inversa de la aplicaci´ on f.
180
Demostraci´on. La dcfinici on dc g B → A sc hacc como si.uc para
cada c¦cmcnto b ∈ B cxistc una unica antiima.cn a por f (ap¦icaci on
¦iycctiva ta¦ ouc f(a b
Ahora sc dcfinc g(b a y cs rutinario compro¦ar ouc g satistacc
¦as propicdadcs cnunciadas
181
6. Introducci´ on de las aplicaciones li-
neales
Definici´ on (Aplicaci´ on lineal). Lados dos K-cspacios vcctoria¦cs
V y W y una ap¦icaci on f V → W cntrc c¦¦os. dircmos ouc f cs
¦inca¦ si vcrifica
∀ u, v ∈ V f(u + v f(u + f(v
∀ α ∈ K y ∀ u ∈ V f(αu αf(u
Ejemplo. Sea f R → R la aplicaci´on definida por f(x 2x.
Entonces se tiene que f es lineal, ya que para cada x, y, α ∈ R:
1. f(x + y 2(x + y 2x + 2y f(x + f(y
2. f(αx 2(αx α2x αf(x
182
Ejemplo. La aplicaci´on g R
2
→ R
3
la aplicaci´on definida por
g(x, y (x + y, x −y, x es lineal, ya que:
∀u (u
1
, u
2
, v (v
1
, v
2
∈ R
2
y ∀α ∈ R:
1.
g(u + v g ((u
1
, u
2
+ (v
1
, v
2
g (u
1
+ v
1
, u
2
+ v
2

(u
1
+ u
2
+ v
1
+ v
2
, u
1
−u
2
+ v
1
−v
2
, u
1
+ v
1

g(u + g(v g (u
1
, u
2
+ g (v
1
, v
2

(u
1
+ u
2
, u
1
−u
2
, u
1
+ (v
1
+ v
2
, v
1
−v
2
, v
1

2. g(α(u
1
, u
2
αg (u
1
, u
2
(demostrar en casa).
Ejercicio (de la hoja distribuida). Lctcrminar cu a¦cs dc
¦as si.uicntcs ap¦icacioncs son ¦inca¦cs
1 f ll
2
→ ll
2
dada por f(x, y (x −y, 2x −y
2

2 f ll
4
→ ll
2
dada por f(x, y, z, u (x−y, u+z, z, 2x−
y
3 f ll
2
→ ll
3
dada por f(x, y (x −y, x −2y, 3y
! f ll
3
→ ll
3
dada por f(x, y, z (x − z + y, 2x − y −
3z, z + y
183
6.1. Propiedades de las aplicaciones li-
neales
Proposici´ on. f V → W es lineal si y s´ olo si f(αu + βv
αf(u + βf(v para cualesquiera α, β ∈ K y u, v ∈ V .
Demostraci´on.(⇒ lartimos cn cstc caso dc ¦a prcmisa “f cs ¦inca¦”.
por ¦o tanto usando simu¦t ancamcntc ¦as dos propicdadcs ouc dc-
fincn una ap¦icaci on ¦inca¦. sc ticnc
f(αu + βv f(αu + f(βv αf(u + βf(v
(⇐ lara pro¦ar c¦ rccıproco tcndrcmos ouc dcmostrar dos cosas
1 Si u, v ∈ V cntonccs f(u+v f(u +f(v La dcmostraci on
dc cstc hccho cs taci¦. cn ctccto
f(u + v f(1u + 1v 1f(u + 1f(v f(u + f(v.
2 Si u ∈ V y α ∈ V cntonccs f(αu αf(u La dcmostraci on
dc csto cs ¦a ouc si.uc
f(αu f(αu + 0v αf(u + 0f(v αf(u.
184
Proposici´ on. Si f V → W es lineal entonces f(0
V
0
W
,
donde 0
V
y 0
W
denotan respectivamente los ceros de los espacios
vectoriales V y W.
Demostraci´on. f(0
V
f(0
V
+ 0
V
f(0
V
+ f(0
V
Ası ouc
f(0
V
f(0
V
+f(0
V
y si sumamos cn am¦os micm¦ros c¦ opucsto
dc f(0
V
sc o¦ticnc 0
W
f(0
V
como sc oucrıa dcmostrar
Proposici´ on. 1. La composici´on de dos aplicaciones lineales es
lineal,
2. La inversa de una aplicaci´on lineal es tambi´en lineal.
185
6.2. Tipos de aplicaciones lineales
Definici´ on. 1 Isomorfismo cs una ap¦icaci on ¦inca¦ ¦iycctiva
2 Epimorfismo cs una ap¦icaci on ¦inca¦ supraycctiva
3 Monomorfismo cs una ap¦icaci on ¦inca¦ inycctiva
! Si c¦ cspacio dc partida y ¦¦c.ada cs c¦ mismo.f V → V . y f cs
¦inca¦ dircmos ouc f cs un endomorfismo
` ¹n endomorfismo ¦iycctivo sc ¦¦amar a automorfismo
186
7. Subespacios vectoriales asociados a
una aplicaci´ on lineal
Definici´ on (Kernel e Imagen). Lada una ap¦icaci on ¦inca¦ f
V → W. dcfinimos c¦ Kernel dc dicha ap¦icaci on como c¦ su¦con¡unto
dc V dcfinido por
Icr f ¦v ∈ V f(v 0
W
¦.
lara ¦a misma ap¦icaci on f sc dcfinc ¦a imagen dc f como
lmf ¦f(v v ∈ V ¦.
Proposici´ on. 1. Icr f es un subespacio vectorial de V (Icr f ≤
V ).
2. lmf es un subespacio vectorial de W (lmf ≤ W).
187
Demostraci´on. 1 \camos ouc Icr f ≤ V . para c¦¦o cs ncccsario
compro¦ar
a Si v, w ∈ Icr f cntonccs v + w ∈ Icr f Ln ctccto. como
v ∈ Icr f y w ∈ Icr f cntonccs f(v f(w 0
W
y por scr
f ¦inca¦
f(v +w f(v +f(w 0
W
+0
W
0
W
⇒ v +w ∈ Icr f.
b Si v ∈ Icr f y α ∈ R cntonccs αv ∈ Icr f lroccdicndo dc
torma ana¦o.a tcncmos ouc f(v 0
W
ya ouc v ∈ Icr f y
ahora usando ¦a ¦inca¦idad dc f
f(αv αf(v α0
W
0
W
⇒ αv ∈ Icr f.
2 lro¦cmos ahora ouc lmf ≤ W l.ua¦ ouc antcs hay ouc pro¦ar
¦os si.uicntcs dos apartados
a Si v, w ∈ lmf cntonccs v + w ∈ lmf Como v ∈ lmf y
w ∈ lmf cntonccs cxistcn v
1
, w
1
∈ V ta¦cs ouc f(v
1
v y
f(w
1
w y por scr f ¦inca¦
f(v
1
+ w
1
f(v
1
+ f(w
1
v + w ⇒ v + w ∈ lmf.
b Si v ∈ lmf y α ∈ R cntonccs αv ∈ lmf lroccdicndo dc
torma ana¦o.a tcncmos ouc f(v
1
v para a¦. un v
1
∈ V ya
188
ouc v ∈ lmf y ahora usando ¦a ¦inca¦idad dc f
f(αv
1
αf(v
1
αv ⇒ αv ∈ lmf.
Ejercicio
Ejercicio (de la hoja distribuida). Sca V un cspacio vcctoria¦
so¦rc un cucrpo K y sca f V −→ V una ap¦icaci on ¦inca¦ Sc dcfinc
c¦ conjunto invariante dc f. dcnotado lnv(f. como c¦ con¡unto dc
vcctorcs ¦os vcctorcs v ouc pcrmancccn invariantcs por ¦a ap¦icaci on.
cs dccir.
lnv(f ¦v ∈ V f(v v¦
Lcmucstra ouc c¦ con¡unto invariantc dc una ap¦icaci on ¦inca¦ cs un
su¦cspacio vcctoria¦
7.1. Determinaci´ on de un monomorfis-
mo por su kernel
lor dcfinicion sc ticnc ouc ¦a ap¦icaci on ¦inca¦ f V → W scra cx-
haustiva si y s o¦o si c¦ su¦cspacio vcctoria¦ lmf W Ls dccir f cs
un cpimorfismo si y so¦o si lmf W
189
Ahora nos .ustarıa sa¦cr si hay a¦.una rc¦aci on cntrc ouc una ap¦i-
cacion sca monomorfismo y su kcrnc¦ Licha rc¦aci on cxistc y vicnc
rcco.ida cn c¦ si.uicntc tcorcma
Teorema. La aplicaci´on lineal f V → W es un monomorfismo
si y s´olo si Icr f ¦0
V
¦
Demostraci´on.(⇒ Lada una ap¦icaci on ¦inca¦ cua¦ouicra f V → W
sc ticnc ouc f(0
V
0
W
y por ¦o tanto 0
V
∈ Icr f lor otro ¦ado
si cxistc a¦. un v 0
V
ta¦ ouc v ∈ Icr f tcndrıamos ouc f(v
f(0
V
0
W
y sc rompcrıa ¦a inycctividad. ası ouc torzosamcntc
Icr f ¦0
V
¦
(⇐ Supon.amos ahora ouc tcncmos una ap¦icaci on ¦inca¦ ouc satistacc
Icr f ¦0
V
¦ y ouc adcm as f(v f(w Lntonccs 0
W
f(v−
f(w f(v −w por ¦o ouc v −w ∈ Icr f Ası ouc v −w 0
V
y v w. cs dccir. ¦a ap¦icaci on f cs inycctiva
Ejercicio (de la hoja distribuida). Ca¦cu¦a ¦a ap¦icaci on
¦inca¦ f ll
3
−→ ll
3
sa¦icndo ouc
Icr(f ¦(x, y, z ∈ ll
3

x + y + z 0
x −y + 2z 0
¦
y f(1, 0, 0 (−1, 2, 0. f(0, 1, 0 (1, 1, 0
190
7.2. Un apunte sobre dimensiones que
os ayudar´a en los ejercicios
Proposici´ on. Dada una aplicaci´on lineal f V → W se satisface:
dimV dimIcr f + dimlmf.
191
8. Matrices asociadas a una aplicaci´ on
lineal
Definici´ on. Scan V y W cspacios vcctoria¦cs so¦rc ¦os ouc fi¡amos
rcspcctivamcntc ¦as si.uicntcs ¦ascs
β ¦v
1
, v
2
, . . . , v
n
¦ β
/
¦w
1
, w
2
, . . . , w
m
¦.
Sca f V → W una ap¦icaci on ¦inca¦ para ¦a ouc conoccmos ¦as
im a.cncs dc ¦os c¦cmcntos dc β cxprcsadas cn coordcnadas so¦rc ¦a
¦asc β
/
. cs dccir
f(v
i

m
¸
j=1
a
ji
w
j
(a
1i
, a
2i
, . . . , a
mi

β
/
La matriz asociada a f rcspccto dc ¦as ¦ascs β y β
/
cs
M
ββ
/ (f









a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n

a
m1
a
m2
. . . a
mn









∈ M
dimWdimV
(K
192
Ejercicio
Ejercicio. Sca f ll
4
→ ll
3
una ap¦icaci on ¦inca¦ dcfinida por
f(1, 1, 1, 1 (0, 0, 1 f(1, 0, 1, 0 (1, 1, −1
f(1, 1, 1, 0 (0, 0, −1 f(−1, −2, 0, 0 (1, 1, 1
Sc pidc ca¦cu¦ar
1 La matriz dc f rcspccto a ¦as ¦ascs can onicas
Soluci´on.
193
8.1. Propiedades de las matrices de cam-
bio de base
Proposici´ on. Si f V → W es una aplicaci´on lineal, v ∈ V
y w f(v y las coordenadas son v (a
1
, a
2
, . . . , a
n

β
y w
(b
1
, b
2
, . . . , b
m

β
/ , entonces:









b
1
b
2
.
.
.
b
m









β
/
M
ββ
/ (f









a
1
a
2
.
.
.
a
n









β
Ejercicio
Ejercicio. Sca f ll
4
→ ll
3
una ap¦icaci on ¦inca¦ dcfinida por
f(1, 1, 1, 1 (0, 0, 1 f(1, 0, 1, 0 (1, 1, −1
f(1, 1, 1, 0 (0, 0, −1 f(−1, −2, 0, 0 (1, 1, 1
Sc pidc ca¦cu¦ar
2 La dimcnsi on y ccuacioncs dc Icr(f c lm(f
194
Proposici´ on (Matriz de la composici´ on de aplicaciones).
Si f V → W y g W → U son dos aplicaciones lineales entonces
g ◦ f V → U es una aplicaci´on lineal. Adem´ as si β, β
/
y β
//
son
bases respectivas de V , W y U, se tiene que:
M
ββ
// (g ◦ f M
β
/
β
// (gM
ββ
/ (f
Proposici´ on (Relaci´ on con matrices de cambio de bases).
Sea V un espacio vectorial, β y β
/
bases del mismo y Id V → V
la aplicaci´on identidad. Entonces
M
ββ
/ (Id M
β
/
β
.
195
8.2. Matriz asociada a una aplicaci´ on
lineal f respecto de otras bases
Lados cspacios vcctoria¦cs V y W. una ap¦icaci on ¦inca¦ f V → W
y ¦ascs rcspcctivas dc ¦os antcriorcs cspacios
β
V
¦v
1
, v
2
, . . . , v
n
¦ β
W
¦w
1
, w
2
, . . . , w
m
¦,
podcmos construir ¦a matriz M
β
V
β
W
(f como sc ha cxp¦icado antcs
Suponcd ahora ouc nos dan otras ¦ascs
β
/
V
¦v
/
1
, v
/
2
, . . . , v
/
n
¦ β
/
W
¦w
/
1
, w
/
2
, . . . , w
/
m
¦
y nos pidcn ¦a matriz M
β
/
V
β
/
W
(f lara cstc ca¦cu¦o hay dos posi¦i¦ida-
dcs
1 ¹ti¦izar ¦a dcfinici on dc ap¦icaci on ¦inca¦ (ya sc ha cxp¦icado
2 ¹ti¦izar ¦a matriz M
β
V
β
W
(f y ¦as matriccs dc cam¦io dc ¦asc
M
β
V
β
/
V
y M
β
W
β
/
W
lara o¦tcncr csta rc¦aci on haccmos notar
196
L¦ dia.rama si.uicntc. dondc Id
1
c Id
2
son ¦a ap¦icaci on idcntidad.
cs conmutativo
(V, β
V

f
−→ (W, β
W

Id
1
↑ ↓ Id
2
(V, β
/
V

f
−→ (W, β
/
W

Ln c¦ dia.rama sc vc ouc f Id
2
◦f ◦ Id
1
y uti¦izando una pro-
posici on antcrior para ca¦cu¦ar ¦a matriz dc una composici on. sc
ticnc
M
β
/
V

/
W
(f M
β
/
V

/
W
(Id
2
◦f ◦ Id
1

M
β
W

/
W
(Id
2
M
β
V

W
(fM
β
/
V

V
(Id
1

M
β
/
W

W
M
β
V

W
(fM
β
V

/
V
Ejercicio
Ejercicio. Sca f ll
4
→ ll
3
una ap¦icaci on ¦inca¦ dcfinida por
f(1, 1, 1, 1 (0, 0, 1 f(1, 0, 1, 0 (1, 1, −1
f(1, 1, 1, 0 (0, 0, −1 f(−1, −2, 0, 0 (1, 1, 1
Sc pidc ca¦cu¦ar
197
3 La matriz dc f rcspccto dc ¦a ¦asc canonica dc ll
4
y ¦a ¦asc dc
ll
3
.
B ¦(1, 1, 1, (1, 0, 1, (1, 1, 0¦
ası como ¦as ccuacioncs dc ¦a ima.cn dc f cn csta u¦tima ¦asc
! La matriz dc f rcspccto dc ¦as ¦ascs dc
B
1
¦(1, 1, 1, 0, (1, 1, 0, 0, (1, 0, 0, 0, (1, 1, 1, 1¦ (dc R
4

y
B
2
¦(1, 1, 1, (0, 1, 1, (0, 0, 1¦ (dc R
3
.
ası como ¦as ccuacioncs dc¦ n uc¦co y ¦a ima.cn dc f cn cstas ¦ascs
` L¦ ran.o dc ¦a ap¦icaci on
9. Ejercicios Resueltos
Ejercicio
Sc considcra ¦a ap¦icaci on ¦inca¦ f R
n
→R
k
ouc vcrifica
f(1, 0, 1 (1, 0, f(0, 1, 1 (2, 3, f(0, 0, 1 (1, 1.
Ln cstc c¡crcicio usarcmos ¦a notaci on β
A
para dcnotar a ¦a ¦asc dc-
finida cn c¦ c¡crcicio antcrior Adcm as β
3
C
y β
2
C
scran rcspcctivamcntc
¦as ¦ascs canonicas dc R
3
y R
2

198
Sc pidc
1 Lccir ouicncs son n y k
Soluci´ on. n 3 y k 2.
2 Ca¦cu¦ar M
β
A
β
2
C
(f
Soluci´ on. Lc ¦as im a.cncs ouc nos dan dc ¦os vcctorcs dc β
A
o¦tcncmos
M
β
A
β
2
C
(f


1 2 1
0 3 1


.
3 Ca¦cu¦ar M
β
3
C
β
2
C
(f
Soluci´ on.
M
β
3
C
β
2
C
(f M
β
2
C
β
2
C
M
β
A
β
2
C
(fM
β
A
β
3
C



1 0
0 1




1 2 1
0 3 1








1 0 0
0 1 0
−1 −1 1







0 1 1
−1 2 1


! Ca¦cu¦ar una ¦asc y ¦as ccuacioncs dc Icr f
Soluci´ on. ¹n vcctor (x, y, z pcrtcnccc a Icr f si y so¦o si
199
M
β
3
C
β
2
C
(f(x, y, z
t
0 Ası ouc



y + z 0,
−x + 2y + z 0.
lor ¦o tanto dimIcr f 3−r. M
β
3
C
β
2
C
(f 1 y β
Ker f
¦(1, 1, −1¦.
` Ca¦cu¦ar una ¦asc y ¦as ccuacioncs dc lmf
Soluci´ on. Sa¦cmos ouc
lmf < (0, −1, (1, 2, (1, 1 > .
Como c¦ primcr y sc.undo vcctor torman un con¡unto dc vcctorcs ¦i-
nca¦mcntc indcpcndicntcs y maxima¦ cntonccs β
Imf
¦(0, −1, (1, 2¦
Ası ouc lmf R
2
y no sc pucdcn dar ccuacioncs dc cstc su¦cs-
pacio
200
Ejercicio
Sca f ll
n
→ ll
m
¦a ap¦icaci on cuya matriz asociada cn ¦as ¦ascs
canonicas cs
A






2 0
1 1
0 2






Ca¦cu¦a
(1.1) Los va¦orcs dc n y dc m (0,3 puntos)
Soluci´ on. Los va¦orcs dc n y dc m son rcspcctivamcntc 2 y 3. cs
dccir. c¦ n umcro dc co¦umnas y fi¦as dc ¦a matriz A
(1.2) La cxprcsi on ana¦ıtica dc f cn ¦as ¦ascs canonicas dc R
n
y R
m
(0,4
puntos)
Soluci´ on. f(x, y


A


x
y




t
(2x, x + y, 2y.
(1.3) La matriz dc f rcspccto dc ¦as ¦ascs
B ¦(1, 1, (1, 0¦ y B
/
¦(1, 0, 0, (1, 1, 0, (1, 1, 1¦
(0,9 puntos)
Soluci´ on. \amos a ca¦cu¦ar csta matriz uti¦izando ¦a dcfinici on dc
¦a misma lara c¦¦o dc¦cmos ca¦cu¦ar ¦as im a.cncs dc ¦os vcctorcs
201
(1, 1 y (1, 0 por ¦a ap¦icaci on f y a ca¦cu¦ar ¦as coordcnadas dc
csas ima.cncs cn ¦a ¦asc B
/

f(1, 1 (2, 2, 2 2(1, 1, 1 (0, 0, 2
B
/ ,
f(1, 0 (2, 1, 0 (1, 0, 0 + (1, 1, 0 (1, 1, 0
B
/ .
Ası ouc ¦a matriz dc f rcspccto dc ¦as ¦ascs B y B cs
M
BB
/ (f






0 1
0 1
2 0






.
lcspondc ¡ustificadamcntc
(1.4) ,Sc pucdc haccr ¦a composici on f ◦ f´ ,Ouc tama˜ no tcndrıa ¦a
matriz asociada a f ◦ f´ (0,4 puntos)
Soluci´ on. `o sc pucdc haccr ¦a composici on porouc c¦ cspacio dc
partida y ¦¦c.ada dc f no coincidcn
(1.5) ,Ls ¦a ap¦icaci on f invcrti¦¦c´ (0,5 puntos)
Soluci´ on. `o. porouc para ouc sca invcrti¦¦c ticnc ouc scr un
cndomorfismo
202
Ejercicio
Ln cstc pro¦¦cma considcrarcmos ¦os si.uicntcs con¡untos
β
1
¦(1, 0, 1, 0, (1, 0, 0, 0, (0, 0, 1, 1, (0, 1, 0, 1¦,
β
2
¦(1, 1, 1, 0, (1, 1, 0, 0, (0, 1, 1, 1, (0, 0, 1, 1¦,
β
3
¦(1, 0, 0, a, (1, 0, 1, 1, (0, 1, 1, 0, (0, 0, 0, 1¦,
β
4
¦(1, 1, 1, (1, 0, 0, (0, 0, 1¦,
β
5
¦(1, 1, 0, (1, 0, 0, (0, 1, 1¦,
β
6
¦(1, 0, 1, (0, 0, −1, (0, 1, 1¦
y ¦as ap¦icacioncs ¦inca¦cs f R
4
→R
3
. g R
k
→R
l
y h R
m
→R
n
dcfinidas por
f(x, y, z, t
β
1
(x + y + z, x, y −t
β
4
.
M
β
4
β
5
(g






1 0 1
0 1 1
1 0 0






M
β
4
β
5
(h






0 0 1
−1 1 1
1 0 −1






203
1 Compruc¦a ouc ¦os con¡untos β
1
. β
2
y β
3
son ¦ascs dc R
4

Soluci´ on. lara vcr ouc cstos con¡untos son ¦ascs ¦asta con poncr
¦os vcctorcs por fi¦as cn una matriz y vcr ouc c¦ dctcrminantc cs
ditcrcntc dc 0
lara c¦ con¡unto β
1
tcndrıamos

1 0 1 0
1 0 0 0
0 0 1 1
0 1 0 1

−1 0.
lara c¦ con¡unto β
2
tcndrıamos

1 1 1 0
1 1 0 0
0 1 1 1
0 0 1 1

1 0.
lara c¦ con¡unto β
3
tcndrıamos

1 0 0 a
1 0 1 1
0 1 1 0
0 0 0 1

−1 0.
204
2 Compruc¦a ouc ¦os con¡untos β
4
. β
5
y β
6
son ¦ascs dc R
3

Soluci´ on. l.ua¦ ouc cn c¦ apartado antcrior
lara c¦ con¡unto β
4
tcndrıamos

1 1 1
1 0 0
0 0 1

−1 0.
lara c¦ con¡unto β
5
tcndrıamos

1 1 0
1 0 0
0 1 1

−1 0.
lara c¦ con¡unto β
6
tcndrıamos

1 0 1
0 0 −1
0 1 1

1 0.
205
3 Ca¦cu¦a ¦as si.uicntcs matriccs
M
β
1
β
2
, M
β
2
β
3
, M
β
1
β
3
, M
β
4
β
5
, M
β
4
β
6
, M
β
5
β
6
.
Soluci´ on.
Antcs dc cmpczar a ca¦cu¦ar cstas matriccs adoptarcmos ¦a nota-
cion si.uicntc
v
j
i
scra c¦ vcctor i-csimo dc ¦a ¦asc β
j
. para va¦orcs dc i cntrc
1 y ! y dc j cntrc 1 y 3
w
j
i
scra c¦ vcctor i-csimo dc ¦a ¦asc β
j
. para va¦orcs dc i cntrc
1 y 3 y dc j cntrc ! y o
Ası ouc con csta notaci on tcncmos por c¡cmp¦o v
3
4
(0, 0, 0, 1 y
w
6
2
(0, 0, −1
M
β
1
β
2
lara construir csta matriz hay ouc poncr ¦as coordcnadas dc ¦os
vcctorcs dc ¦a ¦asc β
2
cn ¦a ¦asc β
1

206
v
2
1
2v
1
1
−v
1
2
−v
1
3
+ v
1
4
v
2
2
1v
1
1
+ 0v
1
2
−v
1
3
+ v
1
4
v
2
3
1v
1
1
−v
1
2
+ 0v
1
3
+ v
1
4
v
2
4
0v
1
1
+ 0v
1
2
+ 1v
1
3
+ 0v
1
4
Ahora poncmos cstas coordcnadas por co¦umnas y o¦tcncmos ¦a
matriz so¦icitada
M
β
1
β
2










2 1 1 0
−1 0 −1 0
−1 −1 0 1
1 1 1 0









M
β
2
β
3
lara construir csta matriz hay ouc poncr ¦as coordcnadas dc ¦os
vcctorcs dc ¦a ¦asc β
3
cn ¦a ¦asc β
2

v
3
1
−av
2
1
+ (1 + av
2
2
−v
2
3
+ (1 + av
2
4
v
3
2
0v
2
1
+ 1v
2
2
−v
2
3
+ 2v
2
4
v
3
3
1v
2
1
−v
2
2
+ 1v
2
3
−v
2
4
v
3
4
−1v
2
1
+ 1v
2
2
+ 0v
2
3
+ 1v
2
4
207
Ahora poncmos cstas coordcnadas por co¦umnas y o¦tcncmos ¦a
matriz so¦icitada
M
β
2
β
3










−a 0 1 −1
1 + a 1 −1 1
−1 −1 1 0
1 + a 2 −1 1









M
β
1
β
3
lara construir csta matriz hay ouc poncr ¦as coordcnadas dc ¦os
vcctorcs dc ¦a ¦asc β
3
cn ¦a ¦asc β
1

v
3
1
−av
1
1
+ (1 + av
1
2
+ av
1
3
+ 0v
1
4
v
3
2
0v
1
1
+ 1v
1
2
+ 1v
1
3
+ 0v
1
4
v
3
3
2v
1
1
−2v
1
2
−1v
1
3
+ v
1
4
v
3
4
−1v
1
1
+ 1v
1
2
+ 1v
1
3
+ 0v
1
4
Ahora poncmos cstas coordcnadas por co¦umnas y o¦tcncmos ¦a
208
matriz so¦icitada
M
β
1
β
3










−a 0 2 −1
1 + a 1 −2 1
a 1 −1 1
0 0 1 0









M
β
4
β
5
lara construir csta matriz hay ouc poncr ¦as coordcnadas dc ¦os
vcctorcs dc ¦a ¦asc β
5
cn ¦a ¦asc β
4

w
5
1
w
4
1
+ 0w
4
2
−w
4
3
w
5
2
0w
4
1
+ 1w
4
2
+ 0w
4
3
w
5
3
w
4
1
−w
4
2
+ 0w
4
3
Ahora poncmos cstas coordcnadas por co¦umnas y o¦tcncmos ¦a
matriz so¦icitada
M
β
4
β
5







1 0 1
0 1 −1
−1 0 0






209
M
β
4
β
6
lara construir csta matriz hay ouc poncr ¦as coordcnadas dc ¦os
vcctorcs dc ¦a ¦asc β
6
cn ¦a ¦asc β
4

w
6
1
0w
4
1
+ w
4
2
+ w
4
3
w
6
2
0w
4
1
+ 0w
4
2
−w
4
3
w
6
3
w
4
1
−w
4
2
+ 0w
4
3
Ahora poncmos cstas coordcnadas por co¦umnas y o¦tcncmos ¦a
matriz so¦icitada
M
β
4
β
6







0 0 1
1 0 −1
1 −1 0






M
β
5
β
6
lara construir csta matriz hay ouc poncr ¦as coordcnadas dc ¦os
vcctorcs dc ¦a ¦asc β
6
cn ¦a ¦asc β
5

210
w
6
1
−w
5
1
+ 2w
5
2
+ w
5
3
w
6
2
w
5
1
−w
5
2
−w
5
3
w
6
3
0w
5
1
+ 0w
5
2
+ 1w
5
3
Ahora poncmos cstas coordcnadas por co¦umnas y o¦tcncmos ¦a
matriz so¦icitada
M
β
5
β
6







−1 1 0
2 −1 0
1 −1 1






211
! Lados ¦os su¦cspacios vcctoria¦cs
S ¦(x, y, z, t
β
3
∈ R
4
x+y+z+t 0¦ y T < (1, 2, 0, 1
β
2
>,
sc pidc
Ca¦cu¦ar ¦as dimcnsioncs dc S y T y ¦ascs dc cada uno dc ¦os
su¦cspacios (sc pidc ouc ¦as coordcnadas dc ¦os vcctorcs dc csas
¦ascs cstcn dadas cn ¦a ¦asc β
1

Soluci´ on. Lsta c¦aro ouc ¦a dimcnsi on dc T cs 1 porouc vicnc
.cncrado por un unico vcctor no nu¦o. ouc por tanto scr a una
¦asc dc T Ln cuanto a S sc ticnc ouc su dimcnsion cs ! mcnos
c¦ ran.o dc¦ sistcma ouc ¦o dcfinc. cs dccir. dimS ! −1 3.
Lcmos dicho cn c¦ parrato antcrior ouc β
T
¦(1, 2, 0, 1
β
2
¦ cs
una ¦asc dc T. pcro ncccsitamos cxprcsar c¦ vcctor dc β
T
cn
¦a ¦asc β
1
. para c¦¦o podcmos uti¦izar ¦a i.ua¦dad
(x, y, z, t
β
1
|M
β
1
β
2
(1, 2, 0, 1
t
β
2
|
t
,
dondc (x, y, z, t
β
1
son ¦as coordcnadas dc¦ vcctor (1, 2, 0, 1
β
2
cn ¦a ¦asc β
1
Lacicndo c¦ producto marcado sc o¦ticnc ouc
(1, 2, 0, 1
β
2
(!, −1, −2, 3
β
1
y ¦a ¦asc so¦icitada dc T pucdc
scr
β
T
¦(1, 2, 0, 1
β
2
¦ ¦(!, −1, −2, 3
β
1
¦
212
lara cncontrar una ¦asc dc S podrıamos uti¦izar sus ccuacio-
ncs. pcro csto nos darıa una ¦asc con coordcnadas cn β
3
y ¦uc.o
tcndrıamos ouc cam¦iar cstas a ¦a ¦asc β
1
Otra opci on scrıa
cxprcsar ¦as ccuacioncs dc S rcspccto dc ¦a ¦asc β
1
y ¦uc.o o¦-
tcncr ¦a ¦asc Lstc cs c¦ proccdimicnto ouc vamos a usar porouc
con c¦ rcspondcmos parcia¦mcntc a ¦a si.uicntc prc.unta lara
ca¦cu¦ar ¦as ccuacioncs dc S rcspccto dc ¦a ¦asc β
1
tomamos un
vcctor u (x
/
, y
/
, z
/
, t
/

β
1
∈ S y ¦uscamos ¦as ccuacioncs ouc
satistaccn x
/
, y
/
, z
/
, t
/
Lmpczamos ca¦cu¦ando ¦as coordcnadas
dc¦ vcctor u cn β
3
(u (x, y, z, t
β
3

(x, y, z, t
t
β
3
M
β
3
β
1
(x
/
, y
/
, z
/
, t
/

t
β
1
M
−1
β
1
β
3
(x
/
, y
/
, z
/
, t
/

t
β
1










0 1 −1 1
1 0 1 −1
0 0 0 1
−1 −a a 2 −a









(x
/
, y
/
, z
/
, t
/

t
β
1

(y
/
−z
/
+ t
/
, x
/
+ z
/
−t
/
, t
/
, −x
/
−ay
/
+ az
/
+ (2 −at
/

t
β
3
.
213
Ası ouc
x y
/
−z
/
+ t
/
,
y x
/
+ z
/
−t
/
,
z t
/
,
t −x
/
−ay
/
+ az
/
+ (2 −at
/
y ¦as ccuacioncs dc S cn β
1
son
0 x + y + z + t
y
/
−z
/
+ t
/
+ x
/
+ z
/
−t
/
+ t
/
−x
/
−ay
/
+ az
/
+ (2 −at
/
(1 −ay
/
+ az
/
+ (3 −at
/
0 .
Ahora tcncmos ouc o¦tcncr trcs vcctorcs dc S ¦inca¦mcntc in-
dcpcndicntcs y ouc satista.an ¦as ccuacioncs u¦timas o¦tcnidas
Lstos vcctorcs pucdcn scr. por c¡cmp¦o. (1, 0, 0, 0
β
1
, (0, 0, a −
3, a
β
1
, (0, 3, 2, −1
β
1
y
β
S
¦(1, 0, 0, 0
β
1
, (0, 0, a −3, a
β
1
, (0, 3, 2, −1
β
1
¦
Ca¦cu¦a ¦as ccuacioncs cartcsianas dc S y dc T cn ¦a ¦asc β
1

Soluci´ on. Las ccuacioncs dc S cn ¦a ¦asc β
1
ya ¦as hcmos
ca¦cu¦ado cn c¦ apartado antcrior. cran
S ¦(x
/
, y
/
, z
/
, t
/

β
1
∈ R
4
(1 −ay
/
+ az
/
+ (2 −at
/
0¦.
214
lara ca¦cu¦ar ¦as ccuacioncs dc T cn ¦a ¦asc β
1
sc.uimos c¦ pro-
ccdimicnto usua¦ Tomamos (x
/
, y
/
, z
/
, t
/

β
1
∈ T. por ¦o tanto
(x
/
, y
/
, z
/
, t
/

β
1
α(!, −1, −2, 3
β
1
Ahora tcncmos ouc c¦imi-
nar c¦ par amctro α y o¦tcncr 3 ccuacioncs homo.cncas ouc
dcfinan a T
x
/
!α, y
/
−α, z
/
−2α, t
/

⇒ x
/
+ !y
/
z
/
−2y
/
t
/
+ 3y
/
0.
215
Ca¦cu¦a ¦os cspacios S ∩ T y S + T (da ¦as ccuacioncs dc
am¦os cspacios cn ¦a ¦asc β
1
y ¦ascs cuyos vcctorcs tcn.an sus
coordcnadas cxprcsadas rcspccto a β
1

Soluci´ on.
S ∩ T
Las ccuacioncs dc ¦a intcrscccion son
(1 −ay
/
+az
/
+(2 −at
/
x
/
+!y
/
z
/
−2y
/
t
/
+3y
/
0,
cstc sistcma ticnc como matriz asociada a









0 1 −a a 2 −a 0
1 ! 0 0 0
0 −2 1 0 0
0 3 0 1 0









,
ouc ticnc ran.o
3
! si a
5
4
y ticnc ran.o 3 si a
5
4

• Si a
5
4
sc ticnc ouc dimS ∩ T ! −! 0 y por ¦o tanto
S ∩ T ¦(0, 0, 0, 0
β
1
¦ y β
S∩T
∅ cs una ¦asc dc S ∩ T.
• Si a
5
4
sc ticnc ouc dimS ∩ T ! − 3 1 y pucsto
ouc c¦ vcctor no nu¦o (−!, 1, 2, −3
β
1
∈ S ∩ T cntonccs
β
S∩T
¦(−!, 1, 2, −3
β
1
¦ cs una ¦asc dc S ∩ T.
3
Este rango se calcula usando el determinante de la matriz quit´andole la columna de los t´erminos indepen-
dientes.
216
S + T
Listin.uimos dos casos
• Lmpczamos tomando a
5
4
. cn cstc caso S + T R
4
porouc dimS+T dimS+dimT−dimS∩T 3+1−0 !.
• Ahora tomamos a
5
4
y tcncmos ouc dimS +T dimS +
dimT −dimS∩T 3+1−1 3 Ca¦cu¦amos c¦ su¦cspacio
suma
S + T < (!, −1, −2, 3
β
1
, (1, 0, 0, 0
β
1
,
(0, 0, a −3, a
β
1
, (0, 3, 2, −1
β
1
> .
Como sa¦cmos ouc dimS + T 3 y ¦os 3 u¦timos vccto-
rcs son ¦inca¦mcntc indcpcndicntcs (son ¦a ¦asc ouc hcmos
ca¦cu¦ado dc S. o¦tcncmos ouc
β
S+T
β
S
¦(1, 0, 0, 0
β
1
, (0, 0, a−3, a
β
1
, (0, 3, 2, −1
β
1
¦
y ouc
S + T S.
Iina¦mcntc
S+T S ¦(x
/
, y
/
, z
/
, t
/

β
1
∈ R
4
(1−ay
/
+az
/
+(2−at
/
0¦.
217
,Ls ¦a suma dc am¦os su¦cspacios dirccta´
Soluci´ on. Ls dirccta cxccpto cuando a
5
4
.
218
` Li cu a¦cs son ¦os va¦orcs dc k, l, m y n
Soluci´ on.
k l m n 3.
o Ca¦cu¦a ¦as ccuacioncs. una ¦asc y ¦a dimcnsi on dc Icr f (todo c¦¦o
rcspccto dc ¦a ¦asc β
2

Soluci´ on. lucsto ouc cn cstc apartado nos pidcn datos so¦rc
Icr f rcspccto dc ¦a ¦asc β
2
y cn c¦ si.uicntc so¦rc lmf rc¦ativos
a ¦a ¦asc β
6
. disponcr dc ¦a matriz M
β
2
β
6
(f scra dc uti¦idad Sin
cm¦ar.o cmpczarcmos ca¦cu¦ando M
β
1
β
4
(f por scr taci¦ dc o¦tcncr
y postcriormcntc usarcmos ¦a i.ua¦dad
M
β
2
β
6
(f M
β
6
β
4
M
β
1
β
4
(fM
β
1
β
2
(10
C´alculo de M
β
1
β
4
(f . lor dcfinici on tcndrcmos ouc ca¦cu¦ar ¦as
im a.cncs (mcdiantc f dc ¦os c¦cmcntos dc ¦a ¦asc β
1
y cxprcsar
sus coordcnadas cn β
4
Lsas coordcnadas sc poncn fina¦mcntc por
co¦umnas cn una matriz
219
f(v
1
1
f((1, 0, 0, 0
β
1
(1, 1, 0
β
4
.
f(v
1
2
f((0, 1, 0, 0
β
1
(1, 0, 1
β
4
.
f(v
1
3
f((0, 0, 1, 0
β
1
(1, 0, 0
β
4
.
f(v
1
4
f((0, 0, 0, 1
β
1
(0, 0, −1
β
4
.
Ası ouc
M
β
1
β
4
(f






1 1 1 0
1 0 0 0
0 1 0 −1






C´alculo de M
β
6
β
4
.
lroccdcmos i.ua¦ ouc cn c¦ apartado 3
w
4
1
(1, 1, 1 w
6
1
+ w
6
2
+ w
6
3
(1, 1, 1
β
6
.
w
4
2
(1, 0, 0 w
6
1
+ w
6
2
(1, 1, 0
β
6
.
w
4
3
(0, 0, 1 −w
6
2
(0, −1, 0
β
6
.
Ahora
220
M
β
6
β
4







1 1 0
1 1 −1
1 0 0






Ahora usamos ¦a t ormu¦a (10 y o¦tcncmos
M
β
2
β
6
(f






1 1 0
1 1 −1
1 0 0












1 1 1 0
1 0 0 0
0 1 0 −1















2 1 1 0
−1 0 −1 0
−1 −1 0 1
1 1 1 0














2 1 1 0
2 0 1 1
1 1 1 0















2 1 1 0
−1 0 −1 0
−1 −1 0 1
1 1 1 0














2 1 1 1
! 2 3 1
0 0 0 1






C a¦cu¦o dc Icr f
Ahora un vcctor (x, y, z, t
β
2
∈ Icr f si y so¦o si f((x, y, z, t
β
2

(0, 0, 0
β
6
Laccmos ahora c a¦cu¦os para o¦tcncr ¦as ccuacioncs dc
Icr f
221
|f((x, y, z, t
β
2
|
t
M
β
2
β
6
(f(x, y, z, t
t
β
2
⇒ |f((x, y, z, t
β
2
|
t
(2x + y + z + t, !x + 2y + 3z + t, t
β
6
(0, 0, 0
β
6












2x + y + z + t 0,
!x + 2y + 3z + t 0,
t 0
sistcma
matricia¦







2 1 1 1 0
! 2 3 1 0
0 0 0 1 0






Ahora tcncmos ouc ¦a dimcnsi on dc Icr f cs ! mcnos c¦ ran-
.o dc ¦a matriz asociada a¦ sistcma (3. cs dccir dimIcr f 1
L¦ vcctor (1, −2, 0, 0
β
2
pcrtcnccc a Icr f. por ¦o tanto β
Ker f

¦(1, −2, 0, 0
β
2
¦ cs una ¦asc dc Icr f
222
¨ Ca¦cu¦a ¦as ccuacioncs. una ¦asc y ¦a dimcnsi on dc lmf (todo c¦¦o
rcspccto dc ¦a ¦asc β
6

Soluci´ on.
Sa¦cmos ouc dimlmf dimR
4
− dimIcr f ! − 1 3 y por
otro ¦ado
lmf < (2, !, 0
β
6
, (1, 2, 0
β
6
, (1, 3, 0
β
6
, (1, 1, 1,
β
6
> .
Lc¦ sistcma .cncrador ¦(2, !, 0
β
6
, (1, 2, 0
β
6
, (1, 3, 0
β
6
, (1, 1, 1,
β
6
¦
dc lmf sc pucdc cxtracr taci¦mcntc ¦a ¦asc
β
Imf
¦(1, 2, 0
β
6
, (1, 3, 0
β
6
, (1, 1, 1,
β
6
¦.
lucsto ouc ¦a dimcnsi on dc lmf cs 3 no sc pucdcn ca¦cu¦ar ¦as
ccuacioncs
223
S Ca¦cu¦a ¦as matriccs si.uicntcs
M
β
1
β
4
(f, M
β
1
β
5
(f, M
β
4
β
4
(g◦h, M
β
4
β
4
(h◦g, M
β
4
β
4
(h, , M
β
4
β
4
(g
Soluci´ on.
M
β
1
β
4
(f
lara ca¦cu¦ar csta matriz cs ncccsario o¦tcncr ¦as im a.cncs. mc-
diantc f. dc ¦os vcctorcs dc β
1
y dar ¦as coordcnadas dc¦ vcctor
ima.cn cn ¦a ¦asc β
4
Lsto ya sc ha hccho cn un apartado antcrior
f(v
1
1
(1, 1, 0
β
4
. f(v
1
2
(1, 0, 1
β
4
.
f(v
1
3
(1, 0, 0
β
4
. f(v
1
4
(0, 0, −1
β
4
.
Con cstos datos tcncmos
M
β
1
β
4
(f






1 1 1 0
1 0 0 0
0 1 0 −1






M
β
1
β
5
(f
lara ca¦cu¦ar csta matriz cs ncccsario o¦tcncr ¦as im a.cncs. mc-
diantc f. dc ¦os vcctorcs dc β
1
y dar ¦as coordcnadas dc¦ vcctor
224
ima.cn cn ¦a ¦asc β
5

f(v
1
1
(1, 1, 0
β
4
(2, 1, 1 (0, 2, 1
β
5
.
f(v
1
2
(1, 0, 1
β
4
(1, 1, 2 (−1, 2, 2
β
5
.
f(v
1
3
(1, 0, 0
β
4
(1, 1, 1 (0, 1, 1
β
5
.
f(v
1
4
(0, 0, −1
β
4
(0, 0, −1 (1, −1, −1
β
5
.
Con cstos datos tcncmos
M
β
1
β
5
(f






0 −1 0 1
2 2 1 −1
1 2 1 −1






M
β
4
β
4
(g
lara cstc ca¦cu¦o usarcmos ¦a t ormu¦a
M
β
4
β
4
(g M
β
4
β
5
M
β
4
β
5
(gM
β
4
β
4
M
β
4
β
5
M
β
4
β
5
(gI
4
M
β
4
β
5
M
β
4
β
5
(g
Ası ouc
M
β
4
β
4
(g M
β
4
β
5
M
β
4
β
5
(g







1 0 1
0 1 −1
−1 0 0












1 0 1
0 1 1
1 0 0











2 0 1
−1 1 1
−1 0 −1






225
M
β
4
β
4
(h
lara cstc ca¦cu¦o usarcmos ¦a t ormu¦a
M
β
4
β
4
(h M
β
4
β
5
M
β
4
β
5
(h
Ası ouc
M
β
4
β
4
(h M
β
4
β
5
M
β
4
β
5
(h







1 0 1
0 1 −1
−1 0 0












0 0 1
−1 1 1
1 0 −1











1 0 0
−2 1 2
0 0 −1






M
β
4
β
4
(g ◦ h
lara cstc ca¦cu¦o usarcmos ¦a t ormu¦a
M
β
4
β
4
(g ◦ h M
β
4
β
4
(gM
β
4
β
4
(h
lor ¦o tanto
M
β
4
β
4
(g ◦ h






2 0 1
−1 1 1
−1 0 −1












1 0 0
−2 1 2
0 0 −1











2 0 −1
−3 1 1
−1 0 1






226
M
β
4
β
4
(h ◦ g
lara cstc ca¦cu¦o usarcmos ¦a t ormu¦a
M
β
4
β
4
(h ◦ g M
β
4
β
4
(hM
β
4
β
4
(g
lor ¦o tanto
M
β
4
β
4
(h ◦ g






1 0 0
−2 1 2
0 0 −1












2 0 1
−1 1 1
−1 0 −1











2 0 1
−¨ 1 −3
1 0 1






227
9 ,Ls ¦a ap¦icaci on g ¦iycctiva´ ,Cu a¦ cs su invcrsa´
Soluci´ on. lara ouc sca ¦iycctiva dc¦c scr simu¦tancamcntc inycc-
tiva y supraycctiva. cs dccir. sc dc¦c tcncr simu¦t ancamcntc ouc
Icr g 0 y ouc lmg R
3
. o ¦o ouc cs ¦o mismo. dimIcr g 0 y
dimlmg 3
Como dimlmg r. M
β
4
β
5
(g 3 (porouc c¦ dctcrminantc dc
M
β
4
β
5
(g cs −1 y dimIcr f 3 −dimlmf 0. sc ticnc ouc g cs
¦iycctiva
lara ca¦cu¦ar ¦a invcrsa dc g ¦astar a con ca¦cu¦ar ¦a matriz asociada
a g
−1
rcspccto dc a¦.unas ¦ascs O¦tcndrcmos csta matriz usando
ouc Id g ◦ g
−1
. por ¦o ouc
M
β
4
β
5
(gM
β
5
β
4
(g
−1
M
β
5
β
5
(Id I
3
⇒ M
β
5
β
4
(g
−1
(M
β
4
β
5
(g
−1
.
Lacicndo ¦os ca¦cu¦os ncccsarios o¦tcncmos
M
β
5
β
4
(g
−1







0 0 1
−1 1 1
1 0 −1






.
228
10 Lctcrmina Icr g, Icr h, lmg c lmh (todo rcspccto dc ¦a ¦asc β
4

y di si sc vcrifica ouc a¦.una dc ¦as dos sumas si.uicntcs cs dirccta
Icr h + lmh, Icr g + lmg.
Soluci´ on.
Lmpczamos ca¦cu¦ando ¦as dimcnsioncs dc ¦os cspacios ouc oucrc-
mos ca¦cu¦ar
dimlmg r. M
β
4
β
5
(g 3 ⇒ dimIcr g dimR
3
−dimlmg 0.
dimlmh r. M
β
4
β
5
(h 3 ⇒ dimIcr h dimR
3
−dimlmh 0.
Ası ouc
Icr g Icr h ¦(0, 0, 0
β
4
¦ c lmg lmh R
3
Iina¦mcntc cs c¦aro ouc am¦as sumas son dircctas pucsto ouc
Icr g ∩ Img Icr h ∩ lmh ¦(0, 0, 0
β
4
¦
229
Tcma o Lia.ona¦izaci on dc matriccs y
cndomorfismos
Ga¦ric¦ So¦cr L opcz
! dc dicicm¦rc dc 200o
1. Introducci´ on
L¦ o¦¡ctivo dc¦ tcma cs cncontrar. para un cndomorfismo dado f
R
m
→R
m
. una ¦asc β dc R
m
ta¦ ouc ¦a matriz M
ββ
(f sca dia.ona¦ o
contcn.a c¦ mayor n umcro posi¦¦c dc ccros
Lncontrar dicha ¦asc tcndr a su intcrcs postcriormcntc para ca¦cu¦ar
potcncias ar¦itrarias dc una matriz dada A su vcz. dichas potcncias
pcrmitiran ca¦cu¦ar ¦a cxponcncia¦
`atricia¦mcntc. c¦ o¦¡ctivo dcscrito cn ¦as ¦ıncas antcriorcs no cs mas
ouc dada una matriz cuadrada A dc tama˜ no m m. cncontrar una
matriz invcrti¦¦c P ta¦ ouc P
−1
AP sca dia.ona¦
Diagonalizar una matriz scra cncontrar ¦a matriz P y diagonalizar
el endomorfismo f R
m
→ R
m
consistc cn cncontrar ¦a ¦asc β antcs
dcscrita
230
2. Polinomio caracter´ıstico, espectro, va-
lores propios y vectores propios
Definici´ on (Polinomio caracter´ıstico).
Dada una matriz A ∈ M
mn
(K. dcnotarcmos por p
A
(x a¦ polino-
mio caracter´ıstico de A. ouc vicnc dcfinido por p
A
(x [A −xI
m
[
Lado un cndomorfismo f R
m
→ R
m
y c¦c.ida una ¦asc β dc R
m
.
sc dcfinc c¦ polinomio caracter´ıstico de f asociado a la base β como
c¦ po¦inomio caractcrıstico dc ¦a matriz M
ββ
(f A cstc po¦inomio ¦o
dcnotarcmos por p
β
f
(x
Observaci´ on
L¦ po¦inomio caractcrıstico dc un cndomorfismo f R
m
→ R
m
no
dcpcndc dc dc ¦a ¦asc c¦c.ida. con ¦o ouc podrcmos suprimir ¦a co¦cti¦¦a
asociado a la base β y dcfinir c¦ polinomio caracter´ıstico asociado
a un endomorfismo f como c¦ po¦inomio caractcrıstico asociado a f
rcspccto dc una ¦asc c¦c.ida β
Definici´ on (Espectro).
L¦ espectro de una matriz A ∈ M
m
(K cs c¦ con¡unto dc ¦as raıccs
dc¦ po¦inomio caractcrıstico y sc dcnota por σ(A y c¦ espectro de
f R
m
→R
m
cs c¦ con¡unto dc ¦as raıccs dc su po¦inomio caractcrıstico
y sc dcnota por σ(f
231
Observaci´ on
L¦ con¡unto σ(A ticnc cardina¦ mcnor ouc m ya ouc c¦ .rado dc¦
po¦inomio caractcrıstico cs m
Definici´ on (Vectores y valores propios).
A ¦os c¦cmcntos dc σ(A (rcsp σ(f ¦os ¦¦amarcmos valores propios
de A (rcsp valores propios de f
A cada c¦cmcnto μ ∈ σ(A (rcsp μ ∈ σ(f ¦c asociarcmos un
su¦cspacio vcctoria¦ V
μ
ouc rcci¦c c¦ nom¦rc dc subespacio invariante
asociado a μ y ouc sc dcfinc como si.uc
V
μ
¦x ∈ R
m
Ax μx¦
(rcsp V
μ
¦x ∈ R
m
f (x μx¦.
Los c¦cmcntos x ∈ V
μ
`¦0¦ sc ¦¦aman vectores propios asociados a
μ
232
3. Teorema de diagonalizaci´ on
Lema
Si λ, μ son dos va¦orcs propios dc A (rcsp dc f . cntonccs
1 V
μ
∩ V
λ
¦0¦. cs dccir. no cxistc x ∈ R
m
`¦0¦ ouc satista.a
simu¦t ancamcntc ¦as ccuacioncs Ax μx y Ax λx (rcsp
f (x μx y f (x λx
2 V
λ
cs un su¦cspacio vcctoria¦ con 1 ≤ dimV
λ
≤ m(λ. dondc m(λ
dcnota ¦a mu¦tip¦icidad dc λ cn c¦ po¦inomio caractcrıstico
Adcmas. si σ(A ¦λ
1
, λ
2
, . . . , λ
k
¦ (rcsp σ(f ¦λ
1
, λ
2
, . . . , λ
k
¦.
¦a matriz cs dia.ona¦iza¦¦c si y s o¦o si
R
m
V
λ
1
⊕V
λ
2
⊕ ⊕V
λ
k
.
233
Teorema (Diagonalizaci´ on). Sea A ∈ M
m
(K entonces A es
diagonalizable si y s´olo si se satisfacen las dos condiciones siguien-
tes:
1. Todos los valores propios son reales.
2. Para todo valor propio λ ∈ σ(A se tiene dimV
λ
m(λ.
Teorema (Diagonalizaci´ on). Dado el endomorfismo f R
m

R
m
, entoces f es diagonalizable si y s´olo si se satisfacen las dos
condiciones siguientes:
1. Todos los valores propios son reales.
2. Para todo valor propio λ ∈ σ(f se tiene dimV
λ
m(λ.
Corolario. Si A ∈ M
m
(K (resp. f R
m
→ R
m
es un endomor-
fismo que) tiene m ra´ıces distintas, entonces A es diagonalizable
(resp. f R
m
→R
m
es diagonalizable).
234
Lstos tcorcmas sc pucdcn ap¦icar para ca¦cu¦ar ¦a torma dia.ona¦ dc
una matriz y ¦as matriccs dc paso ouc dan ¦a dia.ona¦izaci on Lcscri-
¦imos cstc proccso para una matriz A ∈ M
m
(K
1 Sc ca¦cu¦a c¦ po¦inomio caractcrıstico p
A
(x y c¦ cspcctro σ(A Si
cstc poscc a¦. un n umcro comp¦c¡o. ¦a matriz no cs dia.ona¦iza¦¦c
y c¦ proccso aca¦a
2 Si σ(A ⊂ R. para cada λ ∈ σ(A sc dctcrmina una ¦asc dc¦ su¦-
cspacio dc ¦os vcctorcs propios asociados Si para a¦. un λ ∈ σ(A
sc ticnc ouc dimV
λ
< m(λ. cntonccs ¦a matriz no cs dia.ona¦iza¦¦c
y c¦ proccdimicnto aca¦a aouı
3 Si dimV
λ
m(λ para todo λ ∈ σ(A. ¦a matriz cs dia.ona¦iza¦¦c
La matriz dia.ona¦. D. ticnc cn ¦a dia.ona¦ principa¦ ¦os va¦orcs
propios dc A rcpctidos tantas vcccs como indica su mu¦tip¦icidad
La matriz dc paso. P. sc construyc co¦ocando cn cada co¦umna uno
dc ¦os vcctorcs propios dc ¦as ¦ascs antcriormcntc ca¦cu¦adas. dc
torma ouc cn ¦a misma co¦umna dc ¦a matriz D aparczca c¦ va¦or
propio asociado
! lor u¦timo. sc ticnc D P
−1
AP
235
4. Aplicaciones de la diagonalizaci´ on:
potencias de matrices y series tem-
porales
4.1. C´alculo de potencias.
lasamos a dar una ap¦icaci on dc ¦a dia.ona¦izaci on para c¦ c a¦cu¦o
dc ¦a potcncia n-csima dc una matriz dia.ona¦iza¦¦c Supon.amos ouc
A ∈ M
m
(R cs dia.ona¦iza¦¦c y k ∈ N. k ≥ 2 Lntonccs cxistc P ∈
M
m
(R invcrti¦¦c y una matriz dia.ona¦ D dc ordcn m ta¦ ouc D
P
−1
AP. dc dondc A PDP
−1
Lntonccs
A
k

k veces
. .. .
(PDP
−1
(PDP
−1
. . . (PDP
−1
P
k veces
. .. .
(DD. . . D P
−1
PD
k
P
−1
,
¦o cua¦ nos da un nucvo mctodo para c¦ c a¦cu¦o dc ¦a potcncia n-csima dc
dicha matriz ouc pucdc scr mas scnci¦¦o ouc ca¦cu¦ar¦a por ¦a dcfinici on.
dado ouc ¦a potcncia n-csima dc una matriz dia.ona¦ cs aouc¦¦a matriz
dia.ona¦ cuyo c¦cmcnto (i, i cs ¦a potcncia n-csima dc¦ c¦cmcnto (i, i
dc ¦a matriz ori.ina¦
236
4.2. Series temporales.
Si ahora tcncmos un sistcma ouc cvo¦uciona con c¦ ticmpo sc. un ¦a
cxprcsion
x
k
Ax
k−1
,
dondc A ∈ M
m
(R con A PDP
−1
. k ∈ N y x
l
∈ M
m1
(R
para todo l ∈ N Lntonccs tcndrcmos ouc dado un va¦or inicia¦ x
0

M
m1
(R para ¦a scric tcmpora¦. sc vcrificar a
x
k
A
k
x
0
PD
k
P
−1
x
0
,
dc dondc podcmos sa¦cr c¦ comportamicnto asintotico dc ¦os va¦orcs
x
k
ca¦cu¦ando c¦ ¦ımitc
¦ım
k→∞
x
k
.
237
5. El teorema de Cayley-Hamilton
Lado un po¦inomio p(x a
n
x
n
+a
n−1
x
n−1
+ +a
1
x+a
0
podcmos
cva¦uar ¦a matriz cn c¦ po¦inomio A. cs dccir p(A a
n
A
n
+a
n−1
A
n−1
+
+ a
1
A + a
0
Con csta notaci on sc ticnc c¦ tcorcma si.uicntc
Teorema (Cayley-Hamilton). Dada A ∈ M
m
(K con polinomio
caracter´ıstico p
A
(x. Entonces p
A
(A 0.
Lstc tcorcma sc pucdc ap¦icar para ca¦cu¦ar ¦a invcrsa dc una matriz.
cn ctccto
0 A
−1
p
A
(A A
n−1
+ a
n−1
A
n−2
+ + a
1
I + a
0
A
−1
,
dc dondc
A
−1

A
n−1
+ a
n−1
A
n−2
+ + a
1
I
a
0
.
¹na aprcciaci on fina¦ cs ouc a
0
0 ya ouc ¦a matriz A cs invcrti¦¦c
y por ¦o tanto no ticnc a¦ 0 como va¦or propio
238
Ejercicio
Ca¦cu¦ar ¦a invcrsa dc ¦a matriz ouc si.uc usando cstc mctodo
1. -1. 0. 0. 0. 1. -1. 0. 0. 0. 1. -1. 0. 0. 0. 1
A









1 −1 0 0
0 1 −1 0
0 0 1 −1
0 0 0 1









Soluci´ on.
Ca¦cu¦amos c¦ po¦inomio caractcrıstico
p
A
(x [A −xI
4
[

1 −1 0 0
0 1 −1 0
0 0 1 −1
0 0 0 1

1 −!x + ox
2
−!x
3
+ x
4
.
Ası ouc
I
4
−!A + oA
2
−!A
3
+ A
4
0
Lcspc¡amos ¦a idcntidad y tcncmos
I
4
!A −oA
2
+ !A
3
−A
4
A(!I
4
−oA + !A
2
−A
3

239
lor ¦o tanto
A
−1
!I
4
−oA + !A
2
−A
3
!









1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1









−o









1 −1 0 0
0 1 −1 0
0 0 1 −1
0 0 0 1









+!









1 −2 1 0
0 1 −2 1
0 0 1 −2
0 0 0 1



















1 −3 3 −1
0 1 −3 3
0 0 1 −3
0 0 0 1

















1 1 1 1
0 1 1 1
0 0 1 1
0 0 0 1









240
6. Ejercicios Resueltos
Ejercicio
Lc ¦a matriz B






1 1 1
1 1 1
1 1 1






sc pidc
1 L¦ po¦inomio caractcrıstico dc B
Soluci´ on.
p
B
(x [B − xI
3
[

1 −x 1 1
1 1 −x 1
1 1 1 −x

(1 − x
3
+ 2 −
3(1 −x (1 −x
3
−1 + 3x 3x
2
−x
3
x
2
(3 −x.
2 Las raıccs dc¦ po¦inomio caractcrıstico y sus mu¦tip¦icidadcs
Soluci´ on. Las raıccs son 0 y 3 con mu¦tip¦icidadcs 2 y 1 rcspcc-
tivamcntc
3 Lctcrminar. ¡ustificadamcntc. si ¦a matriz B cs dia.ona¦iza¦¦c
Soluci´ on. Sc. un sc vio cn tcorıa. por scr m(3 1 cntonccs
dimV
3
m(3 1.
Ia¦ta ahora por vcr. para dcmostrar ouc B cs dia.ona¦iza¦¦c. ouc
dimV
0
m(0 2 lcro csto cs cicrto porouc dimV
0
3−r. (B−
241
0I
3
3 −r.






1 1 1
1 1 1
1 1 1






3 −1 2.
lor ¦o tanto B cs una matriz dia.ona¦iza¦¦c
! Si ¦a matriz B cs dia.ona¦iza¦¦c ca¦cu¦a ¦a matriz dia.ona¦ D y
¦a matriz dc paso P ta¦ ouc D P
−1
BP. Si ¦a matriz no cs
dia.ona¦iza¦¦c ca¦cu¦a B
2
y B
3

Soluci´ on.
lara dar ¦a matriz P ca¦cu¦amos ¦ascs dc V
0
y dc V
3

V
3
¦(x, y, z ∈ R
3
(B −3I
3







x
y
z






0¦. cs dccir (x, y, z ∈
V
3
si y so¦o si
4



−2x + y + z 0,
x −2y + z 0,
Ası ouc una ¦asc dc V
3
cs β
3
¦(1, 1, 1¦
V
0
¦(x, y, z ∈ R
3
(B −0I
3







x
y
z






0¦. cs dccir (x, y, z ∈
4
F´ıjate que he quitado la primera ecuaci´ on porque B − 3I3 tiene rango 2 y por lo tanto s´ olo son necesarias
dos ecuaciones linealmente independientes.
242
V
2
si y so¦o si
5

x + y + z 0
Ası ouc una ¦asc dc V
0
cs β
0
¦(0, 1, −1, (1, −1, 0¦
Ahora o¦tcncmos
P






0 1 1
1 −1 1
−1 0 1






,
para
D






0 0 0
0 0 0
0 0 3






.
5
F´ıjate que me he quedado con una ´ unica ecuaci´on porque B −0I3 tiene rango 1.
243
Ejercicio
Lc una matriz dia.ona¦iza¦¦c A sa¦cmos ouc ticnc como po¦inomio
caractcrıstico p(x (x −1(x −3
2
(x+1 lcspondc a ¦as si.uicntcs
cucstioncs
1 ,Cu a¦ cs ¦a dimcnsi on dc¦ su¦cspacio ¦x ∈ R
3
Ax 3x¦´
Soluci´ on. lor scr ¦a matriz dia.ona¦iza¦¦c sc ticnc ouc ¦a dimcn-
si on dc¦ su¦cspacio antcrior V
3
coincidc con ¦a mu¦tip¦icidad dc 3
cn c¦ po¦inomio caractcrıstico Ası ouc dimV
3
2
2 ,Cu a¦ cs c¦ dctcrminantc dc A´ ,lor ouc´
Soluci´ on. lor scr ¦a matriz Adia.ona¦iza¦¦c sc ticnc ouc P
−1
AP
D. ası ouc [P
−1
AP[ [P
−1
[[A[[P[ [P[
−1
[A[[P[ [A[
[D[ ⇒ [A[ [D[ Ası ouc [A[ 3 3 1 (−1 −9
3 Lscri¦c una matriz dia.ona¦. D. para A
Soluci´ on.
D









3 0 0 0
0 3 0 0
0 0 1 0
0 0 0 −1









! ,Cu a¦ cs c¦ tama˜ no dc ¦a matriz A´
244
Soluci´ on. L¦ tama˜ no cs c¦ mismo ouc c¦ tama˜ no dc D. cs dccir.
! !.
` Lc ¦os su¦cspacios invariantcs V
1
, V
3
y V
−1
conoccmos unas ¦a-
scs β
V
1
¦(1, 0, 0, 0¦. β
V
3
¦(1, 1, 1, 0, (1, 1, 1, 1¦ y β
V
−1

¦(1, 1, 0, 0¦ La ¦a matriz dc paso P ta¦ ouc D P
−1
AP
Soluci´ on.
P









1 1 1 1
1 1 0 1
1 1 0 0
0 1 0 0









245
Ejercicio
Lada ¦a matriz A






−1 3 3
−3 ` 3
−3 3 `






, sc pidc
1 Ca¦cu¦ar c¦ po¦inomio caractcrıstico p
A

Soluci´ on.
p
A
(x [A−xI
3
[

−1 −x 3 3
−3 ` −x 3
−3 3 ` −x

20−2!x+9x
2

x
3
−(x −`(x −2
2
2 Ca¦cu¦ar c¦ cspcctro σ
A
y cspccificar ¦a mu¦tip¦icidad dc cada raız
Soluci´ on. σ
A
¦`, 2¦ Adcmas m(` 1 y m(2 2
3 1ustificar si ¦a matriz A cs dia.ona¦iza¦¦c
Soluci´ on. Sc. un sc vio cn tcorıa. por scr m(` 1 cntonccs
dimV
5
m(` 1.
Ia¦ta ahora por vcr. para dcmostrar ouc A cs dia.ona¦iza¦¦c. ouc
dimV
2
m(2 2 lcro csto cs cicrto porouc dimV
2
3−r. (A−
2I
3
3 −r.






−3 3 3
−3 3 3
−3 3 3






3 −1 2.
246
lor ¦o tanto A cs una matriz dia.ona¦iza¦¦c
! Lar ¦a matriz dia.ona¦ D
Soluci´ on. L¦i¡o D






` 0 0
0 2 0
0 0 2






.
` Lar ¦a matriz dc paso P
Soluci´ on.
lara dar csta matriz ca¦cu¦amos ¦ascs dc V
5
y dc V
2

V
5
¦(x, y, z ∈ R
3
(A −`I
3







x
y
z






0¦. cs dccir (x, y, z ∈
V
5
si y so¦o si
6



−3x + 3z 0,
−3x + 3y 0.
Ası ouc una ¦asc dc V
5
cs β
5
¦(1, 1, 1¦
V
2
¦(x, y, z ∈ R
3
(A −2I
3







x
y
z






0¦. cs dccir (x, y, z ∈
6
F´ıjate que he quitado la primera ecuaci´ on porque A −5I3 tiene rango 2 y por lo tanto s´ olo son necesarias
dos ecuaciones linealmente independientes.
247
V
2
si y so¦o si
7

−3x + 3y + 3z 0

−x + y + z 0
Ası ouc una ¦asc dc V
2
cs β
2
¦(0, 1, −1, (1, 1, 0¦
Ahora o¦tcncmos ya
P






1 0 1
1 1 1
1 −1 0






o Lspccificar ¦a rc¦aci on cntrc A. D y P
Soluci´ on.
D P
−1
AP.
7
F´ıjate que me he quedado con una ´ unica ecuaci´on porque A−2I3 tiene rango 1.
248
Ejercicio
Lc una matriz dia.ona¦iza¦¦c A sa¦cmos ouc ticnc como po¦inomio
caractcrıstico p(x (x −1(x −3
2
(x+1 lcspondc a ¦as si.uicntcs
cucstioncs
1 ,Cu a¦ cs ¦a dimcnsi on dc¦ su¦cspacio ¦x ∈ R
3
Ax 3x¦´ (0,5
puntos)
Soluci´ on. lor scr ¦a matriz dia.ona¦iza¦¦c sc ticnc ouc ¦a dimcn-
sion dc¦ su¦cspacio antcrior V
3
coincidc con ¦a mu¦tip¦icidad dc 3
cn c¦ po¦inomio caractcrıstico Ası ouc dimV
3
2
2 ,Cu a¦ cs c¦ dctcrminantc dc A´ ,lor ouc´ (0,5 puntos)
Soluci´ on. lor scr ¦a matriz Adia.ona¦iza¦¦c sc ticnc ouc P
−1
AP
D. ası ouc [P
−1
AP[ [P
−1
[[A[[P[ [P[
−1
[A[[P[ [A[
[D[ ⇒ [A[ [D[ Ası ouc [A[ 3 3 1 (−1 −9
3 Lscri¦c una matriz dia.ona¦. D. para A (0,5 puntos)
Soluci´ on.
D









3 0 0 0
0 3 0 0
0 0 1 0
0 0 0 −1









249
! ,Cu a¦ cs c¦ tama˜ no dc ¦a matriz A´ (0,5 puntos)
Soluci´ on. L¦ tama˜ no cs c¦ mismo ouc c¦ tama˜ no dc D. cs dccir.
! !.
` Lc ¦os su¦cspacios invariantcs V
1
, V
3
y V
−1
conoccmos unas ¦a-
scs β
V
1
¦(1, 0, 0, 0¦. β
V
3
¦(1, 1, 1, 0, (1, 1, 1, 1¦ y β
V
−1

¦(1, 1, 0, 0¦ La ¦a matriz dc paso P ta¦ ouc D P
−1
AP (0,5
puntos)
Soluci´ on.
P









1 1 1 1
1 1 0 1
1 1 0 0
0 1 0 0









250
Apcndicc
Lxponcncia¦cs y potcncias ar¦itrarias dc
matriccs. mctodos dc construcci on
Ga¦ric¦ So¦cr L opcz
20 dc tc¦rcro dc 200o
7. La exponencial
Ccntramos nucstros cstucrzos cn csta scccion cn dar un mctodo
ctcctivo para construir ¦a cxponcncia¦ dc una matriz e
At
. sicndo A
una matriz dc M
m
(R Licho mctodo csta ¦asado cn c¦ Tcorcma dc
Cay¦cy-Lami¦ton
Supon.amos ouc p
A
(x cs c¦ po¦inomio caractcrıstico dc ¦a matriz
A y ouc su cspcctro cs σ
A
¦λ
1
, λ
2
, . . . , λ
k
¦ con mu¦tip¦icidadcs
m(λ
i
r
i
para todo 1 ≤ i ≤ k Lmpczamos ¦uscando para cada i.
1 ≤ i ≤ k. po¦inomios a
i
(x dc .rado a ¦o sumo r
i
−1 dc mancra ouc
sc tcn.a ¦a i.ua¦dad
1
p
A
(x

k
¸
i=1
a
i
(x
(x −λ
i

r
i
,
dc dondc sc dcducc
1
k
¸
i=1
a
i
(x
p
A
(x
(x −λ
i

r
i
.
251
Sc.uidamcntc cva¦uamos c¦ po¦inomio antcrior cn x A. dc dondc
sc ticnc
8

I
m

k
¸
i=1
a
i
(A
p
A
(A
(A −λ
i

r
i
,
ouc sc pucdc cscri¦ir a¦rcviadamcntc como
I
m

k
¸
i=1
a
i
(Aq
i
(A con q
i
(A
p
A
(A
(A −λ
i

r
i
.
O¦scrvcmos ouc para todo i. 1 ≤ i ≤ k.
e
Ax
e
λ
i
xIm
e
(A−λ
i
Im)x
e
λ
i
x

¸
j=0
(A −λ
i
I
m

j
x
j
j'
,
y ahora mu¦tip¦icando por q
i
(A
q
i
(Ae
Ax
e
λ
i
x
r
i
−1
¸
j=0
q
i
(A(A −λ
i
I
m

j
x
j
j'
, (11
ya ouc por c¦ Tcorcma dc Cay¦cy-Lami¦ton. para todo j ≥ r
i
. q
i
(A(A−
λ
i
I
m

j
p
A
(A(A −λ
i
I
m

j−r
i
0
`u¦tip¦icamos ahora ¦a ccuaci on 11 por a
i
(A y o¦tcncmos
a
i
(Aq
i
(Ae
Ax
e
λ
i
x
r
i
−1
¸
j=0
a
i
(Aq
i
(A(A −λ
i
I
m

j
x
j
j'
.
lor u¦timo. sumamos ¦as ccuacioncs antcriorcs dcsdc i 1 hasta i k
8
La expresi´ on
pA(A)
(A−λi)
r
i
no tiene sentido, ya que, no es posible que en un co-
ciente haya una matriz. As´ı que dicha expresi´on, por convenio, ser´ a una forma
abreviada de escribir la matriz
¸
n
j=1,j=i
(A−λ
j
)
rj
252
para o¦tcncr
e
Ax

k
¸
i=1


e
λ
i
x
a
i
(Aq
i
(A
r
i
−1
¸
j=0
(A −λ
i
I
m

j
x
j
j'


. (12
8. Potencia n-sima de una matriz
Conscrvando ¦a notaci on dc ¦a sccci on antcrior sc trata ahora dc
dar un mctodo para ¦a construcci on dc A
n
para cua¦ouicr n umcro n
natura¦ O¦scrvcmos ouc para cua¦ouicr i ∈ ¦1, 2, . . . , k¦ sc ticnc
A
n
(A −λ
i
I
m
+ λ
i
I
m

n

n
¸
j=0


n
j


(A −λ
i
I
m

j
λ
n−j
i
(13
`u¦tip¦icamos ahora ¦a ccuaci on antcrior por a
i
(Aq
i
(A y o¦tcnc-
mos
a
i
(Aq
i
(AA
n

n
¸
j=0


n
j


a
i
(Aq
i
(A(A −λ
i
I
m

j
λ
n−j
i

r
i
−1
¸
j=0


n
j


a
i
(Aq
i
(A(A −λ
i
I
m

j
λ
n−j
i
a
i
(Aq
i
(A
r
i
−1
¸
j=0


n
j


(A −λ
i
I
m

j
λ
n−j
i
(1!
253
lor u¦timo sumamos ¦a cxprcsioncs antcriorcs para todos ¦os va¦orcs
dc i
A
n

k
¸
i=1
a
i
(Aq
i
(AA
n

k
¸
i=1
a
i
(Aq
i
(A
r
i
−1
¸
j=0


n
j


(A−λ
i
I
m

j
λ
n−j
i
.
(1`
9. Ejemplos
Ejemplo. Ca¦cu¦a e
Ax
para ¦a matriz
A









! 2 0 −3
−1 1 0 1
! 2 1 −3
1 1 0 0









lara uti¦izar c¦ mctodo ¦asado cn c¦ tcorcma dc Cay¦cy-Lami¦ton cs
ncccsario ca¦cu¦ar c¦ po¦inomio caractcrıstico
p
A
(x

! 2 0 −3
−1 1 0 1
! 2 1 −3
1 1 0 0

x
4
−ox
3
+ 13x
2
−12x + !.
254
lcso¦vcmos ahora ¦a ccuaci on p
A
(x 0 y o¦tcncmos ouc ¦as raıccs
dc¦ po¦inomio son 1 y 2. am¦as con mu¦tip¦icidad 2
Tam¦icn cs ncccsario haccr ¦a dcscomposicion
1
p
A
(x

1
x
4
−ox
3
+ 13x
2
−12x + !

−1 + 2x
(x −1
2
+
` −2x
(x −2
2
Ası ouc cn cstc caso tcncmos
a
1
(x −1 + 2x, a
2
(x ` −2x,
q
1
(x
p
A
(x
(x −1
2
(x −2
2
, q
2
(x
p
A
(x
(x −2
2
(x −1
2
.
Iina¦mcntc
e
Ax
= e
x
a1(A)q1(A)[(A−1I4)
0
+ x(A−1I4)
1
] + e
2x
a2(A)q2(A)[(A −2I4)
0
+ x(A −2I4)
1
]
=








−e
x
+ e
2x
x + 2e
2x
−e
x
+ e
2x
x + xe
2x
0 2e
x
−2e
2x
x −xe
2x
−e
2x
x e
2x
(1 −x) 0 e
2x
x
e
x
(−3 −x) + 2e
2x
(3/2 + x) e
x
(−1 −x) + 2e
2x
(1/2 + x) e
x
e
x
(3 + 2x) + 2e
2x
(−3/2 −x)
−e
x
+ e
2x
−e
x
+ e
2x
0 2e
x
−e
2x








10. Aplicaci´ on a las ecuaciones diferen-
ciales
lroponcmos sc.uidamcntc un c¡cmp¦o para ac¦arar c¦ mctodo dado
dc construccion dc ¦a cxponcncia¦
255
Ejemplo. Resolver el sistema de ecuaciones diferenciales lineales:



x
/
!x + 2y,
y
/
3x + 3y.
Soluci´ on: sc. un ¦o cxpucsto hasta ahora. dc¦cmos ca¦cu¦ar prcviamcn-
tc cxp(Ax. sicndo
A


! 2
3 3


.
Sc vc taci¦mcntc ouc p
A
(x (x −1(x −o. σ
A
¦λ
1
1, λ
2
o¦.
a
1
(x −
1
5
y a
2
(x
1
5
. dc dondc
e
Ax
e
x
(
−1
`
I
2
(A−oI
2
+e
6x
1
`
I
2
(A−I
2

1
`


3e
6x
+ 2e
x
32e
6x
−2e
x
3e
6x
−3e
x
2e
6x
+ 3e
x


y por ¦o tanto cua¦ouicr so¦uci on dc¦ sistcma scr a dc¦ tipo
y(x
1
`


3e
6x
+ 2e
x
32e
6x
−2e
x
3e
6x
−3e
x
2e
6x
+ 3e
x




c
1
c
2


.
Lxponcmos otro c¡cmp¦o dondc hay ouc uti¦izar ¦os n umcros com-
p¦c¡os
Ejemplo. Resolver el sistema de ecuaciones diferenciales:



x
/
3x −`y,
y
/
x −y.
256
Soluci´ on: cn un primcr paso ca¦cu¦amos cxp(Bx con
B


3 −`
1 −1


.
Como p
B
(x (x −1 −i(x −1 +i. σ
B
¦λ
1
1 +i, λ
2
1 −i¦.
a
1
(x +
1
2i
y a
2
(x −
1
2i
. sc ticnc
e
Bx
e
(1+i)x
1
2i
I
2
|A −(1 −iI
2
| −e
(1−i)x
1
2i
I
2
|A −(1 + iI
2
|
e
x


2scn x + cos x −2scn x
scn x −2scn x + cos x


.
Ası ouc cua¦ouicr so¦uci on dc¦ sistcma scr a dc¦ tipo
y(x


2scn x + cos x −2scn x
scn x −2scn x + cos x




c
1
c
2


.
Aca¦amos csta scccion rcso¦vicndo un sistcma no homo.cnco por c¦
mctodo dc variaci on dc ¦as constantcs. ta¦ y como cxp¦icamos cn ¦a
p a.ina ??
Ejemplo. Resolver el sistema:



x
/
!x + 2y + e
t
,
y
/
3x + 3y,
257
Solucion: para csta ccuaci on ya hcmos cncontrado ¦a so¦uci on dc¦ sis-
tcma ¦inca¦ homo.cnco Ası ouc dc¦cmos cncontrar una so¦uci on par-
ticu¦ar dc¦ sistcma no homo.cnco con c¦ mctodo dc variaci on dc ¦as
constantcs Ca¦cu¦amos pucs


c
1
(x
c
2
(x

1
`



3e
−6x
+ 2e
−x
2e
−6x
−2e
−x
3e
−6x
−3e
−x
2e
−6x
+ 3e
−x




e
x
0


dx

1
`



3e
−5x
+ 2
3e
−5x
−3


dx
1
`


−3e
−5x
5
+ 2x + c
1
−3e
−5x
5
−3x + c
2


dx,
ası ouc una so¦ucion particu¦ar dc¦ sistcma scra
y
p
(x
1
`


3e
6x
+ 2e
x
32e
6x
−2e
x
3e
6x
−3e
x
2e
6x
+ 3e
x


1
`


−3e
−5x
5
+ 2x
−3e
−5x
5
−3x

1
2`
e
x


10x −3
3 −1`x


.
Y ¦a so¦uci on .cncra¦ dc¦ sistcma scr a
y
g
(x


3e
6x
+ 2e
x
32e
6x
−2e
x
3e
6x
−3e
x
2e
6x
+ 3e
x




c
1
c
2


+
1
2`
e
x


10x −3
3 −1`x


.
L¦ ca¦cu¦o hccho dc ¦a cxponcncia¦ dc una matriz cn csta sccci on nos
va a dar ¦a cstructura dc ¦as so¦ucioncs dc un sistcma dc ccuacioncs
ditcrcncia¦cs ¦inca¦cs Ln particu¦ar. ¦a intcrprctaci on dc ¦a ccuaci on 12
pcrmitc pro¦ar ¦a proposici on ouc si.uc
258
Proposici´ on. Sean A ∈ M
m
(R e y(t una soluci´on de y
/
Ay.
Entonces cada una de las coordenadas de y(t es una combinaci´ on
lineal de las funciones
t
k
e
ta
cos tb, t
k
e
ta
scn tb,
donde a + bi recorre el conjunto de los valores propios de A con
b ≥ 0 y 0 ≤ k < m(a + bi.
Tcmas 1. 2 y 3 dc¦ L¦oouc ll lcpaso dc¦ c a¦cu¦o
ditcrcncia¦ dc una varia¦¦c Ga¦ric¦ So¦cr L opcz 11
cncro dc 200!
1. Introducci´ on a los n´ umeros reales
Ln cstc tcma sc cstudia ¦a continuidad y ¦a ditcrcncia¦i¦idad dc tun-
cioncs rca¦cs dc varia¦¦c rca¦ Convicnc por ¦o tanto. rcpasar ¦as propic-
dadcs dc¦ con¡unto dc ¦os n umcros rca¦cs Ya sa¦cmos ouc c¦ con¡unto
dc ¦os n umcros rca¦cs cs un cucrpo. pcro adcmas satistacc otras propic-
dadcs ouc sc uti¦izan cn c¦ dcsarro¦¦o dc¦ c a¦cu¦o ditcrcncia¦
259
1.1. Los n´ umeros reales son un cuerpo
que completa a los n´ umeros racio-
nales Q
L¦ si.uicntc c¡cmp¦o scnci¦¦o mucstra ¦a ncccsidad dc comp¦ctar ¦os
n umcros raciona¦cs
Ejemplo. La longitud de la diagonal del cuadrado que sigue no se
puede medir con un n´ umero racional.
1
E '
c
T
1

©

2
¿Sab´eis demostrar que

2 no es racional?
Si

2 fuera racional existir´ıan n´ umeros enteros a y b tales que:

2
a
b
,
adem´as se pueden elegir a y b primos entre s´ı, es decir, se pueden
elegir de manera que la fracci´on est´ a simplificada.
260
Elevando al cuadrado la expresi´ on anterior se tiene:
2
a
2
b
2
⇒ 2b
2
a
2
As´ı que el n´ umero a
2
es par y a tambi´en debe ser par, es decir
a 2m para cierto n´ umero entero m. Por lo tanto:
2b
2
!m
2
⇒ b
2
2m
2
.
De lo anterior se tiene que b
2
es par y por lo tanto b tambi´en es
par. Pero esto es una contradicci´ on con el hecho de que a y b sean
primos entre si.
2. Propiedades del conjunto de los n´ ume-
ros reales R
2.1. Propiedades algebraicas
Los n umcros rca¦cs son un cucrpo. cs dccir. satistaccn ¦os si.uicntcs
axiomas para cua¦csouicra n umcros rca¦cs x, y y z
Axioma 1. La suma cs conmutativa x + y y + x
Axioma 2. La suma cs asociativa x + (y + z (x + y + z
Axioma 3. L¦ n umcro rca¦ 0 vcrifica x + 0 x (0 cs c¦ c¦cmcnto
ncutro dc ¦a suma
261
Axioma 4. Lxistc un n umcro dcnotado por −x ta¦ ouc x+(−x 0
Axioma 5. L¦ producto cs conmutativo x + y y + x
Axioma 6. L¦ producto cs asociativo x + (y + z (x + y + z
Axioma 7. L¦ n umcro rca¦ 1 vcrifica x 1 x (1 cs c¦ c¦cmcnto
ncutro dc¦ producto
Axioma 8. Lxistc un n umcro dcnotado por x
−1
ta¦ ouc x x
−1
1
Axioma 9. Sc vcrifica ¦a propicdad distri¦utiva dc¦ producto rcspcc-
to a ¦a suma x (y + z x y + x z.
Ejercicio.
¹sando ¦os axiomas dcmostrar
1 Si dos c¦cmcntos x, y ∈ R vcrifican ouc x+y y. cntonccs x 0.
2 Si dos c¦cmcntos x, y ∈ R vcrifican ouc x y y. cntonccs x 1.
3 Si x + y 0 cntonccs y −x.
! Lados a, b ∈ R. ¦a so¦uci on dc ¦a ccuaci on a+x b cs x (−a+b
262
2.2. El orden en R
Definici´ on (Relaci´ on de orden). Lcfinimos cn c¦ con¡unto dc ¦os
n umcros rca¦cs ¦a rc¦aci on ≤ dc ¦a si.uicntc torma
a ≤ b ⇔ ∃x ∈ R
+
∪ ¦0¦ ta¦ ouc a + x b
Proposici´ on. La relaci´ on de orden anterior verifica las siguientes
propiedades:
Reflexiva: para todo n´ umero real x se verifica x ≤ x.
Antisim´etrica: para cualesquiera n´ umeros reales a, b si a ≤ b y
b ≤ a entonces a b.
Transitiva: para cualesquiera n´ umeros reales a, b, c, si a ≤ b y
b ≤ c entonces a ≤ c.
Orden total: para cualesquiera a, b ∈ R siempre se tiene que o
bien a ≤ b o bien b ≤ a.
Proposici´ on (El orden y la aritm´etica). Dados a, b, c, d ∈ R,
se tiene:
1. Si a ≤ b entonces a + c ≤ b + c.
2. Si a ≤ b y c > 0 entonces ac ≤ bc.
3. Si a ≤ b y c < 0 entonces ac ≥ bc.
263
4. Si a ≤ b y c ≤ d entonces a + c ≤ b + d.
2.3. Densidad de Q y de I R`Q en R
Teorema. Si x, y ∈ R, x < y, existe r ∈ Q tal que x < r < y.
Teorema. Si x, y ∈ R, x < y, existe i ∈ I tal que x < i < y.
2.4. Principio del encaje Cantor
Lada una succsi on dc intcrva¦os |a
n
, b
n
| ta¦cs ouc
1 a
n
≤ a
n+1
.
2 b
n
≥ b
n+1
.
3 ¦ım
n→∞
(b
n
−a
n
0.
cntonccs cxistc un unico n umcro rca¦ r ta¦ ouc
¦r¦
¸
n∈N
|a
n
, b
n
|
Observaci´ on. Este principio tiene gran importancia para probar,
por ejemplo, el teorema de Bolzano.
264
3. Axioma del supremo
Definici´ on. Lado un con¡unto A ⊆ R. sc dicc ouc c¦ n umcro a ∈ R
cs una cota superior del conjunto A si sc vcrifica ouc x ≤ a para
todo x ∈ A
Lado un con¡unto A ⊆ R. sc dicc ouc c¦ n umcro b ∈ R cs una cota
inferior del conjunto A si sc vcrifica ouc x ≥ b para todo x ∈ A
Si un con¡unto ticnc una cota supcrior sc dicc ouc csta acotado
superiormente
Si un con¡unto ticnc una cota intcrior sc dicc ouc csta acotado in-
feriormente
Si un con¡unto csta acotado supcrior c intcriormcntc sc dicc ouc csta
acotado
La mcnor dc ¦as cotas supcriorcs dc un con¡unto sc ¦¦ama supremo
dc¦ con¡unto
La mayor dc ¦as cotas intcriorcs dc un con¡unto sc ¦¦ama ´ınfimo dc¦
con¡unto
Si c¦ suprcmo dc un con¡unto csta dcntro dc¦ con¡unto cntonccs sc
¦¦ama tam¦icn m´ aximo dc¦ con¡unto
Si c¦ ınfimo dc un con¡unto cst a dcntro dc¦ con¡unto cntonccs sc
¦¦ama tam¦icn m´ınimo dc¦ con¡unto
265
Ejemplo. Para el conjunto (1, ¨| tenemos:
8 10 y 7 son cotas superiores del conjunto.
7 es el supremo y tambi´en el m´aximo del conjunto.
1 es el ´ınfimo del conjunto pero no existe el m´ınimo.
Completitud de R. R cs un cucrpo comp¦cto. cs dccir. cua¦ouicr
con¡unto acotado supcriormcntc ticnc un suprcmo
Observaci´ on. El conjunto Q no es completo porque si tomamos
el conjunto
A ¦r ∈ Q r ≤


se tiene que est´a acotado superiormente por ejemplo por 2, pero
no tiene supremo en Q.
3.1. L´ımites de funciones
Definici´ on (L´ımite lateral por la derecha). Sc dicc ouc c¦ ¦ımitc
dc ¦a tunci on f (a, b ⊂ R → R por ¦a dcrccha cn c¦ punto x
0
cs l
y sc dcnota por ¦ım
x→x
+
0
f(x l si para todo > 0 cxistc δ > 0 ta¦
ouc si x ∈ (x
0
, x
0
+ δ cntonccs [f(x −l[ < .
266
Definici´ on (L´ımite lateral por la izquerda). Sc dicc ouc c¦
¦ımitc dc ¦a tunci on f (a, b ⊂ R →R por ¦a izouicrda cn c¦ punto x
0
cs l y sc dcnota por ¦ım
x→x

0
f(x l si para todo > 0 cxistc δ > 0
ta¦ ouc si x ∈ (x
0
−δ, x
0
cntonccs [f(x −l[ < .
Definici´ on (L´ımite). Sc dicc ouc c¦ ¦ımitc dc ¦a tunci on f (a, b ⊂
R → R cn c¦ punto x
0
cs l y sc dcnota por ¦ım
x→x
0
f(x l si para
todo > 0 cxistc δ > 0 ta¦ ouc si x ∈ (x
0
− δ, x
0
+ δ cntonccs
[f(x −l[ < .
Proposici´ on. Dada una funci´on f (a, b → R son equivalentes
los dos apartados siguientes:
1. Existe ¦ım
x→x
0
f(x y es igual a l,
2. existen los l´ımites ¦ım
x→x
+
0
f(x y ¦ım
x→x

0
f(x y son iguales a l.
Ejemplo. Dada la funci´on
f(x



x + 1 si x ≥ 1
x + 2 si x ≤ 1,
se tiene:
1. ¦ım
x→1
+
f(x 2, ya que para todo > 0 tomando δ se tiene
que si x ∈ (1, 1+δ entonces [f(x −2[ [x+1−2[ [x−1[
x −1 < 1 + δ −1 δ .
267
2. ¦ım
x→1

f(x 3, ya que para todo > 0 tomando δ mın¦,
1
2
¦
se tiene que si x ∈ (1 −δ, 1 entonces
[f(x −3[ [x + 2 −3[ [x −1[ 1 −x (1o
y como 1 − δ < x < 1 entonces −1 < −x < δ − 1 y sumando
1 en la desigualdad
0 < 1 −x < δ. (1¨
Ahora usando las ecuaciones 16 y 17 tenemos:
[f(x −3[ < δ mın¦,
1
2
¦ ≤ ,
con lo que queda probado que ¦ım
x→1

f(x 3.
3. ¦ım
x→1
f(x no existe ya que los l´ımites laterales son diferentes.
4. Continuidad
Definici´ on (Funci´ on continua en un punto). Sca f (a, b →
R una tunci on y x
0
∈ (a, b. dccimos ouc f cs continua cn x
0
si y so¦o
si
para todo > 0 cxistc δ > 0 ta¦ ouc si x ∈ (x
0
−δ, x
0

cntonccs f(x ∈ (f(x
0
−δ, f(x
0
+ δ
268
Nota: x ∈ (x
0
−δ, x
0
+ δ cs couiva¦cntc a [x −x
0
[ < δ.
Proposici´ on. Sea f (a, b →R una funci´on y x
0
∈ (a, b, enton-
ces son equivalentes:
1. La funci´on f es continua en el punto x
0
,
2. f(x
0
¦ım
x→x
0
f(x.
Definici´ on (Funci´ on continua). Sca f (a, b →R. dircmos ouc
cs continua si cs continua cn todos sus puntos
Definici´ on (Funci´ on discontinua en un punto). Sca f (a, b →
R. dircmos ouc cs discontinua cn x
0
si no cs continua cn c¦ punto x
0

Definici´ on (Funci´ on discontinua). Sca f (a, b → R. dircmos
ouc cs discontinua si cs discontinua cn a¦.uno dc sus puntos
4.1. Tipos de discontinuidad
Lada una tunci on f(a, b → R y x
0
∈ (a, b. distin.uircmos trcs
tipos dc discontinuidadcs
Discontinuidad evitable. f prcscnta una discontinuidad cvita¦¦c
cn c¦ punto x
0
si
¦ım
x→x
+
0
f(x ¦ım
x→x

0
f(x f(x
0
.
269
Discontinuidad de primera especie o de salto. f prcscnta una
discontinuidad dc sa¦to cn c¦ punto x
0
si
¦ım
x→x
+
0
f(x ¦ım
x→x

0
f(x.
Discontinuidad de segunda especie o esencial. f prcscnta una
discontinuidad cscncia¦ cn c¦ punto x
0
si no cxistcn o son infinitos
uno o ¦os dos ¦ımitcs ¦atcra¦cs
270
4.2. Teoremas relativos a funciones con-
tinuas
Teorema (Weierstrass). Toda funci´ on f(x continua en un in-
tervalo cerrado |a, b| admite un m´aximo y un m´ınimo (absoluto)
en |a, b|.
Teorema (Bolzano). Si una funci´on f(x es continua en un in-
tervalo cerrado |a, b| y se cumple que f(af(b < 0 entonces existe
c ∈ (a, b tal que f(c 0.
5. Derivabilidad de funciones reales de
variable real
Definici´ on (Derivada de una funci´ on en un punto). Lada
una tunci on f (a, b → R y c ∈ R sc dcfinc ¦a dcrivada dc f cn c¦
punto c como
f
/
(c ¦ım
h→0
f(c + h −f(c
h
.
Si una tunci on f cs dcriva¦¦c cn todos sus puntos cntonccs dircmos
ouc ¦a tunci on cs dcriva¦¦c
Proposici´ on (Propiedades de la derivada). Dadas funciones
271
derivables f, g (a, b →R se tiene:
(f + g
/
(c f
/
(c + g
/
(c.
(f g
/
(c f
/
(cg(c + f(cg
/
(c.
Si k es una constante (kf
/
(c kf
/
(v.
Si g(c 0 entonces

f
g

/
(c
f
/
(c)g(c)−f(c)g
/
(c)
f(c)
2
.
Si h f ◦ g entonces h
/
(c f
/
(g(cg
/
(c.
Si f es inversa de g, es decir, si f ◦ g g ◦ f Id entonces
g
/
(x
1
f
/
(g(x))
.
Proposici´ on (Algunas derivadas de funciones concretas).
Si f (a, b →R es una funci´ on derivable entonces:
♣ (scn x
/
cos (x ♣ (cos x
/
−scn (x
♣ (¦o. x
/

1
x
♣ (tan x
/
1 + tan
2
(x
1
cos
2
(x)
♣ (a
x

/
a
x
¦o. a ♣ (e
x

/
e
x
♣ (arcscn x
/

1

1−x
2
♣ (arc cos x
/

−1

1−x
2
♣ (arctan x
/

1
1+x
2
Teorema (Relaci´ on entre derivabilidad y continuidad). Si
la funci´on f(a, b →R es derivable en el punto c ∈ (a, b entonces
es continua en dicho punto.
272
5.1. Teoremas relativos a funciones de-
rivables
Teorema (Rolle). Sea f |a, b| → R una funci´on continua en
|a, b| y derivable en (a, b. Si f(a f(b, existe al menos un punto
α ∈ (a, b, tal que f
/
(α 0.
Teorema (Del valor medio de Lagrange). Sea f |a, b| →
R una funci´on continua en |a, b| y derivables en (a, b. Entonces
existe al menos un punto α ∈ (a, b, tal que
f(b −f(a
b −a
f
/
(α.
Teorema (Del valor medio de Cauchy). Sean f, g |a, b| →R
funciones continuas en |a, b| y derivables en (a, b. Entonces existe
al menos un punto α ∈ (a, b, tal que
f(b −f(a
g(b −g(a

f
/

g
/

.
Teorema (Regla de L’Hˆ opital). Sean las funciones f, g |a, b| →
R derivables en un entorno del punto c ∈ (a, b y tales que las de-
rivadas no se anulan simult´aneamente en ning´ un punto de dicho
entorno, salvo en c. Si ambas tienden simult´ anemente a 0 (o a
infinito) cuando x tiende a c, se verifica:
¦ım
x→c
f(x
g(x
¦ım
x→c
f
/
(x
g
/
(x
.
273
5.2. Crecimiento, decrecimiento, m´ axi-
mos y m´ınimos
Teorema (Crecimiento y decrecimiento). Sea f (a, b → R
una funci´on derivable. La funci´on f es creciente en (a, b si y s´olo
si f
/
(x ≥ 0.
La funci´on f(x es decreciente en (a, b si y s´olo si f
/
(x ≤ 0.
Teorema (Crecimiento y decrecimiento estricto). Sea f
(a, b →R una funci´on derivable. Si f
/
(x > 0 para todo x ∈ (a, b
entonces f es estrictamente creciente en (a, b.
Si f
/
(x < 0. para todo x ∈ (a, b entonces f es estrictamente
decreciente en (a, b.
Teorema (Extremos). Sea f (a, b →R una funci´on derivable
n veces en el punto c ∈ (a, b y tal que
f
/
(c f
//
(c f
(n−1)
(c 0. f
(n)
(c 0.
Entonces, si n es par y f
(n)
(c < 0, la funci´on presenta un m´ axi-
mo relativo en c. Si n es par y f
(n)
(c > 0, la funci´on presenta un
m´ınimo relativo en c.
274
5.3. Concavidad, covexidad y puntos de
inflexi´ on
Definici´ on (Convexidad). Sc dicc ouc ¦a tunci on f (a, b → R
cs convcxa cn c¦ intcrva¦o (a, b si para cua¦csouicra x
1
y x
2
dc (a, b.
sc ticnc ouc c¦ sc.mcnto rccti¦ınco ouc unc ¦os puntos (x
1
, f(x
1
y
(x
2
, f(x
2
oucda por cncima dc ¦a .r afica dc f
Figura 4: Ejemplo de funci´ on convexa
Definici´ on (Concavidad). Sc dicc ouc ¦a tunci on f (a, b → R
cs concava cn c¦ intcrva¦o (a, b si para cua¦csouicra x
1
y x
2
dc (a, b.
sc ticnc ouc c¦ sc.mcnto rccti¦ınco ouc unc ¦os puntos (x
1
, f(x
1
y
(x
2
, f(x
2
oucda por dc¦a¡o dc ¦a .r afica dc f
Figura 5: Ejemplo de funci´ on c´ oncava
275
Teorema. Sea f (a, b → R una funci´on dos veces derivable.
Entonces:
1. Si f
//
(x > 0 en (a, b entonces f es convexa en (a, b.
2. Si f
//
(x < 0 en (a, b entonces f es c´oncava en (a, b.
Definici´ on (Punto de inflexi´ on). ¹na tunci on f (a, b →R sc
dicc ouc prcscnta un punto dc inflcxion cn c ∈ (a, b si cn dicho punto
pasa dc convcxa a c oncava o viccvcrsa
Teorema. Sea f (a, b → R una funci´on que tiene un punto de
inflexi´ on en c, entonces f
//
(c 0.
Esta condici´ on es necesaria pero no suficiente.
Teorema. Sea f (a, b → R una funci´on derivable n veces en
c ∈ (a, b y tal que:
f
/
(c f
//
(c f
(n−1)
(c 0 y f
(n)
(c 0.
Entonces, si n es impar la funci´ on f presenta un punto de in-
flexi´ on en la abscisa c.
276
5.4. Representaciones gr´aficas de fun-
ciones
L¦ cstudio y ¦a rcprcscntacion .r afica dc una tuncion y f(x sc
suc¦c rca¦izar si.uicndo c¦ si.uicntc ordcn para dctcrminar
1 Lominio dc ¦a tunci on
2 luntos dc cortc con ¦os c¡cs dc coordcnadas
3 Simctrıas rcspccto dc¦ c¡c 0Y (aouc¦¦as tuncioncs ouc vcrifican
f(x f(−x para todo x. sc ¦¦aman tuncioncs parcs y rcspccto
dc¦ c¡c 0X (aouc¦¦as tuncioncs ouc vcrifican f(x −f(−x para
todo x. sc ¦¦aman tuncioncs imparcs
! Zonas dc crccimicnto y dccrccimicnto
` ` aximos y mınimos
o Zonas dc concavidad y convcxidad
¨ luntos dc inflcxi on
S Asıntotas
277
6. Aproximaci´ on local de una funci´ on
6.1. Introducci´ on
Lado un po¦inomio dc .rado n. P
n
(x. cs posi¦¦c dcsarro¦¦ar¦o cn
potcncias dc x −a y cscri¦ir¦o dc ¦a torma
P
n
(x a
0
+ a
1
(x −a + a
2
(x −a
2
+ + a
n
(x −a
n
Si dcrivamos succsivamcntc c¦ po¦inomio o¦tcncmos
P
/
n
(x a
1
+ 2a
2
(x −a + 3a
3
(x −a
2
+ na
n
(x −a
n−1
P
//
n
(x 2a
2
+3 2(x −a +! 3(x −a
2
+. . . n (n−1a
n
(x −a
n−2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
P
(n)
n
(x n'a
n
Si tomamos x a cn ¦as cxprcsioncs antcriorcs sc o¦ticncn ¦as
si.uicntcs i.ua¦dadcs
P
n
(a a
0
, P
/
n
(a a
1
, P
//
n
(a 2a
2
, P
///
n
(a 32a
3
, . . .
. . . . . . . . . . . . . . . . . . . . . , P
(n)
n
(a n'a
n
Lcspc¡ando ¦os va¦orcs dc a
i
y sustituycndo cn P
n
(x tcncmos
P
n
(x P
n
(a +
P
/
n
(a
1'
(x −a +
P
//
n
(a
2'
(x −a
2
+ +
P
(n)
n (a
n'
(x −a
n
278
6.2. Desarrollo de Taylor de una fun-
ci´ on
Pregunta. Si tcncmos una tunci on rca¦ dc varia¦¦c rca¦ f ouc ad-
mitc dcrivadas hasta c¦ ordcn n + 1 cn c¦ punto x a ,Ls posi¦¦c dar
una cxprcsion simi¦ar a ¦a antcrior para c¦¦a´
Respuesta. La i.ua¦dad
f(x f(a +
f
/
(a
1'
(x −a +
f
//
(a
2'
(x −a
2
+ +
f
(n)
(a
n'
(x −a
n
no cs cicrta porouc si ¦o tucra. f scrıa un po¦inomio y no ticnc por
ouc scr¦o
Aunouc ¦a i.ua¦dad antcrior no sca cicrta sı cs posi¦¦c sa¦cr cua¦ cs
¦a ditcrcncia cntrc c¦ micm¦ro dc ¦a izouicrda y c¦ dc ¦a dcrccha Lsto
cs importantc porouc si dicha ditcrcncia cs pcouc˜ na podrcmos uti¦izar
un po¦inomio para aproximar ¦a tunci on f
279
Ii¡amos cn ¦o ouc si.uc una tunci on f rca¦ y dc varia¦¦c rca¦. n + 1
vcccs dcriva¦¦c cn c¦ punto x a
Definici´ on (Polinomio de Taylor y Mac-Laurin). L¦ po¦ino-
mio P
n
(x f(a +
f
/
(a)
1!
(x −a +
f
//
(a)
2!
(x −a
2
+ +
f
(n)
(a)
n!
(x −a
n
rcci¦c c¦ nom¦rc dc lo¦inomio dc Tay¦or (o dcsarro¦¦o dc Tay¦or dc
ordcn n dc ¦a tunci on f cn c¦ punto a
Si a 0 cntonccs cstc po¦inomio tam¦icn sc ¦¦ama lo¦inomio dc
`ac-Laurin (o dcsarro¦¦o dc `ac-Laurin dc ordcn n dc ¦a tunci on f
Definici´ on (Resto de orden n). L¦ rcsto dc ordcn n dc ¦a tunci on
f cn c¦ punto a cs
R
n+1
(x
f
(n+1)

(n + 1'
(x −a
n+1
, con ξ ∈ (a, x.
Teorema (Taylor). Se verifica la igualdad:
f(x P
n
(x + R
n+1
(x
280
Definici´ on (Funci´ on o((x−a
n
). ¹na tunci on rca¦ dc varia¦¦c rca¦
g sc dicc ouc cs una o((x −a
n
(o pcouc˜ na dc (x −a dc ordcn n si
vcrifica
¦ım
x→a
g(x
(x −a
n
0
Teorema. R
n+1
(x es una o((x −a
n
, es decir:
¦ım
x→a
R
n+1
(x
(x −a
n
0.
Ejercicio. Ca¦cu¦a c¦ dcsarro¦¦o dc `ac-Laurin dc ordcn n dc ¦as tun-
cioncs e
x
, scn x y cos x
7. Resoluci´ on de ecuaciones por el m´eto-
do de bipartici´ on
Lada una ccuaci on f(x 0 con f continua cn |a, b| y ta¦ ouc
f(af(b < 0 y con una raız unica r cn |a, b|. c¦ mctodo dc ¦ipartici on
consistc cn rca¦izar ¦os si.uicntcs pasos
1 Ca¦cu¦ar c¦ punto mcdio cntrc a y b. cs dccir m
0

a+b
2
.
2 Si f(m 0 cntonccs r m
0
.
3 Ln caso contrario tomamos c¦ intcrva¦o |a
1
, b
1
| ⊂ |a, b| cntrc |a, m
0
|
o |m
0
, b| L¦c.imos aouc¦ cn c¦ ouc ¦a tunci on toma cn ¦os cxtrcmos
puntos opucstos. cs dccir. r ∈ |a
1
, b
1
|
281
! \o¦vcmos a¦ primcr paso y rcpctimos ¦a opcraci on hasta ouc r
m
n
(pucdc ouc no sc consi.a
Si no consc.uimos ¦a raız cn un n umcro finito dc pasos. a¦ mcnos
tcndrcmos una succsion dc intcrva¦os cnca¡ados cn ¦a ouc sc cncucntra
¦a raız
r ∈ ⊂ |a
n
, b
n
| ⊂ ⊂ |a
1
, b
1
| ⊂ |a, b|,
adcmas
b
n
−a
n

b −a
2
n
.
Teorema. (a
n
es una sucesi´on creciente y (b
n
es una sucesi´on
decreciente, ambas acotada, y por lo tanto convergentes.
Ası ouc
¦ım
n→∞
a
n
α ≤ b
y
¦ım
n→∞
b
n
β ≥ a,
adcmas
¦ım
n→∞
(a
n
−b
n
α −β 0 ⇒ α β.
Adcmas cstc ¦ımitc cs ¦a raız dc ¦a ccuaci on porouc
¦ım
n→∞
f(a
n
f(b
n
f(α
2
≤ 0 ⇒ f(α 0.
282
7.1. Cota del error absoluto en la n-
sima aproximaci´ on
Si tomamos como va¦or aproximado dc r a a
n
. tcncmos
0 ≤ r −a
n

b −a
2
n
.
Si tomamos como va¦or aproximado dc r a b
n
. tcncmos
0 ≤ b
n
−r ≤
b −a
2
n
.
283
7.2. Ejemplo
La ccuaci on f(x x
3
+ !x
2
− 10 0 ticnc una raız cn |1, 2|. ya
ouc f(1 −` y f(2 1!. si ap¦icamos c¦ a¦.oritmo dc ¦isccci on
o¦tcncmos ¦os va¦orcs dc ¦a ta¦¦a ouc si.uc
Figura 6: Ejemplo del m´etodo de bipartici´ on
284
7.3. Ejemplo
Ca¦cu¦ar una raız dc ¦a ccuaci on f(x 0 para ¦a tunci on f(x
cos x −x cn c¦ intcrva¦o |0,
π
2
|
Ln cstc c¡cmp¦o tcncmos f(0 1 > 0 y f(
π
2

π
2
. con ¦o cua¦
cmpczamos ca¦cu¦ando c¦ punto mcdio dc¦ intcrva¦o dc partida. cs dccir
m
1

π
4
≈ 0,¨S`39S1o339¨!!S3
Figura 7: Gr´ afica de la funci´on f(x) = cos x −x
285
n x
n
f(x
n

1 0¨S`39S1o339¨!!S3 f(x −0,0¨S2913S2210900¨
2 0392o990S1o9S¨2!1! f(x 0,`311S0!`0S12`o2o
3 0`S90!So22`!S0So2 f(x 0,2!2!209S9¨`!!`903
! 0oS¨2233929¨2¨o¨2 f(x 0,0S`¨S¨0o03S99o9¨`
` 0¨3o310¨¨S1S`10¨¨ f(x 0,00!o!03!¨1o9S`1!
o 0¨o0S`!!¨0¨912¨S f(x −0,03oo0¨3S¨S39S1099
¨ 0¨!S`S2o2!!SS192S f(x −0,01`92S3`2S1`¨¨9So¨
S 0¨!2!!o¨0133oo`02 f(x −0,00`o30132!`92S03!o
9 0¨393¨S¨39¨o0S¨9 f(x −0,000!91!1`3002o3¨`3!
10 0¨3¨S!!¨`S9¨29933 f(x 0,0020¨`33o!So`2291o2
11 0¨3So11¨!93oo93o2 f(x 0,000¨921¨S0¨92o9`o¨o
12 0¨3S99`2!!`o390¨o f(x 0,0001`0!3`¨!20!9S¨03
13 0¨391So9921o23933 f(x −0,0001¨0!¨o1933!!`3¨`o
286
n x
n
f(x
n

1! 0¨3909111S3o31`0! f(x −0,00001001oS2S909SSo¨``
1` 0¨390!31S1!o3`29 f(x 0,0000¨021030`¨91!o2¨
1o 0¨390o¨1!9913339¨ f(x 0,00003009o9`0¨!1o31`!`
1¨ 0¨390¨913!13S2!` f(x 0,0000100!0113990`2S1¨¨
1S 0¨390S`12o2`0o9¨¨ f(x 1,1o``S0S9S!o`o3!o 10
−8
19 0¨390SS12230o92!1 f(x −`,002`S3233!3¨¨1S` 10
−6
20 0¨390Soo2!2¨SS109 f(x −2,!9`!o2SS2SS9931¨ 10
−6
21 0¨390S`S¨`2o!¨`!2 f(x −1,2!1903329`0¨!o`` 10
−6
22 0¨390S``00¨`¨¨2`9 f(x −o,1`123¨0S!139S93 10
−7
23 0¨390S`313`0!211S f(x −3,01¨3393o¨2`0`¨1 10
−7
2! 0¨390S`219S¨¨!`!¨ f(x −1,!`0390o0`39`313 10
−7
2` 0¨390S`1¨30o!0¨o2 f(x −o,oo91o2`0002S13o 10
−8
2o 0¨390S`1!9o`¨3So9 f(x −2,¨`1¨90¨¨302`o¨`2 10
−8
2¨ 0¨390S`13¨9`!0!23 f(x −¨,9310!93¨2S00203 10
−9
\cmos por ¦o tanto ouc r

0,¨390S`13¨9`!0!23 cs casi una raız
ya ouc f(x −¨,9310!93¨2S00203 10
−9
. adcm as podcmos uti¦izar
¦a t ormu¦a dc¦ crror dada antcs para vcr ¦a distancia cntrc r

y ¦a raız
cxacta r
[r −r

[ ≤
b −a
2
n

π
2
2
27

π
2
28
≈ 1,1¨033 10
−8
.
8. M´etodos iterativos
8.1. Introducci´ on
Ii¡cmos una ccuaci on f(x 0 con f una tunci on continua cn |a, b|
y f(af(b < 0 y con raız unica cn c¦ intcrva¦o |a, b|
La idca dc ¦os mctodos itcrativos cs transtormar ¦a ccuaci on f(x 0
cn una couiva¦cntc dc¦ tipo g(x x. partir dc un punto x
0
y .cncrar
¦a succsi on x
n+1
g(x
n
cspcrando ouc x
n
convcr¡a a ¦a raız ¦uscada
La torma m as t aci¦ dc transtormar ¦a primcra ccuaci on cn ¦a sc.unda
cs sumar a ¦a ccuaci on c¦ va¦or x Ln ctccto. sumando x cn ¦os dos
micm¦ros dc f(x 0 tcndrıamos
f(x + x x,
con ¦o cua¦ ¦as ccuacioncs f(x 0 y g(x f(x + x x tcndrıan
¦as mismas so¦ucioncs
288
8.2. El m´etodo de Newton-Raphson
Suponcmos aouı ouc ¦a tunci on f cs dcriva¦¦c La idca dc cstc mctodo
cs uti¦izar ¦as tan.cntcs a ¦a curva y f(x como aproximaci on dc ¦a
curva
Sc trata cn cstc mctodo dc itcrar ¦a tunci on g(x x −
f(x)
f
/
(x)

Observaci´ on. Si la sucesi´ on x
n
converge hacia s, entonces s es
una ra´ız de la ecuaci´ on f(x 0.
Ejemplo. Calcular una ra´ız de la ecuaci´ on f(x 0 para la fun-
ci´on f(x cos x −x en el intervalo |0,
π
2
|.
Soluci´ on. 1 lucsto ouc f(0f(
π
2
(cos 0−0(cos
π
2

π
2

π
2
< 0
¦a ccuaci on ouc oucrcmos rcso¦vcr ticnc so¦ucion cn c¦ intcrva¦o
indicado cn c¦ cnunciado
2 La so¦uci on cs unica ya ouc f
/
(x −scn x−1 < 0 cn c¦ intcrva¦o
(0,
π
2

3 Ap¦icamos c¦ mctodo dc `cwton para construir ¦a succsi on
x
n+1
x
n

cos x
n
−x
n
scn x
n
−1
,
cs dccir. cn cstc caso cstamos itcrando ¦a tunci on g(x x−
cos x−x
sen x−1
289
cuya .r afica cs
Figura 8: Gr´ afica de la funci´on g(x) = x −
cos x−x
sen x−1
L¦i.icndo x
0

π
4
o¦tcncmos
n x
n
f(x
n

0 0¨S`39S1o3`
1 0¨39``3o133¨ -0000¨`!S¨!oS2`02oS2
2 0¨390S`1¨S1 −¨,`129Soo!3920`2¨ 10
−8
3 0¨390S`1332 −¨,¨¨1`o11¨23¨o09o 10
−16
! 0¨390S`1332 0
290
8.3. Resultados sobre la convergencia
Teorema (Convergencia global). Sea f de clase C
2
verificando:
1. f(af(b < 0,
2. Para todo x ∈ |a, b| se tiene que f
/
(x 0 (crecimiento o
decrecimiento estricto)
3. Para todo x ∈ |a, b|, f
//
(x ≥ 0 (alternativamente se puede
tener para todo x ∈ |a, b|, f
//
(x ≤ 0)
4. max¦[
f(a)
f
/
(a)
[, [
f(b)
f
/
(b)
[¦ ≤ b −a
Entonces existe una ´ unica ra´ız s de f(x 0 en |a, b| y la sucesi´ on
(x
n

n
del m´etodo de Newton converge hacia s para todo x
0
∈ |a, b|
tal que f(x
0
f
/
(x
0
≥ 0.
8.4. Ejemplo
L¦ mctodo dc `cwton para ¦a ccuaci on cos x −x 0 cn c¦ intcrva¦o
|0,
π
2
| convcr.c para cua¦ouicr va¦or x
0
∈ |0,
π
2
|
Ası ouc tcncmos f(x cos x − x. f
/
(x −scn x − 1 y f
//
(x
−cos x
Ya hcmos visto antcs ouc f(0f(
π
2
< 0. ¦uc.o sc satistacc ¦a primcra
hip otcsis dc¦ mctodo dc `cwton
291
Adcmas ¦a hip otcsis 2 sc cump¦c porouc f
/
(x −scn x−1 0 y ¦a
hip otcsis 3 sc cump¦c porouc f
//
(x −cos x ≤ 0 para todo x ∈ |0,
π
2
|
lor u¦timo tcncmos ouc
[f(0/f
/
(0[

cos 0
−scn 0 −1

1
y ouc
[f(π/2/f
/
(π/2[

cos (π/2
−scn (π/2 −1

π
!

π
2
−0
π
2
,
con ¦o ouc nucstro c¡cmp¦o tam¦icn vcrifica ¦a hip otcsis cuarta y tcnc-
mos ¦a convcr.cncia .¦o¦a¦ dc¦ mctodo dc `cwton cn nucstro c¡cmp¦o
cn c¦ intcrva¦o |0,
π
2
|
9. Ejercicios Resueltos
Ejercicio
Ca¦cu¦a c¦ ¦ımitc si.uicntc uti¦izando dcsarro¦¦os dc Tay¦or
¦ım
x→0
scn
3
(x
2

1 −cos (x
3

.
Soluci´ on. Larcmos dcsarro¦¦os dc Tay¦or dc¦ numcrador y dcnomi-
nador dc ordcn o
scn x x −
x
3
3!
+
x
5
5!
+ o(x
6
,
scn x
2
x
2

x
6
3!
+ o(x
6
,
292
scn
3
x
2
x
6
+ o(x
6
,
cos x 1 −
x
2
2!
+
x
4
4!

x
6
6!
+ o(x
6
,
cos x
3
1 −
x
6
2!
+ o(x
6
,
1 −cos x
3

x
6
2!
+ o(x
6
.
Ası ouc
¦ım
x→0
x
6
+ o(x
6

x
6
2!
+ o(x
6

1 +
o(x
6
)
x
6
1
2!
+
o(x
6
)
x
6
2.
293
Ejercicio
Ca¦cu¦a c¦ ¦ımitc si.uicntc uti¦izando dcsarro¦¦os dc Tay¦or
¦ım
x→0
|1 −cos
2
(x
2
|scn
3
(x
x ¦o.(1 + x
6

.
Soluci´ on. Larcmos dcsarro¦¦os dc Tay¦or dc¦ numcrador y dcnomi-
nador dc ordcn ¨
scn x x −
x
3
3!
+
x
5
5!

x
7
7!
+ o(x
7
,
scn
2
x x
2
+
x
6
36
−2
x
4
3!
+ 2
x
6
5!
+ o(x
7
,
scn
3
x scn xscn
2
x x
3

x
5
3!
+
x
7
5!
+
x
7
36
+ o(x
7
,
cos x 1 −
x
2
2!
+
x
4
4!

x
6
6!
+ o(x
7
,
cos x
2
1 −
x
4
2!
+ o(x
7
,
cos
2
x
2
1 −2
x
4
2!
+ o(x
7
.
1 −cos
2
x
2
2
x
4
2!
+ o(x
7
.
|1 −cos
2
x
2
|scn
3
x x
7
+ o(x
7
.
¦o.(1 + x x −
x
2
2
+
x
3
3

x
4
4
+
x
5
5

x
6
6
+
x
7
7
+ o(x
7
.
¦o.(1 + x
6
x
6
+ o(x
7

x ¦o.(1 + x
6
x
7
+ o(x
7

294
Ası ouc
¦ım
x→0
|1 −cos
2
(x
2
|scn
3
(x
x ¦o.(1 + x
6

¦ım
x→0
x
7
+ o(x
7

x
7
+ o(x
7

¦ım
x→0
1 +
o(x
7
)
x
7
1 +
o(x
7
)
x
7
1
295
Ejercicio
Ca¦cu¦a ¦os ¦ımitcs si.uicntcs
(a ¦ım
x→0
x
5
−xlog(1+x
4
)
sen
3
(x
2
)
(¦ ¦ım
x→0
sen
3
(x
2
)
x
5
−xlog(1+x
4
)
(c ¦ım
x→0
[1−cos
2
(x
2
)]sen
3
(x)
xlog(1+x
6
)
(d ¦ım
x→0
log(1+x
3
)
1−cos
3
(x)
Soluci´ on.
(a 0. hacicndo un dcsarro¦¦o dc ordcn o. (¦ c¦ ¦ımitc no cxistc.
aunouc sı ouc cxistcn ¦os ¦ımitcs ¦atcra¦cs (+∞ cuando x ticndc a 0
por ¦a izouicrda y −∞cuando x ticndc a 0 por ¦a dcrccha Sc ncccsitan
haccr dcsarro¦¦os dc ordcn o y ¦uc.o invcsti.ar c¦ si.no dc ¦a tunci on
ouc aparccc cn c¦ dcnominador |f(x x(x
4
−¦o.(1 +x
4
| cuando x
cs ccrcano a 0. (c
296
Ejercicio
Ca¦cu¦a c¦ ¦ımitc si.uicntc usando dcsarro¦¦os dc Tay¦or
¦ım
x→0
2scn x
4
1 −cos (x
2

Soluci´ on. Laccmos dcsarro¦¦os dc Tay¦or dc¦ numcrador y dcnomi-
nador dc ordcn !
¦ım
x→0
2x
4
+ o(x
4

1 −1 + x
4
/2 + o(x
4

¦ım
x→0
2 +
o(x
4
)
x
4
1
2
+
o(x
4
)
x
4
!.
297
Tcma ¨ lntc.raci on unidimcnsiona¦
Ga¦ric¦ So¦cr L opcz
20 dc tc¦rcro dc 200o
1. Particiones de un intervalo. Suma
superior e inferior de Riemann
Definici´ on (Partici´ on del intervalo). Lado un intcrva¦o |a, b|.
una partici´ on de |a, b| cs un con¡unto finito { ¦x
0
, x
1
, . . . , x
n
¦ ta¦
ouc a x
0
< x
1
< . . . < x
n−1
< x
n
b
A ¦os intcrva¦os |x
i
, x
i+1
|. i 0, 1, . . . n −1. sc ¦cs ¦¦ama intervalos
de la partici´ on {
Sc dcfinc c¦ di´ ametro de la partici´ on { como c¦ n umcro rca¦ positivo
δ({ max¦[x
i+1
−x
i
[, i 0, 1, . . . , n −1¦
Ladas dos particioncs {. {
/
dc |a, b|. dircmos ouc {
/
cs m´as fina
ouc { si { ⊆ {
/
C¦aramcntc. cn csc caso δ({
/
≤ δ({
298
Definici´ on (Sumas inferiores y superiores de Riemann).
Sca f |a, b| → R y { ¦x
0
, x
1
, . . . , x
n
¦ una partici on dc |a, b| Sc
dcfinc ¦a suma inferior de Riemann dc f para ¦a partici on { como
s({, f, |a, b|
n−1
¸
i=0
m
i
(x
i+1
−x
i

dondc m
i
int¦f(x x ∈ |x
i
, x
i+1
|¦. 0 ≤ i ≤ n −1
Figura 9: Sumas inferiores de Riemann de la funci´ on seno
299
Sc dcfinc ¦a suma superior de Riemann dc f como
S({, f, |a, b|
n−1
¸
i=0
M
i
(x
i+1
−x
i
,
dondc M
i
sup¦f(x x ∈ |x
i
, x
i+1
|¦. 0 ≤ i ≤ n −1
Figura 10: Sumas superiores de Riemann de la funci´ on seno
Proposici´ on. Si f |a, b| → R, { y {
/
son particiones de |a, b|
tales que {
/
es m´ as fina que { entonces:
s({, f, |a, b| ≤ s({
/
, f, |a, b|
y
S({
/
, f, |a, b| ≤ S({, f, |a, b|.
300
Ejemplo.
scn |0,
π
2
| −→ R
x → scn x,
escogiendo la partici´ on {
n
¦0,
1
n
π
2
,
2
n
π
2
, . . . ,
n−1
n
π
2
,
n
n
π
2

π
2
¦, la suma
inferior de Riemann es:
s({
n
, scn , |0,
π
2
|
n−1
¸
j=0
scn


2n

π
2n
,
y la superior:
S({
n
, scn , |0,
π
2
|
n−1
¸
j=0
scn

(j + 1π
2n

π
2n
.
Tam¦icn podcmos ca¦cu¦ar sumas dc licmann sin c¦c.ir ncccsaria-
mcntc c¦ maximo y c¦ mınimo cn cada intcrva¦o. sino un punto ar¦itra-
rio. cstas tcndran su uti¦idad a ¦a hora dc ¦as c¦ascs pr acticas
Definici´ on (Sumas de Riemann). Sca f |a, b| → R. {
¦x
0
, x
1
, . . . , x
n
¦ una partici on dc |a, b| y ξ (ξ
1
, . . . , ξ
n−1
un vcctor
ta¦ ouc ξ
i
∈ |x
i
, x
i+1
| para todo i ∈ ¦0, 1, . . . , n − 1¦ Sc dcfinc ¦a
suma de Riemann de f para la partici´ on { y la elecci´on ξ como
s({, f, |a, b|, ξ
n−1
¸
i=0
f(ξ
i
(x
i+1
−x
i
.
301
2. Funciones integrables Riemann. In-
terpretaci´on geom´etrica
Definici´ on (Funci´ on integrable Riemann). Sca f |a, b| → R
y ({
n


n=1
una succsion dc particioncs dc |a, b| ta¦cs ouc
{
n+1
cs mas fina ouc {
n
. n 1, 2, . . . , ∞
¦ım
n→∞
δ({
n
0
Sc dicc ouc f cs intc.ra¦¦c licmann o intc.ra¦¦c cn |a, b| si cxistcn
y coincidcn ¦os ¦ımitcs
¦ım
n→∞
s({
n
, f, |a, b| ¦ım
n→∞
S({
n
, f, |a, b|
A cstc va¦or sc ¦c ¦¦ama integral de Riemann o integral de f en |a, b|
y sc dcnota por

b
a
f(xdx
Los n umcros a y b sc ¦cs ¦¦aman l´ımites de integraci´ on
Adoptarcmos c¦ convcnio

a
b
f(xdx −

b
a
f(xdx y cuando a b.
dcfinircmos

a
a
f(xdx 0
302
Observaci´ on (Interpretaci´ on geom´etrica). Observemos que si
f(x ≥ 0 para todo x ∈ |a, b|, al aumentar n consideramos cada
vez particiones m´ as finas, luego las sumas inferiores de Riemann
se aproximan cada vez m´as por defecto al ´ area comprendida entre
la gr´ afica f(x, el eje OX, la recta x a y la recta x b y con
las sumas superiores nos aproximamos por exceso.
Ası ouc si f(x ≥ 0 para todo x ∈ |a, b| y f cs intc.ra¦¦c licmann.

b
a
f(xdx coincidc con c¦ arca dctcrminada por ¦a .r afica dc f(x. c¦
c¡c OX y ¦as rcctas x a y x b
303
Proposici´ on (Aplicaci´ on al c´alculo de l´ımites). Sea f |a, b| →
R y ({
n


n=1
una sucesi´on de particiones de |a, b| tales que {
n+1
es
m´as fina que {
n
, n 1, 2, . . . , ∞, y ¦ım
n→∞
δ({
n
0. Si f es inte-
grable en |a, b|, entonces se verifica:

b
a
f(xdx ¦ım
n→∞
s({, f, |a, b|, ξ
n
,
donde, para todo n ∈ N, ξ
n

n
1
, ξ
n
2
, . . . , ξ
n
n−1
forma parte de una
sucesi´on de vectores cualquiera tales que ξ
j
∈ |x
n
j
, x
n
j+1
| para todo
j ∈ ¦0, . . . , n −1¦.
304
3. Funciones integrables: propiedades
La rc¦aci on cntrc continuidad c intc.ra¦i¦idad cs cstrccha. ¦os dos
si.uicntcs tcorcmas ¦o mucstran
Teorema (Continuidad-Integrabilidad). Si f |a, b| → R es
continua entonces f es integrable en |a, b|.
Teorema. Si f |a, b| → R es una funci´ on acotada y tiene como
m´aximo un n´ umero finito de puntos de discontinuidad, entonces f
es integrable en |a, b|.
Con rcspccto a ¦a intc.ra¦ dc licmann y ¦as opcracioncs cntrc tun-
cioncs sc o¦ticnc
Proposici´ on. Sean f, g |a, b| →R integrables y α ∈ R. Entonces
f + g, αf, [f[ y fg son integrables, adem´ as:
1.

b
a
(f(x + g(xdx

b
a
f(xdx +

b
a
g(xdx.
2.

b
a
αf(xdx α

b
a
f(xdx.
3. Si f(x ≥ 0 para todo x ∈ |a, b|, entonces:

b
a
f(xdx ≥ 0.
4. Si f(x ≥ g(x para todo x ∈ |a, b| entonces:

b
a
f(xdx ≥

b
a
g(xdx.
5.

b
a
[f(x[dx ≥ [

b
a
f(xdx[.
305
6. Si c ∈ |a, b| entonces

b
a
f(xdx

c
a
f(xdx +

b
c
f(xdx.
lor u¦timo darcmos c¦ primcr tcorcma dc ¦a mcdia
Teorema (Media). Si f |a, b| →R es continua, entonces existe
ξ ∈ (a, b tal que

b
a
f(xdx f(ξ(b −a.
Teorema (Teorema fundamental del c´alculo integral). Sea
f |a, b| → R una funci´on integrable. Entonces definimos F
|a, b| →R tal que F(x

x
a
f(tdt. Si f es continua en x
0
∈ |a, b|
entonces F es derivable en x
0
y F
/
(x
0
f(x
0
.
Ası ouc. para dcrivar
F |1, +∞ −→ R
x →

x
1
e
−1
t
2
dt,
no cs ncccsario c¦ ca¦cu¦o dc ¦a intc.ra¦. ¦asta con ap¦icar c¦ tcorcma
antcrior para o¦tcncr ouc si x
0
∈ (1, +∞ sc ticnc
F
/
(x
0
e
−1
x
2
0 .
306
4. La regla de Barrow. Integraci´ on por
partes y cambio de variable
Proposici´ on. Sea f |a, b| → R una funci´on continua, entonces
la funci´on:
F |a, b| −→ R
x →

x
a
f(xdx,
es una primitiva de f.
L¦ si.uicntc rcsu¦tado pcrmitc. a partir dc¦ conocimicnto dc una
primitiva dc una tunci on intc.ra¦¦c. ca¦cu¦ar intc.ra¦cs dc csta Scr a c¦
proccdimicnto ouc uti¦iccmos a ¦a hora dc ca¦cu¦ar intc.ra¦cs
Teorema (Barrow). Si f |a, b| →R es continua y F |a, b| →R
es una primitiva de f, entonces

b
a
f(xdx |F(x|
b
a
F(b−F(a.
307
lor u¦timo. introducircmos ¦as tccnicas dc intc.raci on por partcs y
por cam¦io dc varia¦¦c ouc pcrmitcn simp¦ificar c¦ c a¦cu¦o dc intc.ra¦cs
Teorema (Integraci´ on por cambio de variable). Sea f |a, b| →
R una funci´on integrable en |a, b| y g |c, d| → R una funci´on in-
yectiva con derivada integrable en |c, d|, de tal manera que g(c a
y g(d b. Entonces:

b
a
f(xdx

d
c
f(g(tg
/
(tdt.
Teorema (Integraci´ on por partes). Dadas dos funciones de-
rivables, f, g |a, b| → R, con derivadas integrables en |a, b|, se
tiene:

b
a
f(xg
/
(xdx |f(xg(x|
b
a

b
a
g(xf
/
(xdx.
308
5. Aplicaciones del c´ alculo integral al
c´alculo de longitudes, ´ areas y vol´ u-
menes
C´alculo de la longitud de una curva. Considcrcmos ¦a curva
dcfinida por ¦a tunci on dcriva¦¦c f |a, b| → R Lntonccs ¦a ¦on.itud
dc dicha curva cs
L

b
a

1 + f
/
(x
2
dx
C´alculo del ´area de una superficie plana. lccordcmos ouc
por dcfinici on dc ¦a intc.ra¦ dc licmann. si f |a, b| →R con f(x ≥ 0
para todo x ∈ |a, b| cs intc.ra¦¦c. cntonccs c¦ arca dc¦imitada por ¦a
.r afica dc f(x. c¦ c¡c Ox y ¦as rcctas x a y x b cs

b
a
f(xdx
Como consccucncia dc csto. si f, g |a, b| → R son intc.ra¦¦cs con
f(x ≥ g(x para todo x ∈ |a, b| cntonccs c¦ arca dc¦imitada por ¦as
.r aficas dc f(x y g(x. ¦a rccta x a y ¦a rccta x b cs
A

b
a
(f(x −g(xdx
309
C´alculo del ´area de un s´olido de revoluci´ on al girar sobre
el eje Ox. Considcrcmos c¦ so¦ido tridimcnsiona¦ ouc sc o¦ticnc a¦
.irar ¦a .r afica dc ¦a tunci on
9
f |a, b| → R dcriva¦¦c y con dcrivada
continua so¦rc c¦ c¡c Ox Lntonccs c¦ arca dc ¦a supcrficic cxtcrior dc
dicho s o¦ido cs
A 2π

b
a
f(x

1 + f
/
(x
2
dx
C´alculo del ´area de un s´olido de revoluci´ on al girar sobre
el eje Oy.
A 2π

b
a
x

1 + f
/
(x
2
dx
C´alculo del volumen de un s´ olido de revoluci´ on al girar
sobre el eje Ox. Considcrcmos c¦ so¦ido tridimcnsiona¦ ouc sc o¦-
ticnc a¦ .irar ¦a .r afica dc ¦a tunci on
10
f |a, b| → R intc.ra¦¦c so¦rc
c¦ c¡c Ox Lntonccs c¦ vo¦umcn dc dicho so¦ido cs
V π

b
a
f(x
2
dx
C´alculo del volumen de un s´ olido de revoluci´ on al girar
sobre el eje Oy.
V π

b
a
[y
/
(x[x
2
dx
9
Suponemos que dicha gr´ afica no corta al eje Oy
10
Suponemos que dicha gr´ afica no corta al eje Ox
310
Ejemplo. Calcula el volumen de un toro (donut) que se obtiene
al girar un c´ırculo de radio r alrededor de un eje que se encuentra
a distancia a del centro del c´ırculo.
Suponemos que el eje de rotaci´on es el eje y y que el centro del
c´ırculo se encuentra sobre el eje de abscisas, es decir el centro es
el punto (a, 0.
T
E
x
y
a
a + r a −r
(x −a)
2
+ y
2
= r
2
El c´ırculo que estamos girando tiene ecuaci´ on (x−a
2
+y
2
r
2
,
as´ı que y ±

r
2
−(x −a
2
. Definamos y
1

r
2
−(x −a
2
,
as´ı que:
311
V 2

π

a+r
a
x
2
x −a

r
2
−(x −a
2
dx −π

a
a−r
x
2
a −x

r
2
−(x −a
2
dx

a+r
a−r
x
2
x −a

r
2
−(x −a
2
dx
Hacemos ahora el cambio de variable x − a rscn θ, as´ı que
dx rcos θdθ y x a + rscn θ.
V 2π

5π/2
3π/2
(a + rscn θ
2
rscn θ
rcos θ
rcos θdθ

5π/2
3π/2
(a + rscn θ
2
rscn θdθ

5π/2
3π/2
a
2
rscn θ + r
3
scn
3
θ + 2ar
2
scn
2
θdθ
2πa
2
r |−cos θ|
5π/2
3π/2
−2πr
3
¸
cos θ −
cos
3
θ
3

5π/2
3π/2
+2π2ar
2
¸
θ
2

scn (2θ
!

5π/2
3π/2
2ar
2
π
2
312
Otra forma de realizar el ejercicio: girando alrededor del
eje de abscisas un c´ırculo de centro (0, a y radio r, que tendr´ a por
ecuaciones a x
2
+(y −a
2
r
2
, por lo tanto y a ±

r
2
−x
2
. En
este caso:
V π

r
−r
(a +

r
2
−x
2

2
dx −π

r
−r
(a −

r
2
−x
2

2
dx
π

r
−r
|(a +

r
2
−x
2

2
−(a −

r
2
−x
2

2
|dx
π

r
−r
!a

r
2
−x
2
dx
Hacemos ahora el cambio de variable x rscn θ, dx rcos θdθ:
V π!a

5π/2
3π/2
rcos θrcos θdθ
π!ar
2

5π/2
3π/2
cos
2
θdθ
!ar
2
π
¸
θ
2
+
scn (2θ
!

5π/2
3π/2
2ar
2
π
2
.
313
Ejemplo. Calcula el ´ area de un toro (donut) que se obtiene al
girar un c´ırculo de radio r alrededor de un eje que se encuentra a
distancia a del centro del c´ırculo.
Suponemos que el eje de rotaci´on es el eje y y que el centro del
c´ırculo se encuentra sobre el eje de abscisas, es decir el centro es
el punto (a, 0.
T
E
x
y
a
a + r a −r
(x −a)
2
+ y
2
= r
2
El c´ırculo que estamos girando tiene ecuaci´ on (x−a
2
+y
2
r
2
,
as´ı que y ±

r
2
−(x −a
2
. Definamos y
1

r
2
−(x −a
2
,
as´ı que:
314
1
2
A 2π

a+r
a−r
x

1 + y
/
1
(x
2
dx

a+r
a−r
x

1 +
(x −a
2
r
2
−(x −a
2
dx

a+r
a−r
x

r
2
r
2
−(x −a
2
dx
Hacemos ahora el cambio de variable x rscn θ, dx rcos θdθ:
1
2
A 2π

5π/2
3π/2
(a + rscn θ
r
rcos θ
rcos θdθ
2πr

5π/2
3π/2
(a + rscn θdθ
2πr|aθ −rcos θ|
5π/2
3π/2
2πraπ 2arπ
2
.
As´ı que A !arπ
2
.
315
6. M´etodos num´ericos para calcular in-
tegrales.
La regla del trapecio Lada una tunci on f |a, b| → R intc-
.ra¦¦c. ¦a rc.¦a dc¦ trapccio consistc cn aproximar ¦a intc.ra¦ dcfinida

b
a
f(xdx por

b
a
P
1
(xdx. dondc P
1
(x cs c¦ unico po¦inomio dc .rado
1 (rccta ouc pasa por ¦os puntos (a, f(a y (b, f(b Ası ouc

b
a
f(xdx ≈

b
a
P
1
(xdx
b −a
2
(f(a + f(b
y c¦ crror ouc comctcmos cn dicha aproximacion. si ¦a tunci on f cs dc
c¦asc (
2
. cs
E −
1
12
(b −a
3
f
//
(c,
dondc c cs un punto dc¦ intcrva¦o (a, b
L¦ crror antcrior pucdc rcducirsc si uti¦izamos ¦a regla del trapecio
compuesta. csta consistc cn dividir c¦ intcrva¦o |a, b| cn n su¦intcrva¦os
dc ¦on.itud h
b−a
n
y ap¦icar ¦a rc.¦a dc¦ trapccio simp¦c a cada uno
dc ¦os intcrva¦os |a +jh, a + (j + 1h| con j ∈ ¦0, 1, . . . , n −1¦ Lstc
mctodo proporciona ¦a aproximaci on

b
a
f(xdx ≈
h
2

f(a + 2
n−1
¸
i=1
f(a + ih + f(b

,
316
para csta aproximaci on c¦ crror ouc sc comctc. si f cs dc c¦asc (
2
. cs
E −
1
12
(b −ah
2
f
//
(c,
sicndo c un punto dc¦ intcrva¦o (a, b
317
La regla de Simpson. La idca dc csta rc.¦a cs aproximar ¦a tun-
cion f |a, b| → R a intc.rar por c¦ po¦inomio dc .rado 2 ( unico ouc
pasa por ¦os puntos (a, f(a. (
a+b
2
, f(
a+b
2
y (b, f(b Lc csta mancra.
sc o¦ticnc ¦a aproximaci on

b
a
f(xdx ≈

b
a
P
2
(xdx
b −a
o

f(a + !f(
a + b
2
+ f(b

.
Adcmas. si ¦a tunci on cs dc c¦asc (
4
. cxistc c ∈ (a, b ta¦ ouc. c¦ crror
ouc sc comctc cn ¦a aproximaci on cs
E −
1
2SS0
(b −a
5
f
(iv)
(c.
A¦ i.ua¦ ouc cn ¦a rc.¦a dc¦ trapccio. si su¦dividimos c¦ intcrva¦o
|a, b| cn n partcs (con n n umcro par y ap¦icamos a cada una dc c¦¦as
¦a rc.¦a dc Simpson. sc o¦ticnc una mc¡or aproximaci on dc ¦a intc.ra¦

b
a
f(xdx ≈
h
3


f(a + 2
n/2
¸
i=2
f(a + 2(i −1h
+!
n/2
¸
i=1
f (a + (2i −1h + f(b


,
con un crror. si f cs dc c¦asc (
4
. dado por
E −
1
1S0
(b −ah
4
f
(iv)
(c,
cstando c cn (a, b
318
Ejemplo. Comparaci´ on del valor de

4
3
(scn x + cos x + e
x
dx
33,2¨S3!1¨30S`193` calculado usando las reglas del trapecio y Simp-
son haciendo n particiones del intervalo |3, !|, (2 ≤ n ≤ `0.
Programa de Mathematica:
TrapecioCompuesta|fun , a , b , n |
¦integral 0.
h (b −a/n.
For|j 0, j < n,
integral integral+Trapecio|fun, a+hj, a+(j+1h|.
j j + 1|.
integral//N¦
Tambi´en se puede definir el m´etodo del trapecio compuesto en
Mathematica usando las f´ormulas desarrolladas en la teor´ıa:
TrapecioCompuestaBis|fun , a , b , n |
¦h (b −a/n.
integral (f|a| + f|b| ∗ h/2.
For|j 1, j < n −1,
integral integral + hf|a + jh|.
j j + 1|.
integral//N¦
319
SimpsonCompuestaBis|fun
,
a
,
b
,
n
]

¦h (b −a/n.
integral (f|a| + f|b| ∗ h/3.
For|j 1, j < n/2,
integral integral + !h/3f|a + (2j −1h|.
j j + 1|.
For|j 2, j < n/2,
integral integral + 2h/3f|a + 2(j −1h|.
j j + 1|.
integral//N¦
For|n 2, n < `0,
simpson SimpsonCompuesta|f, 3, !, n|.
trapecio TrapecioCompuesta|f, 3, !, n|.
exacto Integrate|f|x|, x, 3, !|.
errorsimpson Error|simpson, exacto|.
errortrapecio Error|trapecio, exacto|.
lrint|“lara n”. n. “ c¦ va¦or aproximado por Simpson cs
”.
lnputIorm|simpson|. “ y por c¦ trapccio ”. lnputIorm|trapccio||.
lrint|“L¦ crror dc Simpson cs ”. crrorsimpson. “ y c¦ dc¦
320
trapccio ”.
errortrapecio|.
n n + 2.
|
lrint|“L¦ va¦or cxacto dc ¦a intc.ra¦ cs ”. lnputIorm|cxacto
¡¡ `||
Resultados obtenidos con Mathematica:
1. Para n 2 el valor aproximado por Simpson es: 33,2¨90`S1S010S0!`
y por el trapecio: 3!,02019S109¨o0S9.
El error de Simpson es: 0,000¨1o!!9 y el del trapecio: 0,¨!1S`o.
2. Para n ! el valor aproximado por Simpson es: 33,2¨S3So¨¨¨!!1o2`
y por el trapecio: 33,!o!3!31o2`212¨.
El error de Simpson es: 0,0000!`0!oo y el del trapecio: 0,1So001.
3. Para n o el valor aproximado por Simpson es: 33,2¨S3`0o3SS190`
y por el trapecio: 33,3o10`3`10!`31`.
El error de Simpson es: S,90¨9o¨109`0o032 10
−6
y el del tra-
pecio 0,0S2¨11¨¨9o0120¨12.
4. Para n S el valor aproximado por Simpson es: 33,2¨S3!!``0!S32¨
y por el trapecio: 33,32!S¨`S¨3¨11`!.
321
El error de Simpson es: 2,S19o313290S¨3`¨o 10
−6
y el del
trapecio 0,0!o`3!1!2S`9o0Soo.
5. Para n 10 el valor aproximado por Simpson es: 33,2¨S3!2SS`9S0`9
y por el trapecio: 33,30S12o1S0!!9!0o.
El error de Simpson es: 1,1``12So`29`20Soo 10
−6
y el del
trapecio 0,029¨S!!!9`9¨!ooS!!.
6. Para n 12 el valor aproximado por Simpson es: 33,2¨S3!22S¨9¨0¨1o
y por el trapecio: 33,29902o3`o¨2¨`S.
El error de Simpson es: `,`¨11S¨¨ooo¨3091 10
−7
y el del tra-
pecio 0,020oS!o2`S¨`o!101o.
7. Para n 1! el valor aproximado por Simpson es: 33,2¨S3!2031`SS!9!
y por el trapecio: 33,293`390331¨o!S.
El error de Simpson es: 3,00¨3o``!`!S20SS 10
−7
y el del tra-
pecio 0,01`19¨30232!`!¨0S.
8. Para n 1o el valor aproximado por Simpson es: 33,2¨S3!190¨1!!9
y por el trapecio: 33,2S99¨¨3S12903!.
El error de Simpson es: 1,¨o2929oooo9322!S 10
−7
y el del
trapecio 0,011o3`o`0!3S!02`3!.
322
9. Para n 1S el valor aproximado por Simpson es: 33,2¨S3!1S!0913o¨o
y por el trapecio: 33,2S¨`3`!!S129`!.
El error de Simpson es: 1,100o1¨!3!9oS1!3 10
−7
y el del tra-
pecio 0,009193¨1¨2¨¨o0oo`.
10. Para n 20 el valor aproximado por Simpson es: 33,2¨S3!1S030o!S1
y por el trapecio: 33,2S`¨SS¨09`9¨¨9o.
El error de Simpson es: ¨,2212S¨9S9S003¨3 10
−8
y el del tra-
pecio 0,00¨!!o9¨S¨!`S`o!2`.
11. Para n 22 el valor aproximado por Simpson es: 33,2¨S3!1¨S01¨!9`
y por el trapecio: 33,2S!!9o3001¨032.
El error de Simpson es: !,932301`o¨1¨31o9o 10
−8
y el del
trapecio 0,00o1`!`o931S3¨S!33.
12. Para n 2! el valor aproximado por Simpson es: 33,2¨S3!1¨o`o¨¨oS
y por el trapecio: 33,2S3`1330`1`993.
El error de Simpson es: 3,!S2`¨!11¨9¨!!¨9o 10
−8
y el del
trapecio 0,00`1¨1`¨!30¨9S9202.
13. Para n 2o el valor aproximado por Simpson es: 33,2¨S3!1¨`o13o`
y por el trapecio: 33,2S2¨!S29o932S2.
323
El error de Simpson es: 2,`2S!``9113103!`` 10
−8
y el del
trapecio 0,00!!0o`oo0S0SS3o3!.
14. Para n 2S el valor aproximado por Simpson es: 33,2¨S3!1¨!9o`02!
y por el trapecio: 33,2S21!12S19S`!9o.
El error de Simpson es: 1,S¨9S29So9`!!3S0` 10
−8
y el del
trapecio 0,003¨99``1133`o3339.
15. Para n 30 el valor aproximado por Simpson es: 33,2¨S3!1¨!`11oS3
y por el trapecio: 33,2S1o`1`¨0`03S¨`.
El error de Simpson es: 1,!2o!S93932¨!¨21! 10
−8
y el del
trapecio 0,003309S39o`19!3091¨.
16. Para n 32 el valor aproximado por Simpson es: 33,2¨S3!1¨!1S¨12!
y por el trapecio: 33,2S12`0¨¨`oS12o.
El error de Simpson es: 1,101930`2!o0`1o`S 10
−8
y el del
trapecio 0,0029090!!S2931S`3.
17. Para n 3! el valor aproximado por Simpson es: 33,2¨S3!1¨39!9S!o`
y por el trapecio: 33,2S091So0`!¨0!¨.
El error de Simpson es: S,o!o`330!`10909` 10
−9
y el del tra-
pecio 0,002`¨oS¨!o1S`3`9`1`.
324
18. Para n 3o el valor aproximado por Simpson es: 33,2¨S3!1¨3¨¨312S
y por el trapecio: 33,2S0o!02!2¨1¨o!.
El error de Simpson es: o,S¨93!220¨0001` 10
−9
y el del tra-
pecio 0,00229S`11So`o9So2¨.
19. Para n 3S el valor aproximado por Simpson es: 33,2¨S3!1¨3o3933`
y por el trapecio: 33,2S0!0!oo3¨003.
El error de Simpson es: `,`!1!1So`¨2¨3311` 10
−9
y el del
trapecio 0,0020o2932S!S3¨033`¨.
20. Para n !0 el valor aproximado por Simpson es: 33,2¨S3!1¨3`3o``1
y por el trapecio: 33,2S0203`29o9S0`.
El error de Simpson es: !,`13`¨`9`¨!321S1 10
−9
y el del tra-
pecio 0,001So1¨9SS!o11o92!!.
21. Para n !2 el valor aproximado por Simpson es: 33,2¨S3!1¨3!`o`29
y por el trapecio: 33,2S0030!3SS10¨`.
El error de Simpson es: 3,¨133!S`1¨`o!!!1 10
−9
y el del tra-
pecio 0,001oSS¨0¨9`SS1`!S3.
22. Para n !! el valor aproximado por Simpson es: 33,2¨S3!1¨3393!¨¨!
y por el trapecio: 33,2¨9SS0!101¨3¨9.
325
El error de Simpson es: 3,0S2S!131``o03`S` 10
−9
y el del
trapecio 0,001`3So¨9321S!92`o¨.
23. Para n !o el valor aproximado por Simpson es: 33,2¨S3!1¨33!32o!
y por el trapecio: 33,2¨9¨!9`21`SS19!.
El error de Simpson es: 2,`S0¨00¨o!19So9`¨ 10
−9
y el del
trapecio 0,001!0¨¨90¨3o2o1`1o.
24. Para n !S el valor aproximado por Simpson es: 33,2¨S3!1¨3302So¨
y por el trapecio: 33,2¨9o3!o`0`!S2!o.
El error de Simpson es: 2,1¨o¨2S¨9¨209o!S3 10
−9
y el del
trapecio 0,001292919o9o30o¨3S.
25. Para n `0 el valor aproximado por Simpson es: 33,2¨S3!1¨32¨00oo
y por el trapecio: 33,2¨9`332So2¨31o.
El error de Simpson es: 1,S!S¨2S0`9`2S0¨0S 10
−9
y el del
trapecio 0,001191```!2122!¨32o.
26. El valor exacto de la integral es: 33,2¨S3!1¨30S`193`.
326
7. Integrales impropias de primera es-
pecie
Las intc.ra¦cs impropias dc primcra cspccic son aouc¦¦as dondc a¦-
.uno o am¦os ¦ımitcs dc intc.racion son infinitos
Definici´ on. Si f |a, +∞ → R cs ta¦ ouc f cs intc.ra¦¦c cn |a, b|
para todo b > a. sc dcfinc

+∞
a
f(xdx ¦ım
t→∞

t
a
f(xdx.
Si c¦ va¦or antcrior cs finito. dircmos ouc ¦a intc.ra¦ antcrior cs convcr-
.cntc. si cs +∞o −∞dircmos ouc cs divcr.cntc y si no cxistc dircmos
ouc cs osci¦antc
Lc torma ana¦o.a sc dcfinc

a
−∞
f(xdx para f (−∞, a| →R
Si f R → R cs intc.ra¦¦c cn |a, b| para todo a, b ∈ R. a < b.
cntonccs dircmos ouc ¦a intc.ra¦ impropia

+∞
−∞
f(xdx cs convcr.cntc
si cxistc a ∈ R ta¦ ouc

a
−∞
f(xdx y

+∞
a
f(xdx son convcr.cntcs y
cn csc caso sc dcfinc
11

+∞
−∞
f(xdx

a
−∞
f(xdx +

+∞
a
f(xdx.
lor u¦timo. sc dicc ouc

+∞
a
f(xdx cs absolutamente convergen-
te si

+∞
a
[f(x[dx cs convcr.cntc Sc hara notar ouc toda intc.ra¦
11
Demostraremos que este valor no depende del n´ umero a ∈ R escogido
327
impropia a¦so¦utamcntc convcr.cntc cs convcr.cntc
C´alculo de integrales impropias de primera especie. A¦
i.ua¦ ouc para ¦a intc.ra¦ dc licmann. ¦as intc.ra¦cs impropias son
t aci¦cs dc ca¦cu¦ar cuando sc conocc una primitiva dc¦ intc.rando
Teorema. 1. Si f |a, +∞ → R es tal que

+∞
a
f(xdx es con-
vergente y F(x es una primitiva de f(x entonces:

+∞
a
f(xdx ¦ım
t→+∞
F(t −F(a.
2. Si f (−∞, a| → R es tal que

a
−∞
f(xdx es convergente y
F(x es una primitiva de f(x entonces:

a
−∞
f(xdx F(a − ¦ım
t→−∞
F(t.
3. Si f (−∞, +∞ → R es tal que

+∞
−∞
f(xdx es convergente
y F(x es una primitiva de f(x entonces:

+∞
−∞
f(xdx ¦ım
x→+∞
F(x − ¦ım
x→−∞
F(x.
Criterios de convergencia. Como ya sa¦cmos. cs posi¦¦c ouc sca
muy ditıci¦ o inc¦uso imposi¦¦c cncontrar una primitiva dc una tunci on
dada Ası. scrıa muy intcrcsantc o¦tcncr critcrios ouc pcrmitan conoccr
c¦ caractcr dc una intc.ra¦ impropia sin conoccr su va¦or
328
\amos a introducir critcrios para tuncioncs f |a, +∞ → R ta¦cs
ouc f(x ≥ 0 para todo x ∈ |a, +∞ Lc torma ana¦o.a sc ticncn ¦os
critcrios para intc.ra¦cs impropias dc¦ tipo

a
−∞
f(xdx sicndo f(x ≤ 0
para todo x ∈ (−∞, a|
Proposici´ on. Sea f |a, +∞ →R tal que f(x ≥ 0 para todo x ∈
|a, +∞, f es integrable en |a, b| para todo b > a y ¦ım
x→+∞
f(x > 0.
Entonces

+∞
a
f(xdx es divergente.
Ası. ap¦icando cstc critcrio sc o¦ticnc ¦a divcr.cncia dc intc.ra¦cs
impropias dc¦ tipo

+∞
a
x
n
dx sicndo n ≥ 0 o dc

+∞
1
x
2
+1
x
2
+2
dx. pc-
ro no podcmos dccir nada so¦rc c¦ car actcr dc ¦a intc.ra¦ impropia

+∞
0
e
−x
2
dx
Los si.uicntcs critcrios pcrmitcn dcducir c¦ caractcr dc cicrtas intc-
.ra¦cs impropias a partir dc¦ conocimicnto dc¦ caractcr dc intc.ra¦cs
impropias dc otras tuncioncs
Proposici´ on (Criterio de comparaci´ on). Sean f, g |a, +∞ →
R positivas tales que f, g son integrables en |a, b| para todo b > a
y supongamos que f(x ≥ g(x para todo x ∈ |a, +∞. Entonces:
1. Si

+∞
a
f(xdx es convergente entonces

+∞
a
g(xdx es conver-
gente.
329
2. Si

+∞
a
g(xdx es divergente entonces

+∞
a
f(xdx es divergen-
te.
Proposici´ on (Criterio del l´ımite). Sean f, g |a, +∞ → R
dos funciones positivas integrables en |a, b| para todo b > a. Sea
l ¦ım
x→+∞
f(x)
g(x)
∈ R. Entonces:
1. Si l > 0,

+∞
a
f(xdx es convergente (divergente) si y s´ olo si

+∞
a
g(xdx es convergente (divergente).
2. Si l 0 y

+∞
a
f(xdx es divergente entonces

+∞
a
g(xdx es
divergente.
3. Si l 0 y

+∞
a
g(xdx es convergente entonces

+∞
a
f(xdx es
convergente.
Ls scnci¦¦o dcmostrar ouc para a ∈ R.

+∞
a
1
x
α
cs convcr.cntc si
α > 1 y divcr.cntc si α ≤ 1 L¦ critcrio antcrior ¡unto con c¦ car actcr
dc cstas intc.ra¦cs impropias pcrmitcn o¦tcncr c¦ caractcr dc muchas
intc.ra¦cs impropias
330
8. Integrales impropias de segunda es-
pecie
Supon.amos ouc tcncmos una tunci on f|a, b → R intc.ra¦¦c cn
|a, c| para todo c ∈ (a, b y ta¦ ouc ¦ım
x→b

f(x ∞ ,Ouc si.nificado
ticnc ¦a cxprcsi on

b
a
f(xdx´ Ln principio. a csta cxprcsion no ¦a hcmos
dotado dc un si.nificado concrcto ya ouc ¦a tunci on f no cs acotada.
nos ocuparcmos cn csta scccion dc dar¦c un si.nificado
Definici´ on (Integral impropia de segunda especie). Sca f
una tunci on como antcs Lntonccs. sc dcfinc

b
a
f(xdx ¦ım
t→b

t
a
f(xdx.
Si cstc ¦ımitc cs finito. sc dicc ouc ¦a intc.ra¦ impropia dc sc.unda
cspccic

b
a
f(xdx cs convergente. si cs infinito sc dicc ouc cs divergente
y si no cxistc sc dicc ouc cs oscilante
Ana¦o.amcntc. si f (a, b| → R cs intc.ra¦¦c cn |c, b| para todo
c ∈ (a, b y ¦ım
x→a
+
∞. sc dcfinc

b
a
f(xdx ¦ım
t→a
+

b
t
f(xdx
y sc ticncn ana¦o.as dcfinicioncs dc convcr.cncia. divcr.cncia y osci¦a-
ci on
331
A¦ i.ua¦ ouc para intc.ra¦cs impropias dc primcra cspccic. cn ¦as
condicioncs antcriorcs dc ¦a tunci on f. sc dicc ouc ¦a intc.ra¦

b
a
f(xdx
cs absolutamente convergente si y so¦o si

b
a
[f(x[dx cs convcr.cntc
Adcmas sc vcra ouc ¦a convcr.cncia a¦so¦uta dc una intc.ra¦ dc sc.unda
cspccic imp¦ica tam¦icn ¦a convcr.cncia dc ¦a intc.ra¦
C´alculo de las integrales impropias de segunda especie.
lara cstas intc.ra¦cs tam¦icn dispondrcmos dc un an a¦o.o a ¦a rc.¦a
dc Larrow. ¦a dos proposicioncs si.uicntcs ¦o rcco.cn
Proposici´ on. Sea f (a, b| →R tal que ¦ım
x→a
+
f(x ∞,

b
a
f(xdx
es convergente y supongamos que F(x es una primitiva de f(x.
Entonces:

b
a
f(xdx F(b − ¦ım
t→a
+
F(t.
Proposici´ on. Sea f |a, b →R tal que ¦ım
x→b

f(x ∞,

b
a
f(xdx
es convergente y supongamos que F(x es una primitiva de f(x.
Entonces:

b
a
f(xdx ¦ım
t→b

F(t −F(a.
Criterios de convergencia de las integrales impropias de
segunda especie. Ln cuanto a ¦os critcrios dc convcr.cncia. dispon-
drcmos dc¦ critcrio dc comparaci on y dc¦ ¦ımitc. am¦os ¦os cnunciamos
332
para intc.ra¦cs impropias ouc ticncn su sin.u¦aridad cn c¦ ¦ımitc intc-
rior Los rcsu¦tados an a¦o.os para cuando sc ticnc ¦a sin.u¦aridad cn
c¦ cxtrcmo supcrior son tam¦icn cicrtos y sc dc¡a su cnunciado como
c¡crcicio a¦ a¦umno
Proposici´ on (Criterio de comparaci´ on). Sean f, g (a, b| →
R positivas, integrables en |c, b| para todo c ∈ (a, b y tales que
¦ım
x→a
+
f(x ¦ım
x→a
+
g(x +∞. Si f(x ≥ g(x para todo x ∈ (a, b|
entonces:
1. Si

b
a
f(xdx es convergente entonces

b
a
g(xdx es convergente.
2. Si

b
a
g(xdx es divergente entonces

b
a
f(xdx es divergente.
Proposici´ on (Criterio del l´ımite). Sean f, g (a, b| → R fun-
ciones positivas, integrables en |c, b| para todo c ∈ (a, b y tales que
¦ım
x→a
+
f(x ¦ım
x→a
+
g(x ∞. Sea l ¦ım
x→a
+
f(x)
g(x)
∈ R. Entonces:
1. Si l 0,

b
a
f(xdx es convergente (resp. divergente) si y s´ olo
si

b
a
g(xdx es convergente (resp. divergente).
2. Si l 0 y

b
a
g(xdx es convergente entonces

b
a
f(xdx es con-
vergente.
3. Si l 0 y

b
a
f(xdx es divergente entonces

b
a
g(xdx es diver-
gente.
333
Lc cstc critcrio. ¡unto con c¦ hccho dc ouc para tuncioncs dc¦ tipo
f(x
1
(x−a)
α
sc ticnc ouc

b
a
1
(x−x
0
)
α
dx cs convcr.cntc si α < 1 y
divcr.cntc si α ≥ 1. sc o¦ticnc ¦a convcr.cncia dc muchas intc.ra¦cs
impropias dc sc.unda cspccic
334
Tcma S lntc.raci on mu¦tidimcnsiona¦
Ga¦ric¦ So¦cr L opcz
marzo dc 200o
1. Integrales de Riemann en rect´angu-
los
Definici´ on (Partici´ on de rect´angulos). Considcrcmos c¦ rcctan.u-
¦o |a, b| |c, d| y scan {
1
¦a x
0
, x
1
, . . . , x
n
b¦ y {
2
¦c
y
0
, y
1
, . . . , y
m
d¦ particioncs dc |a, b| y |c, d| rcspcctivamcntc Ln-
tonccs. dircmos ouc
{
1
{
2
¦(x
i
, y
j
∈ R
2
1 ≤ i ≤ n, 1 ≤ j ≤ m¦
cs una partici´ on de |a, b| |c, d|
A partir dc {
1
{
2
sc o¦ticnc una dcscomposici on dc¦ rcct an.u¦o
como uni on dc ¦os rcctan.u¦os R
ij
|x
i
, x
i+1
| |y
j
, y
j+1
|. 0 ≤ i ≤
n −1. 0 ≤ j ≤ m−1
Lcfinircmos por di amctro dc ¦a partici on a¦ n umcro δ({
1
{
2

max
(i,j)∈¦0,...,n−1¦¦0,...,m−1¦

(x
i+1
−x
i

2
+ (y
j+1
−y
j

2

335
Definici´ on (Sumas de Darboux-Riemann). Sca f |a, b|
|c, d| →R una tunci on acotada y
{
1
{
2
¦(x
i
, y
j
∈ R
2
1 ≤ i ≤ n, 1 ≤ j ≤ m¦
una partici´ on de |a, b| |c, d| Lntonccs
1 Sc dcfinc ¦a suma inferior de Darboux-Riemann de f asociada
a la partici´ on {
1
{
2
como
s(f, {
1
{
2

n−1
¸
i=0
m−1
¸
j=0
m
ij
(x
i+1
−x
i
(y
j+1
−y
j
,
dondc m
ij
mın¦f(x, y (x, y ∈ |x
i
, x
i+1
| |y
j
, y
j+1

2 Sc dcfinc ¦a suma superior de Darboux-Riemann de f asociada
a la partici´ on {
1
{
2
como
S(f, {
1
{
2

n−1
¸
i=0
m−1
¸
j=0
M
ij
(x
i+1
−x
i
(y
j+1
−y
j
,
dondc M
ij
m ax¦f(x, y (x, y ∈ |x
i
, x
i+1
| |y
j
, y
j+1

336
Definici´ on (Funci´ on integrable Riemann). Sc dicc ouc ¦a tun-
cion f |a, b| |c, d| → R cs integrable Riemann si cxistc un unico
n umcro rca¦. I. ta¦ ouc
s(f, {
1
{
2
≤ I ≤ S(f, {
1
{
2

para toda partici on {
1
{
2
dc |a, b| |c, d| Lntonccs dircmos ouc I
cs ¦a intc.ra¦ (do¦¦c dc f cn |a, b| |c, d| y cscri¦ircmos

[a,b][c,d]
f(x, ydxdy I.
Proposici´ on. Dada f |a, b||c, d| →R entonces, si f es continua
es integrable.
Interpretaciones para calcular ´areas y vol´ umenes
1 Cuando ¦a tunci on f cs positiva. ¦a intc.ra¦ dc f cn |a, b| |c, d|
coincidc con c¦ vo¦umcn dc¦imitado por ¦a .r afica dc ¦a tunci on f
y dicho rcct an.u¦o
2 Cuando ¦a tunci on f cs idcnticamcntc i.ua¦ a 1. c¦ va¦or dc ¦a
intc.ra¦ cs (b −a(d −c. cs dccir. c¦ arca dc¦ rccinto so¦rc c¦ ouc
intc.ramos Lsta o¦scrvaci on trivia¦ tcndr a importancia cuando
.cncra¦iccmos ¦a intc.ra¦ a otro tipo dc rccintos
337
Teorema (Fubini). Si f |a, b| |c, d| →R es continua entonces:

[a,b][c,d]
f(x, ydxdy

d
c

b
a
f(x, ydx

dy

b
a

d
c
f(x, ydy

dx
Ejercicio
Calcular para Ω = [0, 1] [0, 3] las integrales
(a)

Ω
xydxdy. (b)

Ω
xe
y
dxdy. (c)

Ω
y
2
sen xdxdy.
338
2. Integral doble sobre recintos b´ asicos
de R
2
Definici´ on (Recinto b´asico de R
2
). ¹n recinto b´ asico de R
2
cs
un con¡unto acotado. Ω ⊂ R
2
. ouc ticnc intcrior no vacıo y trontcra
tormada por una uni on finita dc curvas dc ¦a torma y f(x y x
g(y. dondc f y g son tuncioncs rca¦cs dc una varia¦¦c rca¦ continuas
Definici´ on (Integral de Riemann sobre conjuntos b´asicos).
Sca f Ω → R una tunci on acotada dondc Ω cs un rccinto ¦ asico y
sca |a, b| |c, d| c¦ mcnor rcct an.u¦o ouc conticnc a Ω Lntonccs. si ¦a
tunci on
˜
f |a, b| |c, d| −→ R
(x, y →
˜
f(x, y



f(x, y si (x, y ∈ Ω,
0 si (x, y / ∈ Ω,
cs intc.ra¦¦c. dircmos ouc f cs integrable en Ω Ln csc caso sc dcfinc
¦a intc.ra¦ (do¦¦c dc f cn Ω como

Ω
f(x, ydxdy

[a,b][c,d]
˜
f(x, ydxdy.
339
Interpretaciones geom´etricas de integrales sobre recintos
b´asicos
Si Ω cs un rccinto ¦ asico y f Ω →R una tunci on. cntonccs
1 Cuando ¦a tunci on f cs positiva. ¦a intc.ra¦ dc f cn Ω coincidc con
c¦ vo¦umcn dc¦imitado por ¦a .r afica dc ¦a tunci on f y c¦ con¡unto
Ω
2 Cuando ¦a tunci on f cs idcnticamcntc i.ua¦ a 1. c¦ va¦or dc ¦a
intc.ra¦ cs c¦ arca dc¦ rccinto Ω
340
Propiedades de las integrales sobre recintos b´asicos
Teorema. Si Ω es un recinto b´ asico de R
2
y f Ω →R es continua
entonces f es integrable Riemann en Ω.
Proposici´ on. Sea Ω ⊆ R
2
un recinto b´asico, f, g Ω → R inte-
grables y α, β ∈ R. Entonces:
1. αf + βg es integrable en Ω y:

Ω
(αf(x, y + βg(x, ydxdy α

Ω
f(x, ydxdy

Ω
g(x, ydxdy.
2. Si f(x, y ≥ 0 para todo (x, y ∈ Ω, entonces

Ω
f(x, ydxdy ≥
0.
3. Si f(x, y ≥ g(x, y ∀(x, y ∈ Ω entonces

Ω
f(x, ydxdy ≥

Ω
g(x, ydxdy.
4.

Ω
f(x, ydxdy

Int(Ω)
f(x, ydxdy.
5. Sea Ω Ω
1
∪Ω
2
con Ω
1
∩Ω
2
∅ y Ω
1
, Ω
2
son recintos b´ asicos.
Entonces:

Ω
f(x, ydxdy

Ω
1
f(x, ydxdy +

Ω
2
f(x, ydxdy.
341
C´alculo de integrales sobre recintos b´ asicos
lara ca¦cu¦ar ¦a intc.ra¦ dc f Ω →R. sicndo Ω un rccinto ¦ asico
(1 Ii¡amos una dc ¦as dos varia¦¦cs dc intc.raci on y c¦ intcrva¦o m axi-
mo so¦rc c¦ ouc vamos a intc.ra¦ dicha varia¦¦c
(2 Lcspucs dc¦imitarcmos ¦os ¦ımitcs dc intc.racion dc ¦a sc.unda
varia¦¦c rcspccto a ¦a primcra
Ln concrcto. si fi¡amos cn (1 como varia¦¦c a ¦a x
Lcfinimos ¦os con¡untos Ω
x
¦y ∈ R (x, y ∈ Ω¦
L¦c.imos
a mın¦x Ω
x
∅¦, b m ax¦x Ω
x
∅¦
y para cada x ∈ (a, b tomamos
c(x mın¦y y ∈ Ω
x
¦
y
d(x m ax¦y y ∈ Ω
x
¦.
Supondrcmos adcm as ouc (c(x, d(x ∈ Ω
x
y ouc f cs continua
Con csta notaci on sc ticnc
342
Teorema (Fubini).

Ω
f(x, ydxdy

b
a

d(x)
c(x)
f(x, ydy

dx.
343
Ejercicio
Calcular las integrales dobles siguientes en los recintos que se indican:
1.

Ω
ydxdy en Ω = ¦(x, y) ∈ R
2
: x
2
+y
2
≤ 1¦.
2.

Ω
(3y
3
+x
2
)dxdy en Ω = ¦(x, y) ∈ R
2
: x
2
+y
2
≤ 1, ¦.
3.

Ω

xydxdy en Ω = ¦(x, y) ∈ R
2
: 0 ≤ y ≤ 1, y
2
≤ x ≤ y¦.
4.

Ω
ye
x
dxdy en Ω = ¦(x, y) ∈ R
2
: 0 ≤ y ≤ 1, 0 ≤ x ≤ y
2
¦.
5.

Ω
y + log xdxdy en Ω = ¦(x, y) ∈ R
2
: 0,5 ≤ x ≤ 1, x
2
≤ y ≤ x¦.
Ejercicio
Calcular las integrales dobles siguientes en los recintos que a continuaci´ on se
dan:
1.

Ω
(4 − y
2
)dxdy en el recinto limitado por las ecuaciones y
2
= 2x e y
2
=
8 −2x.
2.

Ω
(x
4
+ y
2
)dxdy en el recinto limitado por y = x
3
e y = x
2
.
3.

Ω
(x+y)dxdy en el recinto limitado por y = x
3
e y = x
4
con −1 ≤ x ≤ 1.
4.

Ω
(3xy
2
−y)dxdy en la regi´on limitada por y = [x[, y = −[x[ y x ∈ [−1, 1].
344
Ejercicio
Calcular la superficie de las siguientes regiones:
1. C´ırculo de radio R.
2. Elipse de semiejes a, b.
3. La regi´ on limitada por las ecuaciones x
2
= 4y y 2y −x −4 = 0.
4. La regi´ on limitada por las ecuaciones x +y = 5 y xy = 6.
5. La regi´ on limitada por las ecuaciones x = y y x = 4y −y
2
.
Ejercicio
Calcular el volumen de los siguientes s´olidos:
1. El limitado por
x
2
+
y
3
+
z
4
= 1 y los planos de coordenadas.
2. El tronco limitado superiormente por z = 2x + 3y e inferiormente por el
cuadrado [0, 1] [0, 1].
3. Esfera de radio R.
4. Cono de altura h y radio de la base R.
5. El tronco limitado superiormente por la ecuaci´ on z = 2x+1 e inferiormente
por el disco (x −1)
2
+ y
2
≤ 1.
345
3. C´alculo de integrales dobles median-
te cambio de variables
Teorema. Sea Ω un subconjunto abierto y b´ asico de R
2
y sea f
Ω →R una funci´on integrable. Sea Δ un abierto de R
2
y Φ Δ →
R
2
una funci´on tal que:
1. Φ(Δ Ω,
2. Φ es diferenciable en Δ y
3. [1(Φ(u, v[ 0 para todo (u, v ∈ Δ.
Entonces, se verifica que Δ es un abierto b´ asico y:

Ω
f(x, ydxdy

Δ
f(Φ(u, v[1(Φ(u, v[dudv.
L¦ cam¦io dc varia¦¦c ouc m as cmp¦carcmos cn R
2
cs c¦ cam¦io a
coordcnadas po¦arcs. dado por
Φ (0, +∞ (0, 2π −→ R
2
(r, θ → (rcos θ, rscn θ.
Adcmas [JΦ(r, θ[ r
346
4. Integrales de Riemann en prismas
rectangulares de R
3
L¦ conccpto dc intc.ra¦ trip¦c so¦rc prismas rcctan.u¦arcs (productos
dc trcs intcrva¦os sc introducc dc torma an a¦o.a a¦ dc ¦a intc.ra¦ do¦¦c
so¦rc rcctan.u¦os loncmos dc manificsto sus propicdadcs
Proposici´ on. Dada f |a, b| |c, d| |e, f| →R entonces, si f es
continua es integrable.
Interpretaci´on geom´etrica para el c´alculo de vol´ umenes
Cuando ¦a tunci on f cs idcnticamcntc i.ua¦ a 1. c¦ va¦or dc ¦a intc.ra¦
cs (b − a(d − c(f − e. cs dccir. c¦ vo¦umcn dc¦ prisma so¦rc c¦ ouc
intc.ramos
Teorema (Fubini). Si f |a, b| |c, d| |e, f| → R es continua
entonces:
347

[a,b][c,d][e,f]
f(x, ydxdydz

f
e

d
c

b
a
f(x, y, zdx

dy

dz

b
a

d
c

f
e
f(x, ydz

dy

dx
348
Ejercicio
Calcular para Ω = [0, 1] [0, 3] [−1, 1] las integrales
(a)

Ω
xyzdxdydz. (b)

Ω
xe
y+z
dxdydz. (c)

Ω
y
2
z
3
sen xdxdydz.
349
5. Integral triple sobre recintos b´ asicos
de R
3
Definici´ on (Recinto b´asico). ¹n rccinto ¦asico cs un con¡unto
acotado Ω ⊂ R
3
ouc tcn.a intcrior no vacıo y trontcra tormada por
una uni on finita dc supcrficics dc ¦a torma z f(x, y.y g(x, z
y x h(y, z. dondc f. g y h son tuncioncs continuas rca¦cs dc dos
varia¦¦cs rca¦cs
Definici´ on (Integral de Riemann sobre conjuntos b´asicos).
Sca f Ω → R una tunci on acotada dondc Ω cs un rccinto ¦ asico dc
R
3
y sca |a, b| |c, d| |e, f| c¦ mcnor prisma rcctan.u¦ar ouc conticnc
a Ω Si ¦a tunci on
˜
f : [a, b] [c, d] [e, f] −→ R
(x, y, z) →
˜
f(x, y, z) =



f(x, y, z) si (x, y, z) ∈ Ω,
0 si (x, y, z) / ∈ Ω,
cs intc.ra¦¦c. dircmos ouc f cs integrable en Ω Ln csc caso sc dcfinc
¦a intc.ra¦ dc f cn Ω como

Ω
f(x, y, zdxdy

[a,b][c,d][e,f]
˜
f(x, y, zdxdydz.
Interpretaci´on geom´etrica
350

Ω
f(x, y, zdxdydz da c¦ va¦or dc¦ vo¦umcn dc¦ rccinto Ω cuando
f(x, y, z 1 para todo (x, y, z ∈ Ω Lstc hccho sc uti¦izar a ¦astantc
cn ¦as c¦ascs dc pro¦¦cmas
351
Propiedades de la integral triple sobre recintos b´asicos
Teorema. Si Ω es un recinto b´ asico de R
3
y una funci´ on f Ω →
R continua, entonces f es integrable Riemann en Ω.
Adcmas ¦as propicdadcs vistas para intc.ra¦cs do¦¦cs so¦rc rccintos
¦ asicos sc vcrifican tam¦icn cn cstc contcxto
Ejercicio
Calcular las integrales que a continuaci´ on se piden en los recintos correspon-
dientes:
1.

Ω
(ysen z +x)dxdydz en Ω = ¦(x, y, z) ∈ R
3
: y ≥ z ≥ y
2
, 0 ≤ x, y ≤ 1¦.
2.

Ω
xdxdydz en Ω = ¦(x, y, z) ∈ R
3
: 1 ≥ y
2
+ x
2
, 0 ≤ z ≤ 1¦.
3.

Ω
yxzdxdydz en Ω = ¦(x, y, z) ∈ R
3
: −5 ≤ z ≤ y
2
+x, −1 ≤ x, y ≤ 1¦.
Ejercicio
Calcular el volumen del s´olido limitado superiormente por z = 1 e inferiormente
por z =

x
2
+y
2
.
352
Ejercicio
Calcular el volumen del s´olido limitado superiormente por el cilindro parab´ olico
z = 1 −y
2
, inferiormente por el plano 2x + 3y +z + 10 = 0 y lateralmente por
el cilindro circular x
2
+ y
2
+x = 0.
Ejercicio
Hallar el volumen del s´olido limitado por los paraboloides de ecuaciones z =
2 −x
2
−y
2
y z = x
2
+ y
2
.
353
6. C´alculo de integrales triples median-
te cambio de variables
Teorema. Sea Ω un subconjunto abierto b´ asico de R
3
y sea f
Ω → R integrable. Sea Φ Δ → R
3
donde Δ es un subconjunto
abierto de R
3
tal que:
1. Φ(Δ Ω,
2. Φ es diferenciable en Δ y
3. [1(Φ(u, v, w[ 0 para todo (u, v, w ∈ Δ.
Entonces Δ es un abierto b´ asico y:

Ω
f(x, y, zdxdydz

Δ
f(Φ(u, v, w[1(Φ(u, v, w[dudvdw.
Los cam¦ios dc coordcnadas m as importantcs cn R
3
son ¦os cam¦ios
a coordcnadas cstcricas y ci¦ındricas
354
Coordenadas cil´ındricas
Φ R
+
|0, 2π|R −→ R
3
` ¦(0, 0, 0¦
(r, θ, z → (rcosθ, rsinθ, z
Si (x, y, z ∈ R
3
` ¦(0, 0, 0¦ ta¦ ouc Φ(r, θ, z (x, y, z cntonccs
r

x
2
+ y
2
θ cs c¦ an.u¦o ouc torma c¦ vcctor dc posici on dc¦ punto (x, y, 0
con ¦a partc positiva dc¦ c¡c OX
Adcmas [JΦ(r, θ, z[ r
Coordenadas esf´ericas
Φ R
+
|0, 2π||0, π| −→ R
3
` ¦(0, 0, 0¦
(r, θ, ϕ → (rcos θscn ϕ, rscn θscn ϕ, rcos ϕ
Si (x, y, z ∈ R
3
` ¦(0, 0, 0¦ cs ta¦ ouc Φ(r, θ, ϕ (x, y, z cntonccs
r

x
2
+ y
2
+ z
2
θ cs c¦ an.u¦o ouc torma c¦ vcctor dc posici on dc¦ punto (x, y, 0
con ¦a partc positiva dc¦ c¡c Ox
355
ϕ cs c¦ an.u¦o ouc torma c¦ vcctor dc posici on dc¦ punto (x, y, z
con c¦ vcctor dc posicion dc¦ punto (x, y, 0 (colatitud)
Adcmas [JΦ(r, θ, ϕ[ r
2
scn ϕ
356
Ejercicio
Haciendo uso de las coordenadas esf´ericas x = rcos θsen φ, y = rsen θsen φ
y z = rcos φ, calcular:
1. El volumen de una esfera de radio R.
2.

Ω
(x
2
+ y
2
+ z
2
)dxdydz en el recinto Ω = ¦(x, y, z) ∈ R
3
: 1 ≤
x
2
+ y
2
+ z
2
≤ 2¦.
3. El volumen del recinto del apartado (b).
357
Tcma 9 Iuncioncs dc varias varia¦¦cs
Continuidad
Ga¦ric¦ So¦cr L opcz
a¦ri¦ dc 200o
1. Topolog´ıa en R
n
Definici´ on (Norma, espacio vectorial normado). ¹na norma
so¦rc R
n
cs una ap¦icaci on
| | R
n
−→ R
n
x → |x|,
ouc satistacc ¦as si.uicntcs propicdadcs para cada par dc vcctorcs x. y
(a |x| ≥ 0 y |x| 0 si y s o¦o si x 0
(¦ |x + y| ≤ |x| + |y| (desigualdad triangular
(c lara todo n umcro rca¦ λ sc ticnc ouc |λx| [λ[|x|
L¦ par (R
n
, | | rcci¦c c¦ nom¦rc dc espacio vectorial normado
358
Ejemplo. (R, [ [, (R
n
, | |
2
, (R
n
, | |

, (R, | |
1
son espacios
vectoriales normados para las definiciones siguientes:
1. [ [ es el valor absoluto de n´ umeros reales.
2. Si x (x
1
, . . . , x
n
, |x|
2

x
2
1
+ x
2
2
+ + x
2
n
,
3. |x|
1
[x
1
[ + [x
2
[ + + [x
n
[,
4. |x|

m ax¦[x
1
[, [x
2
[, . . . , [x
n
[¦.
Ejercicio
La una raz on ouc ¡ustifiouc ouc ¦a ap¦icaci on f R
2
→ R. dcfinida
por f(x, y scn (y + x. no cs una norma
Soluci´ on. La ap¦icaci on no cs una norma porouc f(0, π 0 y
(0, π (0, 0
1.1. Nociones topol´ ogicas asociadas a
un espacio normado
E¦ conccpto an a¦o.o a¦ dc intcrva¦o cn c¦ caso mu¦tidimcnsiona¦ cs
c¦ dc bola. cstc pcrmitira dcsarro¦¦ar ¦a topo¦o.ıa dc R
n

Definici´ on (Bola, dico). Ii¡ada una norma | | dc R
n
. dado un
punto x ∈ R
n
y un n umcro rca¦ > 0. sc dcfinc ¦a bola abierta o disco
359
abierto de centro x y radio (rcsp bola cerrada o disco cerrado de
centro x y radio como c¦ con¡unto
D(x, ¦y ∈ R
n
|x −y| < ¦
(rcsp D(x, ¦y ∈ R
n
|x −y| ≤ ¦.
Definici´ on (Conjunto abierto y cerrado). ¹n con¡unto A ⊂ R
n
sc dicc abierto si y so¦o si o A ∅ o ¦icn para todo punto x ∈ A
cxistc > 0 ta¦ ouc D(x, ⊂ A
¹n con¡unto F ⊂ R
n
sc dicc cerrado si y so¦o si R
n
`F ¦x ∈ R
n

x ∈ F¦ cs a¦icrto
Definici´ on (Interior, clausura y frontera de un conjunto).
Lado un con¡unto D ⊂ R
n
sc dcfinc c¦ intcrior dc D. y sc dcnota por
lntD. como c¦ mayor con¡unto a¦icrto contcnido cn D La clausura
de D. dcnotada por C¦D. cs c¦ mcnor con¡unto ccrrado ouc conticnc
a D La frontera de D sc dcnota por IrD y sc dcfinc como IrD
C¦D`lntD
Los con¡untos a¦icrtos y ccrrados satistaccn ¦as propicdadcs ouc rc-
co.cmos cn ¦a si.uicntc proposici on
360
Proposici´ on. 1. ∅ y R
n
son conjuntos abiertos y cerrados a la
vez.
2. La uni´ on numerable de conjuntos abiertos es un conjunto abier-
to.
3. La intersecci´ on numerable de conjuntos cerrados es un con-
junto cerrado.
4. La uni´ on finita de conjuntos cerrados es un conjunto cerrado.
5. La intersecci´ on finita de conjuntos abiertos es un conjunto
abierto.
6. Un conjunto es abierto si y s´olo si coincide con su interior.
7. Un conjunto es cerrado si y s´ olo si coincide con su clausura.
8. El interior de un conjunto A es la uni´ on de todos los conjuntos
abiertos contenidos en A.
9. La clausura de un conjunto A es la intersecci´ on de todos los
conjuntos cerrados que contienen a A.
361
Definici´ on (Conjuto acotado y compacto). ¹n con¡unto A ⊂
R
n
sc dicc acotado si y so¦o si cxistc un n umcro rca¦ positivo k ta¦ ouc
|x| ≤ k para todo x ∈ A L¦ con¡unto A sc dir a compacto si y so¦o
si adcm as dc scr acotado cs ccrrado
Definici´ on (Puntos de acumulaci´ on, interiores y aislados).
Lado un con¡unto A ⊂ R
n
y un punto x ∈ R
n
. sc dicc ouc x cs un
punto de acumulaci´ on dc A si para todo n umcro > 0 sc ticnc ouc
D(x, ∩ A`¦x¦ ∅ L¦ con¡unto dc ¦os puntos dc acumu¦aci on sc
dcnota por A
/

Sc dicc ouc c¦ punto x cs interior a A si y so¦o si pcrtcnccc a lntA
lor u¦timo sc dir a ouc x cs un punto aislado dc A si y so¦o si cs un
punto dc C¦A ouc no cs dc acumu¦aci on
Ejercicio
lon un c¡cmp¦o dc un con¡unto no compacto cn R
2
y ¡ustifica por
ouc no cs compacto
Soluci´ on. ¦(x, y ∈ R
2
x
2
+ y
2
≥ `¦ no cs compacto porouc no
csta acotado
362
2. Funciones de varias variables. L´ımi-
tes
Iniciamos csta scccion dando ¦a dcfinici on dc tunci on dc varias varia-
¦¦cs y tuncioncs coordcnadas dc cstas lostcriormcntc introducircmos
c¦ conccpto dc curva dc nivc¦. c¦ cua¦ nos pcrmitir a o¦tcncr intcrprcta-
cioncs .raficas dc tuncioncs
Definici´ on (Funci´ on de varias variables). ¹na tunci on dc varias
varia¦¦cs cs una ap¦icaci on f A → B. sicndo A un su¦con¡unto dc
R
n
y B un su¦con¡unto dc R
m

Definici´ on (Acotaci´ on). ¹na tunci on dc varias varia¦¦cs. f A ⊂
R
n
→R
m
. sc dicc ouc csta acotada si cxistc un n umcro rca¦ K ta¦ ouc
|f (x| < K para todo x ∈ A
363
Definici´ on (
´
Algebra de funciones). Lado c¦ con¡unto dc ¦as tun-
cioncs dc varias varia¦¦cs con dominio cn A ⊂ R
n
y va¦orcs cn R
m
.
T(A, R
m
. sc dcfincn ¦as si.uicntcs ¦cycs cn dicho con¡unto
1 Suma de funciones: dadas ¦as tuncioncs f , g A → R
m
. sc
dcfinc ¦a tunci on suma dc am¦as como si.uc
f + g A −→ R
m
x → f (x + g(x.
2 Multiplicaci´ on de funciones: si m 1. dadas f, g A → R
sc dcfinc ¦a tunci on producto como si.uc
f g A −→ R
x → f(xg(x.
3 Divisi´ on de funciones: si m 1. dadas f, g A → R. si
g(x 0 para todo x ∈ A. sc dcfinc ¦a tunci on cocicntc como
si.uc
f
g
A −→ R
x →
f(x)
g(x)
.
! Norma de funciones: dada ¦a tunci on f A → R
m
. sc dcfinc
¦a tunci on norma dc f como
|f | A −→ R
x → |f (x|.
364
lor u¦timo dcstacamos c¦ conccpto dc curva dc nivc¦ para una tunci on
csca¦ar dc varias varia¦¦cs rca¦cs. ¦as is o¦aras c isotcrmas son c¡cmp¦os
dc ta¦cs curvas
Definici´ on. Lada una tunci on rca¦ dc dos varia¦¦cs f A ⊂ R
2
→R.
dcfinimos ¦a curva de nivel dc a¦tura k como c¦ con¡unto ¦(x, y ∈ A
f(x, y k¦
365
3. L´ımite de funciones de varias varia-
bles. Propiedades
Gcncra¦izamos ahora c¦ conccpto dc ¦ımitc dc tuncioncs rca¦cs dc
varia¦¦c rca¦ para tuncioncs dc varias varia¦¦cs
Definici´ on (L´ımite). Sca D ⊆ R
n
. f D →R
m
. x
0
∈ D
/
y l ∈ R
m

Lircmos ouc c¦ ¦ımitc dc ¦a tunci on f cuando x ticndc a x
0
cs l. y sc
rcprcscnta por ¦ım
x→x
0
f (x l. si y s o¦o si para todo > 0 cxistc δ > 0
ta¦ ouc si x ∈ D y 0 < |x −x
0
| < δ cntonccs |f (x −l| <
Proposici´ on. Sea D ⊆ R
n
, x
0
∈ D
/
y f D → R
m
una funci´on
con funciones coordenadas f
1
, f
2
, . . . , f
m
. Entonces ¦ım
x→x
0
f (x l
(l
1
, l
2
, . . . , l
m
si y s´olo si ¦ım
x→x
0
f
i
(x l
i
para todo i ∈ ¦1, 2, . . . , m¦.
Proposici´ on (Unicidad del l´ımite). Dado D ⊆ R
n
, x
0
∈ D
/
y
una funci´on de varias variables f D → R
m
, entonces si existe el
l´ımite de la funci´ on f en el punto x
0
, ´este es ´ unico.
366
Ejemplo
Lcmucstra ouc ¦ım
(x,y)→(0,0)
x
4
+y
4
x
2
+y
2
0.
Soluci´ on. Ii¡ado > 0 tcndrcmos ouc cncontrar δ > 0 ta¦ ouc si
|(x, y −(0, 0|
2

x
2
+ y
2
< δ cntonccs

x
4
+y
4
x
2
+y
2

x
4
+y
4
x
2
+y
2
<
Como
x
4
+ y
4
x
2
+ y
2
<
x
4
+ y
4
+ 2x
2
y
2
x
2
+ y
2

(x
2
+ y
2

2
x
2
+ y
2
x
2
+ y
2
< δ
2
,
cntonccs ¦asta con tomar δ

.
367
Proposici´ on. Dado un subconjunto D ⊂ R
m
, un punto de acu-
mulaci´on x
0
∈ D
/
, funciones f , g D → R
m
y elementos m, n de
R
m
, se verifican:
Si ¦ım
x→x
0
f (x m y ¦ım
x→x
0
f (x n entonces ¦ım
x→x
0
(f + g(x
m+ n.
Adem´ as, si m 1, se tiene que:
Si ¦ım
x→x
0
f(x m y ¦ım
x→x
0
g(x n entonces ¦ım
x→x
0
(f g(x
m n.
Si f est´ a acotada y ¦ım
x→x
0
g(x 0 entonces ¦ım
x→x
0
(f g(x 0.
368
4. C´alculo de l´ımites de funciones de
dos variables
4.1. L´ımites Iterados
Proposici´ on. Sea f D ⊂ R
2
→ R y (x
0
, y
0
∈ D
/
, supongamos
que l
x,y
¦ım
y→y
0
¦ım
x→x
0
f(x, y ∈ R y que l
y,x
¦ım
x→x
0
¦ım
y→y
0
f(x, y ∈ R.
Entonces, si existe ¦ım
(x,y)→(x
0
,y
0
)
f(x, y l se tiene que l
x,y
l
y,x
l.
Como consccucncia dc¦ rcsu¦tado antcrior podcmos afirmar ¦a no
cxistcncia dc ¦ımitc. cn particu¦ar. c¦ rcsu¦tado antcrior admitc ¦as in-
tcrprctacioncs si.uicntcs
1 Si l
x,y
, l
y,x
∈ R y l
x,y
l
y,x
cntonccs no cxistc ¦ım
(x,y)→(x
0
,y
0
)
f(x, y
2 Si l
x,y
, l
y,x
∈ Ry coincidcn. c¦ unico va¦or ouc pucdc scr ¦ım
(x,y)→(x
0
,y
0
)
f(x, y
cs l
x,y
l
y,x
pcro no podcmos asc.urar ouc cxista dicho ¦ımitc
3 lucdc no cxistir l
x,y
o l
y,x
o ¦os dos y ouc cxista ¦ım
(x,y)→(x
0
,y
0
)
f(x, y
¹n c¡cmp¦o dc cstc caso cs ¦a tuncion f R
2
→ R dcfinida por
f(x, y yscn (1/x si x 0 y por f(0, y 0 Ln ctccto. para
csta tunci on sc vcrifica ouc ¦ım
(x,y)→(0,0)
f(x, y 0. ¦ım
x→0
¦ım
y→0
f(x, y
0 y sin cm¦ar.o ¦ım
y→0
¦ım
x→0
f(x, y no cxistc
369
Ejemplo
Lstudiar ¦a cxistcncia dc¦ ¦ımitc cn c¦ punto (0, 0 dc ¦a tunci on
f R
2
` ¦(0, 0¦ →R dada por
f (x, y
x
2
+ y
x
2
+ y
2
.
Soluci´ on. Si sc uti¦izan ¦ımitcs rcitcrados sc o¦ticncn ditcrcntcs
va¦orcs y sc pucdc ¡ustificar dc csta mancra ouc c¦ ¦ımitc do¦¦c no
cxistc
¦ım
y→0
¦ım
x→0
x
2
+y
x
2
+y
2
¦ım
y→0
y
y
2
±∞ (dcpcndicndo c¦ si.no dc
si c¦ ¦ımitc sc hacc por ¦a dcrccha o por ¦a izouicrda
¦ım
x→0
¦ım
y→0
x
2
+y
x
2
+y
2
¦ım
y→0
x
2
x
2
1.
4.2. L´ımites direccionales
Definici´ on (L´ımite direccional). Sca f D ⊂ R
2
→ R una
tunci on rca¦ dc dos varia¦¦cs rca¦cs y g A ⊂ R →R una tunci on rca¦
dc varia¦¦c rca¦ ta¦ ouc x
0
∈ A
/
y ¦ım
x→x
0
g(x y
0
Si (x
0
, y
0
∈ D
/
.
sc dcfinc c¦ l´ımite direccional de f a lo largo de g en (x
0
, y
0
como
l
g
¦ım
x→x
0
f(x, g(x
¹na propicdad ¦ asica dc ¦os ¦ımitcs dirccciona¦cs vicnc rcco.ida cn
¦a si.uicntc proposici on
370
Proposici´ on. Sean f D ⊂ R
2
→ R y g A ⊂ R → R tales que
x
0
∈ A
/
y ¦ım
x→x
0
g(x y
0
. Entonces, si existe ¦ım
(x,y)→(x
0
,y
0
)
f(x, y
l ∈ R se tiene que l l
g
.
Lsta proposici on ticnc consccucncias a tcncr cn cucnta a ¦a hora dc¦
ca¦cu¦o dc ¦ımitcs Scan g
1
y g
2
tuncioncs cn ¦as condicioncs dc g dc ¦a
dcfinici on antcrior y f como cn ¦a misma dcfinici on Sc vcrifican
1 Si l
g
1
l
g
2
. cntonccs no cxistc c¦ ¦ımitc ¦ım
(x,y)→(x
0
,y
0
)
f(x, y
2 Si l
g
1
/ ∈ R. cntonccs no cxistc ¦ım
(x,y)→(x
0
,y
0
)
f(x, y
3 Si cxistc l
g
1
∈ Rcntonccs. si cxistc ¦ım
(x,y)→(x
0
,y
0
)
f(x, y. cstc coincidc
con l
g
1

A partir dc ahora nos rcstrin.ircmos a¦ c a¦cu¦o dc ¦ımitcs cn (0, 0 ya
ouc para ca¦cu¦ar un ¦ımitc cn un punto (x
0
, y
0
. ¦ım
(x,y)→(x
0
,y
0
)
f(x, y. una
simp¦c trans¦aci on hacc ouc cstc coincida con ¦ım
(x,y)→(0,0)
f(x+x
0
, y+y
0

lara intcntar dcmostrar ouc un cicrto ¦ımitc no cxistc. uti¦izarcmos
tuncioncs dc¦ tipo g(x mx
n

371
Ejemplo
Lstudiar ¦a cxistcncia dc¦ ¦ımitc cn c¦ punto (0, 0 dc ¦a tunci on
f R
2
` ¦(0, 0¦ →R dada por
f (x, y
x
2
+ y
x
2
+ y
2
.
Soluci´ on. Laccmos un ¦ımitc dirccciona¦ accrcandonos por ¦a par a¦o-
¦a y λx
2

¦ım
x→0
x
2
+ λx
2
x
2
+ λ
2
x
4
¦ım
x→0
x
2
(1 + λ
x
2
(1 + λx
2

1 + λ
Como c¦ ¦ımitc dirccciona¦ dcpcndc dc ¦a par a¦o¦a c¦c.ida cntonccs
no cxistc c¦ ¦ımitc do¦¦c p¦antcado
372
4.3. Paso a coordenadas polares
Prcscntamos ahora un rcsu¦tado ouc pcrmitc ca¦cu¦ar c¦ ¦ımitc dc
una tunci on f D ⊂ R
2
→ R cn c¦ punto (0, 0 usando coordcnadas
po¦arcs
Proposici´ on. Sea D ⊆ R
2
tal que (0, 0 ∈ D
/
y f D → R. Si
existe l ∈ R tal que ¦ım
r→0
f(rcos θ, rscn θ l para todo θ ∈ |0, 2π| y
[f(rcos θ, rscn θ − l[ ≤ F(r para todo θ ∈ |0, 2π| donde F es una
funci´on real de variable real que satisface ¦ım
r→0
F(r 0, entonces
¦ım
(x,y)→(0,0)
f(x, y l.
Ejemplo
Lstudiar ¦a cxistcncia dc¦ ¦ımitc cn c¦ punto (0, 0 dc ¦a tunci on
f R
2
` ¦(0, 0¦ →R dada por
f (x, y
x
4
+ 3x
2
y
2
+ 2xy
3
(x
2
+ y
2

2
.
Soluci´ on.
Si haccmos c¦ ¦ımitc por coordcnadas po¦arcs o¦tcncmos
¦ım
r→0
f(rcos θ, rscn θ
¦ım
r→0
r
4
r
4
(cos
4
θ + 3cos
2
θscn
2
θ + 2cos θscn
3
θ
cos
4
θ + 3cos
2
θscn
2
θ + 2cos θscn
3
θ
373
Como cstc ¦ımitc dcpcndc dc¦ an.u¦o θ no va a cxistir c¦ ¦ımitc
Lcmostramos ¦a no cxistcncia rccurricndo a ¦os ¦ımitcs dirccciona¦cs
Laccmos un ¦ımitc dirccciona¦ accrcandonos por ¦as rcctas y mx
¦ım
x→0
x
4
+ 3x
2
m
2
x
2
+ 2xm
3
x
3
(x
2
+ m
2
x
2

2
¦ım
x→0
x
4
x
4
1 + 3m
2
+ 2m
3
(1 + m
2

2

1 + 3m
2
+ 2m
3
(1 + m
2

2
Como c¦ ¦ımitc dirccciona¦ dcpcndc dc m cntonccs no cxistc c¦ ¦ımitc
do¦¦c p¦antcado
Ejemplo
Lstudiar ¦a cxistcncia dc¦ ¦ımitc cn c¦ punto (0, 0 dc ¦a tunci on
f R
2
` ¦(0, 0¦ →R dada por
f (x, y
2x
5
+ 2y
3

2x
2
−y
2

(x
2
+ y
2

2
.
Soluci´ on.
Lmpczamos ca¦cu¦ando ¦os ¦ımitcs rcitcrados para vcr si nos da a¦-
.una intormaci on
¦ım
x→0
¦ım
y→0
f(x, y ¦ım
x→0
2x
5
x
4
0
¦ım
y→0
¦ım
x→0
f(x, y ¦ım
y→0
−2y
5
y
4
0
Ası ouc si cxistc c¦ ¦ımitc va¦drıa 0
lntcntamos vcr si rca¦mcntc cxistc usando coordcnadas po¦arcs
374
¦ım
r→0
f(rcos θ, rscn θ ¦ım
r→0
2r
5
cos
5
θ + 2r
3
scn
3
θ(2r
2
cos
2
θ −r
2
scn
2
θ
r
4
¦ım
r→0
r
5
(2cos
5
θ + ! scn
3
θcos
2
θ −2scn
3
θscn
2
θ
r
4
¦ımr(2cos
5
θ + ! scn
3
θcos
2
θ −2scn
3
θscn
2
θ 0
Ahora tcncmos ouc haccr ¦a acotaci on dc [f(rcos θ, rscn θ −0[ por
una tunci on F(r ouc so¦o dcpcnda dc r y ouc ticnda a 0 cuando r
ticndc a 0
[f(rcos θ, rscn θ −0[ [r(2cos
5
θ + ! scn
3
θcos
2
θ −2scn
3
θscn
2
θ[
≤ r

2[cos
5
θ[ + ![scn
3
θcos
2
θ[ + 2[scn
3
θscn
2
θ[

≤ Sr F(r
Como ¦ım
r→0
F(r 0 cntonccs o¦tcncmos fina¦mcntc
¦ım
(x,y)→(0,0)
f(x, y 0.
375
5. Continuidad de funciones de varias
variables
Gcncra¦izamos cn cstc apartado ¦a dcfinici on dc continuidad dc tun-
cioncs rca¦cs dc varia¦¦c rca¦ a ¦as tuncioncs dc varias varia¦¦cs
Definici´ on (Continuidad). Sca D ⊆ R
n
. f D → R
m
y x
0
∈ D.
dircmos ouc f cs continua cn x
0
si y so¦o si para todo > 0 cxistc
d > 0 ta¦ ouc si |x −x
0
| < d cntonccs |f (x −f (x
0
| <
Lircmos ouc ¦a tunci on f cs continua si y so¦o si cs continua cn todos
¦os puntos dc D
A¦ i.ua¦ ouc cn c¦ caso dc tuncioncs rca¦cs dc varia¦¦c rca¦ ha¦ıa una
cstrccha rc¦acion cntrc ¦a continuidad y ¦os ¦ımitcs. para ¦as tuncioncs dc
varias varia¦¦cs cxistc un rcsu¦tado an a¦o.o ouc damos a continuaci on
Proposici´ on. Dada una funci´on de varias variables f D ⊂ R
n

R
m
y dado x
0
∈ D
/
, entonces son equivalentes:
1. f es continua en x
0
,
2. existe el l´ımite ¦ım
x→x
0
f (x y es igual a f (x
0
.
376
5.1. Propiedades de las funciones con-
tinuas
Proposici´ on. Dado un subconjunto D ⊂ R
m
y funciones f , g
D →R
m
continuas en x
0
∈ D, se verifican:
f + g es continua e x
0
.
|f | D →R es continua en x
0
.
Adem´ as, si m 1, se tiene que:
f g es continua en x
0
.
Proposici´ on. Sean f D ⊂ R
n
→ R
m
y g E ⊂ R
m
→ R
k
dos
funciones de varias variables tales que f (D ⊂ E. Sea x
0
∈ D tal
que f es continua en x
0
y g es continua en f (x
0
. Entonces g ◦ f
es continua en x
0
.
Lstos tcorcmas ticncn ¦astantc importancia. pucs a partir dc c¦¦os y
¦as andonos cn ¦a continuidad dc ¦as tuncioncs coordcnadas
X
i
D ⊂ R
n
−→ R
x (x
1
, x
2
, . . . , x
n
→ x
i
,
sc o¦ticnc ouc ¦os po¦inomios dc varias varia¦¦cs rca¦cs son continuos y
¦a composici on dc ¦as tuncioncs ouc conoccmos tam¦icn lor c¡cmp¦o.
tuncioncs dc¦ tipo f (x, y, z (scn (x
2
y, e
sen (x+yz)
son continuas
377
A¦ i.ua¦ ouc para ¦as tuncioncs rca¦cs dc varia¦¦c rca¦. dada una
tunci on rca¦ dcpcndicntc dc varias varia¦¦cs rca¦cs. f D ⊂ R
n
→ R.
dircmos ouc m ∈ D (rcsp M ∈ D cs un m´ınimo absoluto (rcsp
m´aximo absoluto dc f si y so¦o si f(m ≤ f(x (rcsp f(x ≤ f(M
para todo x ∈ D
Teorema (de los valores extremos). Dado un conjunto com-
pacto K ⊂ R
n
y una funci´ on continua f K →R, existen valores
m ∈ K y M ∈ K que son respectivamente m´ınimo y m´ aximo
absolutos de la funci´ on f.
Ejercicio
Lstudia ¦a continuidad dc ¦a tunci on ouc si.uc
f (x, y



sen xy
x
si x 0,
y si (x, y (0, y .
Soluci´ on.
lara dccidir si cs continua hay ouc vcr si sc vcrifica
¦ım
(x,y)→(0,k)
f(x, y f(0, k k.
Si sc vcrifica ¦a i.ua¦dad antcrior cntonccs ¦a tunci on f scra continua
Ln caso contrario no ¦o scrıa
378
Compro¦amos ouc cn cstc caso sc vcrifica ¦ım
(x,y)→(0,k)
f(x, y k
Ası ouc. fi¡ado > 0, dc¦cmos cncontrar δ > 0 ta¦ ouc si |(x, y −
(0, k|
1
[x[ + [y −k[ < δ cntonccs [f(x, y −k[ < .
Primera consideraci´ on: pucsto ouc ¦ım
x→0
1 −
sen x
x
0. para

x


4([k[+1)
cxistc δ
0
> 0 ta¦ ouc si [x −0[ < δ
0
cntonccs

1 −
scn x
x

<

!
. (1S
Segunda consideraci´ on: c¦c.imos ahora
δ mın¦1,

S
, δ
0
¦. (19
Demostraci´ on del l´ımite: suponcmos ahora ouc |(x, y−(0, k|
1

[x[ + [y −k[ < δ. cntonccs
[f(x, y −k[ ≤

scn x
x
y −k

+ [y −k[

scn x
x
−1

y + y −k

+ [y −k[

scn x
x
−1

y

+ 2[y −k[

scn x
x
−1

[y[ + 2[y −k[ (usando ahora ¦a ccuaci on (1S


!([k[ + 1
[y[ + 2[y −k[ (usando (19 tcncmos ouc
[y[
[k[ + 1
< 1


!
+ 2[y −k[ ≤ (usando (19


!
+ 2

S


2
< .
379
Tcma 10 Iuncioncs dc varias varia¦¦cs
Litcrcncia¦i¦idad
Ga¦ric¦ So¦cr L opcz
2! dc mayo dc 200o
6. Derivadas direccionales y derivadas
parciales
En cstc apartado .cncra¦izarcmos ¦a noci on dc derivada introducida
para ¦as tuncioncs rca¦cs dc una varia¦¦c rca¦
Definici´ on (Derivada direccional). Sca D un su¦con¡unto a¦icr-
to dc R
n
. f D →R
m
y v ∈ R
n
` ¦0¦ Si a ∈ D. sc dcfinc ¦a dcrivada
dirccciona¦ cn ¦a dirccci on dc¦ vcctor v dc f cn a como c¦ ¦ımitc
L
v
f (a ¦ım
t→0
f (a + tv −f (a
h
380
Cuando ¦a dcrivada dirccciona¦ sc hacc cn ¦a dirccci on dc ¦a ¦asc
canonica. sc o¦ticnc ¦a dcfinici on dc derivada parcial
Definici´ on (Derivada parcial). Sca i ∈ ¦1, 2, . . . , n¦. e
i
c¦ i-
csimo vcctor dc ¦a ¦asc canonica dc R
n
. D un su¦con¡unto a¦icrto
dc R
n
y f D → R
m
Sc dcfinc ¦a derivada parcial i-´esima dc ¦a
tunci on f cn c¦ punto a ∈ D y sc dcnota por
∂f
∂x
i
(a o por D
i
f (a como
∂f
∂x
i
(a L
e
i
f (a
Sca i ∈ ¦1, 2, . . . , n¦ y considcrcmos ¦a tunci on dc una varia¦¦c rca¦
f
i
ouc sc o¦ticnc dc f fi¡ando todas ¦as coordcnadas dc a cxccpto ¦a
i-csima. cs dccir
f
i
(x
i
f (a
1
, . . . , a
i−1
, x
i
, a
i+1
, . . . , a
n
.
Lntonccs ¦a dcrivada dc csta tunci on (dc una varia¦¦c cn a cs
l´ım
t→0

f
i
j
(a
i
+ t) −f
i
j
(a
i
)

n
j=1
t
=
l´ım
t→0

f
i
j
(a1, . . . , ai−1, ai + t, ai+1, . . . , an) −f
i
j
(a1, . . . , ai−1, ai, ai+1, . . . , an)

n
j=1
t
=

∂f
i
j
∂x
i
(a)

n
j=1
.
Ası. ¦a dcrivada parcia¦ i-csima cva¦uada cn a cs c¦ va¦or ouc sc
o¦ticnc dc sustituir a cn ¦a tunci on ouc rcsu¦ta dc dcrivar f rcspccto
dc x
i
considcrando ¦as otras varia¦¦cs constantcs
381
Lsta .cncra¦izaci on dc dcrivada ticnc una ditcrcncia nota¦¦c rcspccto
a ¦a dcrivada dc dc tuncioncs rca¦cs dc una varia¦¦c rca¦. pucs ¦a cxis-
tcncia cn un punto dc cstas. no imp¦ica ¦a continuidad cn dicho punto
L¦ si.uicntc c¡cmp¦o i¦ustra cstc hccho
Ejemplo.
f R
2
−→ R
(x, y → f(x, y



y
2
x
si x 0
0 si x 0.
Para esta funci´ on, dado un vector v (v
1
, v
2
∈ R
2
con v
1
0, se
tiene que la derivada direccional de f en (0, 0 en la direcci´ on de
v es:
L
v
f((0, 0 ¦ım
t→0,t=0
t
2
v
2
2
tv
1
t

v
2
2
v
1
,
para los vectores v de la forma v (0, v
2
, la derivada direccional
es:
L
v
f((0, 0 ¦ım
t→0,t=0
0
t
0.
As´ı que la funci´on f admite derivada direccional en el punto (0, 0
respecto de cualquier vector. Sin embargo, si calculamos el l´ımite
de la funci´ on en el origen seg´ un la direcci´ on de la par´ abola y
2

2λx, ´este depende de λ, en particular vale 2λ. As´ı que la funci´on
f no es continua en el origen.
382
6.1. Interpretaci´ on geom´etrica de las
derivadas parciales de una funci´ on
de dos variables
La dcrivada dc una tunci on rca¦ dc varia¦¦c rca¦. f D →R. cn un
punto a rcprcscnta¦a ¦a pcndicntc dc ¦a tan.cntc a ¦a curva ¦(x, f(x
x ∈ D¦ cn c¦ punto (a, f(a
Lada una tunci on rca¦ dc dos varia¦¦cs rca¦cs. f D ⊂ R
2
→R. su
.r afica ¦(x
1
, x
2
, f(x
1
, x
2
(x
1
, x
2
∈ D¦ rcprcscnta una supcrficic
Ln cuanto a ¦a intcrprctaci on dc ¦as dcrivadas parcia¦cs dc ¦a tunci on
f D ⊂ R
2
→ R. si f admitc dcrivadas parcia¦cs cn (x
0
, y
0
∈ D.
cntonccs vcrcmos ouc ¦a ccuacion dc¦ p¦ano tan.cntc a ¦a .r afica dc f
cn (x
0
, y
0
vicnc dada por
z −f(x
0
, y
0

∂f
∂x
(x
0
, y
0
(x −x
0
+
∂f
∂y
(x
0
, y
0
(y −y
0
.
383
7. Diferencial de una funci´ on. Propie-
dades
lntroducimos cn cstc apartado c¦ conccpto dc tunci on diferenciable
ouc si imp¦icar a continuidad
Definici´ on (Diferencial). Sca D un su¦con¡unto a¦icrto dc R
n
.
f D → R
m
y a ∈ D Sc dicc ouc f cs diferenciable en a si cxistc
una ap¦icaci on ¦inca¦ T R
n
→R
m
ta¦ ouc
¦ım
h→0
|f (a + h −f (a −T(h|
|h|
0.
Ln csc caso. a ¦a ap¦icaci on ¦inca¦ T sc ¦c ¦¦ama ditcrcncia¦ dc f cn a
y sc dcnota por df (a
Teorema. Dado un subconjunto abierto D de R
n
, se tiene que si
f D → R
m
es diferenciable en a ∈ D entonces f es continua en
a.
Las nocioncs dc dcrivada dirccciona¦ y ditcrcncia¦ cst an cstrcchamcn-
tc rc¦acionadas. csta rc¦aci on ¦a rcco.c ¦a si.uicntc proposici on
Teorema. Sea D un subconjunto abierto de R
n
, f D → R
m
y
a ∈ D. Si f es diferenciable en a y v ∈ R
n
, entonces f es admite
derivada direccional en a en la direcci´ on de v. Adem´ as:
df (a(v L
v
f (a.
384
En particular
∂f
∂x
i
(a df (a(e
i
para todo i ∈ ¦1, 2, . . . , n¦.
Cuando tratamos con tuncioncs rca¦cs dc varia¦¦c rca¦. ¦a dcriva¦i¦i-
dad y ditcrcncia¦i¦idad son conccptos couiva¦cntcs Ln ctccto
Proposici´ on. Si D es un abierto de R y f D → R es derivable
en a ∈ D, entonces f es diferenciable en a y df(a(t f
/
(at.
lara tuncioncs dc varias varia¦¦cs rca¦cs. am¦as nocioncs no son
couiva¦cntcs. c¦ tcorcma antcrior mucstra ouc ¦a ditcrcncia¦i¦idad im-
p¦ica cxistcncia dc dcrivadas dirccciona¦cs Sin cm¦ar.o c¦ rccıproco
no cs cicrto. cn ctccto. ¦a tunci on dc un c¡cmp¦o antcrior admitc dc-
rivadas dirccciona¦cs y no cs ditcrcncia¦¦c porouc no cs continua A
pcsar dc cstc c¡cmp¦o. si ¦as dcrivadas parcia¦cs son continuas sı ouc ¦a
dcriva¦i¦idad imp¦ica ditcrcncia¦i¦idad
Teorema. Sea D un abierto de R
n
que contine al punto a. Si las
derivadas parciales,
∂f
∂x
i
(i ∈ ¦1, 2, . . . , n¦, existen en un entorno
del punto a y son continuas en el punto a, entonces la funci´ on f
es diferenciable en a.
Adcmas. c¦ rccıproco dc¦ tcorcma antcrior no cs cicrto pucsto ouc ¦a
385
tunci on
f R
2
−→ R
(x, y → f(x, y





(x
2
+ y
2
scn
1

x
2
+y
2
si (x, y (0, 0,
0 si (x, y (0, 0,
mucstra ouc cxistcn tuncioncs ditcrcncia¦¦cs cn un punto (c¦ punto
(0, 0 para csta tunci on f cuyas dcrivadas parcia¦cs no son continuas
cn dicho punto
Demostraci´ on.
Lmpczamos ca¦cu¦ando ¦a parcia¦ dc f rcspccto dc x Ln ¦os puntos
distintos dc¦ ori.cn sc ca¦cu¦a hacicndo una dcrivada parcia¦ norma¦
Sin cm¦ar.o cn c¦ ori.cn
∂f
∂x
(0, 0 ¦ım
t→0
f(t, 0 −f(0, 0
t
¦ım
t→0
t
2
scn

1
t

0
Ası ouc
∂f
∂x
(x, y





2xscn
1

x
2
+y
2

x

x
2
+y
2
cos
1

x
2
+y
2
si (x, y (0, 0,
0 si (x, y (0, 0,
Lsta dcrivada parcia¦ no cs continua cn c¦ ori.cn porouc c¦ ¦ımitc
cuando (x, y ticndc a (0, 0 no cxistc Ln ctccto. tomamos ¦as dircc-
386
cioncs y λx y o¦tcncmos ouc
¦ım
x→0
2xscn
1
x

1 + λ
2

1

1 + λ
2
cos
1
x

1 + λ
2
no cxistc porouc c¦ primcr sumando ticndc a 0. pcro c¦ sc.undo no ticnc
¦ımitc
lor u¦timo vamos a pro¦ar ouc df(0, 0(h
1
, h
2
0. Ltcctivamcntc
¦ım
(x,y)→(0,0)
[f(h
1
, h
2
−f(0, 0 −df(0, 0(h
1
, h
2
[
|(h
1
, h
2
|
2
¦ım
(x,y)→(0,0)
(h
2
1
+ h
2
2
scn
1

h
2
1
+h
2
2

h
2
1
+ h
2
2
¦ım
(x,y)→(0,0)

h
2
1
+ h
2
2
scn
1

h
2
1
+ h
2
2
0
387
7.1. Propiedades de la diferencial
Sc˜ na¦amos cn cstc apartado ¦as propicdadcs m as rc¦cvantcs dc ¦a
ditcrcncia¦
Teorema. Dado un abierto D ⊂ R
n
, a ∈ D y funciones f , g
D →R
m
, se verifican:
1. Si f es diferenciable en a entonces es continua en a.
2. Si f es diferenciable en a entonces la diferencial de f en a es
´ unica.
3. f es diferenciable en a si y s´olo si las funciones coordenadas
de f lo son.
4. Si f y g son funciones diferenciables en a, entonces f + g es
diferenciable en a. Adem´ as:
d(f + g(a df (a + dg(a.
Teorema (Regla de la cadena). Sean D y E subconjuntos abier-
tos de R
n
y R
m
respectivamente y sean f D →R
m
y g E →R
k
tales que f (D ⊆ E. Si a ∈ D verifica que f es diferenciable en a
y g lo es en f (a, entonces g ◦ f es diferenciable en a y
d(g ◦ f (a dg(f (a ◦ df (a.
388
7.2. Matriz Jacobiana
Haccmos uso ahora dc¦ a¦.c¦ra ¦inca¦ aprcndida cn c¦ ¦¦oouc primcro
dc ¦a asi.natura Ya ouc ¦a ditcrcncia¦ dc una tunci on f D ⊂ R
n

R
m
cn un punto a ∈ D cs una ap¦icaci on ¦inca¦. csta cstara dctcrminada
por su matriz asociada rcspccto dc ¦as ¦ascs can onicas dc R
n
y R
m

Definici´ on (Matriz Jacobiana). Sca D un su¦con¡unto a¦icrto
dc R
n
. f D →R
m
y a ∈ D ta¦ ouc f cs ditcrcncia¦¦c cn a Sc dcfinc
¦a matriz Jacobiana de f en a como
1f (a M
B,B
/ (df (a,
sicndo B y B
/
¦as ¦ascs canonicas dc R
n
y R
m
rcspcctivamcntc
Concrctamcntc. si f cs ditcrcncia¦¦c cn a cntonccs
1f (a









∂f
1
∂x
1
(a
∂f
1
∂x
2
(a . . .
∂f
1
∂xm
(a
∂f
2
∂x
1
(a
∂f
2
∂x
2
(a . . .
∂f
2
∂xm
(a

∂fm
∂x
1
(a
∂fm
∂x
2
(a . . .
∂fm
∂xn
(a









¹n caso particu¦ar dc ¦a matriz 1aco¦iana cs c¦ vector gradiente dc
una tunci on ditcrcncia¦¦c rca¦ dcfinida cn un a¦icrto dc R
n
. f D ⊂
R
n
→ R Ln cstc caso ¦a matriz 1aco¦iana dc ¦a tunci on cn un punto
a rcci¦c c¦ nom¦rc dc vector gradiente dc f cn c¦ punto a y sc dcnota
por ∇f(a
389
Ahora podcmos o¦tcncr ¦as propicdadcs dc ¦a matriz 1aco¦iana tra-
ducicndo ¦as propicdadcs dc ¦a ditcrcncia¦ antcriormcntc cnunciadas
Teorema. Dados abiertos D ⊂ R
n
y E ⊂ R
m
, a ∈ D, funciones
f , g D → R
m
y h E → R
k
tales que f (D ⊆ E, f y g son
diferenciables en a y h es diferenciable en f (a, se verifican:
1. 1(f + g(a 1f (a + 1g(a,
2. 1(g ◦ f (a 1g(f (a1f (a.
390
8. Derivadas parciales de orden supe-
rior
Sca D un su¦con¡unto a¦icrto dc R
n
. f D →R
m
c i ∈ ¦1, 2, . . . , n¦
Si cxistc
∂f
∂x
i
cn todo punto dc D. sc pucdc dcfinir una tunci on
∂f
∂x
i
D −→ R
m
a →
∂f
∂x
i
(a,
a ¦a cua¦ ¦c podcmos cstudiar ¦a cxistcncia dc sus dcrivadas parcia¦cs
Sca j ∈ ¦1, 2, . . . , n¦ y dcfinamos ¦a segunda derivada parcial
Definici´ on (Derivada parcial segunda). Ln ¦as condicioncs an-
tcriorcs. cntcndcmos por derivada parcial segunda de f , primero res-
pecto de x
i
y despu´es respecto de x
j
en a ∈ D como

2
f
∂x
i
x
j
(a

∂x
j

∂f
∂x
i

(a.
Lc¦ mismo modo sc dcfincn ¦as derivadas parciales terceras, cuar-
tas, etc...
Definici´ on (Funci´ on de clase (
k
). La tunci on f antcriormcntc
introducida sc dicc de clase (
k
si ticnc todas ¦as dcrivadas k-csimas
continuas cn D Lscri¦ircmos f ∈ (
k
(D, R
m

391
¹na prc.unta ouc parccc natura¦ haccrsc cs ouc si dados i, j ∈
¦1, . . . , n¦. cs vcrdad ouc

2
f
∂x
i
x
j
(a

2
f
∂x
j
x
i
(a Ln .cncra¦ dicha i.ua¦-
dad no sc da. pcro ¦os si.uicntcs tcorcmas
12
dan condicioncs para ouc
sı sca cicrta
Teorema (Schwarz). Sea D ⊂ R
n
un conjunto abierto y f
D →R
m
una funci´on tal que
∂f
∂x
i
y
∂f
∂x
j
son continuas en D siendo
i, j ∈ ¦1, . . . , n¦ distintos. Si existe

2
f
∂x
i
x
j
D → R
m
y es continua
en a ∈ D entonces existe

2
f
∂x
j
x
i
(a y se da la igualdad:

2
f
∂x
i
x
j
(a

2
f
∂x
j
x
i
(a
.
Teorema (Young-Heffter). Sea D ⊂ R
n
un conjunto abierto y
f D → R
m
una funci´on tal que
∂f
∂x
i
y
∂f
∂x
j
est´ an definidas en D y
son diferenciables en el punto a ∈ D. Entonces existen

2
f
∂x
i
x
j
(a y

2
f
∂x
j
x
i
(a y son iguales.
12
Aunque s´ olo damos dos teoremas sobre permutabilidad, el primero en probar un teorema de este corte fue
O. Bonnet bajo hip´ otesis m´ as restrictivas que A. Schwarz
392
Aca¦amos ponicndo un c¡cmp¦o ouc dc¡a c¦aro ouc cxistcn tuncioncs
para ¦as ouc sı ouc importa c¦ ordcn dc dcrivacion La tunci on
f R
2
−→ R
(x, y → f(x, y



xy(x
2
−y
2
)
x
2
+y
2
si (x, y (0, 0,
0 si (x, y (0, 0,
admitc ¦as dcrivadas

2
f
∂x
2
x
1
(0, 0 y

2
f
∂x
1
x
2
(0, 0 pcro son distintas Ln
ctccto

2
f
∂x
2
x
1
(0, 0 1 y

2
f
∂x
1
x
2
(0, 0 −1.
393
9. Extremos relativos y absolutos de
funciones reales de varias variables
Empczamos rccordando ¦a noci on dc cxtrcmo a¦so¦uto dc una tun-
cion rca¦. c introducicndo ¦as nocioncs dc cxtrcmos rc¦ativos lara c¦¦o
fi¡amos una tunci on rca¦ dcfinida cn un a¦icrto D dc R
n
. f D →R
Definici´ on (Extremos absolutos y relativos). ¹n punto M ∈
D (rcsp m ∈ D dircmos ouc cs un m´ aximo relativo (rcsp m´ınimo
relativo si cxistc un cntorno U ⊂ D dc M (rcsp dc m ta¦ ouc
f(x ≤ f(M (rcsp f(m ≤ f(x para todo x ∈ U
¹n punto M ∈ D (rcsp m ∈ D dircmos ouc cs un m´aximo
absoluto (rcsp m´ınimo absoluto si f(x ≤ f(M (rcsp f(m ≤
f(x para todo x ∈ D
Teorema (Condici´ on necesaria para la existencia de extre-
mos relativos). Sea D un abierto de R
n
y una funci´ on f D →
R de clase (
1
. Si a ∈ D es un extremo relativo de f entonces
∂f
∂x
i
(a 0 para todo i ∈ ¦1, 2, . . . , n¦.
394
Lsta condici on. sin cm¦ar.o. no cs suficicntc Ln ctccto. ¦a tunci on
f R
2
−→ R
(x, y → (y −x
2
(y −2x
2
,
ticnc sus dos dcrivadas parcia¦cs primcras i.ua¦cs a 0 cn c¦ punto (0, 0.
pcro cstc no cs un cxtrcmo rc¦ativo Ls por tanto introducir condicioncs
adiciona¦cs para asc.urar ¦a cxistcncia dc cxtrcmos
Definici´ on (Hessiano). Sca i ∈ ¦1, 2, . . . , n¦ y supon.amos ouc ¦a
tunci on f introducida a¦ principio dc csta sccci on cs dc c¦asc (
2
. para
c¦¦a dcfinimos ¦a matriz hessiana de orden i cn un punto a como
H
i
f(a










2
f
∂x
1
2
(a

2
f
∂x
1
x
2
(a . . .

2
f
∂x
1
x
i
(a

2
f
∂x
2
x
1
(a

2
f
∂x
2
2
(a . . .

2
f
∂x
2
x
i
(a


2
f
∂x
i
x
1
(a

2
f
∂x
i
x
2
(a . . .

2
f
∂x
i
2
(a









Sc dcfinc c¦ Hessiano de orden i de la funci´ on f en el punto a como
Δ
i
f(a [H
i
f(a[.
395
Teorema. Sea D un abierto de R
n
, f D → R una funci´on de
clase (
2
y a ∈ D tal que
∂f
∂x
1
(a
∂f
∂x
2
(a
∂f
∂xn
(a 0.
Consideremos la sucesi´ on:
1, Δ
1
f(a, Δ
2
f(a, . . . , Δ
n−1
f(a, Δ
n
f(a,
entonces:
1. Si todos los t´erminos de la sucesi´ on de n´ umeros anteriores son
positivos la funci´ on tendr´a un m´ınimo relativo en a.
2. Si los t´erminos de la sucesi´ on anterior son alternadamente
positivos y negativos, entonces la funci´on tendr´a un m´ aximo
relativo.
3. En otro caso no se puede asegurar nada, puede existir o no
extremo relativo.
Para funciones de dos variables, se tiene que si Δ
2
f(a < 0
entonces a no es extremo relativo de f.
lara ¦os casos no contcmp¦ados antcriormcntc cs ncccsario un ana¦i-
sis cn ¦as proximidadcs dc¦ punto crıtico para dctcrminar si cstc cs o
no un cxtrcmo rc¦ativo dc ¦a tunci on
396
Ejemplo
Ca¦cu¦a ¦os cxtrcmos rc¦ativos dc ¦a tunci on f(x, y xy +
50
x
+
20
y
con x > 0 c y > 0.
Soluci´ on.
∂f
∂x
(x, y y −
`0
x
2
0 ⇒ yx
2
−`0 0 ⇒ y
`0
x
2
∂f
∂y
(x, y x −
20
y
2
0 ⇒ xy
2
−20 0
Sustituycndo c¦ va¦or dc y dc ¦a primcra ccuaci on cn ¦a sc.unda
x
`0
2
x
4
−20 0 ⇒ 12` x
3
⇒ x ` c y
`0
x
2
2
Ası ouc dc¦cmos cstudiar ¦a prcscncia dc un cxtrcmo rc¦ativo s o¦o
cn c¦ punto (`, 2. para c¦¦o ca¦cu¦amos c¦ Lcssiano cn dicho punto

2
f
∂x
2
(x, y
100
x
3

2
f
∂y
2
(x, y
!0
y
3

2
f
∂x∂y
(x, y

2
f
∂y∂x
(x, y 1
Hf(x, y


100
x
3
1
1
400
y
3


⇒ Hf(`, 2


100
125
1
1 `


397
Ahora ¦a succsi on 1, Δ
1
, Δ
2
cs 1 > 0,
100
125
> 0,
500
125
−1 > 0. ¦uc.o cn
(`, 2 ¦a tunci on f prcscnta un mınimo rc¦ativo
Ejemplo
Ca¦cu¦a ¦os cxtrcmos rc¦ativos dc ¦a tunci on f(x, y xy ¦o.(x
2
+y
2

sicndo (x, y (0, 0.
Soluci´ on.
Lmpczamos hacicndo ¦as parcia¦cs para ¦uscar ¦os puntos candidatos
a cxtrcmos
∂f
∂x
(x, y y ¦o.(x
2
+ y
2
+ xy
1
x
2
+ y
2
2x 0,
∂f
∂y
(x, y x ¦o.(x
2
+ y
2
+ xy
1
x
2
+ y
2
2y 0,
Ahora rcso¦vcmos cstc sistcma
y ¦o.(x
2
+ y
2

2x
2
y
x
2
+ y
2
, (20
x ¦o.(x
2
+ y
2

2xy
2
x
2
+ y
2
, (21
dc aouı dcducimos
y
x

2x
2
y
2xy
2

x
y
⇒ y
2
x
2
⇒ y ±x
398
Sustituycndo c¦ va¦or o¦tcnido para y cn ¦a ccuaci on (20
±x ¦o.(2x
2
∓x ⇒ ±x ¦o.(2x
2
±x 0
⇒ ±x(¦o.(2x
2
+ 1 0 ⇒ ¦o.(2x
2
+ 1 0
⇒ ¦o.(2x
2
−1 ⇒ e
−1
2x
2

1
2e
x
2




x
1

2e
x
1


2e
Ası ouc ¦os puntos dondc posi¦¦cmcntc sc cncucntran ¦os cxtrcmos
rc¦ativos son
p
1

1

2e
,
1

2e

p
2

1

2e
, −
1

2e

p
3


1

2e
, −
1

2e

p
4


1

2e
,
1

2e

Lstudiamos ahora c¦ hcssiano dc f
399

2
f
∂x
2
(x, y y
2x
x
2
+ y
2
+
!xy(x
2
+ y
2
−2x 2x
2
y
(x
2
+ y
2

2
y
2x
x
2
+ y
2
+
!xy
3
(x
2
+ y
2

2

2
f
∂y
2
(x, y x
2y
x
2
+ y
2
+
!xy(x
2
+ y
2
−2y 2y
2
x
(x
2
+ y
2

2
y
2x
x
2
+ y
2
+
!yx
3
(x
2
+ y
2

2

2
f
∂x∂y
(x, y ¦o.(x
2
+ y
2
+ y
2y
x
2
+ y
2
+
2x
2
(x
2
+ y
2
−2y 2x
2
y
(x
2
+ y
2

2
¦o.(x
2
+ y
2
+
2y
2
x
2
+ y
2
+
2x
4
−2x
2
y
2
(x
2
+ y
2

2
Iina¦mcntc ca¦cu¦amos c¦ hcssiano. para c¦¦o distin.uircmos dos ca-
sos. primcro ¦o ca¦cu¦arcmos cn ¦os puntos cn ¦os ouc x y. p
1
y p
3
.
y ¦uc.o ¦o ca¦cu¦arcmos cn ¦os puntos cn ¦os ouc x −y. p
2
y p
4

Ls importantc ouc tc dcs cucnta dc ouc no hacc ta¦ta rccurrir a¦ va¦or
cxacto dc x c y. ¦o ouc simp¦ifica ¦os ca¦cu¦os
Puntos p
1
y p
3
.
Hf(p
1
Hf(p
3



2 0
0 2


lara cstos dos puntos. como ¦a succsi on 1.Δ
1
2. Δ
1
!. csta tormada
por tcrminos positivos sc dcducc ouc cn c¦¦os hay un mınimo rc¦ativo
400
Puntos p
2
y p
4
.
Hf(p
2
Hf(p
4



−2 0
0 −2


lara cstos dos puntos. como ¦a succsi on 1.Δ
1
−2. Δ
2
!. cst a tor-
mada por tcrminos a¦tcrnadamcntc positivos y nc.ativos sc dcducc ouc
cn c¦¦os hay un m aximo rc¦ativo
9.1. Multiplicadores de Lagrange
En cstc apartado prcscntamos c¦ mctodo dc ¦os mu¦tip¦icadorcs dc
La.ran.c para ca¦cu¦ar cxtrcmos dc una tunci on condicionados por
a¦.unas ¦i.aduras. aprcndcrcmos pucs a rcso¦vcr pro¦¦cmas dc¦ csti¦o
“cncontrar ¦os puntos ouc cst an so¦rc c¦ ci¦indro dc ccuaci on x
2
+y
2
1
y so¦rc c¦ p¦ano dc ccuaci on x + y + z 1 y cuya distancia a¦ ori.cn
dc coordcnadas sca maxima o mınima”. cn cstc pro¦¦cma. sc trata dc
cncontrar un m aximo o un mınimo dc ¦a tunci on f(x, y, z x
2
+y
2
+z
2
cuando ¦a considcramos dcfinida s o¦o cn c¦ con¡unto ¦(x, y, z ∈ R
3

x
2
+ y
2
+ z
2
1, x + y + z 1¦
Planteamiento del problema. Sca D un con¡unto a¦icrto dc R
p+q
. f una
tunci on rca¦ dcfinida so¦rc D y g
1
, g
2
, . . . , g
p
D → R tuncioncs dc
401
c¦asc (
1
ta¦cs ouc c¦ ran.o
13
dc ¦a matriz

∂g
i
∂x
j

(i,j)∈¦1,...,p¦¦1,...,p+q¦
sca i.ua¦ a p Sca S c¦ con¡unto dcfinido por S ¦x ∈ D g
i
(x
0, i 1, . . . , p¦ y sca a ∈ S
Sc dicc ouc c¦ punto a cs un m´aximo relativo condicionado (rcsp
m´ınimo relativo condicionado por ¦as ccuacioncs g
i
(x 0, i
1, . . . p. cuando cxistc un cntorno U dc a ta¦ ouc f(a ≥ f(x (rcsp
f(a ≤ f(x para todo x ∈ S ∩ U
Con cstas dcfinicioncs sc ticnc ¦a si.uicntc rc¦aci on ncccsaria para ¦a
cxistcncia dc cxtrcmos rc¦ativos condicionados
Teorema (Condici´ on necesaria). Si la funci´ on anterior f es
de clase (
1
, para que la funci´ on f tenga un m´aximo relativo con-
dicionado en el punto a es necesario que existan n´ umeros reales
λ
1
, λ
2
, . . . , λ
p
tales que la funci´on
L f + λ
1
g
1
+ λ
2
g
2
+ + λ
p
g
p
tenga nulas todas sus derivadas parciales primeras en a (los n´ ume-
ros λ
i
reciben el nombre de multiplicadores de Lagrange).
Teorema (Condici´ on suficiente). Supongamos que tanto las
funciones g
i
como la funci´ on f son de clase (
2
y existen n´ umeros
13
Esta condici´on viene a expresar que ninguna ligadura es redundante
402
reales λ
1
, λ
2
, . . . , λ
n
tales que la funci´on L f + λ
1
g
1
+ . . . λ
p
g
p
tiene todas sus primeras derivadas parciales en a ∈ D ∩ S nu-
las. Entonces para que f tenga en a un m´ınimo (resp. m´aximo)
relativo condicionado es suficiente que se verifique:
h(H
p+q
L(a h
t
> 0 (rcsp.h(H
p+q
f(a h
t
< 0,
para todo vector h (h
1
, h
2
, . . . , h
n
0 tal que 1g
i
(ah
t
0 para
todo i ∈ 1, . . . , p.
Lsta visi on .cncra¦ dc¦ mctodo p¦antca pro¦¦cmas para cntcndcr¦o.
por ¦o ouc darcmos sc.uidamcntc. como proccdcr cn ¦os casos cn ouc
D sca un a¦icrto dc R
2
o R
3

El m´etodo de los multiplicadores de Lagrange en R
2
. Supon.amos ouc f cs
una tunci on dc c¦asc (
2
dcfinida so¦rc un con¡unto a¦icrto D dc R
2
.
sca c¦ con¡unto dc ¦i.aduras S ¦(x, y ∈ D [ g(x, y 0¦. sicndo g
una tunci on rca¦ dc c¦asc (
2
dcfinida so¦rc D lara ap¦icar c¦ mctodo
dc ¦os mu¦tip¦icadorcs dc La.ran.c considcrarcmos ¦a tunci on
F
λ
D −→ R
(x, y → f(x, y + λg(x, y.
Lntonccs rcso¦vcmos c¦ sistcma ouc si.uc. tcnicndo cn cucnta ¦as
403
condicioncs dc ¦i.adura.











∂F
λ
∂x
(x, y, λ 0,
∂F
λ
∂y
(x, y, λ 0,
g(x, y 0,
ahora. ¦os puntos so¦uci on son candidatos a cxtrcmos rc¦ativos condi-
cionados dc f
Sca (x
0
, y
0
uno dc ¦os candidato a cxtrcmo rc¦ativo condicionado.
sicndo λ
0
c¦ va¦or dc λ ouc dio ¦u.ar a ta¦ so¦uci on l¦antcamos ¦a
ccuaci on
∂g
∂x
(x
0
, y
0
h
1
+
∂g
∂y
(x
0
, y
0
h
2
0,
dc ¦a ouc dcspc¡amos una dc ¦as dos inco.nitas. h
1
o h
2
. cn tunci on dc
¦a otra
lor u¦timo cva¦uamos con ¦a inc o.nita dcspc¡ada ¦a cxprcsion
(h
1
, h
2
H
2
F
λ
0
(x
0
, y
0



h
1
h
2


2
F
λ
0
∂x
2
(x
0
, y
0
h
2
1
+ 2

2
F
λ
0
∂xy
(x
0
, y
0
h
1
h
2
+

2
F
λ
0
∂y
2
(x
0
, y
0
h
2
2
,
y sc ticnc
1 Si ¦a cxprcsi on cs sicmprc positiva. cntonccs (x
0
, y
0
cs un mınimo
rc¦ativo condicionado dc f
404
2 Si ¦a cxprcsi on cs sicmprc nc.ativa. cntonccs (x
0
, y
0
cs un maximo
rc¦ativo condicionado dc f
3 Ln otro caso tcndrcmos ouc ana¦izar cn ¦as proximidadcs dc (x
0
, y
0

si cstc cs o no un cxtrcmo rc¦ativo condicionado
Ejemplo
Ca¦cu¦ar ¦os cxtrcmos dc ¦a tunci on ouc si.uc f(x, y xy si x+y
1.
Soluci´ on. La tunci on dc La.ran.c scr a
L(x, y xy + λ(x + y −1
y sc dc¦cn satistaccr ¦as condicioncs
∂L
∂x
(x, y y + λ 0,
∂L
∂y
(x, y x + λ 0,
g(x, y x + y −1 0












y −λ x,
−2λ −1 0







λ
−1
2
,
x y
1
2
.
Ası ouc c¦ punto candidato a cxtrcmo rc¦ativo cs (x, y (1/2, 1/2
para λ −1/2
Ca¦cu¦amos c¦ ¡aco¦iano dc g Jg(x, y (1, 1 ⇒ Jg(1/2, 1/2
(1, 1 Ca¦cu¦amos sc.uidamcntc ¦os vcctorcs (h
1
, h
2
ta¦cs ouc

∂g
∂x
(1/2, 1/2,
∂g
∂y
(1/2, 1/2



h
1
h
2


0 ⇒ h
1
+h
2
0 ⇒ h
2
−h
1
.
405
Ahora haccmos c¦ c a¦cu¦o dc¦ hcssiano dc L para λ −1/2

2
L
∂x
2
(x, y 0

2
L
∂x∂y
(x, y 1

2
L
∂y
2
(x, y 0
HL(x, y


0 1
1 0


Lstudiamos c¦ si.no dc (h
1
, h
2
HL(x, y(h
1
, h
2

t
cuando h
2
−h
1

0 y x y 1/2
(h
1
, h
2



0 1
1 0




h
1
−h
1


(h
1
, −h
1



h
1
−h
1


−h
2
1
−h
2
1
< 0
Ası ouc cn c¦ punto (1/2, 1/2 cs un maximo condicionado
Ejemplo
Ca¦cu¦a ¦os cxtrcmos condicionados dc ¦a si.uicntc tunci on f(x, y
cos
2
x + cos
2
y si x −y
π
4
.
Soluci´ on. Lstudiarcmos ¦a tunci on ¦a.ran.iana
L(x, y cos
2
x + cos
2
y + λ(x −y −π/!,
∂L
∂x
−2cos xscn x + λ 0 ⇒ 2cos xscn x λ,
∂L
∂y
−2cos yscn y + λ 0 ⇒ 2cos yscn y λ.
406
lor otro ¦ado impondrcmos ¦a ¦i.adura
g(x, y x −y −π/! 0 ⇒ x −y π/!.
Ası ouc
scn (2x λ,
scn (2y λ,
x −y π/!.
lcso¦vcmos cstc sistcma y o¦tcncmos
x π/! + y,
scn (π/2 + 2y λ scn (π/2cos (2y + cos (π/2scn (2y ⇒ cos (2y λ.
Ahora tcncmos
cos (2y λ
scn(2y −λ



⇒ tan(2y −1 ⇒ 2y −π/! + kπ, k ∈ Z




y −
π
8
+ kπ/2,
x
π
8
+ kπ/2, k ∈ Z.
407
Ası ouc ¦os puntos candidatos a cxtrcmos condicionados son
(x
k
, y
k
(
π
S
+ kπ/2, −
π
S
+ kπ/2, k ∈ Z,
λ
k
scn (2x
k
scn (
π
!
+ kπ (−1
k

2
2
.
Ca¦cu¦amos ahora c¦ ¡aco¦iano dc g cn cstos puntos
Jg(x
k
, y
k
(1, −1,
y ahora ¦os vcctorcs (h
1
, h
2
ta¦cs ouc Jg(x
k
, y
k
(h
1
, h
2

t
0
(1, −1


h
1
h
2


0 ⇒ h
1
−h
2
0 ⇒ h
1
h
2
.
Lstudiamos c¦ hcssiano para dccidir si hay cxtrcmos condicionados

2
L
∂x
2
−2cos (2x

2
L
∂x∂y
0

2
L
∂y
2
−2cos (2y
H
2
L(x
k
, y
k



−2cos (2x
k
0
0 −2cos (2y
k




−2

2
2
(−1
k
0
0 −2

2
2
(−1
k




2(−1
k+1
0
0

2(−1
k+1


408
Iina¦mcntc computamos c¦ si.no dc (h
1
, h
1
H
2
L(x
k
, y
k
(h
1
, h
1

t
pa-
ra todo h
1
> 0
(h
1
, h
1
H
2
L(x
k
, y
k
(h
1
, h
1

t
(h
1
, h
1




2(−1
k+1
0
0

2(−1
k+1


(h
1
, h
1

t
(h
1
, h
1



h
1

2(−1
k+1
h
1

2(−1
k+1


h
2
1

2(−1
k+1
+ h
2
1

2(−1
k+1

2h
2
1

2(−1
k+1
Ası ouc si k cs par cntonccs 2h
2
1

2(−1
k+1
< 0 y tcncmos un maxi-
mo condicionado cn (x
k
, y
k
lor c¦ contrario si k cs impar cntonccs
2h
2
1

2(−1
k+1
> 0 y tcncmos un mınimo condicionado cn (x
k
, y
k

409
10. El teorema de la funci´ on impl´ıcita
Teorema. Sea D un subconjunto abierto de R
n
R
m
, supongamos
que f
i
f
i
(x
1
, . . . , x
n
, y
1
, . . . , y
m
∈ (
k
(D, R 1 ≤ i ≤ m, k ∈ N, y
sea (a, b (a
1
, . . . , a
n
, b
1
, . . . , b
m
∈ D. Supongamos que

∂f
1
∂y
1
(a, b
∂f
1
∂y
2
(a, b . . .
∂f
1
∂ym
(a, b
∂f
2
∂y
1
(a, b
∂f
2
∂y
2
(a, b . . .
∂f
2
∂ym
(a, b
.
.
.
.
.
.
.
.
.
.
.
.
∂fm
∂y
1
(a, b
∂fm
∂y
2
(a, b . . .
∂fm
∂yn
(a, b

0.
Entonces existe un subconjunto abierto U de R
n
tal que (a
1
, . . . , a
n

U, un subconjunto abierto V de R
m
tal que (b
1
, . . . , b
m
∈ V y una
´ unica funci´on ϕ ∈ (
k
(U, V con funciones coordenadas ϕ
1
, . . . , ϕ
m
tales que:
1. U V ⊆ D.
2. f
i
(x
1
, . . . , x
n
, ϕ
1
(x
1
, . . . , x
n
, . . . , ϕ
m
(x
1
, . . . , x
n
0, 1 ≤ i ≤
m. Adem´ as, si (x
1
, . . . , x
n
∈ U y si (x
1
, . . . , x
n
, y
1
, . . . , y
m

U V verificando que f(x
1
, . . . x
n
, y
1
, . . . , y
m
0 entonces
ϕ(x
1
, . . . , x
n
(y
1
, . . . , y
m
.
3. ϕ(a
1
, . . . , a
n
(b
1
, . . . , b
m
.
410
Aunouc cstc rcsu¦tado no nos da una cxprcsion dc ϕ. dc ¦as ccuacio-
ncs f
i
(x
1
, . . . , x
n
, ϕ(x
1
, . . . , x
n
0. 1 ≤ i ≤ m. sc pucdcn o¦tcncr
¦as dcrivadas parcia¦cs dc ϕ cn (a
1
, . . . , a
n
y ası. sc pucdc o¦tcncr una
aproximaci on dc ϕ cn un cntorno dc (a
1
, . . . , a
n
mcdiantc un po¦ino-
mio dc Tay¦or

Lstos ca¦cu¦os sc vcr an cn ¦as c¦ascs dc pro¦¦cmas
Ejemplo
Compro¦ar ouc c¦ sistcma dc ccuacioncs



x + y + z 0
x −y −2xz 0
dcfinc a (x, y como tuncioncs imp¦ıcitas dc z cn un a¦icrto dc¦ punto
z 0 con ¦os va¦orcs (x, y (0, 0 . Ca¦cu¦ar ¦as dcrivadas primcras y
sc.undas dc dicha tunci on cn c¦ punto considcrado
Soluci´ on.
Lcfinimos ¦as tuncioncs
f
1
(x, y, z x + y + z
f
2
(x, y, z x −y −2xz
lucsto ouc
1 f
1
(0, 0, 0 f
2
(0, 0, 0 0 y
2

∂f
1
∂x
(0, 0, 0
∂f
1
∂y
(0, 0, 0
∂f
2
∂x
(0, 0, 0
∂f
2
∂y
(0, 0, 0

1 1
1 −1

−2 0,
411
dcducimos
1 Lxistc un a¦icrto U dc (0, 0 y V dc 0 ta¦cs ouc U V ⊂ R
3

2 Lxistc
ϕ V → U
z → (ϕ
1
(z, ϕ
2
(z
ta¦ ouc f
i

1
(z, ϕ
2
(z, z 0 para todo z ∈ V y para i ∈ ¦1, 2¦
Tanto ϕ
1
como ϕ
2
son tuncioncs dc c¦asc C

.
3 ϕ
1
(0 0 ϕ
2
(0
Ahora usamos ouc ϕ
1
(z + ϕ
2
(z + z 0 y ouc ϕ
1
(z − ϕ
2
(z −
2zϕ
1
(z 0 Lcrivamos am¦as cxprcsioncs y o¦tcncmos ϕ
/
1
(z +
ϕ
/
2
(z + 1 0 y ϕ
/
1
(z − ϕ
/
2
(z − 2ϕ
1
(z − 2zϕ
/
1
(z 0 larticu-
¦arizando ahora am¦as cxprcsioncs cn z 0 tcncmos
ϕ
/
1
(0 + ϕ
/
2
(0 + 1 0,
ϕ
/
1
(0 −ϕ
/
2
(0 0.
lcso¦vicndo cstc sistcma sc ticnc ouc ϕ
/
1
(0
−1
2
varphi
/
2
(0.
412
11. El teorema de la funci´ on inversa
Teorema (Funci´ on inversa). Sea D un subconjunto abierto de
R
n
, f D → R
n
una funci´on de clase (
k
, k ∈ N, y a ∈ D tal que
[1f(a[ 0. Entonces existen subconjuntos abiertos de R
n
, U y V ,
tales que:
1. a ∈ U y f(a ∈ V .
2. f
[U
U → V es biyectiva y f
−1
V → U es de clase (
k
3. 1f
−1
(f(y (1f(x
−1
para todo y ∈ V y x ∈ U tales que
f(x y.
413

2.

Conjuntos “famosos”: los naturales, los enteros y los racionales

Ejercicio. Demostrar las siguientes propiedades: 1. 1 + 2 + · · · + n =
n(n+1) ; 2

No introduciremos axiom´ticamente a estos conjuntos, nos limitarea mos a comentar algunas de sus propiedades. Los n´ meros naturales, N. Dentro de ellos hay definida una u suma, una multiplicaci´n y un orden, as´ como la propiedad b´sica que o ı a da lugar al principio de inducci´n: o Proposici´n. Si un subconjunto de los n´meros naturales S verio u fica que 1 ∈ S y la propiedad “n ∈ S implica n + 1 ∈ S”, entonces S = N. Proposici´n (Principio de Induccci´n). Dada una familia {P (n) : o o n ∈ N}, de forma que cada P (n) es una propiedad dependiendo del correspondiente n´mero natural, tal que: u 1. P (n0) es cierta para un cierto n0 ≥ 1; o 2. si asumimos que P (n) es cierta para un n ≥ n0 ( hip´tesis de inducci´n), podemos probar que P (n + 1) es cierta; o entonces se verifica P (n) para todo n´mero natural n ≥ n0. u

2. Demostrar que los para cualquier n´mero natural n el n´mero u u u 32n+2 + 26n+1es un m´ltiplo de 11;
1 u 3. Demostrar que para todo n´mero natural a, si n + n es un n´mero u 1 natural entonces na + na .

4. Demuestra que el n´mero de subconjuntos que tiene un conjunto u de n elementos es 2n. 5. Demuestra que el n´mero de subconjuntos de j elementos que tiene u un conjunto de n elementos es
n j

.

6. Demuestra que el n´mero de diagonales que se pueden trazar en u un pol´ ıgono de n lados es
n(n−3) . 2

¿Por qu´ n(n − 3) es par? e

Los n´ meros enteros, Z, y los racionales, Q. u El conjunto del los n´meros enteros es: u Z := {n : n ∈ N} ∪ {0} ∪ {−n : n ∈ N} y el conjunto de los n´meros racionales: u a Q := { : a ∈ Z, b ∈ Z\{0}} b

5

6

. Propiedades de la suma en Z: 1. Conmutativa: para cualesquiera a ∈ Z y b ∈ Z se verifica a + b = b + a. 2. Asociativa: para cualesquiera a ∈ Z, b ∈ Z y c ∈ Z se verifica (a + b) + c = a + (b + c). 3. Existe un elemento neutro para la suma que es el n´mero 0 y u que verifica a + 0 = 0 + a = a para cualquier a ∈ Z. 4. Para cada elemento a ∈ Z existe su elemento opuesto, que se denota por −a y que verifica a + (−a) = −a + a = 0. Propiedades del producto en Z: 1. Conmutativa: para cualesquiera a ∈ Z y b ∈ Z se verifica ab = ba. 2. Asociativa: para cualesquiera a ∈ Z, b ∈ Z y c ∈ Z se verifica (ab)c = a(bc). 3. Existe un elemento neutro para el producto que es el n´mero 1 u y que verifica 1a = a para cualquier a ∈ Z. Propiedad de la suma respecto del producto:

1. Distributiva: para cualesquiera a ∈ Z, b ∈ Z y c ∈ Z se verifica a(b + c) = ab + ac.

7

8

Propiedades de la suma en Q: 1. Conmutativa: para cualesquiera a ∈ Q y b ∈ Q se verifica a + b = b + a. 2. Asociativa: para cualesquiera a ∈ Q, b ∈ Q y c ∈ Q se verifica (a + b) + c = a + (b + c). 3. Existe un elemento neutro para la suma que es el n´mero 0 y u que verifica a + 0 = 0 + a = a para cualquier a ∈ Q. 4. Para cada elemento a ∈ Q existe su elemento opuesto, que se denota por −a y que verifica a + (−a) = −a + a = 0. Propiedades del producto en Q: 1. Conmutativa: para cualesquiera a ∈ Q y b ∈ Q se verifica ab = ba. 2. Asociativa: para cualesquiera a ∈ Q, b ∈ Q y c ∈ Q se verifica (ab)c = a(bc). 3. Existe un elemento neutro para el producto que es el n´mero 1 u y que verifica 1a = a para cualquier a ∈ Q. 4. Para cada elemento a ∈ Q\{0} existe su elemento inverso, que se denota por a−1 y que verifica aa−1 = a−1a = 1.
9

Propiedad de la suma respecto del producto: 1. Distributiva: para cualesquiera a ∈ Q, b ∈ Q y c ∈ Q se verifica a(b + c) = ab + ac.

10

Se˜alaremos las diferencias esenciales de ambos conjuntos: n 1. El supremo (menor de las cotas superiores, es decir, de los n´meros u que son mayores o iguales que todos los del conjunto) de un con1 junto, S ⊂ Q, puede no existir en Q, por ejemplo E = { 1 + n n

3.

Aplicaciones

Definiciones Una aplicaci´n entre dos conjuntos A y B es una ley que env´ o ıa cada elemento de A a un elemento de B. Las aplicaciones suelen denotarse por letras min´sculas. u Para denotar que es una aplicaci´n entre A y B se suele escribir o f : A → B. f (a) = b significa que f env´ el elemento a al elemento b. ıa El conjunto A se llama dominio de la aplicaci´n f . o El conjunto f (A) = {f (a) : a ∈ A} se llama conjunto imagen de f. La aplicaci´n identidad en el conjunto A es la aplicaci´n IdA : o o A → A que verifica Id(a) = a para todo a ∈ A. Operaci´n entre aplicaciones o Dadas dos aplicaciones, f : A → B y g : B → C, se define la composici´n de f y g como la aplicaci´n: o o g ◦ f : A −→ C a → g(f (a)).

:

n ∈ N} est´ acotado y no tiene supremo. En cambio, en los n´mea u ros enteros, todo conjunto acotado superiormente tiene supremo. Ejemplo 2} no tiene supremo en Q. √ El conjunto B = {a ∈ Z : a < 2} tiene supremo en Z y es .......... 2. Los n´meros enteros no tienen inverso, mientras que los racionales, u menos cero, s´ lo tienen. ı 3. En general no existen ra´ cuadradas en ambos conjuntos. ıces El conjunto A = {a ∈ Q : a < √

11

12

b) → ∧(a. una ley de operaci´n externa sobre o el conjunto A es una aplicaci´n del tipo: o ∧ : A × B −→ A (a. estaremos ante un grupo a o conmutativo o abeliano. Se dice que un elemento e ∈ A es elemento neutro para la operaci´n ∗ si y s´lo si a ∗ e = e ∗ a = a. Dado el conjunto G y una operaci´n definida o o sobre ´l. b) → ∗(a. A y B. f : A → B. +) es un grupo abeliano. +) es un grupo abeliano. o → f −1 (b) = a/ f (a) = b. biyectiva cuando es a la vez inyectiva y suprayectiva. b) = a ∗ b. Dados dos conjuntos.Tipos de aplicaciones Dada una aplicaci´n f : A → B se dice que f es: o 1. e Si adem´s la operaci´n ∗ es conmutativa. 4. Construir una aplicaci´n biyectiva entre N y Z. 13 14 Propiedades que pueden verificar las leyes de composici´n. 3. Observaci´n o Los elementos sim´tricos y neutros son unicos. Se dice que el elemento a ∈ A es sim´trico de b ∈ A si y s´lo si e o a ∗ b = b ∗ a = e (elemento neutro). 2. Ejemplos (R. −1 terna o ley de composici´n interna sobre un conjunto A es una aplio caci´n: o ∗ : A × A −→ A (a. (R\{0}. (N. inyectiva cuando. ·) es un grupo abeliano. Fijado un conjunto A y una ley de operaci´n interna ∗. diremos que el par (G. ∗. ·) es un grupo abeliano. b y c de A. La ley de composici´n interna ∗ es conmutativa si y s´lo si a∗b = o o b ∗ a para cualesquiera a y b de A. +) es un grupo abeliano. La ley de composici´n externa ∗ es asociativa si y s´lo si a∗(b∗c) = o o (a ∗ b) ∗ c para cualesquiera a. ·) no es un grupo abeliano. Una ley de operaci´n ino o o 2. Estructuras o algebraicas Definici´n (Leyes de composici´n). ·) no es un grupo abeliano. b) = a ∧ b. (Q. ∗) es un grupo si se tiene que la e operaci´n ∗ es asociativa. e ´ Definici´n (Grupo). (Q\{0}. tiene elemento neutro y cualquier elemento o de G tiene sim´trico. +) no es un grupo abeliano. (N. (Z\{0}. (Z. Leyes de composici´n. 15 16 . 3. = IdB y f −1 ◦ f = IdA. se o o tiene: 1. suprayectiva cuando f (A) = B. se puede definir su o aplicaci´n inversa: o f −1 : B −→ A b Es claro ahora que f ◦ f Ejercicio Demostrar que no existe una aplicaci´n biyectiva entre los conjuno tos N y P(N). Para una aplicaci´n biyectiva. o o 4. si a = b entonces f (a) = f (b).

y una relaci´n o o binaria de orden ≤. dif´ y larga. e ıcil 19 20 . y adem´s (K\{0}. 2. ·) es un cuerpo. diremos que la terna (K. ·) es un cuerpo. (Z4. 1} y las operaciones definidas por: + 0 1 0 0 1 1 1 0 · 0 1 0 0 0 1 0 1 5. Dado el conjunto K y dos operaciones internas o definidas sobre ´l. donde Z4 = {0. +. (N. para cualesquiera x. a o siendo 0 ∈ K el elemento neutro de la operaci´n +. 1. (Z. estaremos ante un anillo a o conmutativo. +. +) es un grupo abeliano. Axioma de completitud: todo subconjunto. 17 18 Definici´n (cuerpo). 2. 1. ´ ınfimo) en R. +. puesto que la construcci´n es u o bastante t´cnica. ·) no es un grupo abeliano. es decir. +. 3. 1. ·) es un anillo conmutativo con unidad. acotado superiormente (resp. +) es un grupo abeliano. 3} y la ley de operaci´n interna · viene definida por la siguiente tabla: o · 0 1 2 3 0 0 0 0 0 1 0 1 2 3 2 0 2 0 2 3 0 3 2 1 Definici´n (Anillo). inferiormente) tiene un supremo (resp. es decir. (Q. +. (R. para cualesquiera x. (Z2. Ejemplos (R. ·) no es un cuerpo. (Z. ≤ es un orden total. b y c de A. ·) no es un cuerpo. +. +. S de R. la operaci´n ∗ es asociativa y adem´s o a para cualesquiera a. +. Adicionalmente se debe exigir 1 = 0. ∗) es un cuerpo si e es un anillo con unidad. y. denotado u por R. Asumiremos la existencia de un conjunto dotado de estas propiedades y que contiene a los n´meros racionales. siendo Z2 = {0. Dado el conjunto G y dos operaciones internas o definidas sobre ´l. diremos que la terna (G. de forma que: 1. ·) es un cuerpo. z ∈ R: Si x ≤ y entonces x + z ≤ y + z. ·) no es un cuerpo. Si adem´s la operaci´n ∗ es conmutativa. +. ≤ es compatible con las operaciones. ·) es un anillo conmutativo con unidad. ∗ y +. +. (Z4. +. donde Z4 = {0. ∗ y +. +. y ∈ R o bien x ≤ y o y ≤ x. Por otro lado. 3} y la ley de operaci´n interna + viene definida por la siguiente tabla: o + 0 1 2 3 0 0 1 2 3 1 1 2 3 0 2 2 3 0 1 3 3 0 1 2 (Z4\{0}. (Q. ·) no es un anillo. dotado de dos leyes de operaci´n interna.(Z4. se tiene que a ∗ (b + c) = a ∗ b + a ∗ c y (a + b) ∗ c = a ∗ c + b ∗ c. +. ·) es un anillo conmutativo con unidad. Si asumimos que 0 ≤ z y x ≤ y entonces x · z ≤ y · z. ∗) es un anillo e si (G. Los n´meros reales u Llamaremos cuerpo de los n´meros reales a un conjunto. si la operaci´n ∗ tiene elemento neutro o diremos que el anillo tiene unidad. 4. ∗) es un grupo abeliano. + y ·. +. Ejemplos (R. ·) es un anillo conmutativo con unidad. 2. ·) es un cuerpo. (N.

+: C×C −→ C (a + bi. Los n´meros complejos u Llamaremos n´meros complejos al conjunto: u C = {a + bi : a. . zz Operaciones entre n´ meros dados en representaci´n m´duu o o lo argumental Dados z1 = m1eiθ1 . . Con estas dos operaciones se puede ver que (C. b ∈ R}. Dados x. . adem´s z1z1 > 0 si z1 = 0. u Para cada n´mero real z = a + bi. Cualquier n´mero complejo z se puede expresar como el producto u meiθ . I2. Teorema (Cantor). Sea {In : n ∈ N} una familida decreciente de intervalos encajados. Llamaremos unidad imaginaria a i. existe q ∈ Q tal que x ≤ q ≤ y (el conjunto de los n´meros irracionales. z1 = m1eiθ1 = mr erθ1 . se dice que constituyen una familia decreciente de intervalos encajados si verifican la relaci´n: o · · · ⊆ In ⊆ In−1 ⊆ I2 ⊆ I1. sin ir m´s lejos el a polinomio x2 + 1 no tiene ra´ reales y sin embargo tiene ra´ en C. El n´mero z−1 recibe en nombre u de parte entera de x. z1z2 = m1eiθ1 m2eiθ2 = m1m2ei(θ1 +θ2 ). se tiene: 1. es el ´ngulo que el vector ı e a (cos θ. u R es un subconjunto de los n´meros complejos. Representaci´n m´dulo argumeno o tal de los n´meros complejos. donde m es el m´dulo de z y eiθ es el complejo de m´dulo 1 dado o o por √z . ız La expresi´n eiθ representa el n´mero complejo de m´dulo 1 cosθ + o u o isen θ. c + di) → (ac − bd) + (ad + bc)i. los primeros asociados a las ra´ces ı reales de r(x) y los segundos a las ra´ complejas. I = R\Q. el n´mero u u real a se puede identificar con el n´mero complejo a + 0i. z2 = m2eiθ2 y r ∈ Q. Ejercicio Demostrar que para cada par de n´meros complejos. n∈N 6. ya que i2 = −1 + 0i = −1. ·) es un cuerpo. Aqu´ θ tiene un significado geom´trico. . Proposici´n (Propiedad arquimediana). ıces ıces Observaci´n o Cualquier polinomio real r(x) se descompone como producto de polinomios de primer y segundo grado. c + di) → (a + c) + (b + d)i. z1 z2 = m1 eiθ1 m2 eiθ2 = m1 i(θ1 −θ2 ) .Propiedades de R. m2 e r r 3. 21 22 Se define el conjugado de un n´mero complejo z = a+bi y se denota u por z como: z = a + bi = a − bi. Dados x. . u e Principio de los intervalos encajados de Cantor. 1 23 24 . Dado x ∈ R. Proposici´n (Densidad de los racionales). tambi´n es denso en R). z1z1 ∈ R. +. 2. . u El m´dulo de un n´mero complejo z es el n´mero real dado por o u u la ra´ cuadrada positiva de zz. Proposici´n (Parte entera de un n´ mero real). sen θ) forma con el semieje positivo Ox. z1 y z2: u z1 + z2 = z1 + z2. llamado cuerpo de los n´meros complejos. en efecto. cerrados. a Observaci´n o Los n´meros complejos es que aseguran la existencia de ra´ pau ıces ra cualquier polinomio. llamaremos parte real de z a a u y parte imaginaria a b. que normalmente se identifica √ con −1. y ∈ R con o x > 0 (es decir. y definiremos sobre ´l las siguientes dos operaciones: e 1. Una familia de intervalos I1. o u existe z ∈ Z tal que z−1 ≤ x < z. In. . Δ: C×C −→ C (a + bi. ıces 6. . x ≥ 0 y x = 0) existe n ∈ N tal que y < nx. Entonces: {In : n ∈ N} = ∅. y ∈ R o con x < y. z1z2 = z1 z2.1. cosa que en R no sucede. 2.

2} = Ac ∪ B c Demostramos ahora la inclusi´n ⊇: sea (x. por lo tanto (x. 5. 6. y) ∈ (A ∩ C) × (B ∩ D) y la inclusi´n est´ demostrada. 7} y U = {1. 5. B = o {3. basta con tomar A = {1. 3. 4} = {1. 7} ∪ {1. 3. o as´ que x ∈ A ∩ C e y ∈ B ∩ D. 7}. 2} = A ∩B c c c c Ejercicio Demostrar la siguiente igualdad del producto cartesiano: (A × B) ∩ (C × D) = (A ∩ C) × (B ∩ D) Soluci´n. 3. o o Para n = 1 la f´rmula se satisface ya que: o n 1 n+1 = j=0 n j+1 n−j a b + j n j=0 n j=1 = j=1 n aj bn+1−j + j−1 n j n+1−j ab = j n j n+1−j ab = j (a + b) = j=0 1 1 j 1−j ab = j 1 0 1 1 1 0 ab + a b =b+a 0 1 = j=1 n n n+1 0 n 0 n+1 aj bn+1−j + a b + ab + j−1 n 0 n Ahora deducimos la f´rmula para n + 1 partiendo de la f´rmula para o o n: = j=1 n n n+1 0 n j n+1−j n 0 n+1 aj bn+1−j + + a b + ab ab j−1 n j 0 n = j=1 n n n + j−1 j aj bn+1−j + n n+1 0 n 0 n+1 a b + ab n 0 = j=1 n + 1 j n+1−j n + 1 n+1 0 n + 1 0 n+1 ab + a b + ab j n+1 0 n+1 = j=0 n + 1 j n+1−j ab j As´ que la f´rmula del binomio de Newton vale para cualquier n´meı o u ro natural n. por lo tanto x ∈ A.7. u Demostraremos la f´rmula por inducci´n. y ∈ B y ı x ∈ C. o a 2. 2. 4}. x ∈ C. ı Ahora se ve claro que (x. 25 26 Ejercicio Da contraejemplo a las siguientes afirmaciones: 1. 3. 6. 2. 4. 6. 5. o Esta afirmaci´n es falsa. 7} = {5. 5. (A ∩ B)c = Ac ∩ B c Soluci´n. 7} y U = {1. 7} = ∅ = {5. 2. o Demostramos la inclusi´n ⊆: sea (x. Ahora se ve claro que x ∈ A ∩ C y que y ∈ B ∩ D. y) ∈ C × D. 6. 2. 4. y) ∈ (A × B) ∩ (C × D). (A ∪ B)c = Ac ∪ B c Soluci´n. 2. 4}. 5. es decir x ∈ A. 6. 7}∩{1. Ahora se tiene: (A∩B) = {3. basta con tomar A = {1. 6. y) ∈ (A × B) ∩ (C × D). Ahora se tiene: (A ∪ B)c = ∅ = {1. o e B = {3. 5. y ∈ B. y ∈ D. 4. 2. 6. o as´ que (x. y ∈ D. 27 28 . 4. por lo tanto (x. y) ∈ A × B y (x. y) ∈ C × D. y) ∈ (A ∩ C) × (B ∩ D). o Esta afirmaci´n tambi´n es falsa. y) ∈ A × B y que (x. 7}. 6. Ejercicios resueltos (a + b)n+1 = (a + b)(a + b)n n n j n−j ab = (a + b) j j=0 n Ejercicio Demostrar la f´rmula del binomio de Newton: o n (a + b)n = j=0 n j n−j ab j =a j=0 n n j n−j ab +b j j=0 n j=0 n n j n−j ab j n j n+1−j ab j siendo n un n´mero natural mayor o igual que 1.

a2. Pero ahora tambi´n tendr´ e ıamos g(f (a)) = g(f (b)). n n−j n!(n − j) n! = = = j j+1 (n − j)!j!(j + 1) (n − j − 1)!(j + 1)! y la propiedad queda demostrada. Si f y g son inyectivas entonces g ◦ f es inyectiva. o Fijamos n y hacemos la demostraci´n por inducci´n en j. . 30 Ejercicio Demuestra que si un conjunto A tiene n elementos entonces el n´ meu ro de subconjuntos de j elementos que se pueden formar con los elementos de A es Soluci´n. Soluci´n. g : B → C y h : C → D tres aplicaciones. es decir g ◦ f es u suprayectiva. Si f y g son suprayectivas entonces g ◦ f es suprayectiva. o Tenemos que demostrar que tomados elementos a. Si g ◦ f es inyectiva entonces f es inyectiva. ı Supongamos que la propiedad se verifica para un n´mero j. o Es consecuencia de la demostraci´n de los dos apartados anterioo res. Si f y g son biyectivas entonces g ◦ f es biyectiva. c ∈ A tales que a = c entonces g ◦ f (a) = g ◦ f (c). o o Para j = 0 el unico subconjunto con 0 elementos es el conjunto ´ vac´ as´ que tenemos un unico subconjunto. Soluci´n. As´ que f debe ser ı inyectiva. As´ que g ◦ f ı es inyectiva. S1 = {a1. 29 Soluci´n. 3. Ahora la suprayectividad de f implica la existencia de un elemento a ∈ A tal que f (a) = b. Soluci´n. . o En efecto. Por ser a = c y f inyectiva tenemos que f (a) = f (c). b ∈ A tales que a = b y ıan f (a) = f (b). No obstante un mismo a 31 32 . Por otro lado ıo. es decir: “el n´mero de subconjuntos de j +1 elementos que se pueden formar u con n elementos es n j+1 ” Para deducir esto pensamos que los subconjuntos de j + 1 elementos los puedo formar con los subconjuntos de j elementos a˜adi´ndoles los n e n − j elementos que no est´n en el subconjunto. = 1. 2. por la suprayectividad de g sabemos que existe b ∈ B tal que g(b) = c. aj } estar´ contado j + 1 veces porque se puede construir a˜adiendo el a n ultimo elemento cualquiera de los del subconjunto. .Ejercicio Sean f : A → B. es decir: u “el n´mero de subconjuntos de j elementos que se pueden formar u con n elementos es n j n 0 n j subconjunto construido as´ por ejemplo ı. lo que contradice la inyectividad de g ◦ f . o Si f no fuera inyectiva existir´ a. demostrar que se cumplen las siguientes afirmaciones: 1. Por lo tanto g(f (a)) = g ◦ f (a) = c y esto demuestra que todo elemento de C es imagen de alg´n elemento de A. . ´ As´ que el n´mero de subconjuntos de j + 1 elementos que se pueden ı u formar con n elementos es: . Ahora aplicamos la inyectividad de g y entonces: g ◦ f (a) = g(f (a)) = g(f (c)) = g ◦ f (c). 4. n j+1 ” De esta hip´tesis de inducci´n tendremos que deducir que la propieo o dad se verifica para j + 1. dado c ∈ C. ı ´ as´ que la propiedad se verifica.

7 . . . El c´lculo de primitivas es el proceso contrario al de derivaci´n. . luego H es constante. 5 15 35 . 6 21 . b) → R. . . . .1. el conocimiento de dichas primitivas (elemen35 36 . . . 1 1 1 1 1 1 1 . . . . lo cual se consigue deo mostrando que la derivada de H es 0. b). . 3 6 10 15 21 .Ejercicio Desarrolla los binomios (a + b)3. . . b) → R derivable y tal que o F (c) = f (c) para todo c ∈ (a. . . ´ Dos primitivas de una misma funci´n f : (a. . 2 3 4 5 6 7 . . o es unica. Consideraciones generales (a + b)3 = a3 + 3a2b + 3ab3 + b3. F y o G difieren en una constante. . b) → R no o 8. (a + b)4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4. . Observaci´n. . . . 4 10 20 35 . . b) → R. . . entendemos o (a + b)5 = a5 + 5a4b + 10a3b2 + 10a2b3 + 5ab4 + b5. 33 34 Con estos datos podemos calcular los binomios solicitados: REPASO DE PRIMITIVAS 8. . La prueba de esta segunda parte de la observaci´n consisten en ver que la funci´n H(x) = o o F (x) − G(x) es una funci´n constante. . a o Dada una funci´n real de variable real f : (a. . . Recordamos que este tri´ngulo nos da los n´meros combinatorios: a u 0 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 7 1 6 1 7 2 5 1 6 2 7 3 4 1 5 2 6 3 7 4 3 1 4 2 5 3 6 4 7 5 2 1 3 2 4 3 5 4 6 5 7 6 1 1 2 2 3 3 4 4 5 5 6 6 7 7 . . . por primitiva de f a una funci´n F : (a. . Primitivas inmediatas S´lo sabiendo derivar podemos conocer la primitiva de una amplia o variedad de funciones. La primitiva de una funci´n f : (a. (a + b)4 y (a + b)5. . . Soluci´n. . . o Utilizaremos el tri´ngulo de Tartaglia: a 1 1 1 1 1 1 1 1 . H (x) = F (x)−G (x) = f (x)−g(x) = 0. .

sen x dx = −cos x + K. +∞). λf (x) dx = λ f (x) dx. . cos x dx = sen x + K. sen f (x)f (x) dx = −cos f (x) + K. . o (a0 +a1x+a2x2 +. 8. 4. cos f (x)f (x) dx = sen f (x) + K. La integral de la funci´n tangente se encuentra en la o o o situaci´n de la proposici´n anterior. ap +K. Utilizar la regla de la cadena para las primitivas + K. a = 1. 2 2 3. + K. +∞). x dx = tan x + K. I = (0. a = 1. 2 ef (x)f (x) dx = ef (x) + K. 7. b) → R y un n´mero real o u λ. 2 I = (−∞. para cualquier funci´n derivable f se tienen o las siguientes primitivas: 1. Dadas funciones f. xr dx = xr+1 r+1 + K. I = (0. √ 1 f 1−f (x)2 A continuaci´n se relacionan algunas propiedades utiles para calcular o ´ primitivas de otras funciones partiendo de las anteriores. En efecto. En efecto: tan x dx = − log |cos x| en todo intervalo tal que cos x = 0. 5. 1 f 1+f (x)2 (x) dx = arctan f (x) + K. I = (0. dx = arctan x + K. 2. se verifica: f (x)g (x) dx = f (x)g(x) − f (x)g(x) dx. 1. a dx = x x ax log a x 8. g : (a. f (x) cosec2 f (x) dx = −cotan f (x) + K. 6. 7. √ 1 1−x2 1 1+x2 dx = arcsen x+K = π −arc cos x+K. π ). Ejemplo (Integraci´n de polinomios). Proposici´n. 6. 3. Sean f y g funciones derivables definidas en el ino tervalo (a. Integraci´n de sumas y por partes o Ejemplo. +1). 8. π). + K. a > 0. a > 0. 2.2. b) → R derivables. 9. Esta proposici´n permite ampliar la relaci´n de primitivas dadas o o anteriormente. 39 40 . I = (−∞. 2 3 p+1 Proposici´n (Regla de derivaci´n por partes). I = (−∞. apxp) dx = a0x+a1 x2 x3 xp+1 +a2 +. f (x)r f (x) dx = f (x)r+1 r+1 (1 + tan x) dx = sec −2 I= (− π . 4. +∞). 9.tales) junto con algunas t´cnicas ser´n suficientes para poder calcular e a primitivas de una amplia variedad de funciones. 8. 5. sec−2 f (x) dx = tan f (x) + K. +∞). +∞). I = (−1. . 37 (x) dx = arcsen f (x) + K = π 2 − arc cos f (x) + K.3. r = −1. g : (a. cosec2 x dx = −cotan x + K. Proposici´n. 10. af (x)f (x) dx = af (x) log a e dx = e + K. f (x)−1 f (x) dx = log f (x) + K. 38 (1 + tan2 f (x))f (x) dx = 10. I = (−∞. +∞). +∞) r = −1. Entonces se verifica la f´rmula: o f (g(x))g (x) dx = f ◦ g(x) + K. Dadas funo o ciones f. . I = (−∞. se verifica: (f (x) + g(x)) dx = f (x) dx + g(x) dx. b). x−1 dx = log x + K.

Integraci´n por cambio de variable o Procedemos por el m´todo de integraci´n por partes haciendo e o u = arctan x y dv = xdx. b) → R. as´ que du1 = −3e−3x dx y v1 = 1 sen (2x). Por lo tanto: 2 sen 2x dx = −sen xcos x + x y sen xcos x x + . 2 Ejemplo. Procedemos por el m´todo de integraci´n por partes haciendo e o u = e−3x y dv = sen (2x)dx. Calcula la primitiva I = x arctan xdx. Fern´ndez Vi˜a (An´lisis matem´tico. Por lo tanto: ı 2 dx. A. hola sen 2x dx = −sen xcos x + de donde: sen 2x dx = −sen xcos x + (1 − sen 2x) dx. f (x) dx. a n a a p´gina 254) se puede obtener la igualdad: a f (x) dx = f (t) 1 dt. x2 2. 13 13 41 42 Ejemplo. Obtener una f´rmula de recurrencia para calcular la primitiva o 1 (1+x2 )r cos (2x)dx. 2 1 1 I = − e−3x cos (2x) − 3 2 2 cos (2x)e−3xdx. 43 44 . tomo 1. as´ que du = ı 1 dx 1+x2 yv= Supongamos que queremos encontrar la primitiva de una funci´n o f : (a.Ejemplo. A trav´s de unos c´lculos justificativos que el alumno puede seguir e a en el Libro de J. t (x) dt dx = t (x). Volvemos a hacer partes poniendo ahora u1 = e−3x y dv1 = sen 2x dx = − Ejercicio. Supongamos a e que t(x) denota una funci´n invertible y derivable y calculemos su o derivada t (x) dx. que formalmente podemos escribir como dt = donde en el segundo miembro de la igualdad una ver hecha la primitiva hay que substituir t por t(x). 2 2 sen x(−cos x) dx = −sen xcos x+ (sen x) cos x dx = cos x dx. as´ que du = −3e−3x dx y v = ı − 1 cos (2x). Calcula la primitiva I = e−3x sen (2x)dx. 9. 1 1 cos (2x)e−3xdx I = − e−3x cos (2x) − 3 2 2 1 3 −3x 1 1 = − e−3x cos (2x) − e sen (2x) + 3 e−3x sen (2x)dx 2 2 2 2 1 3 9 ⇒ I = − e−3x cos (2x) − e−3x sen (2x) − I 2 4 4 13 3 1 ⇒ I = − e−3x cos (2x) − e−3x sen (2x) 4 2 4 2 3 ⇒ I = − e−3x cos (2x) − e−3x sen (2x). En este apartado se trata de ver c´mo o x2 1 x2 arctan x − dx 2 2 1 + x2 1 + x2 1 x2 arctan x 1 dx − − = 2 2 1 + x2 1 + x2 2 x arctan x 1 1 = − x − arctan x + K 2 2 2 I= simplificar dicho c´lculo a trav´s de un cambio de variable.

Bi y Ci son n´meros reales determinados y r(x) un u polinomio. {[x − (bl + cl i)][x − (bl − cl i)]}k de forma que n es el m´ ınimo com´n m´ltiplo de los n´meros n1. nk . ı Teorema. Ejercicio. 45 46 Teorema. . dx. una fracci´n racional cuyo numerador es un polinomio de grado 1 o y cuyo denominador es un polinomio de grado 2 sin ra´ces reales. Toda fracci´n racional F (x) = o mo: α1 P (x) Q(x) se descompone co- 11. Finalmente los Ai son n´meros reales determinados y r(x) un u polinomio. u u u Entonces el cambio de variable tn = transforma la primitiva en la variable t.. Toda fracci´n racional F (x) = o mo: α1 P (x) Q(x) se descompone co- F (x) = r(x) + k=1 Ak + ··· + + (x − a1)k αm k=1 Ak . 3. ax + b cx + d mk nk . 1 √ (1+x) 1−x 1 (1+x)2 1−x 1/2 1+x Indicaci´n: los cambios necesarios ser´n tomar t igual a o a 47 48 . los bj + cj i son las ra´ ıces complejas de Q(x) = 0 y βj son las multiplicidades de dichas ra´ ıces. ax + b cx + d m1 n1 1 1 Bk x + C k {[x − (b1 + c1 i)][x − (b1 − c1 i)]}k βl . Primitivas de fracciones racionales El m´todo para calcular primitivas de fracciones racionales se basa e en la descomposici´n de una fracci´n racional en fracciones simples. una fracci´n racional cuyo numerador es una constante y cuyo o denominador es un polinomio de grado 1.. √ 1√ x+ 3 x dx. cx + d F dx en la primitiva de una fracci´n racional o Apoy´ndose en el teorema anterior se puede deducir un m´todo paa e ra hacer primitivas de fracciones racionales. Efectuando el cambio.. . El m´todo consistir´ en e a obtener la descomposici´n anterior y calcular primitivas sumando a o sumando. ax + b . Finalmente los Ai. 1 donde los ai son las ra´ ıces reales de Q(x) = 0 y αi son las multiplicidades de dichas ra´ ıces. (1 + t2) Recordemos que una fracci´n racional en la variable x no es m´s que o a un cociente de polinomios en la variable x. (x − an)k donde los ai son las ra´ ıces de Q(x) = 0 y αi son las multiplicidades. Vamos a calcular mediante un cambio de variable la √ 1 primitiva √x(1+x) dx. 2. √ √ 6 x. 1 − x y 1−x 1+x . consideraremos el cambio t = x. Resolver las primitivas1: 1. una fracci´n o racional simple o una fracci´n simple es una fracci´n racional de una o o de las dos formas siguientes: 1. .. En cambio. n2. dx. Primitivas de expresiones que contienen ax+b cx+d F (x) = r(x) + k=1 β1 k=1 A1 k + ···+ + (x − a1)k αm k=1 An k + (x − an)k Sea F una fracci´n racional del tipo: o F x. 2. .Ejemplo. ax + b cx + d m2 n2 . + ···+ k=1 l l Bk x + C k . tendremos: 10. o o √ 1 dx = x(1 + x) 2t dt = t(1 + t2) √ 2 dt = 2 arctan t = 2 arctan x.

= Th x = Ch x Ch 2x Ch 2x Sh x = (1) Figura 1: Funci´n seno hiperb´lico o o Resumiendo: Sh x = Ch x. Th x = 1 . l´ Sh x = +∞. Adem´s. 1) x → Th x Ahora que conocemos las derivadas de las funciones hiperb´licas se o puede ver f´cilmente que Sh x y Th x son n´meros reales estrictamente a u mayores que cero. 2 es f´cil ver que ambas funciones son continuas y est´n definidas soa a bre todo R.12. Ch x = Sh x. ım Hemos visto ya que las funciones seno y tangente hiperb´licas son ino vertibles. propiedades an´logas a o a (que no iguales) a las de las funciones trigonom´tricas: e 49 50 ex − e−x ex + e−x = Ch x. Ch (−x) = Ch x Sh (−x) = −Sh x Th (−x) = −Th (x) Ch x − Sh x = 1 1 1 − Th 2x = Ch 2 Ch (x + y) = Ch xCh y + Sh xSh y Ch (2x) = Ch 2x + Sh 2x Ch (x − y) = Ch xCh y − Sh xSh y Sh (x + y) = Sh xCh y + Ch xSh y Sh (2x) = 2Sh xCh x Sh (x − y) = Sh xCh y − Ch xSh y Th x + Th y Th (x + y) = 1 + Th xTh y Th x − Th y Th (x − y) = 1 − Th xTh y 2 2 Recordamos que las funciones seno y coseno se introducen utilizando la funci´n exponencial compleja de la forma que sigue: o cos x = eix + e−ix 2 sen x = eix − e−ix . 12. = 2 2 x −x x −x e +e e −e Ch x = = = Sh x. ım l´ Th x = 1. Las funciones: Sh : R −→ R y Th : R −→ (−1. Estudiando los l´mites cuando ı x tiende a ±∞ conoceremos entre qu´ intervalos ambas funciones son e biyectivas. viniendo recogidas sus propiedades en lo que sigue: A partir de estas definiciones se pueden obtener sin dificultad las propiedades b´sicas de las funciones hiperb´licas. mediante a el uso de las derivadas de la funci´n Ch se puede ver que dicha funci´n o o tiene un m´ ınimo en x = 0. continua y o o o definida sobre todo R: Th x = Sh x . la funci´n coseno hiperb´lico no es una aplicaci´n bio o o yectiva cuando la consideramos definida sobre todo R. Por lo tanto podemos dividir la funci´n seno hiperb´lico por la funci´n coseno o o o hiperb´lico y obtenemos la funci´n tangente hiperb´lica. con lo cual nos podemos plantear la b´squeda de sus funciones u 51 52 . Observaci´n. 2 cos (−x) = cos x sen (−x) = −sen x tan(−x) = − tan x cos 2x + sen 2x = 1 1 1 + tan2x = cos 2x cos (x + y) = cos xcos y − sen xsen y cos (2x) = cos 2x − sen 2x cos (x − y) = cos xcos y + sen xsen y sen (x + y) = sen xcos y + cos xsen y sen (2x) = 2sen xcos x sen (x − y) = sen xcos y − cos xsen y tan x − tan y tan(x − y) = 1 + tan x tan y tan x + tan y tan(x + y) = 1 − tan x tan y Si en vez de considerar la exponencial compleja consideramos la exponencial real obtendremos las funciones coseno y seno hiperb´licos o definidas concretamente como siguen: ex + e−x Ch x = 2 ex − e−x Sh x = . Ch x Adem´s de estas propiedades que dependen unicamente de la dea ´ finici´n de las funciones hiperb´licas. Las funciones hiperb´licas o Teorema. Ch 2 x Teorema. es m´s. por la propia definici´n estas o o o funciones son derivables. 2 2 1 Sh x Ch xCh x − Sh xSh x = . o x→+∞ x → Sh x son biyectivas. luego ambas funciones son estrictamente crecientes y por lo tanto aplicaciones inyectivas.1. ım x→+∞ x→−∞ Los argumentos hiperb´licos de o las funciones hiperb´licas o l´ Sh x = −∞. Sin embargo. ım x→−∞ l´ Th x = −1. la funci´n coseno hiperb´lico es siempre mayor a o o que cero ya que la exponencial siempre es mayor que cero.

Partimos de la igualdad y = Th x y hacemos en los c´lculo que siguen el cambio de variable z = e : a Th x = y ⇒ ex − e−x 1 1 z2 − 1 z2 + 1 = y ⇒ z − = (z + )y ⇒ = y ex + e−x z z z z 1+y 1+y ⇒ x = log . 2 54 Ahora hacemos el cambio de variable z = ex. s´ que o ı es un biyecci´n y tiene sentido buscar el argumento del coseno hio perb´lico. o Aunque la funci´n coseno hiperb´lico no sea una biyecci´n. 2 1 z Ahora hacemos el cambio de variable z = ex. 2 Ahora hay que observar que el signo menos anterior no tiene sentido ya que para ´l.Partiendo de la igualdad y = Sh x. Primitivas de expresiones que contienen cos x y sen x Por lo tanto: 1+y . o Argumento del seno hiperb´lico o 53 Argumento del coseno hiperb´lico o Partiendo ahora de la igualdad y = Ch x. 1−y En esta secci´n vamos a analizar c´mo obtener primitivas del estilo o o f (cos x. Para ello seguimos o o los siguientes pasos: Sh x = y ⇒ ex − e−x = y ⇒ ex − e−x = 2y. 1). 2 En este caso el signo menos s´ tiene sentido porque no hace que z ı sea negativo. z ser´ negativo. ArgCh y = log(y ± y 2 − 1). ± x2 − 1 1 ArgTh x = . encontrar el argumento del coseno hiperb´lico se trata de despejar x en funci´n de y. Ch x = Sh x. ´stas funciones se llamar´n argumento del seno hiperb´lico e a o y argumento de la tangente hiperb´lica. Ch 2x 1 ArgSh x = √ . a 56 . π). 1 − x2 sen x = cos x cos x = −sen x 1 tan x = cos 2 arcsen x = Argumento de la tangente hiperb´lica o Observemos para empezar que la tangente hiperb´lica s´lo estar´ deo o a finida en el intervalo (−1. 1 + x2 1 ArgCh x = √ . Entonces: ArgSh y = log(y + Figura 3: Funci´n tangente hiperb´lica o o y 2 + 1). Las derivadas de las funciones hiperb´licas y sus an´logas trigoo a nom´tricas e 1 = 2y ⇒ z + = 2y ⇒ z 2 − 2yz + 1 = 0 z 2y ± 4y 2 − 4 ⇒z= = y ± y 2 − 1. Para ello o o procedemos como antes: Ch x = y ⇒ ex + e−x = y ⇒ ex + e−x = 2y. de donde Ch x = ex + e−x 1 z = e−x : (3) 12. Entonces: Sh x = Ch x. ⇒ (y − 1)z 2 = −1 − y ⇒ z 2 = 1−y 1−y x 1 √ ± 1 − x2 1 arc cos x = √ ± 1 − x2 1 arctan x = 1 + x2 (4) 13. inversas. sin embargo z debe ser positivo por e ıa ser igual a ex. si la cono o o sideramos definida s´lo sobre la semirrecta positiva o negativa. 1 Th x = . sen x) dx. ya que la tangente hiperb´lica s´lo toma o o valores en dicho intervalo. donde f es una fracci´n racional y el intervalo o ArgTh y = log 55 donde queremos calcular la primitiva ser´ (−π.2. encontrar el argumento del seno hiperb´lico se trata de despejar x en funci´n de y. de donde Figura 2: Funci´n coseno hiperb´lico o o = e−x : (2) Sh x = ex − e−x = 2y ⇒ z − 1 = 2y ⇒ z 2 − 2yz − 1 = 0 z 2y ± 4y 2 + 4 ⇒z= = y ± 1 + y2.

. s2.5. cos x) nos quedan s´lo cosenos elevados a exponentes o o pares. sen (s2x). t = tan x . Finalmente. 1 + t2 1 + t2 1 + t2 13. Conviene notar que estaremos ante este caso cuando al dividir f (sen x. Ejercicio. 3. . 1 + t2 (5) tonces el cambio de variable t = cos x nos lleva a una resoluci´n m´s o a sencilla que utilizando el primer cambio de la tangente del angulo mi´ tad. √ at2 + d) dt. y hagamos el cambio x = pt. 14. dx usando el cambio sen x = t. . rn. pues o basta poner sen 2x = 1 − cos 2x. 1+tan2 x 13. y sen x como una suma en la que u intervienen cosenos y senos m´ltiplos de x. u Con lo que obtendremos una primitiva donde intervienen cosenos y 59 + ac − b2 . . El cambio t = sen x f1(tan x) (1 + tan2 x) dx = 1 + tan2 x f1 (t) dt. El cambio t = cos x Si la fracci´n racional f (sen x. 2sen (αx)cos (βx) = sen [(α + β)x] + sen [(α − β)x] 2cos (αx)cos (βx) = cos [(α + β)x] + cos [(α − β)x] (6) (7) En esta secci´n se estudian las primitivas del estilo o donde f es una fracci´n racional y a. 1 + t2 2 13. 1 5+4cos x Un caso interesante de las primitivas de funciones trigonom´tricas e son las de la forma cos nxsen m x dx. pues basta poner entonces cos 2x = 58 1 . cos x) por cos x nos quedan s´lo potencias pares de cos x. cos (r2x). 2. Conviene notar que estaremos ante este caso cuando al dividir 57 Estaremos en este caso si al sustituir sen x por cos x tan x en la expresi´n f (sen x. cada una de las funciones u anteriores se puede expresar como un polinomio de cos t y sen t. ax2 + 2bx + c) dx. Primitivas de expresiones que con√ tienen ax2 + 2bx + c √ f (x. ) dt. p. . sen x = Al realizar este cambio de variable y tener en cuenta las relaciones anteriores convertiremos la primitiva inicial en la de una fracci´n o racional en la variable t: f( 1 − t2 2t 2 . con lo que hemos pasado al primer caso de este apartado.2. . El cambio t = tan x Aunque este cambio nos asegura el ´xito en la resoluci´n de primie o tivas. sen (smx). . 1+cos 2 x cosx(1+sen 2 x) sen 2 x 1+cos 2 x dx usando el cambio tan x = t. . . donde los exponentes m y n son naturales. b y c son n´meros reales con a = 0. π) con toda la recta real. Resuelve: 1. cos x) es del estilo f1(cos x)sen x eno 2t . . u s1. siendo los n´meros r1. o sen (s1x). El cambio de variable x = 2 arctan t. El cambio de variable x = 2 arctan t f (sen x. cos (rnx). otros pueden conllevar una resoluci´n m´s simple. Al efectuar la multiplicaci´n u o de dichas sumas aparecer´n productos de la forma sen (αx)cos (βx) y a productos de la forma cos (αx)sen (βx). Para calcular las integrales de estos productos se descomponen en sumas utilizando las f´rmulas: o m dx usando el cambio tan(x/2) = t. . . es decir.3. cos x) es del estilo f1(sen x)cos x eno tonces el cambio de variable t = sen x nos lleva a una resoluci´n m´s o a sencilla. Ve´moslo. cos x) sea del eso tilo f1(tan x) entonces se hace el cambio tan x = t y la primitiva f1(tan x) dx queda como 13. r2. cos x) por sen x nos quedan s´lo potencias pares de sen x. . Al realizar este cambio ser´ de utilidad tener en cuenta las relaciones trigonom´tria e cas usuales que dan las siguientes igualdades: cos x = 1−t . . o a a En el caso en el que la fracci´n racional f (sen x. Utilizando las f´rmulas o de trigonometr´ puede expresarse cos n x como una suma en la que ıa intervienen cosenos m´ltiplos de x. pone en 2 correspondencia el intervalo (−π. pues o basta poner cos 2x = 1 − sen 2x. a lo cual sugiere hacer el cambio de variable t = x+b/a transform´ndose a la primitiva de partida en: f (t − b/a. Tomemos el m´ ınimo com´n m´ltiplo de u u los denominadores de dichos n´meros.13.4. 60 . otra situaci´n interesante es aquella en la que disponeo mos de una fracci´n racional en las variables cos (r1x). o u En estas primitivas siempre hay que tener en cuenta la identidad: ax2 + bx + c = a x + b a 2 Por otro lado. . sm son racionales. .1. Casos particulares senos m´ltiplos enteros de t. 1 + t2 Si la fracci´n racional f (sen x.

j)∈{1.n}. .n} es una matriz columna si n = 1. o Una matriz de tama˜o m × n sobre el cuerpo K es una colecci´n de n o m n elementos de K ordenados en una tabla de m filas y n columnas = de la forma: ⎛ ⎞ a11 a12 · · · a1n ⎟ ⎟ a21 a22 · · · a2n ⎟ ⎟ ⎟.j )(i. si m = n.. 62 √ f1 (u.m}×{1. triangular superior). d 1 − u2) du = −a a f´cilmente haciendo el cambio u = sen v.. C. . Definici´n (Matriz). Los elementos de la diagonal de A son {aii}i∈{1. .j ∈ K para todo (i. u2 + 1) du.m}×{1.. En este caso hacemos el cambio de variable u y obtenemos la nueva primitiva b √ −d f( u − .n)} . −d u2 − 1) du = a a f´cilmente haciendo el cambio u = Ch v. A = (ai... que no plantea dificultades. . . 5. ⎟ . S i A tiene todos los elementos por encima (respectivamente por debajo) de la diagonal igual a 0 se dice que A es triangular inferior (resp. . .j )(i. Esta ultima integral se resuelve ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ =uy con ai.j . .j)∈{1. ai. Definici´n de matriz.. 6... u2 − 1) du.. d > 0 y a > 0. ⎟ . d > 0 y a > 0. o 7. as´ que A = (ai. ... es decir. ... n} se tiene que ai. y adem´s para todo (i. es decir. .. 2. n}. at) dt. ⎠ am1 am2 · · · amn donde f1 es una fracci´n racional.. . e ı Tipos de matrices y m´s notaci´n.. Una matriz es diagonal si y s´lo si ai. a u Si denotamos a una matriz por la letra A. B. m} × a {1. Notaci´n.m´ ın(m.. Esta ultima integral se resuelve o ´ Denotaremos a las matrices con letras may´sculas A. A = (ai. ... entonces el elemento de dicha matriz que est´ en la fila i y columna j se le denota a gen´ricamente por ai. d < 0 y a > 0.n} es cuadrada si el n´mero de sus filas u es igual al de columnas. . Tipos de mao trices f1(u. b. Por lo tanto consideraremos que estamos en el caso d = 0 y veremos la forma de proceder distinguiendo tres casos. .j)∈{1. 63 64 .j = 0 para todo i = j.... 4.. d u2 + 1) du = a a f´cilmente haciendo el cambio u = Sh v.j = 0 para todo j > i (resp. j) ∈ {1.. o n por ejemplo m × n. a 3. Esta ultima integral se resuelve o ´ f2(u.m}×{1. 3. 1 − u2) du. c. . 1.. .j)∈{1. . o ´ donde f2 es una fracci´n racional. ..En el caso que d sea cero. . En este caso hacemos el cambio de variable u y obtenemos la nueva primitiva d b √ f( u − ... A = (ai.j )(i. .. .. a 61 a dt −a t d a t −d Tema 2: Matrices y determinantes Gabriel Soler L´pez o 26 de septiembre de 2006 = 1. u Los elementos de las matrices se denotar´n con min´sculas a. . si ai. o Al conjunto de todas las matrices de tama˜o m×n sobre el cuerpo n K se le denota por Mm×n (K). . . a o 1.j = bi.j = 0 para todo j < i).. ..m}×{1.j ... donde f1 es una fracci´n racional... a 2. j) ∈ {1.n} es una matriz fila si m = 1.. Dos matrices A y B son iguales si y s´lo si tienen el mismo tama˜o. m} × {1..j )(i. . . En este ultimo caso se hace el cambio ´ obtenemos la nueva primitiva d b √ √ f( u − . . . . a debe ser positivo y la primitiva toma la √ forma f (t − b/a.

j)∈{1. m} × {1.3. . Definici´n (matrices sim´tricas y antisim´tricas). 3.2. . Cuando el tama˜o de las matrices permite hacer el producto BA. .. es la matriz que se obtiene al poner las filas de A como columnas y las columnas como filas. . para cada k ∈ N. Mm×h (K) → C = A · B = AB. . . . Comprobar que (At)t = A 65 66 2. ⎟ ⎜ . n 5.2. j) ∈ {1. → C = A + B. . +) es un grupo abeliano. . AIn = A = ImA. Operaciones con matrices Traspuesta de una matriz 2. donde. m} × {1. A(B + C) = AB + AC. . se tiene: 1. C ∈ Mn×h (K) y D ∈ Mh×p (K). .. o e e A es sim´trica si y s´lo si A = At e o A es antisim´trica cuando A = −At e Ejercicio.j )(i. l=1 Proposici´n o Dadas A ∈ Mm×n (K). (AB)D = A(BD). . h}. ⎟ . Ik es la matriz de tama˜o k × k que tiene unos en su diagonal y ceros fuera de ella. . 2. . B) n La matriz B se dice que es la inversa de A y se denota B = A−1.n} ∈ Mm×n (K). n en general se tiene que AB = BA. n}.. . . j) ∈ {1. o (Mm×n(K). . 67 68 . . (AB)t = B tAt .1. Producto de matrices · : Mm×n (K) × Mn×h (K) −→ (A.... ⎜ ⎠ ⎝ a1n a2n · · · amn es decir. . 4.. cij = ail blj para todo (i. B. 2.m}×{1. . . de forma que cij = aij + bij para todo (i. B) Mm×n (K) Dada una matriz A = (ai... definimos la matriz traspuesta de A como: ⎞ ⎛ ⎜ a11 a21 · · · am1 ⎟ ⎟ ⎜ ⎜ a12 a22 · · · am2 ⎟ ⎟ ⎜ At = ⎜ ⎟. (A + B)t = At + B t. Suma de matrices Dentro del conjunto de matrices Mm×n (K) definimos la ley de operaci´n interna suma o + : Mm×n (K) × Mm×n (K) −→ (A. . Definici´n (matriz invertible).. o Una matriz A ∈ Mm×m (K) es invertible si existe B ∈ Mm×m (K) tal que AB = BA = Im . Proposici´n.

⎟ . . . ⎝ am1 am2 ⎛ 3. ⎜ . ⎝ am1 am2 ⎞ a1n ⎟ .. ⎟ ⎟ · · · ajn + αajn ⎟ ⎟ ⎟ ⎟ . . ⎟ . . . ⎝ am1 am2 · · · i con la fila j: ⎞ ⎛ a1n a ⎟ ⎜ 11 ⎜ . . . ⎜ .. ⎟ . j) ∈ {1. ⎟ . (αA) = αA .. . . . . n)}. . . . . ⎜ . ⎟ . Sumar a la fila j la fila i multiplicada por un escalar α: a12 a11 ⎜ ⎜ .. ... . . . ⎜ ⎜ αa αa i2 ⎜ i1 ⎜ ⎜ . . 1. ⎜ . . . .. ⎟ . ⎜ . . ⎜ ⎜ a ⎜ j1 aj2 · · · ⎜ ⎜ . . . .1.. ⎟ . ⎜ ⎜ a ⎜ i1 ai2 ⎜ ⎜ .. . ⎟ . . 3. ⎜ . . . . Multiplicar la fila i por un escalar α = 0: ⎛ ⎜ a11 a12 ⎜ . ⎟ . Es decir. ⎟ . ⎟ j . . ⎟ ⎟ .. ⎜ ... ... ⎟ ⎟ ⎟ · · · ain ⎟ ⎟ i ⎟ F (α) . . . ⎟ ⎜ . . t t Transformaciones elementales por filas Dada una matriz A ∈ Mm×n (K). β ∈ K.. . A . ⎟ . . ⎟ ⎠ ··· amn 71 72 .. . 1. ⎟ −→ ⎜ ⎟ ⎜ a ajn ⎟ ⎜ i1 ⎟ ⎜ ⎜ . ⎜ . entonces: 1. ⎠ · · · amn ⎛ ⎜ a11 a12 ⎜ . . ⎜ ⎜ a ⎜ j1 aj2 ⎜ ⎜ . α(A + B) = αA + αB. ⎜ ⎝ am1 am2 ⎞ · · · a1n ⎟ . m} × {1. . . . . . Intercambiar la fila ⎛ a ··· a ⎜ 11 12 ⎜ .. . Rango de una matriz A cada matriz A ∈ Mm×n (K) le vamos a asociar un n´mero natuu ral perteneciente al conjunto {0. ⎟ ⎜ . ⎜ . ... .. .. 2. n)} A → rg A. ⎜ . . . . . ⎟. . . B ∈ Mm×n (K) y C ∈ Mn×h (K). . ⎜ . . . Producto de matrices por escalares 3. . Proposici´n o Si α . ⎟ . . . ⎜ . donde bij = αaij para todo (i. lo que vamos a hacer es definir una aplicaci´n: o Dado el cuerpo K y el conjunto de matrices Mm×n (K). . . ⎟ ⎟ Fi(α) · · · ain ⎟ ⎟ ⎟ −→ . . m´ ın(m.. ⎟ ⎟ ⎟ ··· ain ⎟ ⎟ . podemos definir sobre ella tres tipos de transformaciones elementales por filas: 1. ⎜ ⎜ ⎜ a + αa a + αa ⎜ j1 i1 j2 i2 ⎜ ⎜ . . . . n}. . . ⎟ . . ⎟ ⎜ . . ⎟ . ⎟ . ⎠ am2 · · · amn 69 ⎛ 2. ⎟ . ⎠ ⎝ am1 amn 70 ⎞ a12 · · · a1n ⎟ ⎟ . ⎜ . .. ⎜ ... se define la siguiente ley: · : K × Mm×n (K) −→ (α. ⎜ . . ⎟ . ⎜ ⎜ ⎜ ai1 ai2 ⎜ ⎜ .. ⎜ ⎜ ⎜ ai1 ai2 · · · ⎜ ⎜ . ⎝ am1 am2 ⎞ · · · a1n ⎟ . . . 3.. . . ⎜ . .. ⎠ · · · amn ··· . 5. . . 2. ⎜ . . .2. . ⎟ ⎟ −→ · · · ajn ⎟ ⎟ ⎟ .. 4. ⎟ . . . . 2.4. . ⎟ ai2 · · · ain ⎟ ⎟ ⎟ . . ⎟ ⎟ aj2 · · · ajn ⎟ ⎟ ⎟ .. . . ⎟ .. . α(AC) = (αA)C. . ⎠ · · · amn ⎞ ··· a1n ⎟ ⎟ . . m´ ın(m. ⎜ ⎜ ⎜ ai1 ai2 ⎜ ⎜ . a a ⎜ 11 12 ⎜ . . A) Mm×n (K) → B = α · A = αA rg : Mm×n (K) −→ {0. . ⎟ . . (αβ)A = α(βA). ⎜ . . ⎟ . (α + β)A = αA + βA. . ⎟ ⎟ · · · αain ⎟ . . . .. ⎟ ⎜ ⎟ ⎜ aj1 ain ⎟ ⎜ ⎟ Fij ⎜ . .

. .. . ⎝ ⎠ am1 · · · amj · · · ami · · · amn 2.. ⎟ . .. si A = 0m×n definimos rg A = 0. ⎟ . . ⎠ −→ ⎝ am1 · · · ami · · · amj · · · amn ⎞ · · · a1i · · · a1j + αa1i · · · a1n ⎟ ⎟ . . .. o 4.2.. ⎟ . . o Dada una matriz A ∈ Mm×n (K). ⎜ . . ⎝ am1 · · · Son an´logas a las que hemos introducido por filas. ⎟ ⎠ −→ · · · amn ⎞ αa1i · · · a1n ⎟ ⎟ . ⎠ αami · · · amn 3. . . A es equivalente a: ⎛ ⎞ Pr×(n−r) Nr ⎝ ⎠.. Transformaciones elementales por columnas ⎛ ⎜ a11 · · · a1i ⎜ . o A ∈ Mm×n (K) es de rango completo si y s´lo si rg A = m´ o ın{m. ⎟ . ⎝ am1 73 74 3. Proposici´n o Dada A ∈ Mm×n (K) y B ∈ Mn×h (K). . se tiene: 1. . ⎝ ⎠ −→ am1 · · · ami · · · amj · · · amn ⎛ ⎞ ⎜ a11 · · · a1j · · · a1i · · · a1n ⎟ ⎜ ⎟ . ⎜ . .. . .... ⎜ . . . . ⎜ . . . Multiplicar la columna i por un escalar α = 0: ⎞ · · · a1n ⎟ ⎟ C (α) . . B ∈ Mm×n (K).. dada una maa triz A ∈ Mm×n (K). Si A ∈ Mm×m (K) entonces: A es invertible si y s´lo si A es de rango completo (es decir. n}. .. . B ∈ Mm×n (K) son equivalentes si B se puede obtener a partir de A haciendo sobre ella un n´mero finito de u operaciones elementales Teorema Dada una matriz no nula A ∈ Mm×n (K). .. .. Definici´n (Matriz de rango completo). 0(m−r)×r 0(m−r)×(n−r) donde Nr es una matriz triangular superior con todos los elementos de la diagonal no nulos y Pr×(n−r) es una matriz cualquiera. Dos matrices. ⎟ . . ⎟ . Intercambiar la columna i con la columna j: ⎛ ⎞ a11 · · · a1i · · · a1j · · · a1n ⎟ ⎜ ⎜ ⎟ Cij . son equivalentes si y s´lo existen matrices invertibles P ∈ Mm×m (K) y Q ∈ Mn×n (K) tales que B = P AQ. . ⎟ ... . .3. . .. ⎜ . ⎟ .. ⎜ .. . . . ⎟ . Definici´n (rango). . . ⎝ am1 · · · ami ⎛ ⎜ a11 · · · ⎜ ⎜ . ⎟ . .. tiene rango m). ⎜ . rg A = rg At . ⎠ · · · ami · · · amj + αami · · · amn ⎛ ⎛ ⎜ a11 ⎜ ⎜ . En este caso Definici´n (matrices equivalentes).3. ... definimos tres transformaciones elementales por columnas: 1. rg (A + B) = rg A + rg B en general. .. . . . ⎜ . ... mediante una serie de transformaciones elementales por filas y columnas se puede llegar a una matriz (´nica) de la forma u ⎛ ⎞ Ir 0r×(n−r) ⎝ ⎠ 0(m−r)×r 0(m−r)×(n−r) rg A = r. ⎟ i ... . .. en otro caso diremos que rg A = r si y s´lo si A es equivalente a o ⎛ ⎞ 0r×(n−r) Ir ⎝ ⎠ 0(m−r)×r 0(m−r)×(n−r) 75 76 . . 2. . . ⎜ . . . o 3. . . .. o Diremos que dos matrices A. .. Sumar a la columna j la columna i multiplicada por un escalar α: ⎞ ⎜ a11 · · · a1i · · · a1j · · · a1n ⎟ i ⎟ Cj (α) ⎜ ⎜ . . . Matrices equivalentes Proposici´n o Dada una matriz no nula A ∈ Mm×n (K).. A.

Ejercicio Calcula el rango de las matrices: ⎛ ⎞ 1 2 3⎟ ⎜ ⎜ ⎟ 1. C´lculo de la inversa de una maa triz utilizando transformaciones elementales por filas Soluci´n o ⎛ ⎛ ⎞ ⎞ 1 ⎜ 1 −1 1 | 1 0 0⎟ F2 (2) ⎜1 −1 1 | 1 0 0⎟ ⎜ ⎜ ⎟ ⎟ ⎜−2 1 0 | 0 1 0⎟ F 1(−1) ⎜0 −1 2 | 2 1 0⎟ ⎜ ⎜ ⎟ 3 ⎟ ⎝ ⎝ ⎠ ⎠ ∼ 1 1 2 | 0 0 1 0 2 1 | −1 0 1 ⎛ ⎞ F (2) ⎛ 3 1 −1 1 | 1 0 0⎟ ⎜ ⎜10 −10 10 | 2 ⎟ F (5) ⎜ F3 (2) ⎜ ⎜0 −1 2 | 2 1 0⎟ 2 ⎜ 0 −5 10 | ⎜ ⎟ ⎜ ⎠ F1(10) ⎝ ∼ ⎝ 0 0 5 | 3 2 1 0 0 10 | ∼ ⎛ 3 F1 (−10) ⎜10 −10 0 | 4 ⎜ 3 F2 (−10) ⎜ 0 −5 0 | 4 ⎜ ⎝ ∼ 0 0 10 | 6 ⎛ ⎜10 0 0 | −4 2 F1 (−2) ⎜ ⎜ 0 −5 0 | 4 ⎜ ⎝ ∼ 0 0 10 | 6 ⎞ 10 0 0⎟ ⎟ 10 5 0⎟ ⎟ ⎠ 6 4 2 ⎞ −4 −2⎟ ⎟ 1 −2⎟ ⎟ ⎠ 4 2 ⎞ −6 2 ⎟ ⎟ 1 −2⎟ ⎟ ⎠ 4 2 El m´todo consiste en transformar con operaciones elementales s´lo e o por filas hasta obtener la matriz identidad.1. Matrices Cuadradas Definici´n (matriz inversa). ⎜2 4 1⎟ ∈ M3×3 (Q) ⎜ ⎟ ⎝ ⎠ 3 1 4 ⎛ ⎞ 1 2 3⎟ ⎜ ⎜ ⎟ 3. 77 78 4. Esas mismas operaciones se le aplican a la matriz identidad y la matriz que se obtiene es la inversa deseada. o Dada una matriz cuadrada A ∈ Mm(K). ⎜2 4 1⎟ ∈ M3×3 (R) ⎜ ⎟ ⎝ ⎠ 3 1 4 ⎛ ⎞ ⎜1 2 3⎟ ⎜ ⎟ 2. diremos que es invertible si existe una matriz B tal que AB = BA = Im . ⎜2 4 1⎟ ∈ M3×3 (Z5) ⎜ ⎟ ⎝ ⎠ 3 1 4 4. Proposici´n o Si A ∈ Mm(K) y A es invertible entonces A es una matriz de rango completo. Ejercicio Usando este m´todo comprueba que la inversa de e ⎞ ⎛ 1 −1 1 ⎟ ⎜ ⎜ ⎟ A = ⎜ −2 1 0 ⎟ ⎜ ⎟ ⎝ ⎠ 1 1 2 es A−1 ⎞ ⎜ −2 −3 1 ⎟ ⎟ 1⎜ = ⎜ −4 −1 2 ⎟ ⎟ 5⎜ ⎝ ⎠ 3 2 1 ⎛ ⎞ 1 F1( 10 ) ⎛ 1 0 0 | −2/5 −3/5 1/5⎟ ⎜ ⎟ F2( −1 ) ⎜ 5 ⎜0 1 0 | −4/5 −1/5 2/5⎟ ⎜ ⎟ 1 ⎠ F3( 10 ) ⎝ 0 0 1 | 3/5 2/5 1/5 ∼ 79 80 . A la matriz B se le llama inversa de A y se le denota por B −1.

o Dada una matriz A ∈ Mm(K) le vamos a asociar un escalar de K que llamaremos determinante de la matriz que definimos por inducci´n o sobre m: 1. a11 a12 a13 2. es decir.As´ que la inversa de la matriz A es la matriz: ı ⎛ ⎞ −2 −3 1⎟ ⎜ ⎟ 1⎜ ⎜−4 −1 2⎟ ⎟ 5⎜ ⎝ ⎠ 3 2 1 4. Determinantes Notaci´n. denotaremos por Mij (o simplemente. si sumamos a una fila (resp.2. el valor del determinante de A queda multiplicado por α si multiplicamos una de sus filas o columnas por α . columna) otra multiplicada por un elemento α ∈ K. es decir. o B Dada B ∈ Mm×n (K). 3. entonces det A = |A| = n a. 2. Si A tiene tama˜o 1 × 1. 81 82 Propiedades 1. Si ahora A es de tama˜o m × m y suponemos definido el detern minante para todas las matrices de tama˜o (m − 1) × (m − 1) n A (Δij = det Mij ). es decir A = (a). 4. o a entonces |A| = 0. 5. det Fi(α)(A) = α det A y det Ci(α)(A) = α det A. B ∈ Mm×m (K). si no hay confusi´n por Mij ) a la matriz de tama˜o (m − 1) × (n − 1) que o n se obtiene eliminando de B la fila i y la columna j. se tiene: 1. a21 a22 a23 = (a11a22a33 +a12a31a23 +a13a21a32)−(a11a23a32 + a31 a32 a33 a12a21a33 + a13a31a22) 83 84 . 2. det Fij (A) = − det A y det Cij (A) = − det A. de signo. entonces: det A = |A| = m i+j Δij j=1 aij (−1) Observaci´n o El determinante de la matriz A es independiente de la fila i que elijamos para calcularlo. es decir. a11 a12 a21 a22 = a11a22 − a12a21 Proposici´n o Dadas A. si intercambiamos dos filas o columnas entre s´ el determinante cambia ı. Definici´n (Determinante). det A = det At . Si una fila o columna de A es combinaci´n lineal de las dem´s. el determinante no cambia de valor. det Fij (α)(A) = det A y det Cij (α)(A) = det A.

. Definici´n (matriz adjunta de A). Adem´s se verifica: A−1 = |A|−1 (Adj A)t. . . d1 . . . ⎟⎜ . B ∈ Mm×m (K) se tiene: 1. . j de A es el escalar Aij = (−1)i+j Δij . . .. ⎜ . . . ⎟ . . c2 . 85 86 Demostraci´n o Probaremos que A|A|−1 (Adj A)t = I de la matriz ⎛ a ⎜ 11 ⎜ ⎜ a21 ⎜ ⎜ . . . .. . . . . . ⎝ an1 a12 a13 .... . . . . . . . a22 a23 . . o El adjunto de orden i. . .. det(AB) = det A det B. .. . . Ann ann ⎞⎛ . ⎟⎜ . . . .. ai2 ai3 .. Una matriz es invertible si y s´lo si |A| = 0. . .. . . . . . . ⎟⎜ . . . .. . . amm a11 a12 . .. . . ⎟ ⎟ ain ⎟ ⎟ . Aj2 . Aj1 . . o La matriz adjunta de A ser´ la matriz de tama˜o m × m que a n tiene en la posici´n i. . . ai2 ai3 . . . . ⎟ . . . . . ... . . . . . . ⎝ an1 a12 a13 . . ⎟ . . j al adjunto de orden i.. . . . a1m . . a11 . . . . cm . Proposici´n o Dadas A. .. ⎜ . 4. . An1 ⎟ ⎟⎜ ⎟ a2n ⎟ ⎜ A12 A22 A32 . . . Aji . an2 an3 . . . . a c1 + d1 c2 + d2 . amm am1 am2 . c1 .3. ⎟ ⎟ ain ⎟ ⎟ ⎟. ⎟ ... . Inversa de una matriz II Fijamos una matriz invertible A. . ... . Ajn . . . ⎟ .. . dm . a1m . . amm En la secci´n anterior se ha visto que si una matriz A es invertible o a entonces su determinante es no nulo. . . . a esta matriz se le o denotar´ por Adj A. A|A|−1 (Adj A)t = |A|−1A(Adj A)t ⎞ a1n ⎟ ⎜ A11 A21 A31 .. . . ai2 ai3 . . . . .. ⎜ . ⎜ . . . . ⎜ ⎜ ai1 ⎜ ⎜ ⎜ . d2 . . . . . . . . a12 . . .. . . . . . ⎟ . .. . . . am1 am2 . . . . ⎟ . . .. as´ que cij = |A| 0 = 0. am1 a11 a12 ... . ⎜ . j. . Definici´n (Adjunto de orden i. . . . j) el valor: o cij = |A|−1(ai1Aj1 + ai2Aj2 + · · · + ainAjn ) Ahora distinguimos dos casos: Si i = j entonces cii = |A|−1|A| = 1 Si i = j entonces ai1Aj1 + ai2Aj2 + · · · + ain Ajn es el determinante 87 88 . ⎠⎝ ⎠ A1n A2n A3n . . . cm + dm = . . . . . . ⎜ . . . . . . . . . j de A). An2 ⎟ ⎟⎜ ⎟ . Ani ⎟ ⎟⎜ ⎟ ⎟⎜ ⎟ . an2 an3 . . (fila j) ⎞ ⎟ ⎟ a2n ⎟ ⎟ . . .. . . . . a1m . ⎟ .. a22 a23 . . 2.. ⎜ ⎜ ai1 ⎜ ⎜ ⎜ . . . = |A|−1 ⎜ ⎜a ⎜ i1 ⎜ ⎜ . . . ⎟⎜ . .. ⎟ ⎠ ann a1n ⎛ ⎜ a11 ⎜ ⎜ a21 ⎜ ⎜ . . .. . + am2 . . ⎟ ⎟⎜ ⎟ ⎟⎜ ⎟ ain ⎟ ⎜ A1i A2i A3i . . . ⎜ .6. . en dicho caso |A−1| = o 1 |A| . ı −1 Esta matriz producto tiene en la posici´n (i.

tenemos: ⎛ ⎜a ⎜ ⎜b ⎜ ⎜ ⎜0 ⎜ ⎝ 0 ⎞ ⎛ 0 0 b ⎟ ⎜b ⎟ ⎜ a 0 0⎟ ⎜0 ⎟ ⎜ ⎟∼⎜ b a 0⎟ ⎜0 ⎟ ⎜ ⎠ ⎝ 0 b a a ⎞ a 0 0⎟ ⎟ b a 0⎟ b=0 ⎟ ⎟ 0 b a⎟ ∼ ⎟ ⎠ 0 0 b ⎛ ⎜1 ⎜ ⎜0 ⎜ ⎜ ⎜0 ⎜ ⎝ a a/b 0 1 0 0 0 a/b 0 1 0 ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ a/b ⎟ ⎟ ⎠ b ⎞ 0 0 b⎟ ⎟ a 0 0⎟ ⎟ ⎟. o Utilizando el m´todo de transformaciones elementales por filas y e columnas. Calcular el rango de la siguiente matriz en funci´n de los valores o de a y b: ⎛ ⎜a ⎜ ⎜b ⎜ A=⎜ ⎜0 ⎜ ⎝ 0 Soluci´n. se tiene: e A(n) = n n! + n2[(n − 1) (n − 1)! − 1] + 1 Ejercicio e ⎛ Calcula por los dos m´todos explicados la inversa de la matriz A = ⎞ 1 2 ⎝ ⎠ ∈ M2(Z5).2759616314 × 102558 siglos para invertirla por el m´todo de la matriz e adjunta. 91 92 . 89 90 Casos concretos n 2 3 4 5 6 7 8 9 10 A(n) 5 46 369 2976 25885 246912 2580417 29393200 362879901 G(n) 26 92 220 430 742 1176 1752 2490 3410 5. En cambio necesitar´a n ı 1. 2 3 n−1 G(n) = 2n2 + 2(3n + 4n2)(n − 1) + 2 j=1 −6jn − 3j + 2j 2. Ejercicios resueltos I. b a 0⎟ ⎟ ⎠ 0 b a 1000 4.5722 minutos o ıa invertir una matriz de tama˜o 1000 × 1000.Ejercicio Usando este m´todo comprueba que la inversa de e ⎛ ⎞ 1 3 0⎟ ⎜ ⎜ ⎟ A=⎜1 1 0⎟ ⎜ ⎟ ⎝ ⎠ 1 0 2 es A−1 = ⎛ ⎞ ⎜ −2 6 0 ⎟ ⎟ 1⎜ ⎜ 2 −2 0 ⎟ ⎟ 4⎜ ⎝ ⎠ 1 −3 2 Ejercicio De los dos m´todos explicados para calcular la inversa de una matriz e ¿Cu´l requiere un n´mero menor de operaciones? a u Si A(n) y G(n) denotan el n´mero de operaciones que deben de u realizarse para calcular la inversa de una matriz de tama˜o n × n por n los m´todos de los determinantes y Gauss respectivamente.02387260077 × 102573 3334331000 Para acabar pensemos que si un ordenador tarda una millon´sima de e segundo en hacer una operaci´n entonces le costar´ 55.

Adem´s a b4 = a4 ⇔ ±b2 = ±a2 ⇔ b2 = a2 ⇔ b = ±a. ⎛ ⎜1 ⎜ ⎜2 ⎜ Si n = 1 entonces B 1 = I4 + A = ⎜ ⎜2 ⎜ ⎝ 2 Si ⎛n ⎜1 ⎜ ⎜4 ⎜ ⎜ ⎜8 ⎜ ⎝ 12 ⎞ 0 0 0⎟ ⎟ 1 0 0⎟ ⎟ ⎟. o Soluci´n. 2 1 0⎟ ⎟ ⎠ 2 2 1 2 = 2 entonces B 2 = (I4 + A)2 = I4 + A2 + 2A = ⎞ 0 0 0⎟ ⎟ 1 0 0⎟ ⎟ ⎟. ⎛ ⎛ ⎞ ⎜0 0 0 0⎟ ⎜0 0 ⎜ ⎜ ⎟ ⎜0 0 0 0⎟ ⎜0 0 ⎜ ⎜ ⎟ 3 Soluci´n. En efecto: B(I4 − A + A2 − A3) = (I4 + A)(I4 − A + A2 − A3) = I4 − A + A2 − A3 + A − A2 + A3 − A4 = I4 − A4 = I4.⎛ ⎛ ⎜1 ⎜ ⎜0 ⎜ ∼⎜ ⎜0 ⎜ ⎝ 0 ⎛ ⎜ 1 a/b ⎜ ⎜0 1 ⎜ ⎜ ⎜0 0 ⎜ ⎝ 0 0 a/b 1 0 0 a/b 0 ⎞ ⎛ ⎞ 0 ⎟ ⎟ ⎜ 1 a/b 0 ⎟ ⎜ ⎟ ⎟ ⎜0 1 a/b 0 ⎟ ⎟ ⎜ ⎟ ⎟∼⎜ ⎟∼ 0 1 a/b ⎟ ⎜ 0 0 1 a/b ⎟ ⎟ ⎜ ⎟ ⎠ ⎝ ⎠ b −a2/b 0 0 0 a3/b2 b ⎞ ⎛ ⎞ 1 a/b 0 0 0 0 ⎟ ⎜ ⎟ ⎟ ⎜ ⎟ ⎟ ⎜0 1 ⎟ a/b 0 a/b 0 ⎟ ⎜ ⎟ ⎟∼⎜ ⎟ ⎟ ⎜0 0 ⎟ 1 a/b 1 a/b ⎟ ⎜ ⎟ ⎠ ⎝ ⎠ 0 0 0 b − a4/b3 0 b − a4/b3 ⎜0 ⎜ ⎜2 ⎜ II. A. (I4 − A + A2 − A3)B = (I4 − A + A2 − A3 )(I4 + A) = I4 − A + A2 − A3 + A − A2 + A3 − A4 = I4 − A4 = I4. se pide: 2 0 0⎟ ⎟ ⎠ 2 2 0 ⎞ 0 0⎟ ⎟ 0 0⎟ ⎟ ⎟ y 0 0⎟ ⎟ ⎠ 0 0 As´ que si b = 0 se tienen las siguientes posibilidades: ı Si b4 = a4 entonces rg A = 3. Usando el binomio de Newton tenemos que o n ⎛ ⎝ n j ⎞ ⎠ Aj I n−j B n = (I4 + A)n = j=0 Ahora suponemos que n ≥ 3 y simplificamos la expresi´n ano terior: 94 n(n − 1) 2 n(n − 1)(n − 2) 3 ⎝ ⎠A I A + A = B = = I4 + nA + 2 6 j j=0 ⎞ ⎛ 1 0 0 0 ⎟ ⎜ ⎟ ⎜ ⎜ 2n 1 0 0 ⎟ ⎟. ⎜ ⎟ ⎜ ⎜ 2n + 2(−1 + n)n 2n 1 0 ⎟ ⎠ ⎝ 2n + 4(−1 + n)n + 4 (−2 + n)(−1 + n)n 2n + 2(−1 + n)n 2n 1 3 n 3 ⎛ n ⎞ j n−j (d) Expresar B −3 en funci´n de I4. A2 y A3. ⎜0 0 0 0⎟ ⎜ ⎟ ⎝ ⎠ 0 0 0 0 ⎞ 0 0 0⎟ ⎟ a 0 0⎟ ⎟ ⎟ y por lo tanto: 0 a 0⎟ ⎟ ⎠ 0 0 a o (b) Sea B = I4 + A. Si b = ±a entonces rg A = 4. Soluci´n. Sea la matriz A = ⎜ ⎜2 ⎜ ⎝ 2 ⎞ 0 0 0⎟ ⎟ 0 0 0⎟ ⎟ ⎟ . B −3 = (I4 − A + A2 − A3)3 = (I4 − A + A2 − o A3)2(I4 − A + A2 − A3) = (I4 − 2A + 3A2 − 4A3)(I4 − A + A2 − A3) = I4 − 3A + 6A2 − 10A3. A2 = ⎜ o ⎟. A2 y A3 . A = ⎜ ⎜4 0 0 0⎟ ⎜0 0 ⎜ ⎜ ⎟ ⎝ ⎝ ⎠ 8 4 0 0 8 0 ⎛ ⎞ ⎜0 0 0 0⎟ ⎜ ⎟ ⎜0 0 0 0⎟ ⎜ ⎟ n A =⎜ ⎟ para todo n ≥ 4. Se trata de ver que B(I4 − A + A2 − A3 ) = I4 = o (I4 − A + A2 − A3)B. expresar B n en funci´n de I4. A. 95 96 . ⎛ ⎜a ⎜ ⎜0 ⎜ Cuando b = 0 tenemos A = ⎜ ⎜0 ⎜ ⎝ 0 si a = 0 entonces rg A = 0 si a = 0 entonces rg A = 4 93 (a) Calcular las sucesivas potencias de A. 4 1 0⎟ ⎟ ⎠ 8 4 1 (c) Demostrar que la inversa de B es I4 − A + A2 − A3. Soluci´n.

primer y ultimo miembro y dividiendo por −1 se tiene que ´ AB = BA. Soluci´n. Verdadero.. En efecto. Verdadero. (d) Si P es una matriz regular. De las afirmaciones siguientes. entonces (A2)t = (AA)t = At At = (−A)(−A) = A2. (b) A2 − B 2 = (A − B)(A + B). En este caso la igualdad es cierta ya que (A − o In )(In + A + A2 + . para verlo t´mense A = o o o ⎛ ⎞ ⎛ ⎞ 1 0 0 1 ⎝ ⎠yB=⎝ ⎠. (e) Si A es antisim´trica. e (f) Si A es antisim´trica y B es sim´trica. A2 es sim´trica. Soluci´n.Como la matriz idena ⎜ ⎟ ⎝ ⎠ 0 0 0 tidad conmuta con cualquier otra matriz podemos utilizar el binomio de Newton para calcular la potencia An = (B + I3)n = n n j=0 j ı B j . . + An). e o Soluci´n. es decir. Demostramos primero que si AB es antisim´trica entonces e AB = BA. as´ que tenemos que calcular las potencias de la ma- triz B. Soluci´n. Hallar la potencia n–´sima de A = ⎜ 0 1 2 ⎟ poniendo A = e ⎜ ⎟ ⎝ ⎠ 0 0 1 I3 + B. Por ser A antisim´trica y B sim´trica o e e se tiene que At = −A y que B t = B. P AP −1 n-veces = P AnP −1. entonces (P AP −1 n Soluci´n... o ⎛ ⎞ ⎛ ⎞ 1 4 10 ⎟ ⎜ ⎜ ⎟ Hacemos notar que A1 = A y que A2 = ⎜ 0 1 4 ⎟. Y ahora ⎜ ⎟ ⎝ ⎠ 0 0 1 calculamos An para n ≥ 3 siguiendo el binomio de Newton: An = (B+I3)n = ⎛ n n n n B 0+ B 1+. siendo B una matriz a determinar. demostrar las verdaderas y dar un contraejemplo para las falsas: (a) (A + B)2 = A2 + 2AB + B 2. En cualquier caso s´ que se verifica la igualdad ı (A + B)2 = A2 + AB + BA + B 2. + An ) = A + A2 + · · · + An + An+1 − In − A − A2 + . .⎞ 1 2 3⎟ ⎜ ⎜ ⎟ III.. entonces AB es antie e sim´trica si y s´lo si AB = BA. . − An = An+1 − In.. . Puesto que A es antisim´trica se tiene o e que At = −A. La igualdad es cierta porque o (P AP −1)n = P AP −1P AP −1P AP −1 . Finalmente hay que ver que si AB = BA entonces AB es antisim´trica. Soluci´n. por ser AB antisim´trica tenemos que e −AB = (AB)t = B tAt = B(−A) = −BA e igualando el ) = PA P n −1 . entonces A2 es sim´trica. (c) An+1 − In = (A − In)(In + A + A2 + . B n−1+ Bn 0 1 n−1 n n(n − 1) 2 B = I3 + nB + 2 ⎞ ⎞ ⎛ ⎞ ⎛ ⎛ ⎜0 2 3⎟ ⎜ ⎟ La matriz B ser´ B = A − I3= ⎜ 0 0 2 ⎟ . 0 0 0 0 La misma afirmaci´n es cierta cuando las matrices A y B o conmutan.. Esta afirmaci´n es falsa. ⎞ 0 0 0 ⎜ ⎟ ⎜ ⎟ B3 = ⎜ 0 0 0 ⎟ ⎝ ⎠ 0 0 0 ⎛ n(n−1) 4⎟ ⎜ 1 0 0 ⎟ ⎜ 0 2n 3n ⎟ ⎜ 0 0 2 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 0 1 0 ⎟ + ⎜ 0 0 2n ⎟ + ⎜ 0 0 0 =⎜ ⎟ ⎟ ⎜ ⎟ ⎜ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ 0 0 0 0 0 1 0 0 0 ⎞ ⎛ 2 ⎜ 1 2n 2n + n ⎟ ⎟ ⎜ ⎟ = ⎜ 0 1 2n ⎟ ⎜ ⎠ ⎝ 0 0 1 B 0 = I3 ⎛ 0 ⎜ ⎜ B1 = ⎜ 0 ⎝ 0 ⎛ 0 ⎜ ⎜ B2 = ⎜ 0 ⎝ 0 2 3 ⎞ ⎟ ⎟ 0 2 ⎟ B4 = 0 ⎠ 0 0 ⎞ 0 4 ⎟ ⎟ 0 0 ⎟ B n = 0 ∀n ≥ 4 ⎠ 0 0 97 98 IV. e e Soluci´n. Esta igualdad tambi´n es falsa y se puede ver con o e las mismas matrices que en el ejercicio anterior. e 99 100 .

Demostrar que si a. entonces |A| = 0 o |B| = 0. a ab ab b 2 2 VII. ´ Soluci´n. Esta afirmaci´n es cierta ya que si |AB| = 0 eno o tonces |AB| = |A||B| = 0 y por lo tanto o bien |A| = 0 o bien |B| = 0. (i) |2A| = 2 |A| . ⎞ ⎠ V. Se puede comprobar con la matriz A = ⎝ o = (a + b + c) 2b b − c − a 2b 2c 2c 2 C1 (−1) c−a−b 1 = 0 1 = (a + b + c) a + b + c b − c − a 2b 0 2c −(a + b + c)2 2 c−a−b 1 1 2c c − a − b = −(a + b + c) (−a − b − c) = (a + b + c)3 101 102 VI. C1 (1). b − c − a 2b 2c c−a−b 2a b − c − a 2b 2c c−a−b a+b+c a+b+c a+b+c 2b 2c b − c − a 2b 2c 1 1 c−a−b 1 = Soluci´n. C1 (1) a2 + 2ab + b2 a2 b2 ab a2 + 2ab + b2 b2 a2 ab a2 + 2ab + b2 ab ab a2 = a2 + 2ab + b2 1 1 1 F2 (−1). F3 (−1). b. c son n´meros reales se tiene que: u a − b − c 2a 2b 2c Soluci´n. o a − b − c 2a 2b 2c 2 3 F1 (1).(g) Si |AB| = 0. Se puede comprobar f´cilmente que las matrices o ⎛ ⎞ ⎛ ⎞a 1 2 0 0 ⎠yB = ⎝ ⎠ son un contraejemplo para A = ⎝ 0 1 1 0 esta igualdad. F1 (1) 2a = (a + b + c)3 . F4 (−1) ab 2 2 ab b2 0 0 0 a − ab b − ab ab − b2 b2 − ab a2 − ab ab − b2 0 0 a2 − b2 = a2 − ab b2 − ab ab − b2 = (a + 2ab + b ) b2 − ab a2 − ab ab − b2 0 = (a + b)2(a2 − b2) 3 2 2 2 0 a2 − b2 a2 − ab b2 − ab b2 − ab a2 − ab = (a + b) (a − b)[(a − ab)2 − (b2 − ab)2] = (a + b)3(a − b)(a2 + b2 − 2ab)(a2 − b2) 103 = (a + b)4(a − b)4 = (a2 − b2)4 104 . (h) |A + B| = |A| + |B| . ⎛ 1 0 0 1 que la igualdad no se satisface. a b 0 0 0 a b 0 0 0 a b b 0 0 a a b 0 b 0 0 ab a2 b2 ab ab b2 a2 ab b 2 = a 0 a b − b a b 0 = a4 − b4 0 0 a 0 a b ab ab a 2 a2 + 2ab + b2 ab ab b2 2 3 4 C1 (1). Soluci´n.

o 1 a b+c (a) 1 b a + c 1 c a+b 2 C3 (1) 1 c 2 c 3 ab c c 2 1 1 0 b−a 2 1 c−a 2 1 d−a 1 a a+b+c 1 a 1 = 1 a 0 1 b b + a + c = (a+b+c) 1 b 1 1 c c+a+b 1 c 1 1 C3 (−1) 2 F3 (−a) = = 1 F2 (−a) 0 b − ba c − ca d2 − da 0 b3 − b2a c3 − c2 a d3 − d2a b−a 2 c−a 2 d−a (a + b + c) 1 b 0 = 0 1 c 0 (b) Si a. b. c son las tres diferentes de 0. demostrar que: IX. Sin desarrollar los determinantes. se tiene: 1 a2 a3 1/a a a2 C1(abc) = bc a a2 ac b b2 ab c c2 2 F3 (−b) = b − ba c − ca d2 − da b3 − b2a c3 − c2 a d3 − d2a 1 1 1 = (b − a)(c − a)(d − a) b c d b2 c2 d2 1 1 (b − a)(c − a)(d − a) 0 c − b 2 1 b2 b3 = 1/b b b2 1 c2 c3 1/c c c2 Supongamos ahora que una de ellas es 0. en este caso se tiene: 1 0 0 1 b b 2 2 3 3 1 d−b = bc b b2 c c2 105 = b2 b3 c2 c3 bc 0 0 = 0 b b 2 1 F2 (−b) 0 c − cb d2 − db 1 c c 0 c c2 106 = (b − a)(c − a)(d − a) c−b d−b c2 − cb d2 − db 1 1 c d = (b − a)(c − a)(d − a)(c − b)(d − b) = (b − a)(c − a)(d − a)(c − b)(d − b)(d − c) X.VIII. por ejemplo a = 0. 1 1 1 1 1 a b+c 1 a2 a3 bc a a2 a b c d a2 b2 c2 d2 a3 b3 c3 d3 3 F4 (−a) (a) 1 b a + c = 0 (b) 1 b2 b3 = ca b b2 1 c a+b Soluci´n. Calcular el rango de la matriz ⎛ ⎜1 ⎜ ⎜1 ⎜ ⎜ A = ⎜2 ⎜ ⎜ ⎜4 ⎜ ⎝ 3 ⎞ 2 0 1 2 1⎟ ⎟ 0 3 0 3 1⎟ ⎟ ⎟ 2 3 1 4 1⎟ ⎟ ⎟ 4 6 2 9 3⎟ ⎟ ⎠ 2 6 1 7 2 Calculamos el rango de esta matriz realizando operaciones elementales por filas: ⎛ ⎜1 ⎜ ⎜1 ⎜ ⎜ ⎜2 ⎜ ⎜ ⎜4 ⎜ ⎝ 3 ⎞ 2 0 1 2 1⎟ ⎟ 0 3 0 3 1⎟ ⎟ ⎟ 2 3 1 4 1⎟ ⎟ ⎟ 4 6 2 9 3⎟ ⎟ ⎠ 2 6 1 7 2 ⎛ 1 F2 (−1) ⎜1 ⎜ 1 F3 (−2) ⎜0 ⎜ ⎜ 1 F4 (−4) ⎜2 ⎜ ⎜ 1 F5 (−3) ⎜4 ⎜ ⎝ ∼ 3 ⎞ 2 0 1 2 1⎟ ⎟ −2 3 −1 1 0⎟ ⎟ ⎟ 2 3 1 4 1⎟ ⎟ ⎟ 4 6 2 9 3⎟ ⎟ ⎠ 2 6 1 7 2 1 F2 (−1) 1 F3 (−2) 1 F4 (−4) 1 F5 (−3) ∼ 107 108 .

o e si todos los elementos bi son 0. o o 1. b) y si rg (A) = rg (A|b) = n el sistema es compatible indeterminado.Tema 3: Sistemas de ecuaciones lineales Gabriel Soler L´pez o 26 de septiembre de 2006 simplemente ecuaci´n lineal de con n inc´gnitas. . e Definici´n (Resoluci´n y discusi´n de un sistema). . ⎟ . Adem´s: a a) cuando rg (A) = rg (A|b) = n el sistema es compatible determinado.. ⎪ . ⎪ . u 3. o o o Resolver el sistema (S) es encontrar un vector x en Kn tal que Ax = b y discutirlo consiste en clasificarlo en uno de los siguiente tipos: 1.. . Sistema compatible indeterminado (S. ⎠ am1 am2 · · · amn ci´n.C. . ⎟ . y fijados numeros naturales m y n. ⎪ ⎪ ⎪ ⎪ am1x1 + am2x2 + · · · + amnxn = bm ⎭ donde los elementos aij pertenecen al cuerpo K y los elementos xj son las inc´gnitas que queremos encontrar.): es aqu´l que tiene e una unica soluci´n.): es aqu´l que tiene e m´ltiples soluciones. o 112 . . . La matriz A se llamar´ matriz asociada al sistema (S). ⎟ . ⎟ ⎜ . si rg (A) = rg (A|b) entonces el sistema es incompatible.I.D. Teorema de Rouch´-Frobenius e Dado el sistema Ax = b. Sistema compatible determinado (S. . . o Fijado un cuerpo K.C. en vez de llamar a la expresi´n a11x1 + a12x2 + o · · · + a1nxn = b1 sistema de 1 ecuaci´n con n inc´gnitas. o x1 ⎟ ⎜ b1 ⎟ ⎜ ⎜ b2 x2 ⎟ ⎟ ⎜ ⎟. si rg (A) = rg (A|b) entonces el sistema es compatible.I. Sistema incompatible (S. un sistema de m ecuaciones y n inc´gnitas sobre el cuerpo K es un conjunto de exo presiones del estilo: ⎫ ⎪ ⎪ a11x1 + a12x2 + · · · + a1nxn = b1 ⎪ ⎪ ⎪ ⎪ ⎪ a21x1 + a22x2 + · · · + a2nxn = b2 ⎬ (S) .): es aquel sistema que no tiene solu111 Definici´n (sistema homog´neo). a B = (A|b) es la matriz ampliada asociada al sistema (S) Los bj son t´rminos independientes del sistema (S). 2. . ´ o 2. . el sistema se dice que es homog´neo e y siempre tiene soluci´n. que como ya dijimos siempre ser´ R y evena tualmente C. . . . la llamaremos o o 109 110 El sistema (S) se puede reescribir en forma matricial como: ⎛ ⎜ ⎜ ⎜ ⎜ donde x = ⎜ ⎜ ⎜ ⎝ ⎞ ⎛ Ax = b. . ⎜ . . Definiciones b´sicas a Definici´n (sistema de ecuaciones lineales). o Convenio Cuando m = 1. se tiene: 1. b = ⎜ . ⎠ ⎝ xn bn Notaci´n. o 2. ⎞ ⎛ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟yA=⎜ ⎟ ⎜ ⎟ ⎜ ⎠ ⎝ ⎞ a11 a12 · · · a1n ⎟ ⎟ a21 a22 · · · a2n ⎟ ⎟ ⎟. ⎪ .

. . . . an1x1 + an2x2 + · · · + anm xm ⎫ ⎪ = b1 ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ = b2 ⎬ (S) . . . . .. . . . Si k = rg (C) < n entonces (S) es compatible indeterminado. ⎪ . . En o caso contrario es compatible indeterminado. . El sistema Cx = Dado el sistema de ecuaciones a11x1 + a12x2 + · · · + a1mxm a21x1 + a22x2 + · · · + a2mxm . an.k+1 . xn los valores o indeterminados (par´metros) αk+1. a 114 4. .k+1 . . . . a1.n αn c21x1 + c22x2 + · · · + c2k xk = d2 − c2. Si rg (C) = n el sistema es compatible determinado y lo resolvemos f´cilmente de abajo hacia arriba sin necesidad de introducir a par´metros. .k−1 b2 a1.. . . . . . . Si f = 0 entonces el sistema es compatible. . . de donde: an−1. . la matriz E de ceros y tanto d como f son matrices columna. . .. ⎜ .k+1 . .. . . 3. . . . si rg (C) =n´mea u ro de inc´gnitas se tiene que (S) es compatible determinado. . . . . . . .k+1 . . . . Adem´s. ⎪ . . . le asociaremos su sistema matricial Ax = b y el m´todo consiste en: e 1. .. .k−1 a2. an−1. xk+1. . . . es decir: Ax = b con A ∈ Mn×n (K) y rg (A) = n (A es invertible). m´todo de o e Gauss Resoluci´n efectiva o Se considera ahora el sistema Cx = d ya que va a tener las mismas soluciones que el sistema Ax = b (son equivalentes). a3. . .n a11 . . a2n ⎜ ⎜ ⎜ a31 ..k−1 b2 a1. . a1n a11 . |A| .. . .k−1 a3. . Resoluci´n de sistemas. an1 . an−1. . ..k−1 bn an.. a3n 1 ⎜ = |A| ⎜(−1)k+1b1 + . . . .. . . . . 2.. . . . . a1n . a1.k+1 . . . a1n . ⎪ ⎪ ⎪ ⎪ ⎪ = bn ⎭ d puede estar en dos situaciones diferentes: 1. ⎜ ⎝ an1 . . a1n a2n .k+1 a2. αk+1. ..k+1αk+1 − · · · − c1. . . . a1n 1 a11 .k−1 .k−1 bn an.k−1 an. . .. ann 115 116 . . Realizar transformaciones elementales por filas en la matriz (A|b) hasta obtener una matriz del estilo: ⎛ ⎝ C d E f siendo la matriz C de rango completo y triangular superior. . . . . .k+1αk+1 − · · · − c2. .k+1 . ann a11 · · · + bn (−1)n+n a21 . Ax = b ⇒ A Ax = A b ⇒ x = Para cada 1 ≤ k ≤ n se tiene xk = −1 −1 1 t |A| Adj(A) b. . . .k+1 .k+1 .n αn . ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ 1 ( |A| n j=1 Ajk bj ).. . a2. . = a11 . . . xk = an1 ..k−1 an−1. . . . . . .k+1 . . . .k+1 .1 .k+1 αk+1 · · · − ck.. . .3..k−1 a2. . . a1. En este caso damos a las inc´gnitas xk+1. . . αn y resolvemos el a sistema: c11x1 + c12x2 + · · · + c1k xk = d1 − c1. . . . an. . . . . . .k−1 b1 a1. . . a1.k+1 . . .. ann |A| . an. . M´todo de Cramer e Justificamos la f´rmula anterior y concluimos el tema: o 1 n j=1 Ajk bj ) 1 |A| (b1 A1k Este m´todo se puede utilizar cuando los sistemas tienen el mismo e n´mero de ecuaciones que de inc´gnitas y el sistema es compatible u o determinado. . Si f = 0 entonces el sistema (S) es incompatible. a1. xk = |A| ⎛ ( = + b2A2k + · · · + bnAnk ) a21 ..k−1 b1 a1. .n αn 2. a1. . 113 ⎞ ⎠ ck1 x1 + ck2 x2 + · · · + ckk xk = dk − ck. . .

α y β.3 ⎜ 1 1 a 1 ⎟ ⎜ ⎜ ⎟ ⎟ ⎝ ⎠ ∼ ⎝ ⎠ 1 1 a 1 a 1 1 1 ⎛ ⎞ 1 ⎟ F2 − F1 ⎜ 1 a 1 ⎜ ⎟ F3 − aF1 ⎜ 0 1 − a a − 1 0 ⎟ ⎜ ⎟ ⎝ ⎠ 2 0 1−a 1−a 1−a ∼ ⎛ ⎞ 1 ⎟ 1 ⎜1 a ⎜ ⎟ a−1 0 ⎟ F3 − (1 + a)F2 ∼ ⎜ 0 1 − a ⎜ ⎟ ⎝ ⎠ 0 0 2 − a − a2 1 − a Ahora discutimos el sistema seg´n los valores del par´metro a: u a Si a = 1 y 2 − a − a2 = 0. si a = 1 y a = −2 entonces rg (A) = rg (A|b) = 3 y el sistema es compatible y determinado y las soluciones son: 119 •z= •y= 1−a −(a−1)(a+2) 1 (1−a) a+2 = 1 a+2 . Verdadero. Las soluciones ser´ en este caso: ıan ⎛ • z = α. Sin embargo no o ´ existe la inversa de la matriz asociada al sistema por no ser cuadrada. 117 (d) Si un sistema de ecuaciones Ax = b es compatible determinado. o ´ e Soluci´n. 1−a = 1 a+2 . adem´s el contraejemplo del apartado (a) o a tambi´n vale para este apartado. Por lo tanto rg (A|b) = 5. (b) Si los sistemas Ax = b1 y Ax = b2 son compatibles. o adem´s al ser el sistema incompatible entonces la desigualdad a es estricta. por ejemplo se puede verificar que el sistema o ⎛ ⎛ ⎞ ⎞ ⎞ 1 1 ⎟⎛ ⎜ ⎜ 6 ⎟ ⎜ ⎜ ⎟ ⎟ x ⎜ 6 10 ⎟ ⎝ 1 ⎠ = ⎜ 52 ⎟ ⎜ ⎜ ⎟ ⎟ ⎝ ⎝ ⎠ ⎠ x2 9 15 78 tiene como soluci´n unica a x1 = 2 y x2 = 4. • y = β. entonces ´sta es x = A−1 b.Por lo tanto A(x1 + x2) = Ax1 + Ax2 = b1 + b2. necesit´ndose 2 par´metros reales para a a resolverlo. Discutir la veracidad o falsedad de las siguientes afirmaciones: (a) Dado un sistema de m ecuaciones con n inc´gnitas. si ambos son compatibles existir´n soluo a ciones respectivas x1 y x2 tales que Ax1 = b1 y Ax2 = b2. Falso. donde b = b1 + b2. a+2−1−a a+2 • x = 1 − z − ay = = 1 . entonces A es una matriz cuadrada. o que admite soluci´n unica. 120 . 118 II. Ax = b. por lo tanto el sistema es incompatible. As´ que 4 < rg (A|b) y como el tama˜o de (A|b) es ı n 5 × 5 entonces rg (A|b) ≤ 5. En efecto. Soluci´n. a+2 Si a = 1 entonces rg A = rg (A|b) = 1 y el sistema es compatible indeterminado. Soluci´n. Si a = −2 entonces rg A = 2 = 3 = rg (A|b). e (e) Si Ax = b es un sistema incompatible con 5 ecuaciones y 4 inc´gnitas y el r(A) = 4 entonces r(A|b) = 5. El contraejemplo del apartado (a) vale para o este apartado. Falso. I. Ejercicios resueltos Soluci´n. entonces lo es Ax = b donde b = b1 + b2. o Soluci´n. sabemos que rg A ≤ rg (A|b). En efecto. Falso. Esto quiere decir que x1 + x2 es soluci´n de Ax = b. es decir.5. o (c) Un sistema con m´s ecuaciones que inc´gnitas es siempre ina o compatible. Discutir el siguiente sistema ⎧ ⎪ ⎪ ax + y + z = 1 ⎪ ⎪ ⎨ x + ay + z = 1 ⎪ ⎪ ⎪ ⎪ x + y + az = 1 ⎩ Asociamos al sistema la matriz ampliada y realizamos operaciones de Gauss: ⎛ ⎞ ⎞ a 1 1 1⎟ 1 a 1 1⎟ ⎜ ⎜ ⎜ ⎟ F ⎜ ⎟ ⎜ 1 a 1 1 ⎟ 1. • x = 1 − α − β.

Discutir el sistema: ⎧ ⎪ ⎪ ⎪ ⎪ ⎨ ⎪ ⎪ ⎪ ⎪ ⎩ a) z = a(a + 1). a−1 Si a = 1 entonces rg A = 2 = 3 = rg (A|b) y por lo tanto el sistema es incompatible.3 ⎜ 1 a 1 1 ⎟ ⎜ ⎟ ⎟ ⎜ ⎝ ⎠ ∼ ⎝ ⎠ 1 a 1 a 1 a−1 a 1 ⎞ ⎛ F2 − F 1 ⎜ 1 1 1 a+1⎟ ⎟ ⎜ F3 − aF1 ⎜ 0 a − 1 0 −a ⎟ ⎟ ⎜ ⎠ ⎝ 0 1 − a −1 −a2 ∼ ⎞ ⎛ a+1 ⎟ 1 1 1 ⎜ ⎟ F2 + F 3 ⎜ ⎜ 0 a−1 0 −a ⎟ ⎟ ⎜ ⎠ ⎝ ∼ 0 0 −1 −a2 − a Ahora discutimos y resolvemos el sistema seg´n los valores del u par´metro a: a Si a = 1 entonces rg A = rg (A|b) = 3 y el sistema es compatible determinado. siendo las soluciones: 121 122 IV. a−1 2 3 a c) x = a + 1 − a(a + 1) + a−1 = − 1−2a−a +a . x+y+z =a+1 ax + y + (a − 1) z = a x + ay + z = 1 b) y = −a . Asociamos al sistema la matriz asociada ampliada y realizamos operaciones elementales por filas: ⎛ ⎞ ⎞ ⎛ 1 1 1 a+1 ⎟ 1 1 1 a+1⎟ ⎜ ⎜ ⎜ ⎟ F ⎜ ⎟ ⎜ a 1 a − 1 a ⎟ 2. Resolver el sistema: ⎧ ⎪ ⎪ kx + y + z + t = k ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ x + ky + z + t = k ⎪ x + y + kz + t = k ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ x + y + z + kt = k Empezamos construyendo la matriz ampliada al sistema y realizando operaciones elementales por filas: ⎞ 1 1 1 k⎟ ⎟ k 1 1 k⎟ ⎟ ⎟ 1 k 1 k⎟ ⎟ ⎠ 1 1 k k ⎛ ⎞ F1 − kF4 ⎜ 0 1 − k 1 − k 1 − k 2 k − k 2 ⎟ ⎜ ⎟ F2 − F4 ⎜ 0 k − 1 0 1−k 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 0 0 k−1 1−k F3 − F4 ⎜ 0 ⎟ ⎟ ⎝ ⎠ 1 1 1 k ∼ k ⎞ ⎛ k ⎟ 1 1 1 k ⎜ ⎟ ⎜ intercambio de filas ⎜ 0 1 − k 1 − k 1 − k 2 k − k 2 ⎟ ⎟ ⎜ ⎟ ⎜ ⎜ 0 k−1 0 1−k 0 ⎟ ∼ ⎟ ⎜ ⎠ ⎝ 0 0 k−1 1−k 0 ⎛ ⎞ k ⎟ 1 k ⎜1 1 ⎜ ⎟ F3 + F 2 ⎜ 0 1 − k 1 − k 1 − k 2 k − k 2 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 0 0 1 − k 2 − k − k2 k − k2 ⎟ ∼ ⎜ ⎟ ⎝ ⎠ 0 0 k−1 1−k 0 ⎜k ⎜ ⎜1 ⎜ (A|b) = ⎜ ⎜1 ⎜ ⎝ 1 ⎛ 123 124 .III.

o · : K × V −→ (k. 3+k k 3+k k−k 2 −(1−k 2 )t−(1−k)z 1−k V = D. o L os elementos de V se llamar´n vectores y los de K reciben el a nombre de escalares. (xi)i∈N ) → (αxi)i∈N 127 Aqu´ N = {1. v) V = k(1−k) −(k+3)(k−1) 2 = k . la operaci´n interna o satisface: 126 y como rg A = 3 = rg (A|b) = 4 el sistema es incompatible. Notaci´n. . v) O2. Definiciones b´sicas y primeras cona secuencias Ahora discutimos el sistema distinguiendo los siguientes casos: a) Si 1 − k = 0 y 3 − 2k − k = 0 o lo que es lo mismo k = 1. entonces rg A = rg (A|b) = 4 y el sistema es compatible determinado. b) (λ + μ)a = λa + μa. c) Existe un elemento denotado por 0 tal que a + 0 = 0 + a = a (0 es el elemento neutro). y = k−k 2 3−2k−k 2 k−k 2 1−k Un conjunto no vac´o V se dice que es un espacio vectorial sobre el ı cuerpo K si est´ dotado de dos leyes de operaci´n: a o O1. P2. z = C. 125 a) a + b = b + a (propiedad conmutativa). x2. la operaci´n o externa satisface: a) λ(a + b) = λa + λb. Para cualesquiera elementos a. b) (a + b) + c = a + (b + c) (propiedad asociativa). c) (λμ) · a = λ · (μ · a). . d ) Existe un elemento c ∈ V tal que a + c = c + a = 0 (c es el opuesto de a y usualmente se denota por −a). P1. 2. . . x = k − kt − z − y = b) Si k = 1 entonces ⎛ k 3+k → u+v ⎜1 ⎜ ⎜0 ⎜ (A|b) ∼ ⎜ ⎜0 ⎜ ⎝ 0 1 1 k ⎞ k ⎟ ⎟ 4 4 −8 −12 ⎟ ⎟ ⎟ 0 4 −4 −12 ⎟ ⎟ ⎠ 0 0 0 −12 → k·v Estas leyes deben satisfacer las propiedades que siguen. . (yi )i∈N ) → (xi + yi )i∈N ·: R × Rn −→ Rn (α. b y c de V . ı 128 . . . . Se resuelve desde abajo hacia arriba: A. t = B. un espacio vectorial V sobre el cuerpo K se denotar´ por VK . o + : V × V −→ (u. Para cualesquiera elementos a y b de V y λ. d ) 1K · a = a. k = 2 −3. n}. k+3 k(2−k−k ) − (1−k)(k+3) = k . Una ley de operaci´n externa. xn) : xi ∈ R} es un espacio vectorial sobre R con las operaciones siguientes: +: Rn × Rn −→ Rn ((xi)i∈N . μ de K. Una ley de operaci´n interna.⎛ k 1 k ⎜1 1 ⎜ 2 ⎜ 0 1−k 1−k 1−k F4 + F3 ⎜ k − k2 ⎜ ⎜ 0 0 1 − k 2 − k − k2 k − k2 ∼ ⎜ ⎝ 0 0 0 3 − 2k − k 2 k − k 2 ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ Tema 4: Espacios vectoriales Gabriel Soler L´pez o 7 de noviembre de 2006 1. a Ejemplo Rn = {(x1.

o Un conjunto de vectores S = {u1. +: (n) PR [X] (n) PR [X] (n) PR [X] (n) × −→ 6. . . 0Ku = 0. . sistema generador. PR [X] con las operaciones que siguen es un espacio vectorial sobre R: 1. en} de VR = Rn. . . e2. . v ∈ V se verifican las siguientes propiedades: 1. u2. (n) (n) 129 130 2. . se tiene que para cualesquiera α. xn} es un conjunto linealmente independiente y generador de VR = PR [X]. . siendo p(x) = a0 + a1x + a2x2 + · · · + anxn y q(x) = b0 + b1x + b2 x2 + · · · + b n xn 2. β ∈ K y u. o o Dado un espacio vectorial VK y un conjunto de vectores S = {u1. (−α)u = −αu = α(−u). 2. 1(j). . . u2. donde los αi son elementos de K para todo i ∈ {1. . Dicho de otro modo: si α1 u1 + α2u2 + · · · + αnun = 0. q(x)) → p(x) + q(x) donde p(x) + q(x) = (a0 + b0) + (a1 + b1)x + · · · + (an + bn)xn. Un elemento de 2 tendr´ la siguiente forma: a n a0 + a1x + a2x + · · · + anx con ai ∈ R para todo i ∈ {1. n}. . . . . . . 3. . x. 0. . α2. 0. . un}. · : R × PR [X] −→ PR [X] (λ. .Ejemplo Sea (n) PR [X] Propiedades el conjunto de todos los polinomios en la variable x sobre (n) PR [X] Dado el espacio vectorial V sobre el cuerpo K. . existen escalares α1 . espacio generado y bases Definici´n (Dependencia lineal). o Ejemplo El conjunto de vectores S = {e1. definidos por ej = (0. entonces α1 = α2 = · · · = αn = 0. un}. . 4. Si αu = βu con u = 0 entonces α = β. . . u2. . α0 = 0. . 2. un} de un espacio vectorial V sobre el cuerpo K se dice que genera a V si todo elemento de V se puede expresar como combinaci´n lineal de vectores de S. 2. αn no todos nulos que satisfacen: α1u1 + α2u2 + · · · + αn un = 0. u2. Ejemplo S = {1. . S = {u1. Definici´n (Sistema generador). Combinaci´n lineal. 5. Si αu = αv con α = 0 entonces u = v. . un} se dice que es un sistema ligado o que los vectores son linealmente dependientes si el sistema S no es libre. el cuerpo R y de grado menor o igual que n. . es decir. . . (−α)(−u) = αu. . dependencia e o independencia lineal. . una combinaci´n lineal de S es una expresi´n del tipo: o o α1u1 + α2u2 + · · · + αn un. . 0) genera a V y adem´s es linealmente a independiente. . 131 132 (n) . . . . . . . . . (p(x). Definici´n (Independencia lineal). se dice libre o linealmente independiente si para toda combinaci´n lineal de S que o sea igual al vector 0 implica que los escalares que la forman son 0. p(x)) → λp(x) donde λp(x) = λa0 + λa1x + λa2x2 + · · · + λanxn si p(x) = a0 + a1 x + a2 x2 + · · · + an xn . o Un conjunto de vectores S = {u1. Definici´n (Combinaci´n lineal). n}. o Un conjunto de vectores.

No todo sistema generador es libre. .B o Si S es linealmente independiente y u ∈< S > entonces T = S ∪ {u} es linealmente independiente. Bases de un espacio vectorial. entonces βVk = ∅. Convenio Si VK = {0}. o Definici´n (Coordenadas). e 4. 2.Proposici´n o 1. 3. un} se dice que es una base de un espacio vectorial VK si S genera VK (es decir VK =< S >) y adem´s S es un sistema libre. o Un conjunto de vectores S = {u1. es decir: S = {ui}i∈I . Si S es libre y T ⊆ S entonces T es libre.2. adem´s a el cardinal de cualquier base es un n´mero fijo que lo llamaremos diu mensi´n del espacio vectorial. Si α1vi1 + α2 vi2 + · · · + αk vik + βv = 0 entonces: 1. o Dada una base S = {u1. u2. entonces S ∪ T tambi´n es generador. Como β = 0K se tiene: α1vi1 + α2vi2 + · · · + αk vik = 0 y como S es linealmente independiente entonces: α1 = α2 = · · · = αk = 0K. 2. Dimensi´n de un espacio vectorial o Demostraci´n o Pongamos que el conjunto S est´ formado por elementos ui. .2. o corriendo i un conjunto I. Para ver si T es linealmente independiente tomamos una combinaci´n lineal (finita) de vectores de T . β = 0K porque en caso contrario: v = −β −1 α1vi1 + α2 vi2 + · · · + αk vik y esto es una contradicci´n con la hip´tesis v ∈< S >. . las coordenadas de un vector v ∈ VK son los unicos escalares {αi}n tales que v = ´ i=1 α1u1 + α2u2 + · · · + αn un. . . 2 Esta propiedad tambi´n es cierta para espacios vectoriales en general e 135 136 . a Proposici´n o Cualquier vector del espacio vectorial VK se expresa de manera unica ´ como combinaci´n lineal de los elementos de base elegida. No todo sistema libre es generador. u2.1. . o o 2.2. Dimensi´n o Definici´n (Base). 133 134 2. Si S es generador y T es un conjunto de vectores cualquiera. .A Todo espacio vectorial finitamente generado2 posee una base. Resultados t´cnicos que permiten probar el teorema e anterior Proposici´n 2. . rea Teorema 2. un} de VK . la igualamos al vector 0 y deducio mos que los escalares que aparecen en la combinaci´n lineal son todos o cero.

Como S es una base de V existir´n escalares {αi}n tales que a i=1 v1 = α1u1 + α2u2 + · · · + αn un Puesto que T es linealmente independiente se tiene que v1 = 0 y entonces existe al menos un ´ ındice l ∈ {1. . 2. mos sustituir m − 1 vectores de S por los vectores de Tm−1 obteniendo una base S1 = {v1. uin−m+1 } (¿Por qu´?) y se obtiene la prueba del teorema. . . 2. . Finalmente probamos que R es una base: Vemos primero que R es linealmente independiente. 0 = β1u1 + β2u2 + · · · + βl−1 ul−1 + βl+1ul+1 + · · · + βn un + γv1 = β1u1 + β2u2 + · · · + βl−1 ul−1 + βl+1 ul+1 + · · · + βn un +γ(α1u1 + α2u2 + · · · + αn un) = (β1 + γα1)u1 + (β2 + γα2)u2 + . Demostraci´n o Haremos la demostraci´n de este teorema por inducci´n en m. l + 1. uin−m+1 } donde 1 ≤ il ≤ n. lo que demuestra que R es generador. . . . vm} un conjunto de vectores linealmente independientes. . . . v2. . Entonces se pueden sustituir m vectores de la base S por los vectores v1. . n}. v2. pode- v = γ1u1 + γ2u2 + · · · + γl−1 ul−1 + γl ul + γl+1ul+1 + · · · + γnun = γ1u1 + γ2u2 + · · · + γl−1 ul−1 −γl αl−1 (α1u1 + α2u2 + · · · + αl−1 ul−1 + αl+1ul+1 + · · · + αn un − v1) +γl+1ul+1 + . . . n} para el que αl = 0. Para ello tomamos un vector v ∈ V y vemos que es combinaci´n lineal de los vectores de R. ui2 . ⎩ γα = 0 l K Como αl = 0K entonces de la ultima ecuaci´n se deduce que γ = ´ o 0K y de las restantes: βj = 0K para todo j ∈ {1. . . Ahora podemos utilizar el argumento desarrollado en el caso m = 1 y sustituir los vectores linealmente independientes de T = {vm} por un vector de la base S1. un} una base del espacio vectorial VK y sea T = {v1. obteniendo una nueva base. Como el conjunto Tm−1 = {v1. +(βn + γαn )un As´ que: ı ⎧ ⎨ βj + γαj = 0K para todo j ∈ {1. . . . u2. ui2 . . . . v2. + γnun = (γ1 − γl αl−1 α1)u1 + (γ2 − γl αl−1 α2)u2 + · · · + (γl−1 − γl αl−1 αl−1 )ul−1 −γl αl−1 v1 +(γl+1 − γl αl−1αl+1 )ul+1 + . por lo tanto podemos escribir: ul = −αl−1 (α1u1 + α2u2 + · · · + αl−1 ul−1 + αl+1 ul+1 + · · · + αn un − v1) . . . . . vm−1 } es linealmente independiente y estamos suponiendo el resultado cierto para m − 1.Teorema (Steinitz) Sea S = {u1. . . . . . . vm−1 } ∪ {ui1 . l − 1. . +(βl−1 + γαl−1)ul−1 + γαl ul + (βl+1 + γαl+1)ul+1 + . . 137 138 Vemos ahora que R es generador. . . . o Como S es una base entonces: Suponemos ahora que el teorema es cierto para el entero m−1 y lo probamos para m. . . . n − m + 1}. . . l − 1. l + 1. l ∈ {1. . . . v2. Sustituimos en la base S el vector ul por el vector v1 y obtenemos el conjunto de vectores R = S\{ul } ∪ {v1}. . 2. . + (γn − γl αl−1αn )un. . Por lo tanto R es linealmente independiente. . . 2. . Para ello tomamos una combinaci´n lineal de los vectores de R igual al vector o 0. o o Probamos el teorema cuando m = 1. . vm. . Adem´s esa sustituci´n se va a hacer por un a o vector de la segunda parte del conjunto {ui1 . . . En particular se tiene que m ≤ n. . . . n}. e 139 140 .

Matriz de cambio de base Suponemos que sobre el espacio vectorial VK tenemos fijadas dos bases. . todas las bases de VK tienen el mismo n´mero de vectores u Demostraci´n o Supongamos que tenemos dos bases de VK: R = {u1. x2. . . Corolario Si el espacio vectorial VK tiene una base finita. wk } No es restrictivo suponer que en R no est´ el vector 0. ı 141 142 Definici´n (Dimensi´n). . uk } S = {v1. . . i=1 de donde yj = 143 n i=1 xi αji y la relaci´n deseada es: o y = Mββ x. si lo fuera ya o sabemos por el convenio hecho que tiene base) R = {w1.. .2. cada vector de la base β se pone como combinaci´n lineal de los elementos de la base β: o n vi = j=1 αji uj . . Al final habremos conseguido un Rl linealmente independiente y generador. . yn )t. Cambio de bases. w2. 2. Todo conjunto de vectores linealmente independientes puede completarse hasta obtener una base. diremos que la dimensi´n de V es o n si cualquier base tiene n elementos y representaremos la dimensi´n o de VK por dim(VK ) o dimVK. As´ que k = l. si lo estuviera a lo eliminamos y R seguir´ siendo generador. . y2 .n}. . . .2. Usando la proposici´n 2. La dimensi´n de un espacio coincide con el n´mero m´ximo de o u a elementos que puede tener un conjunto linealmente independiente y tambi´n con el n´mero m´ e u ınimo de elementos que puede tener un conjunto generador. . .3. ... . un} y β = {v1. En caso contrario elegimos el n´mero n2 > 1 m´s peque˜o posible u a n para el que se cumple wn2 ∈< R1 >. x = (x1.n}×{1. . . β = {u1.Ya estamos en condiciones de probar el teorema 2.A. n n n j=1 yj uj = n j=1 xj vj . . v2. .. en caso contrario repetimos el proceso que tiene que ser finito por serlo R. Con el fin de determinar esa relaci´n construimos la matriz de camo bio de base de β a β . ıa Ahora procedemos a construir la base usando la proposici´n 2. .2. Demostraci´n del teorema 2. Detalle de la relaci´n o Tomamos w = y = (y1.. . u2. . o Si el conjunto R1 = {w1} es generador entonces ser´ una base y hemos a terminado. vl } Usando el teorema de Steiner considerando R base y S linealmente independiente tenemos l ≤ k. xn)t e ⎛ xi ⎝ n j=1 ⎞ αji uj ⎠ = n j=1 n w= i=1 xivi = i=1 xiαji uj . vn} Queremos saber la relaci´n entre las coordenadas de un vector w en o βyβ. o o Dado un espacio vectorial VK. v2. wn2 } es linealmente independiente. . 2. Por ultimo construimos la matriz cuadrada ´ Mββ = A = (αij )(i. . Ahora por el mismo teorema considerando S base y R linealmente independiente: k ≤ l. u2. Si es generador hemos acabado. Propiedades 1..j)∈{1.2.A y el corolario que sigue. para ello. . o Fijemos un sistema generador finito del espacio vectorial (que supondremos que no es el formado s´lo por el vector 0.B se o tiene que R2 = {w1. . es decir una base.B.. ..

. ⎟ . .n} 1. . i ∈ {1. .. . 2. ⎝ am1 am2 ⎞ · · · a1n ⎟ ⎟ · · · a2n ⎟ ⎟ ⎟ . Dado un conjunto de vectores S del espacio vectorial VK . un} es la dimensi´n del espacio vectorial < S >. ⎟ .j)∈{1. ⎟ ⎜ . . . ... Por lo tanto. Si rg (A) = rg (A|b) = n entonces la expresi´n de b como como coincide con el rango del conjunto de Kn {vi = (aij )j=1. 145 146 3. o Dada una matriz A ∈ Mk×n (K) se tiene que H = {(x1.m}n .3. de VK es ´l mismo un espacio vectorial.. ⎟ . u2. . . con lo que existen escalares j=1 xi. . Subespacios vectoriales Ejemplo Las soluciones de un sistema lineal de ecuaciones tiene estructura de Definici´n (Subespacio vectorial). . . . ⎟ ⎜ . ⎜ .. . que verifican la ecuaci´n 9.m}×{1. ⎟ ... ⎜ ⎜ ⎜ ⎝ ⎠ ⎠ ⎝ ⎠ ⎝ am1 am2 · · · amn xn bn Escribimos la ecuaci´n 8 de la siguiente manera: o ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ a11 ⎟ a12 ⎟ a1n ⎟ ⎜ b1 ⎟ ⎜ ⎜ ⎜ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ a21 ⎟ ⎜ a22 ⎟ ⎜ a2n ⎟ ⎜ b2 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ x1 ⎜ ⎟ + x2 ⎜ ⎟ + · · · + xn ⎜ ⎟ = ⎜ ⎟. ⎟ ⎜ .m }n j=1 (vectores columna de A).m}n . ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ am1 am2 amn bn de donde se sigue: (9) A = (ai. o El rango de un conjunto de vectores S = {u1.. ..... entonces el vector b es combinaci´n lineal de o los vectores de {wj = (aij )i=1. . 147 148 . Jugando otra vez con los rangos se ve que si rg (A) = rg (A|b) entonces el sistema es incompatible..n}m (vectoi=1 res fila de A) y con el rango del conjunto de Km {wj = (aij )i=1. Si rg (A) = rg (A|b). ⎜ . n}. ⎟ . . xn)β : A(x1.. ⎟ . b = ⎜ ⎟ y A = ⎜ ⎟. ⎟ . .. . el o sistema es compatible..1. Para cualesquiera u y v de H se tiene que u + v ∈ H. Para todo α de K y para todo u ∈ H se verifica αu ∈ H. se tiene que el espacio generado por S es un subespacio vectorial de VK. . Prueba del teorema de Rouch´-Frobenius e Demostraci´n del teorema de Rouch´-Frobenius o e ⎛ ⎞ ⎛ Ax = b. . ⎟ ⎜ .. Rango de un conjunto de vectores.. . ⎟ ⎜ . ... puesto que b no es combinaci´n lineal de {wj = (aij )i=1. ⎟ ⎜ . ⎜ . . x2. xn)t = 0} o es un subespacio vectorial de VK de dimensi´n n − rg A.... ⎟ . ⎜ . ⎟ . 2. . ⎟ ⎜ . ⎞ ⎛ ⎞ (8) Definici´n (Rango).. . o Propiedades El rango de una matriz ⎛ ⎜ a11 a12 ⎜ ⎜ a21 a22 ⎜ =⎜ .. .j )(i. e subespacio vectorial de Rn. . Adem´s dim(H) = n − rg (A) (n´mero de par´metros necesarios a u a para resolver el sistema)... Ejemplo Proposici´n o Un subconjunto H de VK es un subespacio vectorial de VK si y s´lo o si se verifican: 1. o Un subconjunto H de un espacio vectorial VK diremos que es un subespacio vectorial de VK si H con las operaciones. ⎠ · · · amn ⎜ x1 ⎟ ⎜ b1 ⎟ ⎜ a11 a12 · · · a1n ⎟ ⎜ ⎟ ⎟ ⎜ ⎟ ⎜ ⎜ x2 ⎟ ⎜ b2 ⎟ ⎜ a21 a22 · · · a2n ⎟ ⎜ ⎟ ⎟ ⎜ ⎟ ⎜ con x = ⎜ ⎟. Ejemplo Sea VK un espacio vectorial de dimensi´n n y sea β una base de VK . x2. . . o j=1 2. + y ·. ⎜ . ⎜ .

o 149 150 Teorema (Grassman) dim(H + H ) = dim(H) + dim(H ) − dim(H ∩ H ). las ecuaciones que satisfacen las coordenadas de los vectores de H expresados en la base β reciben el nombre de ecuaciones cartesianas de H respecto de la base β . un subespacio de ´l H. e2. wm}. o ´ j=1 puesto que estos ultimos son linealmente independientes.3. . w2. . (Ecuaciones cartesianas de H respecto de la base β = {e1. β = {w1. uni´n y suma o o Fijamos un espacio vectorial VK y subespacios vectoriales H y H . el subespacio suma es el espacio generado por la uni´n de los conjuntos H y H . e2. .. entonces n xj λlj = 0 j=1 ∀l ∈ {m + 1. β = {w1. en}) 151 152 . . . Observaci´n o H ∪ H no es en general un subespacio de VK. wn}. y una base e β = {e1. ek } de VK . . . Proposici´n o H ∩ H es un subespacio de VK .. . Ecuaciones cartesianas de un subespacio vectorial Y como v ∈ H. . 3. . Elegimos un vector arbitrario v ∈ H y tomamos sus coordenadas en β y β : v = y1 w1 +y2 w2 +· · ·+ym wm = x1e1 +x2e2 +· · ·+xmem +· · ·+xnen Calculamos las coordenadas de los vectores ej respecto a β : ej = n l=1 λlj wj . m + 2. .binaci´n lineal de los vectores de {wj = (aij )i=1. .. Definici´n (Suma de subespacios vectoriales). Completamos β hasta una base de VK. Procedimiento Tomamos una base de H. v= j=1 xj e j = j=1 xj l=1 λlj wl = l=1 3. o Definici´n (Suma directa). As´ que: ı n n k n ⎛ ⎝ n j=1 ⎞ xj λlj ⎠ wl .. . o H + H :=< H ∪ H >. . . . Operaci´n con subespacios: intero secci´n.m }n es unica. existen unicamente dos vectores v1 ∈ H y v2 ∈ H tales ´ que v = v1 + v2. . w2. o La suma H + H se dice que es directa cuando para todo vector v ∈ H + H . es decir. En con´ secuencia el sistema es compatible determinado.2. Dado un espacio vectorial VK. o Acabamos este apartado con la importante f´rmula de Grassmann. . . Proposici´n o La suma de H y H es directa si y s´lo si H ∩ H = {0}. n}. .

3. y. z) ∈ Z3 : x + y + z = 0} 5 calcular: (a) Una base y la dimensi´n de S y T. 1v = v es cierto ya que 1 es el elemento neutro del producto en R. o Veamos que T es linealmente dependiente y por lo tanto no es libre. Ejercicio Dados los subespacios de Z3 5 S = {(x.4. es la propiedad distributiva de los u n´meros reales. 2v +w} un sistema libre de vectores? Soluci´n. v. ¿Es {u + v + w. o Veamos que T es linealmente independiente. La matriz asociada al sistema que define T es: (C|d) = 1 1 1 | 0 As´ que la dimensi´n de S es 3 − rg C = 3 − 1 = 2. (λμ)v = λ(μv). ⎪ S l. ⎩ Como el sistema anterior es compatible y determinado (por tener su matriz asociada rango 3) se tiene que la unica soluci´n es α = β = ´ o γ = 0 y T es un sistema libre. As´ que se satisfacen todos los axiomas de espacio vectorial y por lo ı tanto (R. +. 1)} . 5 T = {(x. esta es la propiedad asociativa de los n´meros u reales. y. (λ + μ)v = λv + μv. ⎨ α + β + 2γ = 0. w} un conjunto de Ejercicio Sea V un espacio vectorial sobre R y sea S = {u. Comprobamos que se satisfacen los cuatro axiomas en los que est´ involucrado el producto: a 1. w} un sistema libre. +. As´ que los cuatro primeros axiomas de espacio vectorial (los referentes a la suma) se satisfacen. ¿Es T = {u+v +w. Ejercicios resueltos Ejercicio Sea V un espacio vectorial sobre Z5 y sea {u. 153 154 Ejercicio ¿Es (R. ·) un espacio vectorial sobre R? Soluci´n. ı o Una base de S estar´ formada por un vector no nulo y que pertea nezca a S: βS = {(0. Veamos ahora que tambi´n se cumplen las propiedades referentes al e producto. 2. v + 3w.i. μ ∈ R y vectores v. vectores. Para ello tomamos escalares cualesquiera λ. La matriz asociada al sistema que define S es: o ⎛ ⎞ 1 0 0 | 0 ⎠ (A|b) = ⎝ 0 1 0 | 0 As´ que la dimensi´n de S es 3 − rg A = 3 − 2 = 1. ⎪ ⇒ ⎪ ⎪ ⎪ α + 3β + γ = 0. Por las propiedades de los n´meros reales sabemos que o u ı (R. o Soluci´n. w ∈ R. v. v +3w. 2v + w} un sistema libre de vectores? Soluci´n. ·) es un espacio vectorial sobre R. z) ∈ Z3 : x = y = 0}. para ello tomamos una combinaci´n lineal de vectores de S igual al vector 0 y demostramos o que los coeficientes son todos cero: α(u + v + w) + β(v + 3w) + γ(2v + w) = αu + (α + β + 2γ)v +⎧ + 3β + γ)w = 0 (α ⎪ ⎪ ⎪ α = 0. Para ello basta con encontrar una combinaci´n lineal de vectores de S o igual al vector 0 y con no todos sus coeficientes cero: 0(u + v + w) + 3(v + 3w) + 1(2v + w) = 0v + 0w = 0. otra vez se trata de la propiedad distributiva en R. ı o 155 156 . λ(v + w) = λv + λw se cumple. +) es un grupo abeliano. 4. 0. Ahora calculamos los datos solicitados de T .

−1)βA . 2. 0. 0. 0)} y βS∩T = ∅. 0) = 2v1 − v2 − v3 = (2. 0. 1. 0). 1)βA . 1) = w1 − w2 + 2w3 = (1. 1. S´ porque la intersecci´n S ∩ T = {(0. 0. v2 := (0. es decir MβAβC . Card S y Card T . 1)}. S ∩ T = {(0. Dar las coordenadas de los vectores del conjunto B en la base βA . 1). 0. −1. v1 := (1. as´ que: ı ⎞ ⎜1 0 1 ⎟ ⎜ ⎟ = ⎜ 0 1 −1 ⎟ ⎜ ⎟ ⎝ ⎠ 1 0 2 ⎛ MβC βA 3. 1. 1) = v2 = (0. w2 := (0. 1)βC . 0. ı S+T Utilizando la f´rmula de Grassman se tiene: dimS + T = dimS + o dimT − dimS ∩ T = 2 + 1 = 3. 1) = w2 = (0. 1)}. 0. 1) = w1 + w3 = (1. 159 160 . 1)t C β Por lo tanto: B = {(3. (0. Esta matriz se construye poniendo por columnas las o coordenadas de los vectores de la base βC respecto a βA. Calcular la matriz de cambio de base de la base βC a la base βA . y se pide: 1. dando una base de dichos subespacios. v2 = (0. 1). 2. es decir MβC βA . t ⎜ 2 0 −1 ⎟ ⎟ ⎜ = ⎜ −1 1 1 ⎟ ⎟ ⎜ ⎠ ⎝ −1 0 1 = (3. 1. 1). 0). 157 158 Ejercicio Se consideran los siguientes conjuntos de vectores: βA = {v1 = (1. 1. 0. o Soluci´n. 0). 0)} o ı o (d) Card Z3. (b) Calcular S ∩ T y S + T. 2)βC . w3 = (0. w2 = (0. 1.Una base de T estar´ formada por dos vectores linealmente indea pendiente que pertenezcan a T : βT = {(1. 1. 1. 0. Soluci´n. 4). (0. 1. βC = {w1 = (1. 1. As´ que: ı MβAβC ⎛ ⎞ B = {(2. 1) = −v1 + v2 + v3 = (−1. Calculamos esas coordenadas: w1 := (1. 1. −1. o Soluci´n. 1. −1)βA . o 5 S∩T La matriz asociada al sistema que define este subespacio (uni´n de o las ecuaciones que define a S y a T ) es: ⎞ ⎜ 1 1 1 | 0⎟ 1 ⎜ ⎟ F2 (4) (A|b) = ⎜1 0 0 | 0⎟ ⎜ ⎟ ⎝ ⎠ ∼ 0 1 0 | 0 ⎛ ⎛ ⎞ ⎜1 1 1 | 0⎟ 2 ⎜ ⎟ F (1) ⎜0 4 4 | 0⎟ 3 ⎜ ⎟ ⎝ ⎠ ∼ 0 1 0 | 0 ⎛ ⎞ ⎜1 1 1 | 0⎟ ⎜ ⎟ ⎜0 4 4 | 0⎟ ⎜ ⎟ ⎝ ⎠ 0 0 4 | 0 As´ que dimS ∩ T = 3 − rg A = 0. 2. Esta matriz se construye poniendo por columnas las o coordenadas de los vectores de la base βA respecto a βC . (0. Calcular la matriz de cambio de base de la base βA a la base can´nica. 1)}. w3 := (0. Por lo tanto S + T = Z3 y βS+T = {(1. 1. v3 := (1. 1. 0)βC . 3)} . Usando la matriz MβAβC es f´cil calcular esas coordeo a nadas: MβAβC (2. v3 = (1. 1)βC } 2. 5 Soluci´n. Soluci´n. 0. 5 (c) ¿Es la suma S + T directa? Soluci´n. −1)βA }. 0)βA . Card Z3 = 53 = 125 = Card T .

(0. 0. Ahora calculamos las ecuaciones que debe satisfacer un vector (x. y. Los dos vectores que generan S tambi´n son linealmeno e te independientes. 1. 1. 1). y. 0. 1. −1). Una base. y. z. ⎞ ⎜1 0 0 0 0⎟ ⎜ ⎟ ⎜ 0 2 −1 −1 0 ⎟ ⎜ ⎟ ⇒⎜ ⎟ ⎜ 0 1 −1 0 0 ⎟ ⎜ ⎟ ⎝ ⎠ 0 1 0 −1 0 ⎞ ⎧ 0 0⎟ ⎪ ⎪ x = 0. o Soluci´n. 1. ⎩ y + z = 0. y. 0). 0)}. −α)βA ⎧ ⎨ x − 3y = 0. 2y−z−t = 0} ⎧ ⎨ y − z = 0. es decir: S + T =< (1. 163 164 . ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ y−t=0 ⎛ ⎜1 0 0 ⎜ F2 − F 3 − F 4 ⎜ 0 0 0 ⎜ ⎜ ⎜ 0 1 −1 ⇒ ⎜ ⎝ 0 1 0 As´ que dimS ∩ T = 4 − rg A = 1 (A es la matriz asociada al ı sistema que define S ∩ T ). t) = α(1. y. −1).Ejercicio 4. y T = {(x. Ahora obtenemos la base de S ∩ T : βS∩T = {(0. o Soluci´n. (0. −1)}. o Soluci´n. o Antes de nada tenemos claro que se necesitan dos ecuaciones (dimensi´n de R3-dimensi´n de < B >). 0). 0. Es f´cil darse cuanta que los tres primeros vectores son linealmente a independientes. t) ∈ S: ⎧ ⎪ ⎪ x = α. Una base. luego: βS+T = {(1. 0. 1. 0. 1. 0. t) : x = 0. (0. 2. ⎪ ⎪ ⎨ ⇒ y = α. Soluci´n. 1. 0. 0. y. 0) + β(0. 0. 3. la dimensi´n y las ecuaciones de S ∩ T . 1)}. 1). Como la dimensi´n de T es 2 (dimR4-n´mero de ecuao o u ciones linealmente independientes que definen a T ) bastar´ con a encontrar dos vectores linealmente independientes en T para dar 161 162 una base: βT = {(0. 0. (0. Una base. 0. o o Un vector (x. z. (0. Acabamos dando las ecuaciones que satisface el subespacio S + T . −1)βA ⎧ ⎪ ⎪ x = 3α. 1. ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ 2y − z − t = 0. z. ⇒ ⎪ ⎪ ⎪ ⎪ z = −α ⎩ = (3α. 1. 1) ⇒ ⎪ z = β. 1)}. z)βA ∈< B > si y s´lo si o (x. 1. α. 0. 1. 1. de estos cuatro vectores ahora nos quedamos con tres que sean linealmente independientes y tendremos una base de S + T . Calcular las ecuaciones del subespacio < B > respecto de la base βA. para ello tomamos (x. 1. z. o Usando la f´rmula de Grassman se tiene que: o dimS + T = dimS + dimT − dimS ∩ T = 2 + 2 − 1 = 3. 1. 1) > y se pide: 1. Las ecuaciones de S ∩ T se obtienen como la uni´n de o o las ecuaciones de S con las ecuaciones de T : 4. 1. (0. ⇒ (x. 0) >. 2. Un conjunto generador de S + T se obtiene uniendo conjuntos ⎧ ⎪ ⎪ x = 0. 0). por lo tanto son una base de S: βS = {(1. (0. 0. ⎪ ⎟ ⎪ ⎨ 0 0⎟ ⎟ ⎟⇒ y − z = 0. z)βA = α(3. la dimensi´n y las ecuaciones de S. (0. t) ∈ S + T y recordamos que necesita- ⎪ y − z = 0. Una base y la dimensi´n de T . 1. En R4 se consideran los subespacios vectoriales: S =< (1. ⎩y−t=0 ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩t=β 2. 1. la dimensi´n y las ecuaciones de S + T . 1. o Soluci´n. ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ y = β. ⎪ ⎪ 0 0⎟ ⎪ ⎟ ⎪ y−t=0 ⎩ ⎠ −1 0 ⎛ generadores de S y de T . 0).

0). es decir. 0. 1. As´ que basta con dar 3 vectores linealmente independientes de ı M1 para tener una base: ⎧⎛ ⎨ 1 βM1 = ⎝ ⎩ 0 ⎞ ⎛ ⎞⎫ 0 0 0 0 1 ⎬ ⎠. = (α. 3. 0. 2. 0. ı c) M3 = {A ∈ M2×2(R) / det(A) = 0} ⎛ ⎞ ⎛ ⎞ 1 0 0 0 ⎝ ⎠ ∈ M3 y B = ⎝ ⎠ ∈ M3. 0). Si S es la matriz asociada al sistema que define a M1. la dimensi´n de M1 es o dimM2×2(R) − rg S = 4 − 1 = 3. 5. pero 5A = ⎝ ⎠ ∈ M2. 165 166 Calculamos ahora una base del subespacio M1. 1. entonces: o (x. es decir. β + γ. β. 3. 0. T. e4 = ⎝ ⎩ 0 0 0 0 1 0 0 1 ⎭ e a) M1 = {A ∈ M2×2(R) / A es sim´trica} Soluci´n.mos 1 ecuaci´n (dimR4 − dimS + T ). M4 es un subespacio vectorial porque: o 167 ⎛ ⎞ 0 0 ⎠ y αA = Si A ∈ M4 y α ∈ R entonces A = ⎝ 0 a ⎛ ⎞ 0 0 ⎝ ⎠ ∈ M4 . Calculamos ahora las ecuaciones de M1 respecto de la base β: sea H ∈ M1 con coordenadas en β las que siguen: ⎛ ⎞ x y ⎠ H = xe1 + ye2 + ze3 + we4 = ⎝ z w ´ Como H t = H entonces y = z. ⇒ ⎪ z = β + γ. 1. 1. 2.⎝ ⎠. 0) + 3(1. as´ que: A + B = ⎝ ı 0 a+b 168 . ⎪ ⎪ ⎪ ⎪ ⎪ ⎨ y = β. A = o 0 0 0 1 ⎛ ⎞ 1 0 A + B = ⎝ ⎠ ∈ M3. y − z = 0. 0. 1. 0. ⎛ ⎞ 0 0 ⎝ ⎠ ∈ M2×2(R) / a ∈ R } d ) M4 = {A = 0 a Soluci´n. ⇒ z + t − 2y = 0. ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ t = β − γ. B ∈ M1 entonces At = A y B t = B. t) = α(1. A = ⎝ ⎠ ∈ M2. 7. 4)β o a en la base can´nica: o (1. As´ que (1. 0). 3. 2. 0. Si A ∈ M1 y α ∈ R entonces At = A y (αA)t = αAt = αA. 4)β no ı pertenece a ninguno de los subespacios propuestos. 0) + 2(1. ⎛ ⎞ 0 0 ⎠ ∈ M4 . 1. calcular las ecuaciones cartesianas de estos respecto de la base: ⎧ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫ ⎨ 1 0 0 1 0 0 0 0 ⎬ ⎠ β = e1 = ⎝ ⎠ . αA ∈ M1. justifica si el vector (1. 1. estudiar si los siguientes conjuntos de matrices son subespacios vectoriales. A + B ∈ M1. 1) + γ(0. 1. pero Soluci´n.⎝ ⎠ 0 1 1 0 ⎭ 0 ⎞ ⎛ ⎛ Si A. −1) ⎧ ⎪ ⎪ x = α. 0) + 4(1. (1. 1. e2 = ⎝ ⎠ . Soluci´n. z. Obtenemos f´cilmente las coordenadas del vector (1. Por lo tanto (A + B)t = At + B t = A + B. 0) + β(0. Se comprueba f´cilmente que este vector no satisface las ecuacioa nes de ninguno de los subespacios dados. 1. 0 αa ⎛ ⎞ 0 0 ⎝ ⎠ se Como cualquier elemento de M4 es de la forma 0 a tiene que ⎧⎛ ⎞⎫ ⎨ 0 0 ⎬ βM4 = ⎝ ⎠ ⎩ 0 1 ⎭ es una base de M4 al ser un sistema generador y linealmente independiente. 3. 4). 1. Dada la base β = {(1. 1) = (10. 2. ⎠ y B = ⎝ b) M2 = {A ∈ M2×2(R) / A2 = A} ⎛ ⎞ ⎛ ⎞ 1 0 5 0 Soluci´n. B ∈ M4 entonces A = ⎝ 0 0 0 a ⎞ ⎛ 0 0 0 b ⎞ ⎠. 1)}. e3 = ⎝ ⎠ . S + T . 4)β pertenece a alguno de los subespacios S. En caso de que sean subespacios vectoriales. S ∩ T. 1. o 0 0 0 0 as´ que M2 no es un subespacio vectorial. y. Esta es la ecuaci´n lineal homog´nea que satisfacen las coordenadas de o e los vectores de M1 en la base β. (1. M1 es un subespacio vectorial ya que: o Si A. 9. es decir. 1. 4)β = (1. β − γ) Ejercicio Sea M2×2(R) el espacio de las matrices de orden 2×2 sobre el cuerpo R. as´ que M3 no es un subespacio ı 0 1 vectorial. (1. 0. 0.

x3) ∈ Z3 : x1 + x2 = 0 . 0) ∈ W o Z3 5 son subespacios vecpero 2(4. o (b) W = (x1. 3 1 Soluci´n. x3) ∈ R3 : x1 = x2 = 0 . x2. La dimensi´n sigue siendo la misma por un razonamiento an´logo. La dimensi´n sigue siendo la misma por un razonamiento an´logo. 0) ∈ o W pero 5(−1. x3) ∈ Z3 : x1 + 2x2 + x3 = 1 .Ejercicio Comprobar si los siguientes conjuntos de R3 son subespacios vectoriales: (a) W = (x1. x2. as´ que x = 0 o ı o ´ x2 = 1. Adem´s la die a mensi´n es 3 menos el rango de la matriz que define el sistema. ı 3 172 . Soluci´n. 5 Soluci´n. No es un subespacio vectorial porque (4. o es decir la dimensi´n es 3 − 2 = 1. Por los mismos motivos que en el ejercicio anterior o (el mismo apartado) W es un subespacio vectorial. Adem´s la die a mensi´n es 3 menos el rango de la matriz que define el sistema. x2. x3) ∈ Z3 : x1 + x2 = 0 y x3 − x2 = 0 . 5 Soluci´n. (f) W = (x1. 5 Soluci´n. o a (d) W = (x1. x3) ∈ Z3 : x1 + x2 = 0 . y. x2. (c) W = (x1. x2. 1. Es un subespacio vectorial por ser sus elementos o las soluciones de un sistema lineal homog´neo. x3) ∈ R3 : x1 + 2x2 + x3 = 1 . 1. x2. 0. Por los mismos motivos que en el ejercicio anterior o (el mismo apartado) W es un subespacio vectorial. 0) ∈ W . No es un subespacio vectorial porque (1. o 169 es decir la dimensi´n es 3 − 2 = 1. 0) ∈ W . 1. 2. 0) ∈ W o pero 2(1. (c) W = (x1. x2. o a (e) W = (x1. x2. x3) ∈ R3 : x1 + x2 = 0 y x3 − x2 = 0 . El o o vector (x. 5 Soluci´n. La dimensi´n sigue siendo la misma por un razonamiento an´logo. x2. Soluci´n. 0) = (3. Soluci´n. x3) ∈ Z3 : x1(x2 + 2) = 0 . No es un subespacio vectorial porque (1. No es un subespacio vectorial porque (−1. x3) ∈ R3 : x1 + x2 = 0 . o a (b) W = (x1. x2. x3) ∈ Z3 : x1 = x2 = 0 . Es un subespacio vectorial por ser sus elementos o las soluciones de un sistema lineal homog´neo. o (d) W = (x1. 0. 0) ∈ W ya que 3 + 22 = 3 + 4 = 2 = 0. x3) ∈ R3 : x1 + x2 = 0 . 5 2 171 Soluci´n. Adem´s la die a mensi´n es 3 menos el rango de la matriz que define el sistema. Adem´s la ecuaci´n x2 = 1 se satisface para los a o valores de x = 1 y x = 2. Por los mismos motivos que en el ejercicio anterior o (el mismo apartado) W es un subespacio vectorial. 0. 2 Soluci´n. z) ∈ W si y s´lo si x(x2 − 1) = 0. 1. x2. Busquemos otra descripci´n del conjunto W . Soluci´n. As´ que W = Z3 y por lo tanto es un subespacio vectorial. o (e) W = (x1. Es un subespacio vectorial por ser sus elementos o las soluciones de un sistema lineal homog´neo. 0) ∈ W . o es decir la dimensi´n es 3 − 1 = 2. 170 Ejercicio Comprobar si los siguientes conjuntos de toriales: (a) W = (x1. 0. 0) ∈ W o pero 2(1.

1. 0. 0. v2. Si v ∈< FA > entonces: v = α1 v1 + α2 v2 + .. αj−1 vj−1 + αj αvj + αj+1vj+1 + .2. x2 + x B2 = 2x4 + 1.. . . vj . Entonces < FA >=< FB >. αnvn ⇒ v = α1v1 + α2v2 + . −1. .j} n αl vl + αi (vi + αvj ) + αj vj αl vl + αivi + (ααi + αj )vj l∈{1. v2.. . . . vj+1. Si v ∈< FA > entonces: v = α1v1 + α2v2 + . . . 1. x2 + 1... = as´ que v ∈< FA >. 174 Probamos ahora la inclusi´n contraria. . . Recurrimos a la definici´n y calculamos las coordeo o nadas de los vectores de B2 en B1. Si v ∈< FB > entono ces: v = α1 v1 + α2 v2 + . vj−1 .. Dadas las siguientes bases: B1 = x. . As´ que hemos probado < FA >⊂< ı FB >. . ı Hemos probado por lo tanto la igualdad < FB >=< FA >. B se obtiene de A multiplicando la fila j por un escalar α = 0. . . u2. u3. x3 − x2 a) Halla la matriz de cambio de base de B1 a B2. vi−1 . . x2. v2 = x3 − 1 = −3u1 − u2 + u4 + 2u5 = (−3. .n}\{i. 1)B1 . 2)B1 . 0. vk } y FB = {v1. 0. αnvn . Si llamamos vl al vector fila l-´sima de la matriz A e entonces: FA = {v1. . B2 = {v1. Si llamamos vl al vector fila l-´sima de e la matriz A entonces: FA = {v1.. 1.. As´ que hemos probado < FA >⊂< FB >. 1)B1 . −1. −2)B1 . v5 = x3 − x2 = −u1 + u4 = (−1. As´ que: ı 175 176 . 0. x3 − 1. Para simplificar la notaci´n o denotaremos a los vectores de ambas bases como sigue: B1 = {u1. . . . αj−1vj−1 + αj vj + αj+1vj+1 + . u5}. . Probamos ahora la inclusi´n contraria. . vk }. .. x3 − x2 + x. . Soluci´n. αvj . v1 = 2x4 + 1 = 3u1 + u2 + u3 − u4 − 2u5 = (3. Si v ∈< FB > entono ces: n Ejercicio Sea P4[x] el espacio vectorial de los polinomios con coeficientes v= l∈{1. u4. Por lo tanto < FB >⊂< FA >. x3 + 2x.. 1. ı es decir v ∈< FB >. .j} αl vl + αi (vi + αvj ) + (αj − αi α)vj . .2. αi−1 vi−1 + αi vi + αi+1 vi+1 + . . . . B se obtiene de A sumando a la fila i la fila j multiplicada por un escalar α = 0.. αn vn n ⇒v= l∈{1. vi+1. v3 = x3 + 2x = u4 + u5 = (0. 0)B1 . 0. Demostraci´n o Para esta demostraci´n hay que distinguir tres casos: o B se obtiene de A intercambiando dos filas. . . αnvn . 1. vi + αvj . Sea B una matriz obtenida de A mediante una operaci´n elemental por filas y FB el conjunto formado por los o vectores fila de la matriz B (FB ⊂ Kn). . v2. .n}\{i. . . v3. v2. v2. v4 = x2 = −u1 + u5 = (−1. 173 −1 es decir v ∈< FB >.n}\{i. ı Hemos probado por lo tanto la igualdad < FB >=< FA >. .Ejercicio Sea A ∈ Mk×n (K) y FA el conjunto formado por los vectores fila de la matriz A (FA ⊂ Kn). as´ que v ∈< FA >. vk } y FB = {v1. . vj−1. En este caso FA = FB y claramente < FA >=< FB >. 0. vk }. vj+1. . . Por lo tanto < FB >⊂< FA >.2. v4. . v5}. αj−1vj−1 + αj α αvj + αj+1vj+1 + . .. . 2x4 + x3.j} reales de grado menor o igual que cuatro. . 0. .

donde 1A y 1B son las siguientes aplicaciones: 1A : A −→ A a → a 1B : B −→ B b → b. tambi´n se suele decir que b es la imagen de e = B2 1 1 1 0. − . f no es inyectiva ya que f (2) = f (−2) = 4 y sin embargo 2 = −2. u u Definici´n (Tipos de aplicaciones). Una aplicaci´n entre dos conjuntos. o Si el elemento a de A est´ relacionado con el elemento b de B se a suele escribir f (a) = b. El conjunto imagen es el conjunto de los n´meros naturales u pares. 1 = 2 2 2 B2 Ahora para calcular las coordenadas del vector en B1 basta con hacer la multiplicaci´n: o MB1 B2 1 1 1 . Si f : A → B es una aplio o caci´n biyectiva entonces existe una aplicaci´n g : B → A tal que: o o f ◦ g = 1B g ◦ f = 1A . 1 2 2 2 t t B1 elemento de B. .⎛ ⎜3 ⎜ ⎜1 ⎜ ⎜ =⎜ 1 ⎜ ⎜ ⎜−1 ⎜ ⎝ −2 MB1 B2 ⎞ −3 0 −1 −1⎟ ⎟ −1 0 0 0 ⎟ ⎟ ⎟ 0 0 0 0 ⎟. − . Una aplicaci´n f : A → B se dice suprayectiva o exhaustiva o si se verifica: todo elemento de B tiene una antiimagen. 1. ecuaci´n o o num´rica: e Definici´n (Aplicaci´n). Dada la aplicaci´n f : N → N definida por f (n) = 2n. Preliminares b) Halla las coordenadas respecto de dichas bases del polinomio p(x) = x4 + x3 + x2 + x + 1. Calculamos primero las coordenadas de p(x) en la o base B2 : Antes de desarrollar los conceptos de este tema conviene aclarar o repasar los conceptos de aplicaci´n y enumerar sus tipos. o se tiene: El conjunto inicial de f es N. 1. Una aplicaci´n f : A → B se dice biyectiva si se verifica: o f es inyectiva y exhaustiva. La aplicaci´n f : R → R definida por f (x) = x2 no es o inyectiva ni suprayectiva. o o 179 180 . . f no es suprayectiva ya que −1 no tiene antiimagen. 2 2 2 a o que a es una antiimagen de b. 3 no es la imagen de ning´n n´mero natural. es una ley que hace corresponder a cada elemento de A un unico ´ 1 1 1 p(x) = 1 + x + x2 + x3 + x4 = v1 − v2 + v3 + 2v4 + v5 2 2 2 1 1 1 . o o Al conjunto A se le suele llamar conjunto original y al conjunto B conjunto final. Ejemplo. . El conjunto final de f es N. Definici´n (Conjuntos asociados a una aplicaci´n f : A → B). 3. Una aplicaci´n f : A → o o B se dice inyectiva si se verifica: si f (a) = f (b) entonces a = b. A y o o o B. Para denotar esta ley se le suele denotar por una letra del alfabeto y se utiliza la notaci´n f : A → B. 177 178 El conjunto imagen de f se denota por f (A) y se define por la igualdad: f (A) := {y ∈ B : existe x ∈ A tal que f (x) = y} Ejemplo. 2. 4 es la antiimagen de 8. Soluci´n. 2. 2. . Proposici´n (Aplicaci´n inversa). La aplicaci´n g se llama inversa de la aplicaci´n f . ⎟ ⎟ 1 1 0 1⎟ ⎟ ⎠ 2 1 1 0 Tema 5: Aplicaciones lineales Gabriel Soler L´pez o 24 de noviembre de 2004 5.

f : IR → IR dada por f (x. 3. 2x − y − 3z. f : IR2 → IR2 dada por f (x. La demostraci´n o de esto es la que sigue: f (αu) = f (αu + 0v) = αf (u) + 0f (v) = αf (u). en efecto: a f (u + v) = f (1u + 1v) = 1f (u) + 1f (v) = f (u) + f (v). v ∈ V entonces f (u + v) = f (u) + f (v). z + y). y. u+z. y. v = (v1. 4. se tiene: o f (αu + βv) = f (αu) + f (βv) = αf (u) + βf (v) (⇐) Para probar el rec´ ıproco tendremos que demostrar dos cosas: 1. o por lo tanto usando simult´neamente las dos propiedades que dea finen una aplicaci´n lineal. g(α(u1. v2) = (u1 + u2. v1) 2. Introducci´n de las aplicaciones lio neales Definici´n (Aplicaci´n lineal). u1 − u2. u) = (x−y. Demostraci´n. z. f (x + y) = 2(x + y) = 2x + 2y = f (x) + f (y) 2. u1 + v1) = g(u) + g(v) = g (u1. 2x− y). z. La demostraci´n o de este hecho es f´cil. v ∈ V . Sea f : R → R la aplicaci´n definida por f (x) = 2x. 6. y. Ejercicio (de la hoja distribuida). v2)) = g (u1 + v1. ya que para cada x. y) = (x − y. y) = (x + y. Propiedades de las aplicaciones lineales Proposici´n. 3y). y) = (x − y. u2) + g (v1. La aplicaci´n g : R2 → R3 la aplicaci´n definida por o o g(x. 2. v ∈ V f (u + v) = f (u) + f (v) ∀ α ∈ K y ∀ u ∈ V f (αu) = αf (u) Ejemplo. 184 . f (αx) = 2(αx) = α2x = αf (x) 181 182 Ejemplo. Si u. v1 − v2.1. o Entonces se tiene que f es lineal. Si u ∈ V y α ∈ V entonces f (αu) = αf (u). 2x − y 2 ). Determinar cu´les de a las siguientes aplicaciones son lineales: 1. x − y. diremos que f es o lineal si verifica: ∀ u. β ∈ K y u. f : IR → IR dada por f (x. La definici´n de g : B → A se hace como sigue: para o o cada elemento b ∈ B existe una unica antiimagen a por f (aplicaci´n ´ o biyectiva) tal que f (a) = b. u2) + (v1.(⇒) Partimos en este caso de la premisa “f es lineal”. 183 3 3 2 3 6. Dados dos K-espacios vectoriales o o V y W y una aplicaci´n f : V → W entre ellos. u2) (demostrar en casa). u1 − u2 + v1 − v2. 2. Ahora se define g(b) = a y es rutinario comprobar que g satisface las propiedades enunciadas. ya que: ∀u = (u1. x) es lineal. v2) ∈ R2 y ∀α ∈ R: 1. f : IR4 → IR2 dada por f (x. α ∈ R: 1. u1) + (v1 + v2. z) = (x − z + y. u2)) = αg (u1. f : V → W es lineal si y s´lo si f (αu + βv) = o o αf (u) + βf (v) para cualesquiera α. x − 2y.Demostraci´n. u2). u2 + v2) = (u1 + u2 + v1 + v2. g(u + v) = g ((u1.

como Definici´n (Kernel e Imagen). b) Si v ∈ Im f y α ∈ R entonces αv ∈ Im f . Probemos ahora que Im f ≤ W . w1 ∈ V tales que f (v1) = v y f (w1 ) = w y por ser f lineal: f (v1 + w1 ) = f (v1 ) + f (w1 ) = v + w ⇒ v + w ∈ Im f. Proposici´n. Monomorfismo: es una aplicaci´n lineal inyectiva. Si el espacio de partida y llegada es el mismo. para ello es necesario o comprobar: a) Si v. v ∈ Ker f y w ∈ Ker f entonces f (v) = f (w) = 0W y por ser f lineal: f (v + w) = f (v) + f (w) = 0W + 0W = 0W ⇒ v + w ∈ Ker f. f (0V ) = f (0V + 0V ) = f (0V ) + f (0V ). o 3. o o 2. 1. 2. Como v ∈ Im f y w ∈ Im f entonces existen v1. Veamos que Ker f ≤ V . Subespacios vectoriales asociados a una aplicaci´n lineal o Demostraci´n. o 4. b) Si v ∈ Ker f y α ∈ R entonces αv ∈ Ker f . Un endomorfismo biyectivo se llamar´ automorfismo. ıa 6. 1. 1. w ∈ Ker f entonces v + w ∈ Ker f . En efecto. Para la misma aplicaci´n f se define la imagen de f como: o Im f := {f (v) : v ∈ V }. Epimorfismo: es una aplicaci´n lineal suprayectiva. La composici´n de dos aplicaciones lineales es o o lineal. Isomorfismo: es una aplicaci´n lineal biyectiva. o donde 0V y 0W denotan respectivamente los ceros de los espacios vectoriales V y W . y f es lineal diremos que f es un endomorfismo. Ker f es un subespacio vectorial de V (Ker f ≤ o V ). Tipos de aplicaciones lineales Definici´n. Procediendo de forma an´loga tenemos que f (v1) = v para alg´n v1 ∈ V ya a u 187 188 . As´ que o f (0V ) = f (0V ) + f (0V ) y si sumamos en ambos miembros el opuesto de f (0V ) se obtiene 0W = f (0V ) como se quer´ demostrar. ı Demostraci´n. Igual que antes hay que probar los siguientes dos apartados.2. 2. Dada una aplicaci´n lineal f : o o V → W . Im f es un subespacio vectorial de W (Im f ≤ W ). a Proposici´n. Procediendo de forma an´loga tenemos que f (v) = 0W ya que v ∈ Ker f y a ahora usando la linealidad de f : f (αv) = αf (v) = α0W = 0W ⇒ αv ∈ Ker f. o e 185 186 7.Proposici´n.f : V → V . definimos el Kernel de dicha aplicaci´n como el subconjunto o de V definido por: Ker f := {v ∈ V : f (v) = 0W }. 5. a) Si v. Si f : V → W es lineal entonces f (0V ) = 0W . 1. 2. La inversa de una aplicaci´n lineal es tambi´n lineal. w ∈ Im f entonces v + w ∈ Im f .

La aplicaci´n lineal f : V → W es un monomorfismo o Ejercicio Ejercicio (de la hoja distribuida). Entonces 0W = f (v)− a f (w) = f (v − w) por lo que v − w ∈ Ker f . denotado Inv(f ). 0. a2i. . a1n ⎟ ⎟ a22 .. z) ∈ IR3 : x+y+z =0 x − y + 2z = 0 } 7. Calcula la aplicaci´n o lineal f : IR3 −→ IR3 sabiendo que Ker(f ) = {(x. As´ que v − w = 0V ı y v = w. o es decir. . Dicha relaci´n existe y viene o o recogida en el siguiente teorema. . .que v ∈ Im f y ahora usando la linealidad de f : f (αv1 ) = αf (v1) = αv ⇒ αv ∈ Im f. f (0. (⇐) Supongamos ahora que tenemos una aplicaci´n lineal que satisface o Ker f = {0V } y que adem´s f (v) = f (w). 0) = (−1. . as´ que forzosamente ıa ı Ker f = {0V }. wm }. . es decir: m f (vi ) = j=1 aji wj = (a1i. es decir. Es decir f es o un epimorfismo si y s´lo si Im f = W . Determinaci´n de un monomorfiso mo por su kernel Por definici´n se tiene que la aplicaci´n lineal f : V → W ser´ exo o a haustiva si y s´lo si el subespacio vectorial Im f = W .1. o y f (1. 189 190 7.2. ami )β respecto de las bases β y β es: ⎞ a12 . .. como el conjunto de vectores los vectores v que permanecen invariantes por la aplicaci´n. w2 . v2. Inv(f ) = {v ∈ V : f (v) = v} Demuestra que el conjunto invariante de una aplicaci´n lineal es un o subespacio vectorial. si y s´lo si Ker f = {0V } o Demostraci´n. .(⇒) Dada una aplicaci´n lineal cualquiera f : V → W o o se tiene que f (0V ) = 0W y por lo tanto 0V ∈ Ker f . Teorema. . ⎜ . . o Ejercicio (de la hoja distribuida). Sea f : V → W una aplicaci´n lineal para la que conocemos las o im´genes de los elementos de β expresadas en coordenadas sobre la a base β . . 2. ⎟ . . y. la aplicaci´n f es inyectiva. ⎝ am1 191 192 . Un apunte sobre dimensiones que os ayudar´ en los ejercicios a 8. vn } β = {w1. . ⎠ am2 . ⎜ . . . Dada una aplicaci´n lineal f : V → W se satisface: o o dimV = dimKer f + dimIm f. Definici´n. 0). . 1. 0) = (1. Se define o el conjunto invariante de f . 1. . ⎟ . . amn La matriz asociada a f ⎛ ⎜ a11 ⎜ ⎜ a21 ⎜ Mββ (f ) = ⎜ . Ahora nos gustar´ saber si hay alguna relaci´n entre que una apliıa o caci´n sea monomorfismo y su kernel. . 0). Por otro lado si existe alg´n v = 0V tal que v ∈ Ker f tendr´ u ıamos que f (v) = f (0V ) = 0W y se romper´ la inyectividad. . Matrices asociadas a una aplicaci´n o lineal Proposici´n. . . a2n ⎟ ⎟ ⎟ ∈ MdimW ×dimV (K) . Sean V y W espacios vectoriales sobre los que fijamos o respectivamente las siguientes bases: β = {v1. Sea V un espacio vectorial sobre un cuerpo K y sea f : V −→ V una aplicaci´n lineal.

⎝ ⎠ ⎝ bm an β ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ β Ejercicio o Ejercicio. Para este c´lculo hay dos posibilidades: 1. 1.1. 0. 0. o o Sea V un espacio vectorial. Si f : V → W es una aplicaci´n lineal. . 0. . o o 2. vn} βW = {w1. La dimensi´n y ecuaciones de Ker(f ) e Im(f ). 1) 193 194 Proposici´n (Matriz de la composici´n de aplicaciones). 0) = (0. . . 1.2. . 1. 0) = (1. W y U . bm )β . o f (1. v2. b2. 0. −2. Entonces o Mββ (Id) = Mβ β . −1) f (−1. . 1. 0) = (0. v2. . 1. 1. . −1) f (−1. 1. Utilizar la definici´n de aplicaci´n lineal (ya se ha explicado). β y β son o a bases respectivas de V . o f (1. v ∈ V o o y w = f (v) y las coordenadas son v = (a1. . 1. 1. Para obtener esta relaci´n hacemos notar: o 195 196 . Sea f : IR4 → IR3 una aplicaci´n lineal definida por: f (1. Sea f : IR4 → IR3 una aplicaci´n lineal definida por: f (1. . 1. −1) Se pide calcular: 1. 1) = (0. ⎟ ⎜ . 0. 0. . 8. o Soluci´n. . 1) 8. podemos construir la matriz MβV βW (f ) como se ha explicado antes. wm }. Propiedades de las matrices de cambio de base Proposici´n. an)β y w = (b1. Matriz asociada a una aplicaci´n o lineal f respecto de otras bases Dados espacios vectoriales V y W . . Utilizar la matriz MβV βW (f ) y las matrices de cambio de base MβV βV y MβW βW . −2. 1) f (1. . o o Si f : V → W y g : W → U son dos aplicaciones lineales entonces g ◦ f : V → U es una aplicaci´n lineal. La matriz de f respecto a las bases can´nicas. 1. wm } a y nos piden la matriz MβV βW (f ). Adem´s si β. . 1. una aplicaci´n lineal f : V → W o y bases respectivas de los anteriores espacios βV = {v1. . a2. w2 . . . . . se tiene que: Mββ (g ◦ f ) = Mβ β (g)Mββ (f ) Proposici´n (Relaci´n con matrices de cambio de bases). w2. ⎜ . 1) = (0. 1) f (1.Ejercicio o Ejercicio. entonces: ⎛ ⎞ ⎛ b1 ⎟ ⎜ ⎜ a1 ⎜ ⎟ ⎜ ⎜ b2 ⎟ ⎜ a2 ⎜ ⎟ ⎜ ⎜ ⎟ = Mββ (f ) ⎜ ⎜ . . β y β bases del mismo y Id : V → V la aplicaci´n identidad. −1) Se pide calcular: 2. 1. 0. . . 0. . vn} βW = {w1. 0) = (1. . Suponed ahora que nos dan otras bases: βV = {v1. 1. 0) = (1. 0) = (1. ⎟ ⎜ . .

1) = (0. o 197 198 Se pide: 1. y. (0. 1) f (1.βV (Id) = 2 MβW . 1. ⎩ −x + 2y + z = 0. n = 3 y k = 2. 1). 0. La matriz de f respecto de la base can´nica de IR4 y la base de o IR3. (1. (1. βW ) −→ (W. Sabemos que o ⎞ 1 2 1 0 3 1 ⎠. 1)} (de R3). as´ como las ecuaciones del n´cleo y la imagen de f en estas bases. 1. 1. o Mβ 3 β 2 (f ) = Mβ 2 β 2 MβAβ 2 (f )MβAβ 3 = C C⎛ C C ⎞ C C ⎛ ⎞⎛ ⎞ ⎞ 1 0 0⎟ ⎛ ⎜ ⎟ 1 0 1 2 1 ⎜ 0 1 1 ⎜ 0 1 0⎟=⎝ ⎝ ⎠⎝ ⎠ ⎠ ⎜ ⎟ ⎠ 0 1 0 3 1 ⎝ −1 2 1 −1 −1 1 4. f (0. Adem´s βC y βC ser´n respectivamente a 3 a las bases can´nicas de R3 y R2. −1). 0). e Soluci´n.El diagrama siguiente. 0. 0) = (0. (1. As´ que: ı C C ⎧ ⎨ y + z = 0. 1). −2. y. Soluci´n. (1. o 2. (1. 1) = (2.βW (f )MβV . 1. 1. 2). (1. se o o tiene: MβV . El rango de la aplicaci´n. Calcular una base y las ecuaciones de Ker f . donde Id1 e Id2 son la aplicaci´n identidad.βW (f ) = MβV . z) pertenece a Ker f si y s´lo si o o 199 200 . 0. C C Soluci´n. βV ) −→ (W. 1. 0). z)t = 0.βW (Id)MβV . βV ) Id1 ↑ f (V. 0) = (1. 2)}.βV Ejercicio o Ejercicio. As´ que Im f = R2 y no se pueden dar ecuaciones de este subesı pacio. Como el primer y segundo vector forman un conjunto de vectores linealmente independientes y maximal entonces βIm f = {(0. 3). (0. (1. βW ) ↓ Id2 3. ı u En el diagrama se ve que f = Id2 ◦f ◦ Id1 y utilizando una proposici´n anterior para calcular la matriz de una composici´n. ı ´ 4. En este ejercicio usaremos la notaci´n βA para denotar a la base deo 2 finida en el ejercicio anterior. 1. (1.βW MβV . De las im´genes que nos dan de los vectores de βA o a obtenemos: ⎛ MβAβ 2 (f ) = ⎝ C 5. 1. 1)} (de R4) y B2 = {(1. 0. Ejercicios Resueltos Ejercicio Se considera la aplicaci´n lineal f : Rn → Rk que verifica: o f (1. 0. −1)}. Decir qui´nes son n y k. 1. 0. 0) = (1. 0. Por lo tanto dimKer f = 3−rg Mβ 3 β 2 (f ) = 1 y βKer f = {(1. o es conmutativo f (V. C C Soluci´n. −1) Se pide calcular: f (1. 1. Sea f : IR4 → IR3 una aplicaci´n lineal definida por: f (1. 1) = (1. 3. Un vector (x. 1) > . −1).βW (f )MβV . Calcular Mβ 3 β 2 (f ). 1) 9. 0)} as´ como las ecuaciones de la imagen de f en esta ultima base. C Mβ 3 β 2 (f )(x. Soluci´n. Im f =< (0. 0. 1. 1. 0).βW (Id ◦f ◦ Id) = 2 1 1 5. 0). 1). 1. 0. 1. 1). 0. Calcular una base y las ecuaciones de Im f . 1. 1. 1. B = {(1. La matriz de f respecto de las bases de B1 = {(1. 1). 0. 1. −1) f (−1. f (0. 1) = (1. o MβW . Calcular MβA β 2 (f ).

1. (1. g : Rk → Rl y h : Rm → Rn definidas por: f (x. 0) = (1. x. 1. 1). 1. (1. (0. β3 = {(1. 1. (0. 0. Soluci´n. 1. No. Vamos a calcular esta matriz utilizando la definici´n de o o la misma. Soluci´n. (1. (0. Para ello debemos calcular las im´genes de los vectores a 201 ⎞⎤t ⎠⎦ = (2x.9 puntos). 0). 1.2). 0). (0.5 puntos). 0). y) = ⎣A ⎝ o y B = {(1. 0)} (0.4 puntos). 1. o Soluci´n. 1. 0. −1). 0)B . 1). f (1. 1. ⎛ Calcula: (1. 0) = (2.4). Los valores de n y de m (0. 0. = 1 = 0. 1.5). (0. ¿Se puede hacer la composici´n f ◦ f ? ¿Qu´ tama˜o tendr´ la o e n ıa matriz asociada a f ◦ f ? (0. 0. 0) = (1.1). Para ver que estos conjuntos son bases basta con poner o los vectores por filas en una matriz y ver que el determinante es diferente de 0. La matriz de f respecto de las bases B = {(1. 1). 1. β5 = {(1. (1. 0. 0. 0. (1. Soluci´n. = −1 = 0. 1)} y las aplicaciones lineales f : R4 → R3. 0. 2) = 2(1. ⎡ ⎛ x y (1. (1. 0. β2 y β3 son bases de R4. 0. 1)}. 0. (0. 0). 1).3). 1)} 202 Ejercicio En este problema consideraremos los siguientes conjuntos: β1 = {(1. 0). 0.Ejercicio Sea f : IR → IR la aplicaci´n cuya matriz asociada en las bases o can´nicas es: o ⎞ 2 0⎟ ⎜ ⎜ ⎟ A=⎜1 1⎟ ⎜ ⎟ ⎝ ⎠ 0 2 ⎛ n m (1. (0. 2)B . 1. ⎛ ⎞ 1 0 1⎟ ⎜ ⎜ ⎟ Mβ4β5 (g) = ⎜ 0 1 1 ⎟ ⎜ ⎟ ⎝ ⎠ 1 0 0 ⎛ ⎞ 0 0 1 ⎟ ⎜ ⎜ ⎟ Mβ4β5 (h) = ⎜ −1 1 1 ⎟ ⎜ ⎟ ⎝ ⎠ 1 0 −1 1. 1) = (0. Soluci´n. f (x. 203 204 . 1. y − t)β4 . ¿Es la aplicaci´n f invertible? (0. 0. (1. 0). 0. As´ que la matriz de f respecto de las bases B y B es: ı ⎞ 0 1⎟ ⎜ ⎜ ⎟ MBB (f ) = ⎜ 0 1 ⎟ . el n´mero de columnas y filas de la matriz A. (1. Los valores de n y de m son respectivamente 2 y 3. 1. x + y. β2 = {(1. porque para que sea invertible tiene que ser un o endomorfismo. 1. 0). (0. 1. t)β1 = (x + y + z. La expresi´n anal´tica de f en las bases can´nicas de Rn y Rm (0. β4 = {(1. 2y). 0. 1). 1.4 o ı o puntos). 1)}. 1. 1. y. 1. β6 = {(1. 1. 0. 1) = (2. 0) + (1. 1)}. 1)}. 0. (1. Soluci´n. 0. z. 1). (0. (0. 0). 1) y (1. u (1. 1. No se puede hacer la composici´n porque el espacio de o o partida y llegada de f no coinciden. es o decir. Comprueba que los conjuntos β1. a). 1 0 1 0 Para el conjunto β1 tendr´ ıamos 1 0 0 0 0 0 1 1 0 1 0 1 1 1 1 0 ıamos Para el conjunto β2 tendr´ 1 1 0 0 0 1 1 1 0 0 1 1 1 0 0 a ıamos Para el conjunto β3 tendr´ 1 0 1 1 0 1 1 0 0 0 0 1 = −1 = 0. ⎜ ⎟ ⎝ ⎠ 2 0 Responde justificadamente: (1. 0. 0).3 puntos). 0) por la aplicaci´n f y a calcular las coordenadas de o esas im´genes en la base B : a f (1. 1)}. 0. 2. 0).

−1). Igual que en el apartado anterior: o 1 1 1 Para el conjunto β4 tendr´ ıamos 1 0 0 = −1 = 0. Mβ5 β6 . para valores de i entre a e 1 y 4 y de j entre 1 y 3. Mβ4 β6 . Soluci´n. 0. Mβ1 β3 . para valores de i entre a e 1 y 3 y de j entre 4 y 6. 0. β5 y β6 son bases de R3. 0 0 1 1 1 0 ıamos 1 0 0 = −1 = 0. 0. Para el conjunto β5 tendr´ 0 1 1 1 0 1 ıamos 0 0 −1 = 1 = 0. Comprueba que los conjuntos β4. Mβ4β5 . Para el conjunto β6 tendr´ 0 1 1 3. Soluci´n. Mβ1β2 Para construir esta matriz hay que poner las coordenadas de los vectores de la base β2 en la base β1: 205 206 Ahora ponemos estas coordenadas por columnas y obtenemos la 2 1 1 1 1 v1 = 2v1 − v2 − v3 + v4 2 1 1 1 1 v2 = 1v1 + 0v2 − v3 + v4 2 1 1 1 1 v3 = 1v1 − v2 + 0v3 + v4 2 1 1 1 1 v4 = 0v1 + 0v2 + 1v3 + 0v4 matriz solicitada: ⎛ ⎜ −a ⎜ ⎜ 1+a ⎜ =⎜ ⎜ −1 ⎜ ⎝ 1+a Mβ2 β3 Ahora ponemos estas coordenadas por columnas y obtenemos la matriz solicitada: ⎛ ⎜ 2 ⎜ ⎜ −1 ⎜ =⎜ ⎜ −1 ⎜ ⎝ 1 ⎞ 1 0⎟ ⎟ 0 −1 0 ⎟ ⎟ ⎟ −1 0 1 ⎟ ⎟ ⎠ 1 1 0 1 ⎞ 1 −1 ⎟ ⎟ 1 −1 1 ⎟ ⎟ ⎟ −1 1 0 ⎟ ⎟ ⎠ 2 −1 1 0 Mβ1β3 Para construir esta matriz hay que poner las coordenadas de los vectores de la base β3 en la base β1: Mβ1β2 Mβ2β3 Para construir esta matriz hay que poner las coordenadas de los vectores de la base β3 en la base β2: 3 1 1 1 1 v1 = −av1 + (1 + a)v2 + av3 + 0v4 3 1 1 1 1 v2 = 0v1 + 1v2 + 1v3 + 0v4 3 1 1 1 1 v3 = 2v1 − 2v2 − 1v3 + v4 3 1 1 1 1 v4 = −1v1 + 1v2 + 1v3 + 0v4 3 2 2 2 2 v1 = −av1 + (1 + a)v2 − v3 + (1 + a)v4 3 v2 Ahora ponemos estas coordenadas por columnas y obtenemos la = 2 0v1 + 2 1v2 − 2 v3 + 2 2v4 3 2 2 2 2 v3 = 1v1 − v2 + 1v3 − v4 3 2 2 2 2 v4 = −1v1 + 1v2 + 0v3 + 1v4 207 208 . 3 As´ que con esta notaci´n tenemos por ejemplo: v4 = (0.2. j wi ser´ el vector i-´simo de la base βj . 1) y ı o 6 w2 = (0. Calcula las siguientes matrices: Mβ1 β2 . Mβ2β3 . o Antes de empezar a calcular estas matrices adoptaremos la notaci´n siguiente: o vij ser´ el vector i-´simo de la base βj .

2. z. 0. z. 1)β2 } = {(4. 0. 2. e Soluci´n. Hemos dicho en el p´rrafo anterior que βT = {(1. 2. 0. −1. 1)β2 } es a una base de T . se pide: Calcular las dimensiones de S y T y bases de cada uno de los subespacios (se pide que las coordenadas de los vectores de esas Ahora ponemos estas coordenadas por columnas y obtenemos la matriz solicitada: ⎛ Mβ5 β6 ⎞ bases est´n dadas en la base β1). 1)t 2 ]t. En cuanto a S se tiene que su dimensi´n es 4 menos o el rango del sistema que lo define. es decir. −2. 2. 0. 3)β1 } ⎜ −1 1 0 ⎟ ⎜ ⎟ = ⎜ 2 −1 0 ⎟ ⎜ ⎟ ⎝ ⎠ 1 −1 1 211 212 . Haciendo el producto marcado se obtiene que (1. t)β3 ∈ R4 : x+y+z+t = 0} y T =< (1. z. 1)β2 = (4. 2. 0. y. que por tanto ser´ una ´ a base de T . β donde (x. Dados los subespacios vectoriales 6 5 5 5 w1 = −w1 + 2w2 + w3 6 5 5 5 w2 = w1 − w2 − w3 6 5 5 5 w3 = 0w1 + 0w2 + 1w3 S = {(x.matriz solicitada: ⎛ ⎜ −a 0 ⎜ ⎜ 1+a 1 ⎜ =⎜ ⎜ a 1 ⎜ ⎝ 0 0 Mβ1 β3 ⎞ 2 −1 ⎟ ⎟ −2 1 ⎟ ⎟ ⎟ −1 1 ⎟ ⎟ ⎠ 1 0 Mβ4β6 Para construir esta matriz hay que poner las coordenadas de los vectores de la base β6 en la base β4: Mβ4β5 Para construir esta matriz hay que poner las coordenadas de los vectores de la base β5 en la base β4: 6 4 4 4 w1 = 0w1 + w2 + w3 6 4 4 4 w2 = 0w1 + 0w2 − w3 6 4 4 4 w3 = w1 − w2 + 0w3 5 4 4 4 w1 = w1 + 0w2 − w3 5 4 4 4 w2 = 0w1 + 1w2 + 0w3 5 w3 Ahora ponemos estas coordenadas por columnas y obtenemos la matriz solicitada: ⎞ ⎜0 0 1 ⎟ ⎜ ⎟ = ⎜ 1 0 −1 ⎟ ⎜ ⎟ ⎝ ⎠ 1 −1 0 ⎛ = 4 w1 − 4 w2 + 4 0w3 Mβ4 β6 Ahora ponemos estas coordenadas por columnas y obtenemos la matriz solicitada: ⎛ Mβ4 β5 ⎞ Mβ5β6 Para construir esta matriz hay que poner las coordenadas de los vectores de la base β6 en la base β5: ⎜ 1 0 1 ⎟ ⎜ ⎟ = ⎜ 0 1 −1 ⎟ ⎜ ⎟ ⎝ ⎠ −1 0 0 209 210 4. dimS = 4 − 1 = 3. Est´ claro que la dimensi´n de T es 1 porque viene o a o generado por un unico vector no nulo. −2. y. 1)β2 >. t)β1 son las coordenadas del vector (1. y. 2. 0. −1. t)β1 = [Mβ1β2 (1. pero necesitamos expresar el vector de βT en la base β1 . para ello podemos utilizar la igualdad: (x. 3)β1 y la base solicitada de T puede ser: βT = {(1. 1)β2 en la base β1.

0. 4 se tiene que dimS ∩ T = 4 − 4 = 0 y por lo tanto S ∩ T = {(0. t )t 1 = Mβ1 β3 (x . −1)β1 } Calcula las ecuaciones cartesianas de S y de T en la base β1. t)t 3 = Mβ3 β1 (x . t )β1 ∈ T . 3)β1 . 1. 215 216 . Ahora tenemos que eliminar el par´metro α y obtener 3 ecuaciones homog´neas que a e definan a T : x = 4α. t )β1 = α(4. z . este sistema tiene como matriz asociada a: ⎛ ⎞ 0 1−a a 2−a 0 ⎟ ⎜ ⎜ ⎟ ⎜1 4 0 0 0⎟ ⎜ ⎟ ⎜ ⎟. t )t 1 = β ⎜ 0 0 0 1 ⎟ ⎜ ⎟ ⎝ ⎠ −1 −a a 2 − a (y − z + t . 3 Este rango se calcula usando el determinante de la matriz quit´ndole la columna de los t´rminos indepena e dientes. (0. • Si a = 5 4 se tiene que dimS ∩ T = 4 − 3 = 1 y puesto que el vector no nulo (−4. por lo tanto (x . t = −x − ay + az + (2 − a)t y las ecuaciones de S en β1 son: 0=x+y+z+t = y − z + t + x + z − t + t − x − ay + az + (2 − a)t = (1 − a)y + az + (3 − a)t = 0 . t = 3α ⇒ x + 4y = z − 2y = t + 3y = 0. −2. x + z − t . 0. z . 3. 2. (0. −3)β1 } es una base de S ∩ T. (0. Soluci´n. o S∩T Las ecuaciones de la intersecci´n son: o (1 − a)y + az + (2 − a)t = x + 4y = z − 2y = t + 3y = 0. 2. z . −1 (x. 0. Las ecuaciones de S en la base β1 ya las hemos o calculado en el apartado anterior. y . Calcula los espacios S ∩ T y S + T (da las ecuaciones de ambos espacios en la base β1 y bases cuyos vectores tengan sus coordenadas expresadas respecto a β1). 0)β1 . t)β3 ): As´ que: ı x=y −z +t. por ejemplo. a − 3. 0. y =x +z −t. a)β1 . y. z . y . Ahora tenemos que obtener tres vectores de S linealmente independientes y que satisfagan las ecuaciones ultimas obtenidas. y . y = −α. (0. z =t. y . a)β1 . 0. z. 2. t . 3. y. Otra opci´n ser´ e o ıa expresar las ecuaciones de S respecto de la base β1 y luego obtener la base. Este es el procedimiento que vamos a usar porque con ´l respondemos parcialmente a la siguiente pregunta. (1. Tomamos (x . 2. z . eran: S = {(x . 0)β1 . z . y . z = −2α. pero esto nos dar´a una base con coordenadas en β3 y luego ı tendr´ ıamos que cambiar ´stas a la base β1. y . z . z. −1)β1 y βS = {(1. −1. β 213 214 Para calcular las ecuaciones de T en la base β1 seguimos el procedimiento usual. y . 0)β1 } y βS∩T = ∅ es una base de S ∩ T. 1. t )β1 ∈ S y buscamos las ecuaciones que satisfacen x . Para e calcular las ecuaciones de S respecto de la base β1 tomamos un vector u = (x . −3)β1 ∈ S ∩ T entonces βS∩T = {(−4. a − 3. Soluci´n. t )β1 ∈ R4 : (1 − a)y + az + (2 − a)t = 0}. ⎜ 0 −2 1 0 0 ⎟ ⎜ ⎟ ⎝ ⎠ 0 3 0 1 0 que tiene rango3 4 si a = • Si a = 5 4 5 4 y tiene rango 3 si a = 5 . y . z . t . −x − ay + az + (2 − a)t )t 3 . ´ Estos vectores pueden ser. 0. Empezamos calculando las coordenadas del vector u en β3 (u = (x.Para encontrar una base de S podr´ ıamos utilizar sus ecuaciones. t )t 1 = β β β ⎛ ⎞ ⎜ 0 1 −1 1 ⎟ ⎜ ⎟ ⎜ 1 0 1 −1 ⎟ ⎜ ⎟ ⎜ ⎟ (x . 0. 0.

1) = −w2 = (0. −1. Finalmente: S+T = S = {(x . 0. 0)β6 . 1. z . −2. a Soluci´n. 3)β1 . Sin a embargo empezaremos calculando Mβ1β4 (f ) por ser f´cil de obtener a y posteriormente usaremos la igualdad: Mβ2β6 (f ) = Mβ6β4 Mβ1 β4 (f )Mβ1β2 (10) As´ que: ı 1 f (v4 ) = f ((0. • Ahora tomamos a = 5 4 Soluci´n. 0. t )β1 ∈ R4 : (1−a)y +az +(2−a)t = 0}. y . 1. −1)β1 > . 0. 0. 2. 0. 0. 0)β1 ) = (1. Ahora 219 220 . a − 3. o k = l = m = n = 3. −1. 0. o 4 y tenemos que dimS + T = dimS + dimT −dimS ∩T = 3+1−1 = 3. Di cu´les son los valores de k. Esas coordenadas se ponen finalmente por columnas en una matriz: 4 6 6 6 w1 = (1. 3. Puesto que en este apartado nos piden datos sobre o Ker f respecto de la base β2 y en el siguiente sobre Im f relativos a la base β6. (0. 1)β6 . 1 f (v2 ) = f ((0. Soluci´n. disponer de la matriz Mβ2β6 (f ) ser´ de utilidad. 1 f (v1 ) = f ((1. una base y la dimensi´n de Ker f (todo ello o respecto de la base β2). 217 218 5. Como sabemos que dimS + T = 3 y los 3 ultimos vecto´ res son linealmente independientes (son la base que hemos calculado de S). 0)β1 . 1. a)β1 . 1)β4 . 0. 0)β4 . 0.¿Es la suma de ambos subespacios directa? S+T Distinguimos dos casos: • Empezamos tomando a = 5 . 0)β1 ) = (1. 6. (0. 0. 0. 0)β6 . 0)β1 ) = (1. Calculamos el subespacio suma: S + T =< (4. 0. 0)β4 . 0. 3. 0. m y n. (0. a)β1 . (1. 1 f (v3 ) = f ((0. 1)β1 ) = (0. 0. a Procedemos igual que en el apartado 3: ⎛ o C´lculo de Mβ1β4 (f ). Calcula las ecuaciones. en este caso S + T = R4 4 porque dimS+T = dimS+dimT −dimS∩T = 3+1−0 = 4. Por definici´n tendremos que calcular las a im´genes (mediante f ) de los elementos de la base β1 y expresar a sus coordenadas en β4. 0. 2. 1) = w1 + w2 + w3 = (1. 1. 4 6 w3 = (0. Es directa excepto cuando a = 5 . a−3. 1. 4 6 6 w2 = (1. ⎞ ⎜1 1 1 0 ⎟ ⎜ ⎟ Mβ1 β4 (f ) = ⎜ 1 0 0 0 ⎟ ⎜ ⎟ ⎝ ⎠ 0 1 0 −1 C´lculo de Mβ6β4 . −1)β1 } y que S + T = S. (0. obtenemos que: βS+T = βS = {(1. 0)β1 . 1. 0. 0) = w1 + w2 = (1. l. −1)β4 .

1)β4 . Puesto que la dimensi´n de Im f es 3 no se pueden calcular las o ecuaciones. 2. Calcula las ecuaciones. Del sistema generador {(2. 4x + 2y + 3z + t. 0. 0)β6 . (1. 0)β6 . 3. 0)β6 . (1. de los vectores de β1 y dar las coordenadas del vector imagen en la base β4. 0. (1. Mβ1 β5 (f ). f (v2 ) = (1. 2. . Esto ya se ha hecho en un apartado anterior: 1 1 f (v1 ) = (1. Mβ4 β4 (h◦g). t)β2 )]t = (2x + y + z + t. Mβ4 β4 (h). Soluci´n. 0)β6 . y. 0)β6 . 0)β4 . 4. o Sabemos que dimIm f = dimR4 − dimKer f = 4 − 1 = 3 y por otro lado: Im f =< (2. )β6 > . 221 222 7. 0)β6 ⎧ ⎛ ⎞ ⎪ ⎪ 2x + y + z + t = 0. z. 1. 0)β6 . (1. t)β2 ∈ Ker f si y s´lo si f ((x. 1 1 f (v3 ) = (1. 0. 0)β2 pertenece a Ker f . 0. 0)β6 . 1. 3. sistema ⎜ 2 1 1 1 0 ⎟ ⎪ ⎪ ⎨ ⎜ ⎟ ⇒ 4x + 2y + 3z + t = 0. Hacemos ahora c´lculos para obtener las ecuaciones de a Ker f . 8. mea diante f . −2. y. por lo tanto βKer f = {(1.Mβ6β4 ⎞ ⎜1 1 0 ⎟ ⎜ ⎟ = ⎜ 1 1 −1 ⎟ ⎜ ⎟ ⎝ ⎠ 1 0 0 ⎛ [f ((x. )β6 } de Im f se puede extraer f´cilmente la base: a βIm f = {(1. 0)β2 } es una base de Ker f Ahora usamos la f´rmula (10) y obtenemos: o ⎛ ⎞ 0⎟ ⎟ 0⎟ ⎟ ⎟= 1⎟ ⎟ ⎠ 0 ⎞ 1 1⎟ ⎟ 3 1⎟ ⎟ ⎠ 0 1 ⎜ 2 1 1 ⎜ 1 1 0 ⎟⎜ 1 1 1 0 ⎟⎜ ⎜ ⎟⎜ ⎟ ⎜ −1 0 −1 ⎜ Mβ2β6 (f ) = ⎜ 1 1 −1 ⎟ ⎜ 1 0 0 0 ⎟ ⎜ ⎜ ⎟⎜ ⎟⎜ ⎝ ⎠⎝ ⎠ ⎜ −1 −1 0 1 0 0 0 1 0 −1 ⎝ 1 1 1 ⎛ ⎞ ⎛ ⎞ ⎛ ⎜ 2 1 1 0⎟ ⎟ ⎜2 1 ⎜ 2 1 1 0 ⎟⎜ ⎜ ⎟ ⎜ −1 0 −1 0 ⎟ ⎜ ⎟ ⎜ ⎜ 2 0 1 1 ⎟⎜ ⎟=⎜4 2 ⎜ ⎟⎜ ⎝ ⎠ ⎜ −1 −1 0 1 ⎟ ⎝ ⎜ ⎟ ⎠ 1 1 1 0 ⎝ 0 0 1 1 1 0 C´lculo de Ker f a ⎛ ⎞⎛ ⎞ Ahora un vector (x. Con estos datos tenemos: ⎞ 1 1 1 0 ⎟ ⎜ ⎜ ⎟ Mβ1 β4 (f ) = ⎜ 1 0 0 0 ⎟ ⎜ ⎟ ⎝ ⎠ 0 1 0 −1 ⎛ Mβ1β5 (f ) Para calcular esta matriz es necesario obtener las im´genes. 0)β4 . y. 1. o Mβ1β4 (f ) Para calcular esta matriz es necesario obtener las im´genes. es decir dimKer f = 1. Calcula las matrices siguientes: Mβ1β4 (f ). 0)β6 . t)β2 ) = o (0. 0. El vector (1. 1. 3. z. matricial ⎜ 4 2 3 1 0 ⎟ ⎜ ⎟ ⎪ ⎪ ⎝ ⎠ ⎪ ⎪ ⎩t=0 ⇒ 0 0 0 1 0 Ahora tenemos que la dimensi´n de Ker f es 4 menos el rano go de la matriz asociada al sistema (3). z. )β6 }. de los vectores de β1 y dar las coordenadas del vector 223 224 . Mβ4β4 (g◦h). −2. z. y. una base y la dimensi´n de Im f (todo ello o respecto de la base β6). 2. 0)β6 . t)β2 )]t = Mβ2 β6 (f )(x. f (v4 ) = (0. 0. (1. t)β6 = (0. 1. 1. 1. Mβ4β4 (g) Soluci´n. (1. (1. 0. mea diante f . −1)β4 . t)t 2 β ⇒ [f ((x. 4. z. (1. y.

1)β5 .imagen en la base β5: 1 f (v1 ) = (1. 1. −1) = (1. 1 f (v2 ) = (1. dimKer g = 0 y dimIm g = 3. 0)β4 = (1. 0. 1) = (0. −1. 1 f (v4 ) = (0. ⎜ ⎟ ⎝ ⎠ 1 0 −1 ⎜ 1 0 0 ⎟⎜ 2 0 1 ⎟ ⎜ 2 0 1 ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ Mβ4β4 (h ◦ g) = ⎜ −2 1 2 ⎟ ⎜ −1 1 1 ⎟ = ⎜ −7 1 −3 ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠ 0 0 −1 −1 0 −1 1 0 1 227 228 . 0)β4 = (2. 2)β5 . 1. se tiene que g es biyectiva. es decir. 0. Para que sea biyectiva debe ser simult´neamente inyeco a tiva y suprayectiva. 1. 1) = (0. 0. 1. −1)β4 = (0. Mβ4β4 (h) Para este c´lculo usaremos la f´rmula: a o Mβ4 β4 (h) = Mβ4 β5 Mβ4β5 (h) As´ que: ı Mβ4 β4 (h) = Mβ4 β5 Mβ4β5 (h) ⎞ ⎛ ⎞ ⎜ 1 0 1 ⎟⎜ 0 0 1 ⎟ ⎜ 1 0 0 ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ = ⎜ 0 1 −1 ⎟ ⎜ −1 1 1 ⎟ = ⎜ −2 1 2 ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠ −1 0 0 1 0 −1 0 0 −1 ⎛ ⎞⎛ Mβ4β4 (g ◦ h) Para este c´lculo usaremos la f´rmula: a o Mβ4β4 (g ◦ h) = Mβ4β4 (g)Mβ4 β4 (h) = Por lo tanto: Con estos datos tenemos: ⎛ ⎞ ⎜ 0 −1 0 1 ⎟ ⎜ ⎟ Mβ1 β5 (f ) = ⎜ 2 2 1 −1 ⎟ ⎜ ⎟ ⎝ ⎠ 1 2 1 −1 Mβ4β4 (g) Para este c´lculo usaremos la f´rmula: a o Mβ4β4 (g) = Mβ4 β5 Mβ4β5 (g)Mβ4 β4 = Mβ4β5 Mβ4 β5 (g)I4 = Mβ4β5 Mβ4 β5 (g) As´ que: ı Mβ4 β4 (g) = Mβ4 β5 Mβ4 β5 (g) ⎞ ⎛ ⎞ 1 0 1 ⎟⎜ 1 0 1 ⎟ ⎜ 2 0 1 ⎟ ⎜ ⎟⎜ ⎜ ⎟ ⎜ ⎟ = ⎜ 0 1 −1 ⎟ ⎜ 0 1 1 ⎟ = ⎜ −1 1 1 ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠ −1 0 0 1 0 0 −1 0 −1 ⎛ ⎞⎛ 225 ⎞⎛ ⎞ ⎛ ⎞ 2 0 1 ⎟ ⎜ 1 0 0 ⎟ ⎜ 2 0 −1 ⎟ ⎜ ⎜ ⎟⎜ ⎟ ⎜ ⎟ Mβ4β4 (g ◦ h) = ⎜ −1 1 1 ⎟ ⎜ −2 1 2 ⎟ = ⎜ −3 1 1 ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠ −1 0 −1 0 0 −1 −1 0 1 226 ⎛ 9. 1)β5 . 1)β4 = (1. 2. Como dimIm g = rg Mβ4 β5 (g) = 3 (porque el determinante de Mβ4β5 (g) es −1) y dimKer f = 3 − dimIm f = 0. Haciendo los c´lculos necesarios obtenemos: a ⎛ ⎞ 0 0 1 ⎟ ⎜ ⎜ ⎟ Mβ5 β4 (g −1) = ⎜ −1 1 1 ⎟ . se debe tener simult´neamente que a Ker g = 0 y que Im g = R3. Para calcular la inversa de g bastar´ con calcular la matriz asociada a a g −1 respecto de algunas bases. 1. 0. −1)β5 . 2) = (−1. 1 f (v3 ) = (1. Obtendremos esta matriz usando que Id = g ◦ g −1 . o lo que es lo mismo. por lo que: Mβ4β5 (g)Mβ5 β4 (g −1) = Mβ5 β5 (Id) = I3 ⇒ Mβ5 β4 (g −1 ) = (Mβ4 β5 (g))−1. 2. ¿Es la aplicaci´n g biyectiva? ¿Cu´l es su inversa? o a Mβ4β4 (h ◦ g) Para este c´lculo usaremos la f´rmula: a o Mβ4β4 (h ◦ g) = Mβ4β4 (h)Mβ4β4 (g) = Por lo tanto: ⎛ ⎞⎛ ⎞ ⎛ ⎞ Soluci´n.

10. σ(f )) los llamaremos valores propios de A (resp. Vμ = {x ∈ Rm : f (x) = μx}. ı o Definici´n (Vectores y valores propios). A cada elemento μ ∈ σ(A) (resp. denotaremos por pA(x) al polinomio caracter´ ıstico de A. encontrar una n matriz invertible P tal que P −1AP sea diagonal. 0. 0)β4 } 229 230 2. o El espectro de una matriz A ∈ Mm(K) es el conjunto de las ra´ ıces del polinomio caracter´stico y se denota por σ(A) y el espectro de ı f : Rm → Rm es el conjunto de las ra´ de su polinomio caracter´ ıces ıstico y se denota por σ(f ). o Empezamos calculando las dimensiones de los espacios que queremos calcular: dimIm g = rg Mβ4β5 (g) = 3 ⇒ dimKer g = dimR3 − dimIm g = 0. Im g e Im h (todo respecto de la base β4 ) y di si se verifica que alguna de las dos sumas siguientes es directa: Ker h + Im h. 0)β4 } e Im g = Im h = R3 Ker g + Im g. Determina Ker g. Definici´n (Espectro). A este polinomio lo denotaremos por Observaci´n o El polinomio caracter´ ıstico de un endomorfismo f : Rm → Rmno depende de de la base elegida. m m m se define el polinomio caracter´ ıstico de f asociado a la base β como el polinomio caracter´ ıstico de la matriz Mββ (f ). Definici´n (Polinomio caracter´ o ıstico). para un endomorfismo dado f : R → Rm. μ ∈ σ(f )) le asociaremos un subespacio vectorial Vμ que recibe el nombre de subespacio invariante asociado a μ y que se define como sigue: Vμ = {x ∈ Rm : Ax = μx} (resp. a Matricialmente. 0. Polinomio caracter´ ıstico. Soluci´n. Diagonalizar una matriz ser´ encontrar la matriz P y diagonalizar a el endomorfismo f : Rm → Rm consiste en encontrar la base β antes descrita. f 232 . Dada una matriz A ∈ Mm×n (K). Finalmente es claro que ambas sumas son directas puesto que: Ker g ∩ Img = Ker h ∩ Im h = {(0. Tema 6: Diagonalizaci´n de matrices y o endomorfismos Gabriel Soler L´pez o 4 de diciembre de 2006 1. dimIm h = rg Mβ4β5 (h) = 3 ⇒ dimKer h = dimR3 − dimIm h = 0. A su vez. Dado un endomorfismo f : R → R y elegida una base β de R . dichas potencias permitir´n calcular la exponencial. una base β de Rm tal que la matriz Mββ (f ) sea diagonal o contenga el mayor n´mero posible de ceros. A los elementos de σ(A) (resp. valores propios de f ). As´ que: ı Ker g = Ker h = {(0. espectro. el objetivo descrito en las l´neas anteriores no es m´s ı a que dada una matriz cuadrada A de tama˜o m × m. m Introducci´n o El objetivo del tema es encontrar. u Encontrar dicha base tendr´ su inter´s posteriormente para calcular a e potencias arbitrarias de una matriz dada. Ker h. valores propios y vectores propios Observaci´n o El conjunto σ(A) tiene cardinal menor que m ya que el grado del polinomio caracter´stico es m. 231 pβ (x). con lo que podremos suprimir la coletilla asociado a la base β y definir el polinomio caracter´ ıstico asociado a un endomorfismo f como el polinomio caracter´ ıstico asociado a f respecto de una base elegida β.) Los elementos x ∈ Vμ \{0} se llaman vectores propios asociados a μ. que viene definido por pA(x) = |A − xIm|.

Para todo valor propio λ ∈ σ(A) se tiene dimVλ = m(λ). Sea A ∈ Mm(K) entonces A es o diagonalizable si y s´lo si se satisfacen las dos condiciones siguieno Lema Si λ. Vμ ∩ Vλ = {0}. no existe x ∈ Rm\{0} que satisfaga simult´neamente las ecuaciones Ax = μx y Ax = λx (resp.1. donde m(λ) denota la multiplicidad de λ en el polinomio caracter´ ıstico. a f (x) = μx y f (x) = λx). a o dado que la potencia n-´sima de una matriz diagonal es aquella matriz e diagonal cuyo elemento (i. 2. Si A ∈ Mm (K) (resp. . i) e de la matriz original. la matriz no es diagonalizable e u u y el proceso acaba. Si ı ´ste posee alg´n n´mero complejo. . Se calcula el polinomio caracter´stico pA(x) y el espectro σ(A). La matriz diagonal. 2. Descrio bimos este proceso para una matriz A ∈ Mm (K): 1. . Todos los valores propios son reales. P . Adem´s. D) P −1 = P D k P −1. σ(f ) = {λ1. 2. Supongamos que e A ∈ Mm(R) es diagonalizable y k ∈ N. ı 3. f : Rm → Rmes diagonalizable). es decir. Entonces: k veces k veces A = (P DP k −1 )(P DP −1) . Para todo valor propio λ ∈ σ(f ) se tiene dimVλ = m(λ). . Por ultimo.3. se tiene D = P −1AP . Si para alg´n λ ∈ σ(A) u se tiene que dimVλ < m(λ). si σ(A) = {λ1. 1. Si σ(A) ⊂ R. Todos los valores propios son reales. tiene en la diagonal principal los valores propios de A repetidos tantas veces como indica su multiplicidad. 233 234 Estos teoremas se pueden aplicar para calcular la forma diagonal de una matriz y las matrices de paso que dan la diagonalizaci´n. . λ2. C´lculo de potencias. ´ 4. D. se construye colocando en cada columna uno de los vectores propios de las bases anteriormente calculadas. entoces f es diagonalizable si y s´lo si se satisfacen las dos o condiciones siguientes: 1. λk }). 2. . . i) es la potencia n-´sima del elemento (i. entonces: tes: 1. Dado el endomorfismo f : Rm → o Rm. 4. μ son dos valores propios de A (resp. lo cual nos da un nuevo m´todo para el c´lculo de la potencia n-´sima de e a e dicha matriz que puede ser m´s sencillo que calcularla por la definici´n. para cada λ ∈ σ(A) se determina una base del subespacio de los vectores propios asociados. de donde A = P DP −1. La matriz de paso. Si dimVλ = m(λ) para todo λ ∈ σ(A). entonces la matriz no es diagonalizable y el procedimiento acaba aqu´. λ2. Teorema de diagonalizaci´n o Teorema (Diagonalizaci´n). Corolario. Teorema (Diagonalizaci´n). a Pasamos a dar una aplicaci´n de la diagonalizaci´n para el c´lculo o o a de la potencia n-´sima de una matriz diagonalizable. . 235 236 . Aplicaciones de la diagonalizaci´n: o potencias de matrices y series temporales 4. . de forma que en la misma columna de la matriz D aparezca el valor propio asociado. (P DP −1) = P (DD . . Vλ es un subespacio vectorial con 1 ≤ dimVλ ≤ m(λ). λk } (resp. k ≥ 2. a la matriz es diagonalizable si y s´lo si: o R m = Vλ 1 ⊕ Vλ 2 ⊕ · · · ⊕ Vλ k . . entonces A es diagonalizable (resp. la matriz es diagonalizable. . Entonces existe P ∈ Mm(R) invertible y una matriz diagonal D de orden m tal que D = P −1AP . de f ). f : Rm → Rmes un endomorfismo que) tiene m ra´ ıces distintas.

0. a0 l´ xk . 0. 1. o Calculamos el polinomio caracter´stico: ı ⎞ −1 0 0⎟ ⎟ 1 −1 0 ⎟ ⎟ ⎟ 0 1 −1⎟ ⎟ ⎠ 0 0 1 Por lo tanto: 1 −1 0 pA(x) = |A − xI4| = 0 ⎛ ⎜1 ⎜ ⎜0 ⎜ = 4⎜ ⎜0 ⎜ ⎝ 0 ⎛ ⎜1 −2 ⎜ ⎜0 1 ⎜ +4 ⎜ ⎜0 0 ⎜ ⎝ 0 0 A−1 = 4I4 − 6A + 4A2 − A3 ⎞ ⎛ ⎞ 0 0 0⎟ ⎜1 ⎟ ⎜ ⎟ ⎜0 1 0 0⎟ ⎜ ⎟ − 6⎜ ⎜0 0 1 0⎟ ⎟ ⎜ ⎠ ⎝ 0 0 1 0 ⎞ ⎛ 1 0 ⎟ ⎜1 ⎟ ⎜ −2 1 ⎟ ⎜0 ⎟ ⎜ ⎟−⎜ 1 −2⎟ ⎜0 ⎟ ⎜ ⎠ ⎝ 0 1 0 −1 0 1 −1 0 0 1 0 0⎟ ⎟ 0⎟ ⎟ ⎟ −1⎟ ⎟ ⎠ 1 ⎞ −1⎟ ⎟ 3⎟ ⎟ ⎟ −3⎟ ⎟ ⎠ 1 ⎞ 1 1⎟ ⎟ 1 1⎟ ⎟ ⎟ 1 1⎟ ⎟ ⎠ 0 1 −3 3 1 −3 0 1 0 1 −1 0 0 0 0 0 1 −1 0 1 = 1 − 4x + 6x2 − 4x3 + x4. As´ que: ı I4 − 4A + 6A2 − 4A3 + A4 = 0 Despejamos la identidad y tenemos: 0 0 ⎛ ⎜1 1 ⎜ ⎜0 1 ⎜ =⎜ ⎜0 0 ⎜ ⎝ 0 0 I4 = 4A − 6A2 + 4A3 − A4 = A(4I4 − 6A + 4A2 − A3) 239 240 .2. de donde podemos saber el comportamiento asint´tico de los valores o xk calculando el l´ ımite: k→∞ en efecto 0 = A−1pA(A) = An−1 + an−1An−2 + · · · + a1I + a0A−1 . 0. 0. 0. 0. xk = Ak x0 = P D k P −1x0. Dada A ∈ Mm(K) con polinomio caracter´ ıstico pA(x). ım Una apreciaci´n final es que a0 = 0 ya que la matriz A es invertible o y por lo tanto no tiene al 0 como valor propio. 0. k ∈ N y xl ∈ Mm×1(R) para todo l ∈ N. El teorema de Cayley-Hamilton Si ahora tenemos un sistema que evoluciona con el tiempo seg´n la u Dado un polinomio p(x) = anxn +an−1 xn−1 +· · ·+a1 x+a0 podemos evaluar la matriz en el polinomio A. donde A ∈ Mm (R) con A = P DP −1. Este teorema se puede aplicar para calcular la inversa de una matriz. 0. 0. -1. Entonces tendremos que dado un valor inicial x0 ∈ Mm×1(R) para la serie temporal. se verificar´: a · · · + a1A + a0. 1. es decir p(A) = anAn +an−1An−1 + xk = Axk−1 . o Teorema (Cayley-Hamilton). e 1. -1. -1. Entonces pA(A) = 0. de donde A−1 = − An−1 + an−1An−2 + · · · + a1I . 1 ⎛ ⎜1 ⎜ ⎜0 ⎜ A=⎜ ⎜0 ⎜ ⎝ 0 Soluci´n. expresi´n: o Series temporales.4. Con esta notaci´n se tiene el teorema siguiente. 237 238 Ejercicio Calcular la inversa de la matriz que sigue usando este m´todo. 5.

As´ que dimV3 = 2. (1. ´ o 4. Soluci´n. 0)}. ¿Cu´l es el determinante de A? ¿Por qu´? a e ⎞ ⎜0 0 0⎟ ⎜ ⎟ D = ⎜ 0 0 0 ⎟. z) ∈ ⎜ ⎟ ⎝ ⎠ z F´ ıjate que he quitado la primera ecuaci´n porque B − 3I3 tiene rango 2 y por lo tanto s´lo son necesarias o o dos ecuaciones linealmente independientes. Soluci´n. As´ que |A| = 3 · 3 · 1 · (−1) = −9. Las ra´ del polinomio caracter´ ıces ıstico y sus multiplicidades. Si la matriz B es diagonalizable calcula la matriz diagonal D y la matriz de paso P tal que D = P −1BP. ı ⎛ ⎞ ⎜x⎟ ⎜ ⎟ 3 V0 = {(x. Ejercicios Resueltos ⎛ Ejercicio ⎞ 1 1 1⎟ ⎜ ⎜ ⎟ De la matriz B = ⎜1 1 1⎟ se pide: ⎜ ⎟ ⎝ ⎠ 1 1 1 1. ⎜ ⎟ ⎝ ⎠ −1 0 1 para: 5 F´ ıjate que me he quedado con una unica ecuaci´n porque B − 0I3 tiene rango 1. D. 3. es decir (x. Soluci´n. ⎜ ⎟ ⎝ ⎠ 0 0 3 ⎛ Soluci´n. ⎛ ⎞ ⎜x⎟ ⎜ ⎟ 3 V3 = {(x. Determinar. El polinomio caracter´stico de B. −1. que dimV0 = m(0) = 2. o 1−x pB (x) = |B − xI3| = 1 1 1 1−x 1 1 1 1−x = (1 − x) + 2 − 3 ⎞ 1 1 1⎟ ⎜ ⎜ ⎟ 0I3) = 3 − rg ⎜ 1 1 1 ⎟ = 3 − 1 = 2. o ⎛ ⎜3 ⎜ ⎜0 ⎜ D=⎜ ⎜0 ⎜ ⎝ 0 ⎞ 0 0 0⎟ ⎟ 3 0 0⎟ ⎟ ⎟ 0 1 0⎟ ⎟ ⎠ 0 0 −1 ⎜ 0 1 1⎟ ⎜ ⎟ P = ⎜ 1 −1 1 ⎟ . ı Ahora obtenemos: ⎛ ⎞ Ejercicio De una matriz diagonalizable A sabemos que tiene como polinomio caracter´ ıstico p(x) = (x − 1)(x − 3)2(x + 1). z) ∈ R : (B − 0I3) ⎜ y ⎟ = 0}. y. −1).6. 242 V2 si y s´lo si5 o x+y+z =0 As´ que una base de V0 es β0 = {(0. Por ser la matriz diagonalizable se tiene que la dimeno si´n del subespacio anterior V3 coincide con la multiplicidad de 3 o en el polinomio caracter´ ıstico. z) ∈ R : (B − 3I3) ⎜ y ⎟ = 0}. 1. para demostrar que B es diagonalizable. 1)}. Seg´n se vio en teor´ por ser m(3) = 1 entonces o u ıa. y. z) ∈ ⎜ ⎟ ⎝ ⎠ z o V3 si y s´lo si4 ⎧ ⎨ −2x + y + z = 0. ⎩ x − 2y + z = 0. 4. Responde a las siguientes cuestiones: 1. ¿Cu´l es la dimensi´n del subespacio {x ∈ R3 : Ax = 3x}? a o Soluci´n. ı 2. si la matriz B es diagonalizable. Pero esto es cierto porque dimV0 = 3−rg (B − 241 4 As´ que una base de V3 es β3 = {(1. Por ser la matriz A diagonalizable se tiene que P −1AP = o D. ı 3. ¿Cu´l es el tama˜o de la matriz A? a n 244 243 . o Para dar la matriz P calculamos bases de V0 y de V3. para A. Falta ahora por ver. 2. Soluci´n. dimV3 = m(3) = 1. as´ que |P −1AP | = |P −1||A||P | = |P |−1|A||P | = |A| = ı |D| ⇒ |A| = |D|. Escribe una matriz diagonal. y. ı Soluci´n. Las ra´ son 0 y 3 con multiplicidades 2 y 1 respeco ıces tivamente. justificadamente. ⎛ 3(1 − x) = (1 − x)3 − 1 + 3x = 3x2 − x3 = x2(3 − x). es decir (x. y. ⎜ ⎟ ⎝ ⎠ 1 1 1 Por lo tanto B es una matriz diagonalizable. 1. Si la matriz no es diagonalizable calcula B 2 y B 3.

0). 0)}. Especificar la relaci´n entre A. o Soluci´n. 1. o ⎜ ⎟ ⎝ ⎠ 0 0 2 5. Dar la matriz de paso P . (1. Soluci´n. o n n 4 × 4. z) ∈ ⎜ ⎟ ⎝ ⎠ z 6 F´ ıjate que he quitado la primera ecuaci´n porque A − 5I3 tiene rango 2 y por lo tanto s´lo son necesarias o o dos ecuaciones linealmente independientes. z) ∈ R : (A − 5I3) ⎜ y ⎟ = 0}. 0. ⎩ −3x + 3y = 0. Soluci´n. Calcular el espectro σA y especificar la multiplicidad de cada ra´z. ´ o 247 248 . y. ı Ahora obtenemos ya: ⎞ ⎜1 0 1⎟ ⎜ ⎟ P =⎜1 1 1⎟ ⎜ ⎟ ⎝ ⎠ 1 −1 0 6. z) ∈ ⎜ ⎟ ⎝ ⎠ z o V5 si y s´lo si6 ⎧ ⎨ −3x + 3z = 0. V2 si y s´lo si7 o −3x + 3y + 3z = 0 ⇒ −x + y + z = 0 As´ que una base de V2 es β2 = {(0. ⎛ ⎞ ⎜5 0 0⎟ ⎜ ⎟ Soluci´n. 0. es decir (x. es decir. o ⎛ ⎜1 ⎜ ⎜1 ⎜ P =⎜ ⎜1 ⎜ ⎝ 0 1 1 1 0 1 0 1 0 ⎞ 1⎟ ⎟ 1⎟ ⎟ ⎟ 0⎟ ⎟ ⎠ 0 Ejercicio ⎞ −1 3 3 ⎟ ⎜ ⎜ ⎟ Dada la matriz A = ⎜ −3 5 3 ⎟ . Adem´s m(5) = 1 y m(2) = 2. 4. ⎛ ⎞ ⎜x⎟ ⎜ ⎟ 3 V5 = {(x. 5. y. Falta ahora por ver. De los subespacios invariantes V1. βV3 = {(1. Pero esto es cierto porque dimV2 = 3−rg (A− = ⎞ ⎜ −3 3 3 ⎟ ⎜ ⎟ 2I3) = 3 − rg ⎜ −3 3 3 ⎟ = 3 − 1 = 2. σA = {5. ı Soluci´n. 1. o Para dar esta matriz calculamos bases de V5 y de V2. se pide: ⎜ ⎟ ⎝ ⎠ −3 3 5 1. −1). ⎛ As´ que una base de V5 es β5 = {(1. ı Soluci´n. Justificar si la matriz A es diagonalizable. 1)}.Soluci´n. 7 F´ ıjate que me he quedado con una unica ecuaci´n porque A − 2I3 tiene rango 1. 1. 2}. o D = P −1AP. dimV5 = m(5) = 1. 1. o a 3. D y P . z) ∈ R : (A − 2I3) ⎜ y ⎟ = 0}. ı ⎛ ⎞ ⎜x⎟ ⎜ ⎟ 3 V2 = {(x. 0)}. Soluci´n. Calcular el polinomio caracter´stico pA. 0)}. que dimV2 = m(2)⎛ 2. para demostrar que A es diagonalizable. 0. Da la matriz de paso P tal que D = P −1AP . 1. ⎜ ⎟ ⎝ ⎠ −3 3 3 245 246 Por lo tanto A es una matriz diagonalizable. y. 1. y. Elijo D = ⎜ 0 2 0 ⎟ . Dar la matriz diagonal D. V3 y V−1 conocemos unas bases: βV1 = {(1. 1. (1. 1. Seg´n se vio en teor´ por ser m(5) = 1 entonces o u ıa. 1)} y βV−1 = {(1. o −1 − x pA(x) = |A − xI3| = x = −(x − 5)(x − 2) 3 2 ⎛ 3 5−x 3 3 3 5−x = 20 − 24x + 9x2 − −3 −3 2. es decir (x. El tama˜o es el mismo que el tama˜ o de D.

As´ que |A| = 3 · 3 · 1 · (−1) = −9. 1 ≤ i ≤ k. El tama˜o es el mismo que el tama˜ o de D. λk } con multiplicidades m(λi) = ri para todo 1 ≤ i ≤ k.5 puntos). Empezamos buscando para cada i. (A − λi )ri 7. 1. Dicho m´todo est´ basado en el Teorema de e a Cayley-Hamilton. λ2. j! (11) ya que por el Teorema de Cayley-Hamilton. 1. (x − λi )ri pA(x) . 0. . D. . As´ que dimV3 = 2. Multiplicamos ahora la ecuaci´n 11 por ai(A) y obtenemos: o ri −1 ai(A)qi (A)eAx = eλi x j=0 ai(A)qi(A)(A − λiIm )j xj .Ejercicio De una matriz diagonalizable A sabemos que tiene como polinomio caracter´ ıstico p(x) = (x − 1)(x − 3)2(x + 1). para A (0. 1. 1. ¿Cu´l es la dimensi´n del subespacio {x ∈ R3 : Ax = 3x}? (0. j! y ahora multiplicando por qi(A): ri −1 qi (A)eAx = eλi x j=0 qi(A)(A − λiIm)j xj . Supongamos que pA(x) es el polinomio caracter´ ıstico de la matriz A y que su espectro es σA = {λ1. 1. βV3 = {(1. no es posible que en un con j=1. 0. . es decir. Responde a las siguientes cuestiones: 1.5 puntos) a e Soluci´n. La exponencial Observemos que para todo i. 0)}. para todo j ≥ ri . m´todos de construcci´n e o Gabriel Soler L´pez o 20 de febrero de 2006 Seguidamente evaluamos el polinomio anterior en x = A. o ⎛ ⎜1 ⎜ ⎜1 ⎜ P =⎜ ⎜1 ⎜ ⎝ 0 ⎞ 1 1 1⎟ ⎟ 1 0 1⎟ ⎟ ⎟ 1 0 0⎟ ⎟ ⎠ 1 0 0 249 250 Ap´ndice e Exponenciales y potencias arbitrarias de matrices. De los subespacios invariantes V1.5 a o puntos) Soluci´n. Escribe una matriz diagonal. siendo A una matriz de Mm(R). por convenio. (x − λi)ri Por ultimo. V3 y V−1 conocemos unas bases: βV1 = {(1. j! ai (x) . o n n 4 × 4. ¿Cu´l es el tama˜o de la matriz A? (0. Da la matriz de paso P tal que D = P −1AP (0. sumamos las ecuaciones anteriores desde i = 1 hasta i = k ´ 8 La expresi´n o pA (A) (A−λi )ri no tiene sentido. polinomios ai(x) de grado a lo sumo ri − 1 de manera que se tenga la igualdad: 1 = pA(x) de donde se deduce: k k i=1 eAx = eλi xIm e(A−λi Im)x = eλi x j=0 (A − λi Im)j xj . ya que. Soluci´n. 0. ser´ una forma ı o a 1= i=1 ai(x) 251 abreviada de escribir la matriz − λj )rj 252 . Por ser la matriz A diagonalizable se tiene que P −1AP = o D.j=i (A ciente haya una matriz. ı 3. o ⎛ ⎜3 ⎜ ⎜0 ⎜ D=⎜ ⎜0 ⎜ ⎝ 0 ⎞ 0 0 0⎟ ⎟ 3 0 0⎟ ⎟ ⎟ 0 1 0⎟ ⎟ ⎠ 0 0 −1 4. . qi (A)(A− λiIm )j = pA(A)(A − λiIm)j−ri = 0.5 puntos). ∞ Centramos nuestros esfuerzos en esta secci´n en dar un m´todo o e efectivo para construir la exponencial de una matriz eAt . Por ser la matriz diagonalizable se tiene que la dimeno si´n del subespacio anterior V3 coincide con la multiplicidad de 3 o en el polinomio caracter´ ıstico. 5. 0)}. de donde se tiene 8: Im = i=1 k ai(A) pA(A) . 0). ¿Cu´l es el determinante de A? ¿Por qu´? (0. 1)} y βV−1 = {(1. as´ que |P −1AP | = |P −1||A||P | = |P |−1|A||P | = |A| = ı |D| ⇒ |A| = |D|. As´ que dicha expresi´n. ı 2.5 puntos) a n Soluci´n. Soluci´n. (1. 1 ≤ i ≤ k. (A − λi)ri que se puede escribir abreviadamente como: k Im = i=1 ai(A)qi(A) con qi (A) = pA(A) .

siendo ⎛ A=⎝ 4 2 3 3 Se ve f´cilmente que pA(x) = (x − 1)(x − 6). ⎩ y = x − y. Ejemplos n An = (A − λiIm + λiIm)n = j=0 Multiplicamos ahora la ecuaci´n anterior por ai(A)qi (A) y obteneo mos: ⎛ ⎝ ⎛ ⎝ n j n j ⎞ ⎠ ai(A)qi (A)(A − ⎞ ⎠ ai(A)qi (A)(A − λiIm )j λn−j i ri −1 Ejemplo. o 255 . ambas con multiplicidad 2. a2(x) = 5 − 2x.para obtener: k ⎛ ⎝eλix ai(A)qi (A) ri −1 j=0 ⎞ (A − λiIm )j xj ⎠ . 256 Proponemos seguidamente un ejemplo para aclarar el m´todo dado e de construcci´n de la exponencial. q2 (x) = = (x − 1)2. . λ2 = 6}. σA = {λ1 = 1. 2. ⎩ y = 3x + 3y. Resolver el sistema de ecuaciones diferenciales: ⎧ ⎨ x = 3x − 5y. Observemos que para cualquier i ∈ {1. . q1 (x) = (x − 1)2 (x − 2)2 Finalmente: Ejemplo. de donde 5 5 e Ax x ⎞ ⎠. debemos calcular previameno u te exp(Ax). Aplicaci´n a las ecuaciones difereno ciales Exponemos otro ejemplo donde hay que utilizar los n´meros comu plejos. 5 3e6x − 3ex 2e6x + 3ex c 2 10. ⎛ ⎜ ⎜ ⎜ =⎜ ⎜ ⎜ ⎝ eAx = ex a1 (A)q1 (A)[(A − 1I4 )0 + x(A − 1I4 )1 ] + e2x a2 (A)q2 (A)[(A − 2I4 )0 + x(A − 2I4 )1 ] ⎞ −ex + e2x x + 2e2x −ex + e2x x + xe2x 0 2ex − 2e2x x − xe2x ⎟ ⎟ ⎟ −e2x x e2x (1 − x) 0 e2x x ⎟ ⎟ x 2x x 2x x x 2x e (−3 − x) + 2e (3/2 + x) e (−1 − x) + 2e (1/2 + x) e e (3 + 2x) + 2e (−3/2 − x) ⎟ ⎠ −ex + e2x 0 2ex − e2x −ex + e2x ⎛ ⎞ 6x x 6x x −1 1 ⎝ 3e + 2e 32e − 2e ⎠ 6x 1 = e ( )I2(A−6I2)+e I2(A−I2) = 5 5 5 3e6x − 3ex 2e6x + 3ex y por lo tanto cualquier soluci´n del sistema ser´ del tipo o a ⎛ ⎞⎛ ⎞ 6x x 6x x 1 3e + 2e 32e − 2e ⎠ ⎝ c1 ⎠ y(x) = ⎝ . Tambi´n es necesario hacer la descomposici´n: e o 1 1 −1 + 2x 5 − 2x = = + pA(x) x4 − 6x3 + 13x2 − 12x + 4 (x − 1)2 (x − 2)2 As´ que en este caso tenemos: ı a1(x) = −1 + 2x. Resolver el sistema de ecuaciones diferenciales lineales: ⎧ ⎨ x = 4x + 2y. a a1(x) = − 1 y a2(x) = 1 . j! (12) Por ultimo sumamos la expresiones anteriores para todos los valores ´ de i: ⎛ ⎝ n j ⎞ ⎠ (A−λiIm)j λn−j . . . pA(x) pA(x) = (x − 2)2. k} se tiene: ⎛ ⎝ n j ⎞ ⎠ (A − λiIm )j λn−j i (13) 9. ⎛ ⎝ n j ⎞ ⎠ (A − λiIm )j λn−j i (14) = ai(A)qi (A) j=0 253 4 2 1 −3 1 1 0 0 254 Resolvemos ahora la ecuaci´n pA(x) = 0 y obtenemos que las ra´ o ıces del polinomio son 1 y 2. Potencia n-sima de una matriz A = i=1 n ai(A)qi(A)A = i=1 n ai(A)qi (A) j=0 Conservando la notaci´n de la secci´n anterior se trata ahora de o o dar un m´todo para la construcci´n de An para cualquier n´mero n e o u natural. Soluci´n: seg´n lo expuesto hasta ahora. i (15) eAx = i=1 k k ri −1 8. Calcula eAx para la matriz ⎛ ⎞ 4 2 0 −3 ⎟ ⎜ ⎜ ⎟ ⎜ −1 1 0 1 ⎟ ⎜ ⎟ A=⎜ ⎟ ⎜ 4 2 1 −3 ⎟ ⎜ ⎟ ⎝ ⎠ 1 1 0 0 Para utilizar el m´todo basado en el teorema de Cayley-Hamilton es e n ai(A)qi(A)A = j=0 ri −1 n λiIm )j λn−j i necesario calcular el polinomio caracter´ ıstico: = j=0 4 2 0 −3 pA(x) = −1 1 0 1 = x4 − 6x3 + 13x2 − 12x + 4. Ejemplo.

25 3 − 15x Acabamos esta secci´n resolviendo un sistema no homog´neo por el o e m´todo de variaci´n de las constantes. se pueden a ı. o a 259 260 . 25 3 − 15x 3e6x − 3ex 2e6x + 3ex c2 El c´lculo hecho de la exponencial de una matriz en esta secci´n nos a o va a dar la estructura de las soluciones de un sistema de ecuaciones diferenciales lineales. pero adem´s satisface otras propieu a dades que se utilizan en el desarrollo del c´lculo diferencial. la interpretaci´n de la ecuaci´n 12 o o o permite probar la proposici´n que sigue. ⎛ ⎛ ⎞ −6x c1(x) + 2e−x 1 ⎝ 3e ⎝ ⎠= 5 c2(x) 3e−6x − 3e−x ⎞ ⎛ −5x +2 1 ⎝ 3e ⎠ dx = = 5 3e−5x − 3 ⎞⎛ ⎞ y a2(x) = 1 − 2i . a Ejemplo. B= 1 −1 Como pB (x) = (x − 1 − i)(x − 1 + i). u ' Temas 1. donde a + bi recorre el conjunto de los valores propios de A con b ≥ 0 y 0 ≤ k < m(a + bi). En particular. 1. 2 y 3 del Bloque II. Los n´meros reales son un cuerpo u que completa a los n´meros raciou nales Q El siguiente ejemplo sencillo muestra la necesidad de completar los n´meros racionales. u Ejemplo. Calculamos pues. a c √ ¿Sab´is demostrar que 2 no es racional? e √ Si 2 fuera racional existir´ n´meros enteros a y b tales que: ıan u √ a 2= . elegir de manera que la fracci´n est´ simplificada. ⎠ ⎝ ⎠ dx 2e−6x + 3e−x 0 ⎛ ⎞ −3e−5x 1 ⎝ 5 + 2x + c1 ⎠ dx. tk etasen tb. repasar las propiedades del conjunto de los n´meros reales. Y la soluci´n general del sistema ser´: o a ⎞⎛ ⎞ ⎛ ⎞ ⎛ c1 3e6x + 2ex 32e6x − 2ex 1 x ⎝ 10x − 3 ⎠ ⎠⎝ ⎠ + e yg (x) = ⎝ . 5 −3e−5x − 3x + c 5 2 −3e−5x 5 −3e−5x 5 2e−6x − 2e−x ex As´ que cualquier soluci´n del sistema ser´ del tipo ı o a ⎛ ⎞⎛ ⎞ 2sen x + cos x −2sen x c ⎠⎝ 1 ⎠. σB = {λ1 = 1 + i.1. b adem´s se pueden elegir a y b primos entre s´ es decir. se tiene 1 1 eBx = e(1+i)x I2[A − (1 − i)I2] − e(1−i)x I2[A − (1 + i)I2] = 2i 2i ⎛ ⎞ ex ⎝ 2sen x + cos x sen x −2sen x −2sen x + cos x ⎠. Conviene por lo tanto. Ya sabemos que el conjunto u de los n´meros reales es un cuerpo. La longitud de la diagonal del cuadrado que sigue no se puede medir con un n´mero racional. a1(x) = 1 + 2i Solucion: para esta ecuaci´n ya hemos encontrado la soluci´n del siso o tema lineal homog´neo. tal y como explicamos en la e o p´gina ??. Resolver el sistema: ⎧ ⎨ x = 4x + 2y + et . y(x) = ⎝ sen x −2sen x + cos x c2 as´ que una soluci´n particular del sistema ser´ ı o a ⎛ ⎞ ⎛ 6x x 6x x 1 3e + 2e 32e − 2e ⎠ 1 ⎝ yp(x) = ⎝ 5 3e6x − 3ex 2e6x + 3ex 5 ⎞ + 2x − 3x ⎠ ⎛ ⎞ 1 x ⎝ 10x − 3 ⎠ = e . 257 258 Proposici´n.Soluci´n: en un primer paso calculamos exp(Bx) con o ⎛ ⎞ 3 −5 ⎝ ⎠. λ2 = 1 − i}. Introducci´n a los n´meros reales o u © 2 1 En este tema se estudia la continuidad y la diferenciabilidad de funciones reales de variable real. Sean A ∈ Mm(R) e y(t) una soluci´n de y = Ay. Repaso del c´lculo a diferencial de una variable Gabriel Soler L´pez 11 o enero de 2004 1 E  T √ 1. As´ que debemos encontrar una soluci´n pare ı o ticular del sistema no homog´neo con el m´todo de variaci´n de las e e o constantes. o o Entonces cada una de las coordenadas de y(t) es una combinaci´n o lineal de las funciones tk eta cos tb. ⎩ y = 3x + 3y.

La relaci´n de orden anterior verifica las siguientes o o propiedades: Reflexiva: para todo n´mero real x se verifica x ≤ x. Pero esto es una contradicci´n con el hecho de que a y b sean o primos entre si. Axioma 6. Axioma 7. x < y. 263 2. b. El n´mero real 1 verifica x · 1 = x (1 es el elemento u neutro del producto). b ∈ R siempre se tiene que o bien a ≤ b o bien b ≤ a. ım entonces existe un unico n´mero real r tal que ´ u {r} = n∈N [an. b. o e se tiene: 1. 3. Teorema. De lo anterior se tiene que b2 es par y por lo tanto b tambi´n es e par. Si a ≤ b y c > 0 entonces ac ≤ bc. Si dos elementos x.Elevando al cuadrado la expresi´n anterior se tiene: o 2= a ⇒ 2b2 = a2 b2 2 Axioma 4. l´ n→∞ (bn − an) = 0. existe i ∈ I tal que x < i < y. Por lo tanto: u 2b2 = 4m2 ⇒ b2 = 2m2. Proposici´n.1. 261 262 2. y y z: u Axioma 1. y ∈ R verifican que x · y = y. Si x. Proposici´n (El orden y la aritm´tica). Principio del encaje Cantor Dada una sucesi´n de intervalos [an. entonces x = 0. 2. y ∈ R. Definici´n (Relaci´n de orden). Dados a. As´ que el n´mero a2 es par y a tambi´n debe ser par. Si a ≤ b y c ≤ d entonces a + c ≤ b + d. 2. bn] tales que: o 1. 3. y ∈ R. la soluci´n de la ecuaci´n a+x = b es x = (−a)+b o o 2. Transitiva: para cualesquiera n´meros reales a. c. c. Propiedades del conjunto de los n´meu ros reales R Ejercicio. Existe un n´mero denotado por −x tal que x+(−x) = 0. d ∈ R. el teorema de Bolzano. 2. El n´mero real 0 verifica x + 0 = x (0 es el elemento u neutro de la suma). Se verifica la propiedad distributiva del producto respecto a la suma: x · (y + z) = x · y + x · z. bn ≥ bn+1. Si x. Dados a. 2. 4. Usando los axiomas demostrar: 1.4. existe r ∈ Q tal que x < r < y. La suma es conmutativa: x + y = y + x.3. El producto es asociativo: x + (y + z) = (x + y) + z. Propiedades algebraicas Los n´meros reales son un cuerpo. Este principio tiene gran importancia para probar. Definimos en el conjunto de los o o n´meros reales la relaci´n ≤ de la siguiente forma: u o a≤b ⇔ ∃x ∈ R+ ∪ {0} tal que a + x = b 2. Axioma 3. Si a ≤ b entonces a + c ≤ b + c. b si a ≤ b y e u b ≤ a entonces a = b. Si x + y = 0 entonces y = −x. satisfacen los siguientes u axiomas para cualesquiera n´meros reales x. u Antisim´trica: para cualesquiera n´meros reales a. x < y. Si a ≤ b y c < 0 entonces ac ≥ bc. o por ejemplo. an ≤ an+1. Densidad de Q y de I = R\Q en R Teorema. si a ≤ b y u b ≤ c entonces a ≤ c. Si dos elementos x. La suma es asociativa: x + (y + z) = (x + y) + z. El orden en R 4. y ∈ R verifican que x + y = y. bn] Observaci´n. Orden total: para cualesquiera a. es decir ı u e a = 2m para cierto n´mero entero m. b ∈ R. Axioma 8. u Axioma 9.2. es decir. u Axioma 5. 3. El producto es conmutativo: x + y = y + x. Axioma 2. entonces x = 1. 264 . Existe un n´mero denotado por x−1 tal que x · x−1 = 1.

existen los l´ ımites l´ f (x) y l´ f (x) y son iguales a l. 1 } ın{ 2 se tiene que si x ∈ (1 − δ. L´ ımites de funciones Definici´n (L´ o ımite lateral por la derecha). e a 1 es el ´ ınfimo del conjunto pero no existe el m´nimo. ı Definici´n. 3. ım x→1− (17) ımites laterales son diferentes. b) ⊂ R → R por la derecha en el punto x0 es l o y se denota por l´ x→x+ f (x) = l si para todo ım 0 > 0 existe δ > 0 tal que si x ∈ (x0. x0 + δ) entonces f (x) ∈ (f (x0) − δ. se tiene: 1. f (x0) + δ). es decir. l´ f (x) = 2. 3. l´ f (x) = 3. Proposici´n. Si un conjunto tiene una cota inferior se dice que est´ acotado ina feriormente. pero a no tiene supremo en Q. Si un conjunto est´ acotado superior e inferiormente se dice que est´ a a acotado. Dado un conjunto A ⊆ R. 267 268 . b) → R son equivalentes o o los dos apartados siguientes: 1. Se dice que el l´ ımite de la funci´n f : (a. } ≤ . Para el conjunto (1. Dado un conjunto A ⊆ R.3. Dada una funci´n f : (a. e a Si el ´ ınfimo de un conjunto est´ dentro del conjunto entonces se a llama tambi´n m´ e ınimo del conjunto. Se dice que el l´ ımite de la funci´n f : (a. Axioma del supremo Ejemplo. La menor de las cotas superiores de un conjunto se llama supremo del conjunto. x0 + δ) entonces |f (x) − l| < . x0) entonces |f (x) − l| < . La mayor de las cotas inferiores de un conjunto se llama ´ ınfimo del conjunto. ya que para todo ım x→1+ 4. Si un conjunto tiene una cota superior se dice que est´ acotado a superiormente. Dada la funci´n o ⎧ ⎨ x + 1 si x ≥ 1 f (x) = ⎩ x + 2 si x ≤ 1. El conjunto Q no es completo porque si tomamos o el conjunto A = {r ∈ Q : r ≤ √ 2} se tiene que est´ acotado superiormente por ejemplo por 2. b) ⊂ R → R por la izquierda en el punto x0 o es l y se denota por l´ x→x− f (x) = l si para todo > 0 existe δ > 0 ım 0 2. R es un cuerpo completo. ım x→x0 y como 1 − δ < x < 1 entonces −1 < −x < δ − 1 y sumando 1 en la desigualdad 0 < 1 − x < δ. b) → o o R una funci´n y x0 ∈ (a. 7 es el supremo y tambi´n el m´ximo del conjunto. se dice que el n´mero b ∈ R es una cota u inferior del conjunto A si se verifica que x ≥ b para todo x ∈ A. b). Existe l´ f (x) y es igual a l. 1 + δ) entonces |f (x) − 2| = |x + 1 − 2| = |x − 1| = x−1< 1+δ−1=δ = . Se dice que el l´ ımite de la funci´n f : (a. ım Ejemplo. se dice que el n´mero a ∈ R o u es una cota superior del conjunto A si se verifica que x ≤ a para todo x ∈ A. Observaci´n. l´ f (x) no existe ya que los l´ ım x→1 x→x+ 0 x→x− 0 ım 2. Definici´n (L´ o ımite).1. decimos que f es continua en x0 si y s´lo o o > 0 tomando δ = se tiene si: para todo > 0 existe δ > 0 tal que si x ∈ (x0 − δ. 265 Completitud de R. cualquier conjunto acotado superiormente tiene un supremo. 1) entonces |f (x) − 3| = |x + 2 − 3| = |x − 1| = 1 − x (16) tal que si x ∈ (x0 − δ. ya que para todo ım x→1− > 0 tomando δ = m´ . Ahora usando las ecuaciones 16 y 17 tenemos: 1 |f (x) − 3| < δ = m´ . x0 + δ) entonces |f (x) − l| < . Continuidad Definici´n (Funci´n continua en un punto). 7] tenemos: 8 10 y 7 son cotas superiores del conjunto. Si el supremo de un conjunto est´ dentro del conjunto entonces se a llama tambi´n m´ximo del conjunto. 266 Definici´n (L´ o ımite lateral por la izquerda). ın{ 2 con lo que queda probado que l´ f (x) = 3. b) ⊂ o R → R en el punto x0 es l y se denota por l´ x→x0 f (x) = l si para ım todo > 0 existe δ > 0 tal que si x ∈ (x0 − δ. que si x ∈ (1. Sea f : (a.

diremos que es discontinua en x0 si no es continua en el punto x0. ım x→x0 Discontinuidad de primera especie o de salto. b]. diremos que o o es continua si es continua en todos sus puntos. diremos o o que es discontinua si es discontinua en alguno de sus puntos. b) tal que f (c) = 0. (c) = f (c)g(c)−f (c)g (c) . b) → o o R. Toda funci´n f (x) continua en un ino tervalo cerrado [a. b) → R y x0 ∈ (a. Si g(c) = 0 entonces f g Teorema (Weierstrass). Definici´n (Funci´n discontinua en un punto). Teoremas relativos a funciones continuas derivables f. Sea f : (a.1. b). f presenta una discontinuidad de salto en el punto x0 si: x→x+ 0 l´ f (x) = l´ f (x). b) → R es una funci´n derivable entonces: o ♣ (sen x) = cos (x) ♣ (log x) = 1 x ♣ (cos x) = −sen (x) ♣ (tan x) = 1 + tan2(x) = ♣ (ex) = ex ♣ (arc cos x) = √ −1 1−x2 1 cos 2 (x) Definici´n (Derivada de una funci´n en un punto). x0 + δ) es equivalente a |x − x0| < δ. f (c)2 Si h = f ◦ g entonces h (c) = f (g(c))g (c). o 2. Discontinuidad de segunda especie o esencial. si f ◦ g = g ◦ f = Id entonces g (x) = 1 f (g(x)) . Dada o o una funci´n f : (a. f (x0) = l´ f (x). Dadas funciones o 271 Teorema (Relaci´n entre derivabilidad y continuidad). Sea f : (a. b) → R una funci´n y x0 ∈ (a. h ♣ (arctan x) = Si una funci´n f es derivable en todos sus puntos entonces diremos o que la funci´n es derivable. f presenta una discontinuidad esencial en el punto x0 si no existen o son infinitos 4. 5.Nota: x ∈ (x0 − δ. Si o la funci´n f (a. Teorema (Bolzano). ım x→x− 0 269 270 4. 272 . b). Si f es inversa de g. ım ım x→x− 0 Definici´n (Funci´n continua). Si una funci´n f (x) es continua en un ino tervalo cerrado [a. (f · g) (c) = f (c)g(c) + f (c)g (c). Derivabilidad de funciones reales de variable real Proposici´n (Algunas derivadas de funciones concretas). b) → R es derivable en el punto c ∈ (a. Discontinuidad evitable. es decir. b) entonces o es continua en dicho punto. Si k es una constante (kf ) (c) = kf (v). entono o ces son equivalentes: 1. Definici´n (Funci´n discontinua). distinguiremos tres o tipos de discontinuidades. Proposici´n. Sea f : (a. b] y se cumple que f (a)f (b) < 0 entonces existe c ∈ (a. f presenta una discontinuidad evitable en el punto x0 si: x→x+ 0 ım l´ f (x) = l´ f (x) = f (x0). b) → R. b) → R se tiene: (f + g) (c) = f (c) + g (c). Sea f : (a. b) → R. La funci´n f es continua en el punto x0. Tipos de discontinuidad uno o los dos l´mites laterales.2. ı Dada una funci´n f (a. o Proposici´n (Propiedades de la derivada). b] admite un m´ximo y un m´ a ınimo (absoluto) en [a. g : (a. o Si f : (a. b) → R y c ∈ R se define la derivada de f en el o punto c como: f (c) = l´ ım h→0 ♣ (ax) = ax log a ♣ (arcsen x) = √ 1 1−x2 1 1+x2 f (c + h) − f (c) .

5.1.

Teoremas relativos a funciones derivables

5.2.

Crecimiento, decrecimiento, m´xia mos y m´ ınimos

Teorema (Rolle). Sea f : [a, b] → R una funci´n continua en o [a, b] y derivable en (a, b). Si f (a) = f (b), existe al menos un punto α ∈ (a, b), tal que f (α) = 0. Teorema (Del valor medio de Lagrange). Sea f : [a, b] → R una funci´n continua en [a, b] y derivables en (a, b). Entonces o existe al menos un punto α ∈ (a, b), tal que f (b) − f (a) = f (α). b−a Teorema (Del valor medio de Cauchy). Sean f, g : [a, b] → R funciones continuas en [a, b] y derivables en (a, b). Entonces existe al menos un punto α ∈ (a, b), tal que f (b) − f (a) f (α) = . g(b) − g(a) g (α) Teorema (Regla de L’Hˆpital). Sean las funciones f, g : [a, b] → o R derivables en un entorno del punto c ∈ (a, b) y tales que las derivadas no se anulan simult´neamente en ning´n punto de dicho a u entorno, salvo en c. Si ambas tienden simult´nemente a 0 (o a a infinito) cuando x tiende a c, se verifica:
x→c

Teorema (Crecimiento y decrecimiento). Sea f : (a, b) → R una funci´n derivable. La funci´n f es creciente en (a, b) si y s´lo o o o si f (x) ≥ 0. La funci´n f (x) es decreciente en (a, b) si y s´lo si f (x) ≤ 0. o o Teorema (Crecimiento y decrecimiento estricto). Sea f : (a, b) → R una funci´n derivable. Si f (x) > 0 para todo x ∈ (a, b) o entonces f es estrictamente creciente en (a, b). Si f (x) < 0. para todo x ∈ (a, b) entonces f es estrictamente decreciente en (a, b). Teorema (Extremos). Sea f : (a, b) → R una funci´n derivable o n veces en el punto c ∈ (a, b) y tal que f (c) = f (c) = · · · = f (n−1) (c) = 0; f (n) (c) = 0.

o a Entonces, si n es par y f (n) (c) < 0, la funci´n presenta un m´ximo relativo en c. Si n es par y f (n) (c) > 0, la funci´n presenta un o m´ ınimo relativo en c.

l´ ım

f (x) f (x) = l´ ım . g(x) x→c g (x)
273 274

5.3.

Concavidad, covexidad y puntos de inflexi´n o

Teorema. Sea f : (a, b) → R una funci´n dos veces derivable. o Entonces: 1. Si f (x) > 0 en (a, b) entonces f es convexa en (a, b). o 2. Si f (x) < 0 en (a, b) entonces f es c´ncava en (a, b). Definici´n (Punto de inflexi´n). Una funci´n f : (a, b) → R se o o o dice que presenta un punto de inflexi´n en c ∈ (a, b) si en dicho punto o pasa de convexa a c´ncava o viceversa. o Teorema. Sea f : (a, b) → R una funci´n que tiene un punto de o inflexi´n en c, entonces f (c) = 0. o

Definici´n (Convexidad). Se dice que la funci´n f : (a, b) → R o o es convexa en el intervalo (a, b) si para cualesquiera x1 y x2 de (a, b), se tiene que el segmento rectil´ ıneo que une los puntos (x1, f (x1)) y (x2, f (x2)) queda por encima de la gr´fica de f . a

Figura 4: Ejemplo de funci´n convexa o

Esta condici´n es necesaria pero no suficiente. o Teorema. Sea f : (a, b) → R una funci´n derivable n veces en o c ∈ (a, b) y tal que: f (c) = f (c) = · · · = f (n−1) (c) = 0 y f (n)(c) = 0. Entonces, si n es impar la funci´n f presenta un punto de ino flexi´n en la abscisa c. o

Definici´n (Concavidad). Se dice que la funci´n f : (a, b) → R o o es c´ncava en el intervalo (a, b) si para cualesquiera x1 y x2 de (a, b), o se tiene que el segmento rectil´ ıneo que une los puntos (x1, f (x1)) y (x2, f (x2)) queda por debajo de la gr´fica de f . a

Figura 5: Ejemplo de funci´n c´ncava o o

275

276

5.4.

Representaciones gr´ficas de funa ciones

6. 6.1.

Aproximaci´n local de una funci´n o o Introducci´n o

El estudio y la representaci´n gr´fica de una funci´n y = f (x) se o a o suele realizar siguiendo el siguiente orden para determinar: 1. Dominio de la funci´n. o 2. Puntos de corte con los ejes de coordenadas.

Dado un polinomio de grado n, Pn(x), es posible desarrollarlo en potencias de x − a y escribirlo de la forma: Pn(x) = a0 + a1(x − a) + a2(x − a)2 + · · · + an (x − a)n Si derivamos sucesivamente el polinomio obtenemos:

3. Simetr´ respecto del eje 0Y (aquellas funciones que verifican ıas f (x) = f (−x) para todo x, se llaman funciones pares) y respecto del eje 0X (aquellas funciones que verifican f (x) = −f (−x) para todo x, se llaman funciones impares). 4. Zonas de crecimiento y decrecimiento. 5. M´ximos y m´ a ınimos. 6. Zonas de concavidad y convexidad. 7. Puntos de inflexi´n. o 8. As´ ıntotas. Pn(x) = a1 + 2a2(x − a) + 3a3(x − a)2 · · · + nan(x − a)n−1 Pn (x) = 2a2 + 3 · 2(x − a) + 4 · 3(x − a)2 + . . . n · (n − 1)an(x − a)n−2 .......................................
(n) Pn (x) = n!an

Si tomamos x = a en las expresiones anteriores se obtienen las siguientes igualdades: Pn(a) = a0, Pn(a) = a1, Pn (a) = 2a2, Pn (a) = 3·2a3, . . .

(n) . . . . . . . . . . . . . . . . . . . . . , Pn (a) = n!an

Despejando los valores de ai y sustituyendo en Pn(x) tenemos: Pn(x) = Pn(a) +
277

P (a) Pn(a) Pn (a) (x − a) + n (x − a)2 + · · · + (x − a)n 1! 2! n!
278

(n)

6.2.

Desarrollo de Taylor de una funci´n o

Fijamos en lo que sigue una funci´n f real y de variable real, n + 1 o veces derivable en el punto x = a. Definici´n (Polinomio de Taylor y Mac-Laurin). El polinoo

Pregunta. Si tenemos una funci´n real de variable real f que ado mite derivadas hasta el orden n + 1 en el punto x = a ¿Es posible dar una expresi´n similar a la anterior para ella? o Respuesta. La igualdad f (x) = f (a) + f (a) f (n) (a) f (a) (x − a) + (x − a)2 + · · · + (x − a)n 1! 2! n!

(a) (a) mio Pn(x) = f (a) + f 1! (x − a) + f 2! (x − a)2 + · · · + f

(n) (a)

n!

(x − a)n

recibe el nombre de Polinomio de Taylor (o desarrollo de Taylor) de orden n de la funci´n f en el punto a. o Si a = 0 entonces este polinomio tambi´n se llama Polinomio de e o Mac-Laurin (o desarrollo de Mac-Laurin) de orden n de la funci´n f . Definici´n (Resto de orden n). El resto de orden n de la funci´n o o f en el punto a es: Rn+1(x) = f (n+1) (ξ) (x − a)n+1, (n + 1)! con ξ ∈ (a, x).

no es cierta porque si lo fuera, f ser´ un polinomio y no tiene por ıa qu´ serlo. e

Aunque la igualdad anterior no sea cierta s´ es posible saber cu´l es ı a la diferencia entre el miembro de la izquierda y el de la derecha. Esto es importante porque si dicha diferencia es peque˜a podremos utilizar n un polinomio para aproximar la funci´n f . o

Teorema (Taylor). Se verifica la igualdad: f (x) = Pn(x) + Rn+1(x)

279

280

Definici´n (Funci´n o((x− a)n)). Una funci´n real de variable real o o o g se dice que es una o((x − a)n) (o peque˜a de (x − a) de orden n) si n verifica: g(x) =0 x→a (x − a)n Teorema. Rn+1(x) es una o((x − a)n), es decir: l´ ım Rn+1(x) l´ ım = 0. x→a (x − a)n Ejercicio. Calcula el desarrollo de Mac-Laurin de orden n de las funciones ex , sen x y cos x.

4. Volvemos al primer paso y repetimos la operaci´n hasta que r = o mn (puede que no se consiga). Si no conseguimos la ra´ en un n´mero finito de pasos, al menos ız u tendremos una sucesi´n de intervalos encajados en la que se encuentra o la ra´ ız: r ∈ · · · ⊂ [an, bn] ⊂ · · · ⊂ [a1, b1] ⊂ [a, b], adem´s: a b−a . 2n Teorema. (an) es una sucesi´n creciente y (bn) es una sucesi´n o o bn − an = decreciente, ambas acotada, y por lo tanto convergentes. As´ que: ı

7.

Resoluci´n de ecuaciones por el m´too e do de bipartici´n o

Dada una ecuaci´n f (x) = 0 con f continua en [a, b] y tal que o f (a)f (b) < 0 y con una ra´ unica r en [a, b], el m´todo de bipartici´n ız ´ e o consiste en realizar los siguientes pasos: 1. Calcular el punto medio entre a y b, es decir m0 = 2. Si f (m) = 0 entonces r = m0, 3. En caso contrario tomamos el intervalo [a1, b1] ⊂ [a, b] entre [a, m0] o [m0, b]. Elegimos aqu´l en el que la funci´n toma en los extremos e o puntos opuestos, es decir, r ∈ [a1, b1].
281 n→∞ a+b , 2

n→∞

l´ an = α ≤ b ım

y
n→∞

l´ bn = β ≥ a, ım

adem´s: a
n→∞

l´ (an − bn) = α − β = 0 ⇒ α = β. ım

Adem´s este l´ a ımite es la ra´ de la ecuaci´n porque: ız o

l´ f (an)f (bn) = f (α)2 ≤ 0 ⇒ f (α) = 0. ım
282

7.1.

Cota del error absoluto en la nsima aproximaci´n o

7.2.

Ejemplo

La ecuaci´n f (x) = x3 + 4x2 − 10 = 0 tiene una ra´z en [1, 2], ya o ı que f (1) = −5 y f (2) = 14, si aplicamos el algoritmo de bisecci´n o obtenemos los valores de la tabla que sigue:

Si tomamos como valor aproximado de r a an, tenemos: 0 ≤ r − an ≤ b−a . 2n

Si tomamos como valor aproximado de r a bn, tenemos: 0 ≤ bn − r ≤ b−a . 2n

Figura 6: Ejemplo del m´todo de bipartici´n e o

283

284

739043181463529 16 0. En efecto. partir de un punto x0 y generar la sucesi´n xn+1 = g(xn) esperando que xn converja a la ra´ buscada.450390605395313 × 10−7 25 0.7.7485826244881928 0.7378447589729933 11 0.931049372800203 × 10−9 Vemos por lo tanto que r∗ = 0.7390851262506977 Fijemos una ecuaci´n f (x) = 0 con f una funci´n continua en [a. 8. adem´s podemos utilizar a la f´rmula del error dada antes para ver la distancia entre r∗ y la ra´ o ız exacta r: |r − r∗| ≤ π b−a π = 2 = 28 ≈ 1.7363107781851077 0. ız ´ La idea de los m´todos iterativos es transformar la ecuaci´n f (x) = 0 e o en una equivalente del tipo g(x) = x.7853981633974483. sumando x en los dos o miembros de f (x) = 0 tendr´ ıamos: f (x) + x = x.7390671499133397 17 0.151237084139893 × 10 23 0.0046403471698514 f (x) = −0.0001504357420498703 Calcular una ra´z de la ecuaci´n f (x) = 0 para la funci´n f (x) = ı o o cos x − x en el intervalo [0.7390866242788109 f (x) = −2.931049372800203 × 10−9. b]. 2 con lo cual 3 4 5 6 7 8 9 0.24242098975445903 f (x) = 0.7386117493669362 12 0.3.7517907730256752 × 10−8 27 0.7390851496573869 f (x) = −2.739079134138245 18 0.17033 × 10−8.6872233929727672 0.0782913822109007 f (x) = 0.7390853135042118 f (x) = −3. 2 0.7390855007577259 f (x) = −6.0004914153002637534 f (x) = 0.00017047619334453756 285 286 n xn f (xn) f (x) = −0. b] o o y f (a)f (b) < 0 y con ra´ unica en el intervalo [a. con lo cual las ecuaciones f (x) = 0 y g(x) = f (x) + x = x tendr´ ıan las mismas soluciones.39269908169872414 f (π ) 2 = −π .000030096950741631545 f (x) = 0. o ız La forma m´s f´cil de transformar la primera ecuaci´n en la segunda a a o es sumar a la ecuaci´n el valor x.7390851379540423 es casi una ra´z ı ya que f (x) = −7.2419033295074655 × 10 22 0.5890486225480862 0. 2 n 1 xn 0. n 2 227 2 288 . 10 0.7424467013366502 0.017339367250571 × 10 −7 −7 24 0.1655808984656346 × 10−8 −6 −6 −6 8.0025832334377185 × 10 20 0.000010040113990528177 f (x) = 1.7390851379540423 f (x) = −7.08578706038996975 f (x) = 0.7390851730640762 f (x) = −6.015928352815779867 f (x) = −0.0020753364865229162 f (x) = 0.7390881223069241 f (x) = −5.1.7389952445639076 Figura 7: Gr´fica de la funci´n f (x) = cos x − x a o 13 0.5311804508125626 f (x) = 0. 19 0.7390911183631504 15 0.739378739760879 En este ejemplo tenemos f (0) = 1 > 0 y empezamos calculando el punto medio del intervalo de partida.03660738783981099 f (x) = −0.005630132459280346 f (x) = −0.7853981633974483 f (xn ) f (x) = −0.669162500028136 × 10−8 26 0.7390852198774547 f (x) = −1.7390858752647542 f (x) = −1. Ejemplo π ].0000702103057914627 f (x) = 0.760854470791278 0. es decir: m1 = π 4 ≈ 0.7391869921623933 f (x) = −0.0007921780792695676 f (x) = 0. M´todos iterativos e Introducci´n o 14 0.4954628828899317 × 10 21 0.000010016828909886755 f (x) = 0.

8.2.

El m´todo de Newton-Raphson e

cuya gr´fica es: a

Suponemos aqu´ que la funci´n f es derivable. La idea de este m´todo ı o e es utilizar las tangentes a la curva y = f (x) como aproximaci´n de la o curva.
f Se trata en este m´todo de iterar la funci´n g(x) = x − f (x) . e o (x)

Observaci´n. Si la sucesi´n xn converge hacia s, entonces s es o o una ra´ de la ecuaci´n f (x) = 0. ız o Ejemplo. Calcular una ra´ de la ecuaci´n f (x) = 0 para la funız o ci´n f (x) = cos x − x en el intervalo [0, π ]. o 2 Soluci´n. 1. Puesto que f (0)f ( π ) = (cos 0− 0)(cos π − π ) = − π < 0 o 2 2 2 2 la ecuaci´n que queremos resolver tiene soluci´n en el intervalo o o indicado en el enunciado. n 2. La soluci´n es unica ya que f (x) = −sen x − 1 < 0 en el intervalo o ´ (0, π ). 2 3. Aplicamos el m´todo de Newton para construir la sucesi´n: e o xn+1 = xn − cos xn − xn , sen xn − 1 xn f (xn) 0 0.7853981635 1 0.73955361337 2 0.7390851781 -0.000754874682502682 −7,512986643920527 × 10−8
Figura 8: Gr´fica de la funci´n g(x) = x − a o π 4
cos x−x sen x−1

Eligiendo x0 =

obtenemos:

3 0.7390851332 −7,771561172376096 × 10−16 4 0.7390851332 0

es decir, en este caso estamos iterando la funci´n g(x) = x− cos x−x o sen x−1

289

290

8.3.

Resultados sobre la convergencia

Adem´s la hip´tesis 2 se cumple porque f (x) = −sen x − 1 = 0 y la a o hip´tesis 3 se cumple porque f (x) = −cos x ≤ 0 para todo x ∈ [0, π ]. o 2 Por ultimo tenemos que ´ |f (0)/f (0)| = y que |f (π/2)/f (π/2)| = cos (π/2) π π π = ≤ −0= , −sen (π/2) − 1 4 2 2 cos 0 =1 −sen 0 − 1

Teorema (Convergencia global). Sea f de clase C 2 verificando: 1. f (a)f (b) < 0, 2. Para todo x ∈ [a, b] se tiene que f (x) = 0 (crecimiento o decrecimiento estricto) 3. Para todo x ∈ [a, b], f (x) ≥ 0 (alternativamente se puede tener para todo x ∈ [a, b], f (x) ≤ 0) 4. m´x{| f (a) |, | f (b) |} ≤ b − a a f (a) f (b) Entonces existe una unica ra´ s de f (x) = 0 en [a, b] y la sucesi´n ´ ız o (xn)n del m´todo de Newton converge hacia s para todo x0 ∈ [a, b] e tal que f (x0)f (x0) ≥ 0.

con lo que nuestro ejemplo tambi´n verifica la hip´tesis cuarta y tenee o mos la convergencia global del m´todo de Newton en nuestro ejemplo e en el intervalo [0, π ]. 2

9.

Ejercicios Resueltos

Ejercicio

8.4.

Ejemplo

Calcula el l´ ımite siguiente utilizando desarrollos de Taylor
x→0

El m´todo de Newton para la ecuaci´n cos x − x = 0 en el intervalo e o [0, π ] converge para cualquier valor x0 ∈ [0, π ]. 2 2 As´ que tenemos f (x) = cos x − x, f (x) = −sen x − 1 y f (x) = ı −cos x. Ya hemos visto antes que f (0)f ( π ) < 0, luego se satisface la primera 2 hip´tesis del m´todo de Newton. o e
291

l´ ım

sen 3(x2) . 1 − cos (x3)

Soluci´n. Haremos desarrollos de Taylor del numerador y denomio nador de orden 6: sen x = x − x + x + o(x6), 3! 5! sen x2 = x2 − x + o(x6), 3!
292
6 3 5

sen 3x2 = x6 + o(x6), cos x = 1 − x + x − x + o(x6), 2! 4! 6! cos x = 1 −
3 x6 2! x6 2!
2 4 6

Ejercicio Calcula el l´ ımite siguiente utilizando desarrollos de Taylor [1 − cos 2(x2)]sen 3(x) . x→0 x log(1 + x6) l´ ım Soluci´n. Haremos desarrollos de Taylor del numerador y denomio nador de orden 7: sen x = x − x + x − x + o(x7), 3! 5! 7! = 2. sen 2x = x2 + x − 2 x + 2 x + o(x7), 36 3! 5! sen 3x = sen xsen 2x = x3 − x + x + x + o(x7), 3! 5! 36 cos x = 1 − x + x − x + o(x7), 2! 4! 6! cos x2 = 1 − x + o(x7), 2! cos 2x2 = 1 − 2 x + o(x7). 2! 1 − cos 2x2 = 2 x + o(x7). 2! [1 − cos 2x2]sen 3x = x7 + o(x7). log(1 + x) = x − x + x − x + x − x + x + o(x7). 2 3 4 5 6 7 log(1 + x6) = x6 + o(x7). x log(1 + x6) = x7 + o(x7).
2 3 4 5 6 7 4 4 4 2 4 6 5 7 7 6 4 6 3 5 7

+ o(x ), + o(x6).

6

1 − cos x3 = As´ que: ı

6 x→0 x 2!

l´ ım

x6 + o(x6) + o(x6)

=

1+
1 2!

o(x6 ) x6
6

+ o(x6 ) x

293

294

As´ que: ı
o(x7 ) x7 o(x7 ) x7

Ejercicio Calcula los l´mites siguientes: ı

1+ [1 − cos (x )]sen (x) x + o(x ) = l´ ım = l´ ım x→0 x→0 x7 + o(x7 ) x→0 1 + x log(1 + x6)
2 2 3 7 7

l´ ım

=1

(a) (c)

l´ x→0 x ım

5 −x log(1+x4 )

sen 3 (x2 )
2 2

(b)
3 (x)

sen (x ) l´ x→0 x5 −x log(1+x4) ım log(1+x ) l´ x→0 1−cos 3(x) ım
3

3

2

(x )]sen l´ x→0 [1−coslog(1+x6) ım x

(d)

Soluci´n. o (a) 0, haciendo un desarrollo de orden 6; (b) el l´ ımite no existe, aunque s´ que existen los l´ ı ımites laterales (+∞ cuando x tiende a 0 por la izquierda y −∞ cuando x tiende a 0 por la derecha). Se necesitan hacer desarrollos de orden 6 y luego investigar el signo de la funci´n o que aparece en el denominador [f (x) = x(x4 − log(1 + x4))] cuando x es cercano a 0; (c)

295

296

Ejercicio Calcula el l´ ımite siguiente usando desarrollos de Taylor: 2sen x4 x→0 1 − cos (x2 ) l´ ım Soluci´n. Hacemos desarrollos de Taylor del numerador y denomio nador de orden 4: 2 + x4 2x4 + o(x4) = l´ ım = 4. 1 − 1 + x4/2 + o(x4) x→0 1 + o(x44 )
2 x o(x4 )

Tema 7: Integraci´n unidimensional o Gabriel Soler L´pez o
20 de febrero de 2006

1.

Particiones de un intervalo. Suma superior e inferior de Riemann

x→0

l´ ım

Definici´n (Partici´n del intervalo). Dado un intervalo [a, b], o o una partici´n de [a, b] es un conjunto finito P = {x0, x1, . . . , xn} tal o que a = x0 < x1 < . . . < xn−1 < xn = b. A los intervalos [xi, xi+1], i = 0, 1, . . . n − 1, se les llama intervalos de la partici´n P. o Se define el di´metro de la partici´n P como el n´mero real positivo a o u δ(P) = max{|xi+1 − xi |, i = 0, 1, . . . , n − 1}. Dadas dos particiones P, P de [a, b], diremos que P es m´s fina a que P si P ⊆ P . Claramente, en ese caso δ(P ) ≤ δ(P).

297

298

Definici´n (Sumas inferiores y superiores de Riemann). o Sea f : [a, b] → R y P = {x0, x1, . . . , xn } una partici´n de [a, b]. Se o define la suma inferior de Riemann de f para la partici´n P como: o
n−1

Se define la suma superior de Riemann de f como:
n−1

S(P, f, [a, b]) =
i=0

Mi(xi+1 − xi ),

s(P, f, [a, b]) =
i=0

mi(xi+1 − xi )

donde Mi = sup{f (x) : x ∈ [xi, xi+1]}, 0 ≤ i ≤ n − 1.

donde mi = inf{f (x) : x ∈ [xi, xi+1]}, 0 ≤ i ≤ n − 1.

Figura 10: Sumas superiores de Riemann de la funci´n seno o

Figura 9: Sumas inferiores de Riemann de la funci´n seno o

Proposici´n. Si f : [a, b] → R, P y P son particiones de [a, b] o tales que P es m´s fina que P entonces: a s(P, f, [a, b]) ≤ s(P , f, [a, b]) y S(P , f, [a, b]) ≤ S(P, f, [a, b]).

299

300

b]. b] y se denota por b a f (x)dx. ξ = (ξ1 . . b] tales que Pn+1 es o n=1 m´s fina que Pn. . . . n − 1}. sen . . f. 2. n − 1}. f. b]. sino un punto arbitrario. . b] tales que: o n=1 inferior de Riemann es: π s(Pn. . 301 302 Observaci´n (Interpretaci´n geom´trica). Se define la suma de Riemann de f para la partici´n P y la elecci´n ξ como: o o n−1 l´ ım s(Pn. [0. Proposici´n (Aplicaci´n al c´lculo de l´ o o a ımites). f. . el a a eje OX y las rectas x = a y x = b. b]. . . ı b a f (x)dx coincide con el ´rea determinada por la gr´fica de f (x). n = 1. ξn). [a. la suma o 2 2 n 2 n2 2 2. . As´ que si f (x) ≥ 0 para todo x ∈ [a. π ] −→ R 2 x → sen x. b] y ξ = (ξ1. . . ξn−1 ) forma parte de una sucesi´n de vectores cualquiera tales que ξj ∈ [xn. Sea f : [a. ım n→∞ n n n donde. b]) ım n→∞ A este valor se le llama integral de Riemann o integral de f en [a. xn} una partici´n de [a. n π . n = 1. . o Adoptaremos el convenio definiremos a a f (x)dx a b f (x)dx =− b a f (x)dx y cuando a = b. 303 304 . [a. [a. 1. Si f es intea ım n→∞ grable en [a. s(P. al aumentar n consideramos cada vez particiones m´s finas. . b]) = l´ S(Pn. 2n Se dice que f es integrable Riemann o integrable en [a. . ım sen j=0 (j + 1)π 2n π . . n π = π }. . . para todo n ∈ N. ξ2 . . Los n´meros a y b se les llaman l´ u ımites de integraci´n. . Observemos que si o o e f (x) ≥ 0 para todo x ∈ [a. 2. n π . ξn−1 ) un vector o tal que ξi ∈ [xi. = 0. ∞ a n→∞ l´ δ(Pn ) = 0. . la recta x = a y la recta x = b y con a las sumas superiores nos aproximamos por exceso. sen . b]. xn ] para todo o j j+1 j ∈ {0. . ´stas tendr´n su utilidad a la hora de las clases pr´cticas. xi+1] para todo i ∈ {0. Funciones integrables Riemann. sen : [0. b] → R y (Pn)∞ una sucesi´n de particiones de [a. Interpretaci´n geom´trica o e Definici´n (Funci´n integrable Riemann). e a a Definici´n (Sumas de Riemann). . . Sea f : [a. ]) = 2 y la superior: π S(Pn. ξ) = i=0 f (ξi )(xi+1 − xi ). . y l´ δ(Pn) = 0. . . Sea f : [a. ]) = 2 n−1 n−1 sen j=0 jπ 2n π . 1 2 escogiendo la partici´n Pn = {0. el eje OX. P = o {x0. ∞. n−1 π . 2n Pn+1 es m´s fina que Pn.Ejemplo. b] → R. luego las sumas inferiores de Riemann a a ´ se aproximan cada vez m´s por defecto al area comprendida entre la gr´fica f (x). [a. f. [0. . b] si existen y coinciden los l´ ımites: n→∞ Tambi´n podemos calcular sumas de Riemann sin elegir necesariae mente el m´ximo y el m´ a ınimo en cada intervalo. . . x1. b] y f es integrable Riemann. b] → R o o y (Pn)∞ una sucesi´n de particiones de [a. entonces se verifica: b a n f (x)dx = l´ s(P. .

Si f : [a. As´ que. Si f : [a. El siguiente resultado permite. Teorema (Integraci´n por partes). b) tal que b a f (x)dx = f (ξ)(b − a). b] → R tal que F (x) = x a f (t)dt. basta con aplicar el teorema a anterior para obtener que si x0 ∈ (1. αf . entonces b a f (x)dx R una funci´n integrable en [a. b] entonces F es derivable en x0 y F (x0) = f (x0). Integraci´n por o partes y cambio de variable Por ultimo. d]. b] −→ R x es una primitiva de f . introduciremos las t´cnicas de integraci´n por partes y ´ e o por cambio de variable que permiten simplificar el c´lculo de integrales. |f | y f g son integrables. b] → R es una funci´n acotada y tiene como o m´ximo un n´mero finito de puntos de discontinuidad. Sean f. a Teorema (Integraci´n por cambio de variable). de tal manera que g(c) = a y g(d) = b. ≥ 4. Teorema (Teorema fundamental del c´lculo integral). se tiene: b a f (x)g (x)dx = [f (x)g(x)]b − a b g(x)f (x)dx. Teorema. b]. entonces existe ξ ∈ (a. 307 308 . entonces f a u es integrable en [a. b a αf (x)dx b a f (x)dx. b] → R integrables y α ∈ R. b] → R es continua. Si c ∈ [a. Teorema (Continuidad-Integrabilidad). b] → R es una primitiva de f . b]. Teorema (Barrow). Dadas dos funciones deo rivables. g : [a. Si f (x) ≥ g(x) para todo x ∈ [a. b] → R una funci´n continua. b]. no es necesario el c´lculo de la integral. +∞) −→ R x → x −1 t2 1 e dt. b a f (x)dx −1 2 + g(x))dx = =α b a f (x)dx + b a g(x)dx. Sea f : [a. b] → R es continua y F : [a. a partir del conocimiento de una primitiva de una funci´n integrable. a = [F (x)]b a = F (b)−F (a). calcular integrales de ´sta. b a f (x)dx 5. b] → R. adem´s: a 1. b a |f (x)|dx ≥| b a f (x)dx|. 3. b]. para derivar ı F : [1. +∞) se tiene: F (x0) = e x0 . b] y g : [c. b a (f (x) Por ultimo daremos el primer teorema de la media: ´ Teorema (Media). Entonces o f + g. b] → R una funci´n integrable.3. Entonces: b d → x a f (x)dx. Si f (x) ≥ 0 para todo x ∈ [a. b] entonces b a f (x)dx = c a f (x)dx + b c f (x)dx. Ser´ el o e a procedimiento que utilicemos a la hora de calcular integrales. f (x)dx = a c f (g(t))g (t)dt. con derivadas integrables en [a. 2. b] → R es continua entonces f es integrable en [a. Si f es continua en x0 ∈ [a. Con respecto a la integral de Riemann y las operaciones entre funciones se obtiene: Proposici´n. f. Sea a f : [a. 305 306 4. Funciones integrables: propiedades 6. Si f : [a. b] → o Proposici´n. Entonces definimos F : o [a. La relaci´n entre continuidad e integrabilidad es estrecha. entonces: ≥ 0. Si f : [a. g : [a. entonces o o la funci´n: o F : [a. Sea f : [a. b] entonces: b a g(x)dx. La regla de Barrow. d] → R una funci´n ino o yectiva con derivada integrable en [c. los dos o siguientes teoremas lo muestran.

Consideremos el s´lido tridimensional que se obo tiene al girar la gr´fica de la funci´n10 f : [a. entonces el ´rea delimitada por la a gr´fica de f (x). Aplicaciones del c´lculo integral al a c´lculo de longitudes. b] → R son integrables con f (x) ≥ g(x) para todo x ∈ [a. Entonces el ´rea de la superficie exterior de a dicho s´lido es: o b C´lculo de la longitud de una curva. A = 2π a x 1 + f (x)2dx C´lculo del volumen de un s´lido de revoluci´n al girar a o o sobre el eje Ox. Entonces la longitud o de dicha curva es: b A = 2π a f (x) 1 + f (x)2dx L= a 1 + f (x)2dx C´lculo del ´rea de un s´lido de revoluci´n al girar sobre a a o o el eje Oy. b] → R integrable sobre a o el eje Ox. b] → R. Calcula el volumen de un toro (donut) que se obtiene al girar un c´ ırculo de radio r alrededor de un eje que se encuentra a distancia a del centro del c´ ırculo. 0). o as´ que y = ± r2 − (x − a)2. b V =π a 9 10 |y (x)|x2dx Suponemos que dicha gr´fica no corta al eje Oy a Suponemos que dicha gr´fica no corta al eje Ox a 309 310 Ejemplo. si f : [a. Consideremos la curva a definida por la funci´n derivable f : [a. g : [a. la recta x = a y la recta x = b es: a b V =π a f (x)2dx A= a (f (x) − g(x))dx C´lculo del volumen de un s´lido de revoluci´n al girar a o o sobre el eje Oy. b] entonces el ´rea delimitada por las a gr´ficas de f (x) y g(x). b] → R con f (x) ≥ 0 o para todo x ∈ [a. Entonces el volumen de dicho s´lido es o b Como consecuencia de esto. es decir el centro es el punto (a. yT 5π/2 (x − a)2 + y 2 = r 2 a−r a a+r E x 5π/2 a+r V =2 π a x2 x−a r2 − (x − a)2 dx − π = 2π a x2 a−x r2 − (x − a)2dx x−a x2 dx r2 − (x − a)2 a−r a+r a−r Hacemos ahora el cambio de variable x − a = rsen θ.5. areas y vol´a ´ u menes C´lculo del ´rea de un s´lido de revoluci´n al girar sobre a a o o el eje Ox. b C´lculo del ´rea de una superficie plana. Consideremos el s´lido tridimensional que se obtiene al o girar la gr´fica de la funci´n9 f : [a. Definamos y1 = ı as´ que: ı r2 − (x − a)2. as´ que ı dx = rcos θdθ y x = a + rsen θ. el eje Ox y las rectas x = a y x = b es a b a f (x)dx. o Suponemos que el eje de rotaci´n es el eje y y que el centro del c´ ırculo se encuentra sobre el eje de abscisas. V = 2π 3π/2 (a + rsen θ)2 5π/2 rsen θ rcos θdθ rcos θ = 2π 3π/2 (a + rsen θ)2 rsen θdθ = 2π 3π/2 a2rsen θ + r3sen 3θ + 2ar2sen 2θdθ 5π/2 El c´ ırculo que estamos girando tiene ecuaci´n (x − a)2 + y 2 = r2. si f. = 2πa2r [−cos θ]3π/2 − 2πr3 cos θ − +2π2ar 2 cos 3θ 3 5π/2 3π/2 5π/2 3π/2 θ sen (2θ) − 2 4 = 2ar2π 2 311 312 . b] → R derivable y con derivada a o continua sobre el eje Ox. Recordemos que a a por definici´n de la integral de Riemann. b] es integrable.

es decir el centro es r V =π −r (a + r −r r2 − x2)2dx − π [(a + r −r (a − r2 − x2)2dx r2 − x2)2]dx el punto (a. es: E=− 1 (b − a)3f (c). 1. que tendr´ por a √ 2 2 2 2 − x2 . Definamos y1 = ı as´ que: ı r2 − (x − a)2. = 2π a−r x por donde P1(x) es el unico polinomio de grado ´ Hacemos ahora el cambio de variable x = rsen θ. a + (j + 1)h] con j ∈ {0. a) y radio r. ´sta consiste en dividir el intervalo [a. x a−r 1 + y1 (x)2dx = 2π a−r x 1+ a+r (x − a)2 dx r2 − (x − a)2 r2 r2 dx − (x − a)2 La regla del trapecio Dada una funci´n f : [a. 1 A = 2π 2 a+r a+r M´todos num´ricos para calcular ine e tegrales. dx = rcos θdθ: 5π/2 V = π4a 3π/2 rcos θrcos θdθ 5π/2 3π/2 El c´ ırculo que estamos girando tiene ecuaci´n (x − a)2 + y 2 = r2. As´ que: ı b 1 A = 2π 2 5π/2 3π/2 f (x)dx ≈ a b P1(x)dx = r (a + rsen θ) rcos θdθ rcos θ 5π/2 a b−a (f (a) + f (b)) 2 y el error que cometemos en dicha aproximaci´n. f (a)) y (b. En ecuaciones a x + (y − a) = r . = π4ar2 2 cos 2θdθ 5π/2 3π/2 θ sen (2θ) = 4ar π + 2 4 = 2ar2π 2. yT =π r2 − x2)2 − (a − r =π −r 4a r2 − x2dx (x − a)2 + y 2 = r 2 a−r a a+r E x Hacemos ahora el cambio de variable x = rsen θ. 0). si la funci´n f es de o o clase C 2. Este m´todo proporciona la aproximaci´n: e o b a f (x)dx ≈ h 2 n−1 f (a) + 2 i=1 f (a + ih) + f (b) . b).Otra forma de realizar el ejercicio: girando alrededor del eje de abscisas un c´ ırculo de centro (0. la regla del trapecio consiste en aproximar la integral definida b a f (x)dx b a P1 (x)dx. El error anterior puede reducirse si utilizamos la regla del trapecio compuesta. 315 316 . 313 314 6. 12 = 2πr 3π/2 (a + rsen θ)dθ 5π/2 = 2πr[aθ − rcos θ]3π/2 = 2πraπ = 2arπ 2. As´ que A = 4arπ 2. por lo tanto y = a ± r este caso: Ejemplo. dx = rcos θdθ: 1 (recta) que pasa por los puntos (a. ı donde c es un punto del intervalo (a. . . f (b)). b] en n subintervalos e de longitud h = b−a n y aplicar la regla del trapecio simple a cada uno de los intervalos [a + jh. o as´ que y = ± r2 − (x − a)2. b] → R inteo grable. Calcula el area de un toro (donut) que se obtiene al ´ girar un c´ ırculo de radio r alrededor de un eje que se encuentra a distancia a del centro del c´ ırculo. n − 1}. Suponemos que el eje de rotaci´n es el eje y y que el centro del o c´ ırculo se encuentra sobre el eje de abscisas. . .

x. integral//N} 319 errorsimpson = Error[simpson. n <= 50. 317 318 1 (b − a)h4f (iv) (c). si la funci´n es de clase C 4. es: o E=− 1 (b − a)h2f (c). n. a . j = j + 1]. f (b)). a+(j +1)h]. h = (b − a)/n. integral = (f [a] + f [b]) ∗ h/3. n]. 2 2 se obtiene la aproximaci´n: o b a b siendo c un punto del intervalo (a. b) tal que. si f es de clase C 2. con un error. j < n. j = j + 1]. j <= n/2.a. b . exacto = Integrate[f [x]. Programa de Mathematica: T rapecioCompuesta[f un . integral = integral+T rapecio[f un. errorsimpson. n ] := {h = (b − a)/n. 4. si subdividimos el intervalo [a. integral//N} Tambi´n se puede definir el m´todo del trapecio compuesto en e e Mathematica usando las f´rmulas desarrolladas en la teor´ o ıa: T rapecioCompuestaBis[f un . f (x)dx ≈ a P2(x)dx = b−a a+b f (a) + 4f ( ) + f (b) . 6 2 Adem´s. b] en n partes (con n n´mero par) y aplicamos a cada una de ellas u la regla de Simpson. F or[j = 0. 4]. “ el valor aproximado por Simpson es: ”. j = j + 1]. existe c ∈ (a. 3. si f es de clase C 4. j <= n − 1. a . el error a o que se comete en la aproximaci´n es: o E=− 1 (b − a)5f (iv) (c). se obtiene una mejor aproximaci´n de la integral: o ⎛ h⎝ f (a) + 2 f (x)dx ≈ 3 n/2 b a n/2 f (a + 2(i − 1)h) i=2 ⎞ +4 i=1 f (a + (2i − 1)h) + f (b)⎠ . 3. integral//N} F or[n = 2. 3. simpson = SimpsonCompuesta[f. “ y por el trapecio: ”. integral = integral + 2h/3f [a + 2(j − 1)h]. n ] := {integral = 0. 4. F or[j = 1. exacto]. InputForm[trapecio]]. a+hj. trapecio = T rapecioCompuesta[f. Print[“El error de Simpson es: ”. b). “ y el del 320 .278341730851935 calculado usando las reglas del trapecio y Simpson haciendo n particiones del intervalo [3. Print[“Para n=”. ( a+b . errortrapecio = Error[trapecio. 180 Ejemplo. f (a)). F or[j = 2. dado por: E=− estando c en (a.para esta aproximaci´n el error que se comete. b] → R a integrar por el polinomio de grado 2 (´nico) que o u pasa por los puntos (a. Comparaci´n del valor de o 4 3 (sen x + cos x + ex )dx = SimpsonCompuestaBis[f un. exacto]. 12 La regla de Simpson. b).b. De esta manera. F or[j = 1. b .n] := {h = (b − a)/n. InputForm[simpson]. f ( a+b )) y (b. j = j + 1]. integral = (f [a] + f [b]) ∗ h/2. integral = integral + 4h/3f [a + (2j − 1)h]. j <= n/2. n]. (2 ≤ n ≤ 50). 33. integral = integral + hf [a + jh]. 4]. La idea de esta regla es aproximar la funci´n f : [a. 2880 Al igual que en la regla del trapecio.

El error de Simpson es: 4.27834288598059 y por el trapecio: 33.27834180306481 y por el trapecio: 33.003799551133563339.28351330515993.01519730232454708.27834174511683 y por el trapecio: 33.28997738129034.020684625875641016. 6.006154569318378433.1551286529520866 × 10−6 y el del trapecio 0.36105351045315. Para n = 12 el valor aproximado por Simpson es: 33. 8. Para n = 22 el valor aproximado por Simpson es: 33. 322 9.4264893932747214 × 10−8 y el del trapecio 0. El error de Simpson es: 8. Para n = 30 el valor aproximado por Simpson es: 33.27834176567768 y por el trapecio: 33. Para n = 18 el valor aproximado por Simpson es: 33.278386777441625 y por el trapecio: 33. El error de Simpson es: 7.2783417561365 y por el trapecio: 33.281651570503875. 321 −6 El error de Simpson es: 2.007446978745856425.278342031588494 y por el trapecio: 33.5284559113103455 × 10−8 y el del trapecio 0. El error de Simpson es: 1.221287989800373 × 10 pecio 0. Para n = 34 el valor aproximado por Simpson es: 33. El error de Simpson es: 0.8196313290873576 × 10−6 y el del trapecio 0. 2.2783419071449 y el del tray por el trapecio: 33. 323 324 .007365545482088 × 10−7 y el del trapecio 0. El error de Simpson es: 1.04653414285960866. 4. 12. 11.005171574307989202.011635650438402534.278342287970716 y por el trapecio: 33.279058180108045 y por el trapecio: 34.308126180449406.28091860547047. El error de Simpson es: 3.00290904482931853.28753544812954. 14.28274829693282. El error de Simpson es: 1.100617434968143 × 10−7 y el del trapecio 0.27834178017495 y por el trapecio: 33.0025768746185359515.282141281985496.4825741179744796 × 10 trapecio 0. n = n + 2. 3.186001. El error de Simpson es: 1. y el del tra- 15.29902635672758. El error de Simpson es: 5.278341739498465 y por el trapecio: 33.27834455048327 y por el trapecio: 33. El error de Simpson es: 1. 10. Para n = 20 el valor aproximado por Simpson es: 33.741856. Para n = 8 el valor aproximado por Simpson es: 33.02019810976089. 7. 13.29353903317648.285788709597796.32487587371154.1019305246051658 × 10−8 y el del trapecio 0. Para n = 14 el valor aproximado por Simpson es: 33.9323015671731696 × 10 trapecio 0.278341840913676 y por el trapecio: 33.28449630017032.646533045109095 × 10−9 y el del trapecio 0. El error de Simpson es: 3.029784449597466844. InputForm[exacto // N]] Resultados obtenidos con Mathematica: 1.trapecio: ”.00919371727760665.0033098396519430917. Para n = 4 el valor aproximado por Simpson es: 33. Para n = 28 el valor aproximado por Simpson es: 33.8798298695443805 × 10−8 y el del trapecio 0. 5.46434316252127. Para n = 24 el valor aproximado por Simpson es: 33. Para n = 32 el valor aproximado por Simpson es: 33. y el del 16.27834174187124 y por el trapecio: 33.0000450466 y el del trapecio: 0. y el del 17.27835063881905 y por el trapecio: 33.571187766673091 × 10−7 y el del trapecio 0. Para n = 16 el valor aproximado por Simpson es: 33. El error de Simpson es: 8.28125077568126.004406566080883634.08271177960120712. −8 −8 −8 El error de Simpson es: 2. Para n = 26 el valor aproximado por Simpson es: 33.000716449 y el del trapecio: 0. ] Print[“El valor exacto de la integral es: ”. Para n = 6 el valor aproximado por Simpson es: 33. El error de Simpson es: 1. Para n = 2 el valor aproximado por Simpson es: 33. Para n = 10 el valor aproximado por Simpson es: 33. errortrapecio].907967109506032 × 10 pecio 0. El error de Simpson es: 0.27834174965024 y por el trapecio: 33.7629296666932248 × 10−7 y el del trapecio 0.

27834173302867 y por el trapecio: 33. +∞) → R es tal que es convergente es convergente y F (x) es una primitiva de f (x) entonces: +∞ −∞ y +∞ f (x)dx a son convergentes y f (x)dx = l´ F (x) − l´ F (x). C´lculo de integrales impropias de primera especie. a < b. +∞) → R es tal que +∞ f (x)dx a Las integrales impropias de primera especie son aquellas donde alguno o ambos l´ ımites de integraci´n son infinitos. b] o para todo b > a.002298511865698627.279634650548246.001407790736261516.2804046637003. 20. b] para todo a. Para n = 50 el valor aproximado por Simpson es: 33.001292919696306738. 21.27953328627316. 1.27834173270066 y por el trapecio: 33.0018617988461169244. ıa el car´cter de una integral impropia sin conocer su valor. Como ya sabemos. El error de Simpson es: 4.27834173343264 y por el trapecio: 33. y el del tra- 26. Se har´ notar que toda integral a 327 Demostraremos que este valor no depende del n´ mero a ∈ R escogido u . El error de Simpson es: 6. Si f : [a. se dice que ´ te si 11 −∞ +∞ f (x)dx a f (x)dx + a f (x)dx. Para n = 42 el valor aproximado por Simpson es: 33.27988041017379. las integrales impropias son f´ciles de calcular cuando se conoce una primitiva del integrando. Para n = 48 el valor aproximado por Simpson es: 33. o Definici´n.27834173456529 y por el trapecio: 33.28003043881075.87934220700015 × 10−9 y el del trapecio 0.27834173773128 y por el trapecio: 33. 325 326 7.0011915554212247326. entonces diremos que la integral impropia si existe a ∈ R tal que en ese caso se define11 +∞ −∞ a +∞ a −∞ f (x)dx 3. −9 −9 −9 El error de Simpson es: 3. b ∈ R.27834173639335 y por el trapecio: 33. ım t→−∞ +∞ −∞ f (x)dx Si f : R → R es integrable en [a. El valor exacto de la integral es: 33. a Teorema. a 328 es absolutamente convergen- +∞ |f (x)|dx a es convergente.0015386793218492567. Para n = 46 el valor aproximado por Simpson es: 33. El error de Simpson es: 5. se define +∞ t es con- vergente y F (x) es una primitiva de f (x) entonces: +∞ f (x)dx = l´ ım a t→∞ f (x)dx. a f (x)dx = l´ F (t) − F (a). ım ım x→+∞ x→−∞ f (x)dx = Por ultimo. Al a igual que para la integral de Riemann.28020352969805.278341730851935.1767287972096483 × 10−9 y el del trapecio 0.713348517564441 × 10 pecio 0.513575957432181 × 10 pecio 0. De forma an´loga se define a a −∞ f (x)dx 2.28064024271764.18. a] → R. Para n = 44 el valor aproximado por Simpson es: 33. Si f : (−∞.278341733934774 y por el trapecio: 33. y el del 24.0828413155603585 × 10−9 y el del trapecio 0. Integrales impropias de primera especie impropia absolutamente convergente es convergente. Para n = 36 el valor aproximado por Simpson es: 33. El error de Simpson es: 3. 19. es posible que sea muy dif´ o incluso imposible encontrar una primitiva de una funci´n ıcil o dada. diremos que la integral anterior es convergente. si es +∞ o −∞ diremos que es divergente y si no existe diremos que es oscilante. +∞) → R es tal que f es integrable en [a.279749521588194. 22. El error de Simpson es: 2. Para n = 40 el valor aproximado por Simpson es: 33.8487280595280708 × 10−9 y el del trapecio 0. As´ ser´ muy interesante obtener criterios que permitan conocer ı. Criterios de convergencia. El error de Simpson es: 1. +∞ −∞ f (x)dx −∞ f (x)dx = F (a) − l´ F (t). 23. El error de Simpson es: 2. Si f : [a. Si f : (−∞. y el del tra- 25. ım t→+∞ a −∞ f (x)dx a Si el valor anterior es finito.27834173536551 y por el trapecio: 33.5414186572733115 × 10 trapecio 0. a] → R es tal que es convergente y F (x) es una primitiva de f (x) entonces: a para f : (−∞.001688707958815483.0020629328483703357. Para n = 38 el valor aproximado por Simpson es: 33.5807007641986957 × 10−9 y el del trapecio 0.

b) → R tal que l´ f (x) = ∞. 329 330 8. An´logamente. Entonces. f es integrable en [a. g son integrables en [a. b) y tal que l´ f (x) = ∞ ¿Qu´ significado ım e tiene la expresi´n o x→b− b f (x)dx? En principio. De forma an´loga se tienen los a criterios para integrales impropias del tipo para todo x ∈ (−∞. a Para estas integrales tambi´n dispondremos de un an´logo a la regla e a de Barrow. Si l = 0 y es divergente entonces +∞ g(x)dx a es ro no podemos decir nada sobre el car´cter de la integral impropia a +∞ g(x)dx a es convergente entonces +∞ f (x)dx a es Los siguientes criterios permiten deducir el car´cter de ciertas intea grales impropias a partir del conocimiento del car´cter de integrales a impropias de otras funciones. b] para todo a c ∈ (a. dispondremos del criterio de comparaci´n y del l´ o ımite. se dice que la integral impropia de segunda especie b a f (x)dx es convergente. Sea f o una funci´n como antes. +∞). Si te. f (x)dx. Si +∞ f (x)dx a convergente. Sea f : [a. Sean f. Si l = 0 y divergente. a esta expresi´n no la hemos o dotado de un significado concreto ya que la funci´n f no es acotada. Entonces: 1. +∞). b] → R tal que l´ f (x) = ∞. +∞) → R tales que f (x) ≥ 0 para todo x ∈ [a. Sea f : (a. si f : (a. b] para todo b > a y l´ f (x) > 0. Proposici´n (Criterio de comparaci´n). Sea l = l´ ım f (x) x→+∞ g(x) ∈ R. Sean f. c] para todo c ∈ (a. es convergente entonces +∞ g(x)dx a es conver- gente. si es infinito se dice que es divergente f (x)dx = F (b) − l´ F (t). g : [a. +∞) → o o R positivas tales que f. a Adem´s se ver´ que la convergencia absoluta de una integral de segunda a a especie implica tambi´n la convergencia de la integral. se define ım x→a+ b b es convergente y supongamos que F (x) es una primitiva de f (x). ım t→a+ x→b− b a f (x)dx Proposici´n. 0 +∞ n x dx a siendo n ≥ 0 o de +∞ x2 +1 dx. Proposici´n. +∞) → R dos funciones positivas integrables en [a. 1 x2 +2 pe- 2. b] para todo b > a. 1. ım t→b− f (x)dx = l´ ım a t→a+ f (x)dx t Criterios de convergencia de las integrales impropias de segunda especie. divergencia y oscilaa o ci´n.Vamos a introducir criterios para funciones f : [a. se dice que la integral o es absolutamente convergente si y solo si b a |f (x)|dx b a f (x)dx es convergente. +∞). +∞ f (x)dx a As´ aplicando este criterio se obtiene la divergencia de integrales ı. Es sencillo demostrar que para a ∈ R. Sea f : [a. 331 332 . +∞ g(x)dx a es divergente entonces +∞ f (x)dx a es divergen- ≤0 Proposici´n (Criterio del l´ o ımite). +∞ 1 a xα es convergente si α > 1 y divergente si α ≤ 1. o Definici´n (Integral impropia de segunda especie). b) y l´ = ∞. En cuanto a los criterios de convergencia. la dos proposiciones siguientes lo recogen. b] para todo b > a y supongamos que f (x) ≥ g(x) para todo x ∈ [a. es convergente (divergente) si y s´lo si o +∞ g(x)dx a es convergente (divergente). Si l > 0. ambos los enunciamos y se tienen an´logas definiciones de convergencia. Supongamos que tenemos una funci´n f [a. b) → R integrable en o [a. 3. o nos ocuparemos en esta secci´n de darle un significado. x→a+ b a f (x)dx es convergente y supongamos que F (x) es una primitiva de f (x). Entonces: +∞ f (x)dx a Entonces es divergente. en las condiciones anteriores de la funci´n f . e C´lculo de las integrales impropias de segunda especie. Entonces: b a f (x)dx = l´ ım a t→b− a Si este l´ ımite es finito. o ım y si no existe se dice que es oscilante. g : [a. a]. Integrales impropias de segunda especie Al igual que para integrales impropias de primera especie. +∞) → R tal que f (x) ≥ 0 para todo x ∈ o [a. impropias del tipo +∞ −x2 e dx. Entonces: b a f (x)dx = l´ F (t) − F (a). ım x→+∞ +∞ f (x)dx a a −∞ f (x)dx siendo f (x) 2. El criterio anterior junto con el car´cter a de estas integrales impropias permiten obtener el car´cter de muchas a integrales impropias. se define o b t o ım Proposici´n. b] → R es integrable en [c.

d] y sean P1 = {a = x0. Si f (x) ≥ g(x) para todo x ∈ (a. Si l = 0 y gente. b] para todo c ∈ (a. b] ım ım x→a+ entonces: 1. Se define la suma inferior de Darboux-Riemann de f asociada a la partici´n P1 × P2 como o n−1 m−1 1. Proposici´n (Criterio de comparaci´n).j)∈{0.. d] → R una funci´n acotada y o P1 × P2 = {(xi. yj+1]}.. integrables en [c. yj+1]}. Si l = 0 y vergente. divergente). b] × o [c. yj ) ∈ R2 : 1 ≤ i ≤ n. se obtiene la convergencia de muchas integrales impropias de segunda especie. es divergente. b] → R funciones positivas.. a m´x a (xi+1 − xi)2 + (yj+1 − yj )2. b) y tales que x→a+ De este criterio. P1 × P2) = i=0 j=0 Mij (xi+1 − xi)(yj+1 − yj ). y) ∈ [xi. Entonces: 1. b a g(x)dx es con- b a f (x)dx es divergente entonces b a g(x)dx es diver- 333 334 Tema 8: Integraci´n multidimensional o Gabriel Soler L´pez o marzo de 2006 Definici´n (Sumas de Darboux-Riemann). . si b a f (x)dx es convergente (resp.. l´ f (x) = l´ g(x) = +∞.para integrales impropias que tienen su singularidad en el l´ ımite inferior. . donde Mij = m´x{f (x. b] → o o R positivas. 335 336 . Sea f : [a. d]. Integrales de Riemann en rect´ngua los Definici´n (Partici´n de rect´ngulos). d] respectivamente. y) : (x. Los resultados an´logos para cuando se tiene la singularidad en a el extremo superior son tambi´n ciertos y se deja su enunciado como e ejercicio al alumno. xi+1] × [yj . divergente) si y s´lo o b a g(x)dx es convergente (resp. Se define la suma superior de Darboux-Riemann de f asociada a la partici´n P1 × P2 como o n−1 m−1 S(f. xn = b} y P2 = {c = y0. Sean f. Consideremos el rect´nguo o a a lo [a. diremos que P1 × P2 = {(xi. Sean f. Entonces. ym = d} particiones de [a. Definiremos por di´metro de la partici´n al n´mero δ(P1 × P2) = a o u (i. b] × [c. . b] y [c. y) ∈ [xi. . Si b a f (x)dx b a g(x)dx es convergente entonces es divergente entonces b a g(x)dx b a f (x)dx es convergente. x1. y) : (x. . 0 ≤ j ≤ m − 1. P1 × P2) = i=0 j=0 mij (xi+1 − xi )(yj+1 − yj ). es convergente entonces b a f (x)dx 2. g : (a. donde mij = m´ (x..n−1}×{0. 3.. 0 ≤ i ≤ o a n − 1. g : (a.. Entonces: o 1. Proposici´n (Criterio del l´ o ımite). Si l = 0.. . o A partir de P1 × P2 se obtiene una descomposici´n del rect´ngulo o a como uni´n de los rect´ngulos Rij = [xi. 1 ≤ j ≤ m} es una partici´n de [a. b] × [c. . b) y tales que x→a+ f (x) g(x) l´ f (x) = l´ g(x) = ∞. b] × [c. integrables en [c.m−1} s(f. y1. 1 ≤ j ≤ m} una partici´n de [a. Si 2. xi+1] × [yj . . junto con el hecho de que para funciones del tipo f (x) = 1 (x−a)α se tiene que b 1 a (x−x0 )α dx es convergente si α < 1 y divergente si α ≥ 1. d]. yj+1]. ın{f 2. b] para todo c ∈ (a. xi+1] × [yj . yj ) ∈ R2 : 1 ≤ i ≤ n. Sea l = l´ ım ım ım x→a+ x→a+ ∈ R.

y)dxdy = Ω [a. que tiene interior no vac´ y frontera ıo formada por una uni´n finita de curvas de la forma y = f (x) y x = o g(y). donde f y g son funciones reales de una variable real continuas. Esta observaci´n trivial tendr´ importancia cuando o a generalicemos la integral a otro tipo de recintos. [a. el area del recinto sobre el que ´ integramos. d] → R es integrable Riemann si existe un unico o ´ n´mero real. la integral de f en [a. (b) y Ω xe dxdy. a 2.b]×[c. el valor de la o e integral es (b − a)(d − c). b] × [c. Ω ⊂ R2. la integral de f en Ω coincide con o el volumen delimitado por la gr´fica de la funci´n f y el conjunto a o Ω. tal que: u s(f.b]×[c. y) ∈ Ω.Definici´n (Funci´n integrable Riemann). d] −→ R (x. y)dx dy = a c f (x. 3] las integrales (a) Ω xydxdy. d]. (c) Ωy 2 sen xdxdy. / es integrable. es decir. Se dice que la funo o ci´n f : [a. P1 × P2) ≤ I ≤ S(f. d] → R es continua entonces: d b f (x. 2. Cuando la funci´n f es id´nticamente igual a 1.d] b d c a f (x. b] × [c. d] o coincide con el volumen delimitado por la gr´fica de la funci´n f a o y dicho rect´ngulo. el valor de la o e Definici´n (Integral de Riemann sobre conjuntos b´sicos). Si f : [a. y)dxdy = [a. si (x. Entonces. b] × [c. y)dxdy. si la a funci´n o ˜ f : [a. Interpretaciones para calcular ´reas y vol´ menes a u 1. Proposici´n. y) ˜ → f (x. si f es continua o es integrable. Cuando la funci´n f es positiva. Si Ω es un recinto b´sico y f : Ω → R una funci´n. y) ∈ Ω.b]×[c. P1 × P2) para toda partici´n P1 × P2 de [a. b] × [c. o a Sea f : Ω → R una funci´n acotada donde Ω es un recinto b´sico y o a sea [a.d] Teorema (Fubini). Entonces diremos que I o es la integral (doble) de f en [a. 339 340 . diremos que f es integrable en Ω. d] → R entonces. b] × [c. I. y)dy dx Ejercicio Calcular para Ω = [0. Integral doble sobre recintos b´sicos a de R2 Interpretaciones geom´tricas de integrales sobre recintos e b´sicos a Definici´n (Recinto b´sico de R2). y) = ⎧ ⎨ f (x. 337 338 2. entonces: a o 1. b] × [c. Cuando la funci´n f es positiva. a si (x. y)dxdy = I.d] ˜ f (x. En ese caso se define la integral (doble) de f en Ω como: f (x. Cuando la funci´n f es id´nticamente igual a 1. Un recinto b´sico de R2 es o a a un conjunto acotado. y) ⎩ 0 integral es el ´rea del recinto Ω. d] y escribiremos: f (x. d] el menor rect´ngulo que contiene a Ω. b] × [c. b]×[c. 1] × [0. Dada f : [a.

si fijamos en (1. 3. b = m´x{x : Ωx = ∅} a Ω f (x. αf + βg es integrable en Ω y: (αf (x. Ω2 son recintos b´sicos. y)dxdy. y) ∀(x. Ω (4 − y 2 )dxdy en el recinto limitado por las ecuaciones y 2 = 2x e y 2 = 8 − 2x. y) ∈ R2 : 0. Con esta notaci´n se tiene: o 342 Teorema (Fubini). y) ∈ Ω}. y)dy dx. y)dxdy 2. y))dxdy = α Ω Ω (2. y)dxdy = Ω Calcular las integrales dobles siguientes en los recintos que se indican: 1. Para calcular la integral de f : Ω → R. Ejercicio Calcular las integrales dobles siguientes en los recintos que a continuaci´n se o dan: 1. a Entonces: f (x. 2. y)dxdy = Ω Ω1 341 f (x.) Despu´s delimitaremos los l´ e ımites de integraci´n de la segunda o variable respecto a la primera. Ω f (x. Si f (x. 4. g : Ω → R inteo a grables y α. y)dxdy. 1]. Ω √ xydxdy en Ω = {(x. 3. Proposici´n. +β Ω g(x. y)dxdy En concreto. y) + βg(x. y = −|x| y x ∈ [−1. Ω (x + y)dxdy Ω (3xy 2 −y)dxdy en la regi´n limitada por y = |x|. d(x)) ∈ Ωx y que f es continua. y) ∈ Ω entonces Ω g(x. a c(x) f (x. en el recinto limitado por y = x3 e y = x4 con −1 ≤ x ≤ 1. Sea Ω ⊆ R2 un recinto b´sico. siendo Ω un recinto b´sico: a (1. a Supondremos adem´s que (c(x). Sea Ω = Ω1 ∪ Ω2 con Ω1 ∩ Ω2 = ∅ y Ω1. Ω (x 4 + y 2 )dxdy en el recinto limitado por y = x3 e y = x2. y) ∈ R2 : 0 ≤ y ≤ 1. + x2)dxdy en Ω = {(x. y)dxdy ≥ y para cada x ∈ (a. o 343 344 . Entonces: 1. f (x. Ω f (x.) Fijamos una de las dos variables de integraci´n y el intervalo m´xio a mo sobre el que vamos a integral dicha variable. y) ≥ g(x. x Ω ye dxdy Ωy + log xdxdy en Ω = {(x. Si Ω es un recinto b´sico de R2 y f : Ω → R es continua a entonces f es integrable Riemann en Ω. Ω ydxdy Ω (3y 3 en Ω = {(x. entonces 0.Propiedades de las integrales sobre recintos b´sicos a C´lculo de integrales sobre recintos b´sicos a a Teorema. en Ω = {(x. 4. 0 ≤ x ≤ y 2 }. y)dxdy + Ω2 f (x. y)dxdy = Int(Ω) f (x. y) ∈ R2 : x2 + y 2 ≤ 1. 3. }. 2. y) ∈ Ω. f. b d(x) Ejercicio f (x. Si f (x.5 ≤ x ≤ 1. b) tomamos c(x) = m´ ın{y : y ∈ Ωx } 4. y) ≥ 0 para todo (x. y d(x) = m´x{y : y ∈ Ωx }. a 5.) como variable a la x: Definimos los conjuntos Ωx = {y ∈ R : (x. y) ∈ R2 : 0 ≤ y ≤ 1. y) ∈ R2 : x2 + y 2 ≤ 1}. β ∈ R. ≥ Elegimos a = m´ ın{x : Ωx = ∅}. 5. y)dxdy. x2 ≤ y ≤ x}. y)dxdy. y 2 ≤ x ≤ y}.

3. d] × [e. Integrales de Riemann en prismas rectangulares de R3 f (x. o 2. b] × [c. El tronco limitado superiormente por la ecuaci´n z = 2x+1 e inferiormente o por el disco (x − 1)2 + y 2 ≤ 1. v))|J(Φ(u. El tronco limitado superiormente por z = 2x + 3y e inferiormente por el cuadrado [0. f ] → R es continua entonces: 347 348 . es decir. y)dxdydz [a. 3.Ejercicio Calcular la superficie de las siguientes regiones: 1. Si f : [a. 2. o 4. La regi´n limitada por las ecuaciones x + y = 5 y xy = 6. 4. a Proposici´n. rsen θ). se verifica que Δ es un abierto b´sico y: a Calcular el volumen de los siguientes s´lidos: o 1. y. θ)| = r. 5. Ejercicio Entonces. y)dxdy = Ω Δ f (Φ(u. El cambio de variable que m´s emplearemos en R2 es el cambio a a coordenadas polares. z)dx dy dz = a f (x. 2. si f es o continua es integrable. La regi´n limitada por las ecuaciones x = y y x = 4y − y 2 . θ) Adem´s |JΦ(r. f ] → R entonces. v))|dudv. Elipse de semiejes a. Cono de altura h y radio de la base R. Dada f : [a. f (x. Sea Ω un subconjunto abierto y b´sico de R2 y sea f : a Ω → R una funci´n integrable. v))| = 0 para todo (u. C´ ırculo de radio R. Φ(Δ) = Ω. = e f (x.b]×[c. C´lculo de integrales dobles mediana te cambio de variables Teorema. Φ es diferenciable en Δ y 3. 345 346 4. El limitado por x 2 +y+ 3 z 4 = 1 y los planos de coordenadas. o 3. el volumen del prisma sobre el que integramos. b] × [c. Interpretaci´n geom´trica para el c´lculo de vol´menes o e a u Cuando la funci´n f es id´nticamente igual a 1. 1] × [0. a → (rcos θ. v) ∈ Δ. Sea Δ un abierto de R2 y Φ : Δ → o R2 una funci´n tal que: o 1. +∞) × (0. dado por: Φ : (0. d] × [e. La regi´n limitada por las ecuaciones x2 = 4y y 2y − x − 4 = 0. |J(Φ(u. 2π) −→ R2 (r.d]×[e. 1]. b. Ponemos de manifiesto sus propiedades. el valor de la integral o e es (b − a)(d − c)(f − e). 5. y)dz dy dx Teorema (Fubini).f ] f d c a b d c e f b El concepto de integral triple sobre prismas rectangulares (productos de tres intervalos) se introduce de forma an´loga al de la integral doble a sobre rect´ngulos. Esfera de radio R.

z) ∈ Ω. Definici´n (Recinto b´sico). z)dxdydz. y. y. z) = ⎧ ⎨ f (x. 5. f ] −→ R (x. si (x. / es integrable. Un recinto b´sico es un conjunto o a a acotado Ω ⊂ R3 que tenga interior no vac´o y frontera formada por ı una uni´n finita de superficies de la forma z = f (x. b] × [c. z) ∈ Ω. y. a e f (x. −1 ≤ x. f ] el menor prisma rectangular que contiene a Ω. z) ˜ → f (x. Ω yxzdxdydz Ejercicio Calcular el volumen del s´lido limitado superiormente por z = 1 e inferiormente o por z = x2 + y 2 .y = g(x. z) ∈ R3 : y ≥ z ≥ y 2 . y. y. z) ∈ Ω. z)dxdy = Ω [a. en Ω = {(x. y. y. g y h son funciones continuas reales de dos variables reales. o a Sea f : Ω → R una funci´n acotada donde Ω es un recinto b´sico de o a R3 y sea [a.f ] ˜ f (x. Adem´s las propiedades vistas para integrales dobles sobre recintos a b´sicos se verifican tambi´n en este contexto. y. donde f . y).d]×[e. z) ∈ R3 : −5 ≤ z ≤ y 2 + x. 3. 3] × [−1. diremos que f es integrable en Ω. en Ω = {(x. y. z) ⎩ 0 si (x. entonces f es integrable Riemann en Ω. (c) Ωy 2 3 Integral triple sobre recintos b´sicos a de R3 (b) y+z dxdydz. z). d] × [e. y. z) = 1 para todo (x. 2. y. Si la funci´n o ˜ f : [a. En ese caso se define la integral de f en Ω como: f (x. Si Ω es un recinto b´sico de R3 y una funci´n f : Ω → a o R continua. Ejercicio Calcular las integrales que a continuaci´n se piden en los recintos correspono dientes: 1. y. Interpretaci´n geom´trica o e 349 350 Ω f (x. 351 352 . z) ∈ R3 : 1 ≥ y 2 + x2. d] × [e. b] × [c. 0 ≤ x. y. y ≤ 1}. z)dxdydz da el valor del volumen del recinto Ω cuando Propiedades de la integral triple sobre recintos b´sicos a Teorema. Ω xe z sen xdxdydz. Este hecho se utilizar´ bastante a en las clases de problemas. z) o y x = h(y. 0 ≤ z ≤ 1}. Ω (ysen z +x)dxdydz Ω xdxdydz en Ω = {(x.b]×[c. y ≤ 1}. Definici´n (Integral de Riemann sobre conjuntos b´sicos).Ejercicio Calcular para Ω = [0. 1] las integrales (a) Ω xyzdxdydz. 1] × [0.

inferiormente por el plano 2x + 3y + z + 10 = 0 y lateralmente por el cilindro circular x2 + y 2 + x = 0. w))|J(Φ(u. 0)} es tal que Φ(r. Φ es diferenciable en Δ y 3. Entonces Δ es un abierto b´sico y: a f (x. a → (rcosθ. |J(Φ(u. z) a o con el vector de posici´n del punto (x. z) entonces: r= x2 + y 2 + z 2 θ es el ´ngulo que forma el vector de posici´n del punto (x. Sea Φ : Δ → R3 donde Δ es un subconjunto Ejercicio Hallar el volumen del s´lido limitado por los paraboloides de ecuaciones z = o 2 − x2 − y 2 y z = x2 + y 2 . 0) a o con la parte positiva del eje OX. v. Adem´s |JΦ(r. y. Los cambios de coordenadas m´s importantes en R3 son los cambios a a coordenadas esf´ricas y cil´ e ındricas. z) = (x. y. 0) a o con la parte positiva del eje Ox 355 356 . z) entonces: r= x2 + y 2 θ es el ´ngulo que forma el vector de posici´n del punto (x. v. 0. 2π[×R −→ R3 \ {(0. y. 0. y. 0)} (r. w))| = 0 para todo (u. C´lculo de integrales triples mediana te cambio de variables Teorema. 2. w))|dudvdw. v. θ. y. 353 354 Coordenadas cil´ ındricas ϕ es el ´ngulo que forma el vector de posici´n del punto (x. ϕ) → (rcos θsen ϕ. ϕ)| = r2 sen ϕ. θ. z)| = r. 2π[×[0. 0)} tal que Φ(r. θ. y. rsinθ. z) 3 Adem´s |JΦ(r. rcos ϕ) Si (x. θ. o Φ : R+ × [0. y. rsen θsen ϕ. Sea Ω un subconjunto abierto b´sico de R3 y sea f : a Ω → R integrable.Ejercicio Calcular el volumen del s´lido limitado superiormente por el cilindro parab´lico o o z = 1 − y 2 . π] −→ R3 \ {(0. z) ∈ R \ {(0. θ. 0)} (r. 0. Φ(Δ) = Ω. w) ∈ Δ. ϕ) = (x. z) ∈ R3 \ {(0. y. 6. abierto de R3 tal que: 1. a Coordenadas esf´ricas e Φ : R+ × [0. v. 0. y. θ. z) Si (x. z)dxdydz = Ω Δ f (Φ(u. 0) (colatitud).

x 1 2 centro x y radio ) como el conjunto D(x. Definici´n (Conjunto abierto y cerrado). . · 2 ). Continuidad Gabriel Soler L´pez o abril de 2006 + y 2 + z 2 )dxdydz en el recinto Ω = {(x.1. Ω (x 2 Tema 9: Funciones de varias variables. · ∞ ). Los conjuntos abiertos y cerrados satisfacen las propiedades que recogemos en la siguiente proposici´n. x 3. Fijada una norma o · de Rn. · 1) son espacios abierto de centro x y radio (resp. 1. |x2|. Nociones topol´gicas asociadas a o un espacio normado IntD. dico). y) = sen (y + x). | · |). (R. Si x = (x1. π) = (0. z) ∈ R3 : 1 ≤ x2 + y 2 + z 2 ≤ 2}. D(x. se define la bola abierta o disco u 359 360 . n 1 2 (resp. | · | es el valor absoluto de n´meros reales. . y. x 4. El volumen del recinto del apartado (b). Topolog´ en Rn ıa Definici´n (Norma. o (b) x + y ≤ x + y (desigualdad triangular ). Un conjunto F ⊂ Rn se dice cerrado si y s´lo si Rn\F = {x ∈ Rn : o x ∈ F } es abierto. clausura y frontera de un conjunto). denotada por ClD. 357 358 Ejemplo. dado un punto x ∈ Rn y un n´mero real > 0. Definici´n (Interior. ´ste permitir´ desarrollar la topolog´a de Rn. La aplicaci´n no es una norma porque f (0. como el mayor conjunto abierto contenido en D. ) = {y ∈ Rn : x − y ≤ }). o Dado un conjunto D ⊂ Rn se define el interior de D. que satisface las siguientes propiedades para cada par de vectores x. 3. e a ı Definici´n (Bola. es el menor conjunto cerrado que contiene a D. π) = 0 y o o (0. (R. La frontera de D se denota por FrD y se define como FrD = ClD\IntD. y se denota por 1. 2. . ) ⊂ A. definida o o por f (x. no es una norma Soluci´n. (Rn. calcular: 1. (c) Para todo n´mero real λ se tiene que λx = |λ| x . = m´x{|x1|. espacio vectorial normado).Ejercicio Haciendo uso de las coordenadas esf´ricas x = rcos θsen φ. u El par (Rn. . . . existe > 0 tal que D(x. o El concepto an´logo al de intervalo en el caso multidimensional es a el de bola. . La clausura de D. y = rsen θsen φ e y z = rcos φ. (Rn. bola cerrada o disco cerrado de vectoriales normados para las definiciones siguientes: u 1. . ) = {y ∈ Rn : x − y < } = x2 + x2 + · · · + x2 . |xn|}. xn). Un conjunto A ⊂ Rn o se dice abierto si y s´lo si o A = ∅ o bien para todo punto x ∈ A o = |x1| + |x2| + · · · + |xn |. y: (a) x ≥ 0 y x = 0 si y s´lo si x = 0. Una norma o sobre Rn es una aplicaci´n: o · : Rn −→ Rn x → x . · ) recibe el nombre de espacio vectorial normado. a ∞ Ejercicio Da una raz´n que justifique que la aplicaci´n f : R2 → R. El volumen de una esfera de radio R. 0). 2.

g : A → R. Divisi´n de funciones: si m = 1. 2. 3. La clausura de un conjunto A es la intersecci´n de todos los o conjuntos cerrados que contienen a A. o Por ultimo se dir´ que x es un punto aislado de A si y s´lo si es un ´ a o punto de ClA que no es de acumulaci´n. a Definici´n (Funci´n de varias variables). La uni´n finita de conjuntos cerrados es un conjunto cerrado. a Definici´n (Puntos de acumulaci´n. Se dice que el punto x es interior a A si y s´lo si pertenece a IntA. Una funci´n de varias o o o variables es una aplicaci´n f : A → B. L´ ımites ´ Definici´n (Algebra de funciones). La intersecci´n numerable de conjuntos cerrados es un cono junto cerrado. {(x. Posteriormente introduciremos e el concepto de curva de nivel. a 361 362 2. Multiplicaci´n de funciones: si m = 1. Suma de funciones: dadas las funciones f . g(x) 4. 6. y) ∈ R2 : x2 + y 2 ≥ 5} no es compacto porque no o est´ acotado. o o Dado un conjunto A ⊂ Rn y un punto x ∈ Rn. se definen las siguientes leyes en dicho conjunto: 1. se define o la funci´n norma de f como: o f : A −→ R x → 363 364 f (x) . se dice que x es un punto de acumulaci´n de A si para todo n´mero o u > 0 se tiene que D(x. La intersecci´n finita de conjuntos abiertos es un conjunto o abierto. el cual nos permitir´ obtener interpretaa ciones gr´ficas de funciones. Un conjunto A ⊂ o Rn se dice acotado si y s´lo si existe un n´mero real positivo k tal que o u x ≤ k para todo x ∈ A. El conjunto A se dir´ compacto si y s´lo a o si adem´s de ser acotado es cerrado. 4. Definici´n (Acotaci´n). o 5. Un conjunto es cerrado si y s´lo si coincide con su clausura. g : A → Rm. f : A ⊂ o o o Rn → Rm. El conjunto de los puntos de acumulaci´n se o denota por A . o 7.Proposici´n. Norma de funciones: dada la funci´n f : A → Rm. 3. ) ∩ A\{x} = ∅. Una funci´n de varias variables. interiores y aislados). se define la funci´n suma de ambas como sigue: o f + g : A −→ Rm x → f (x) + g(x). 2. ∅ y Rn son conjuntos abiertos y cerrados a la o vez. 1. Dado el conjunto de las funo ciones de varias variables con dominio en A ⊂ Rn y valores en Rm. o 8. : A −→ R x → f (x) . se define la funci´n cociente como o sigue: f g Iniciamos esta secci´n dando la definici´n de funci´n de varias variao o o bles y funciones coordenadas de ´stas. si o g(x) = 0 para todo x ∈ A. . g : A → R o se define la funci´n producto como sigue: o f · g : A −→ R x → f (x)g(x). siendo A un subconjunto de o Rn y B un subconjunto de Rm . Un conjunto es abierto si y s´lo si coincide con su interior. La uni´n numerable de conjuntos abiertos es un conjunto abiero to. F(A. Funciones de varias variables. se dice que est´ acotada si existe un n´mero real K tal que a u f (x) < K para todo x ∈ A. El interior de un conjunto A es la uni´n de todos los conjuntos o abiertos contenidos en A. e Soluci´n. 9. dadas f. o Ejercicio Pon un ejemplo de un conjunto no compacto en R2 y justifica por qu´ no es compacto. dadas f. Rm). Definici´n (Conjuto acotado y compacto).

0) Como 2 > 0 tendremos que encontrar δ > 0 tal que si x2 + y 2 < δ entonces = < . x0 ∈ D y l ∈ Rm.0) x2 +y 2 ım x +y Proposici´n. . o Proposici´n. . g : D → Rm y elementos m. se tiene que: a Si l´ f (x) = m y l´ g(x) = n entonces l´ (f · g)(x) = ım ım ım x→x0 x→x0 x→x0 x4 + y 4 x4 + y 4 + 2x2y 2 (x2 + y 2 )2 < = 2 = x2 + y 2 < δ 2 . . Sea D ⊆ Rn. . Si f est´ acotada y l´ g(x) = 0 entonces l´ (f · g)(x) = 0. . L´ ımite de funciones de varias variables. si y s´lo si para todo > 0 existe δ > 0 ım o x→x0 tal que si x ∈ D y 0 < x − x0 < δ entonces f (x) − l < . = m + n. Dado un subconjunto D ⊂ Rm. Diremos que el l´ ımite de la funci´n f cuando x tiende a x0 es l. o ım x→x0 Proposici´n (Unicidad del l´ o ımite). Entonces l´ f (x) = l = ım x→x0 (l1. funciones f . . las is´baras e isotermas son ejemplos o de tales curvas.Por ultimo destacamos el concepto de curva de nivel para una funci´n ´ o escalar de varias variables reales. entonces si existe el o l´ ımite de la funci´n f en el punto x0. Definici´n. f2. x4 +y 4 x2 +y 2 x4 +y 4 x2 +y 2 mulaci´n x0 ∈ D . o o definimos la curva de nivel de altura k como el conjunto {(x. Adem´s. f : D → Rm. y) − (0. . ´ste es unico. Fijado o (x. Sea D ⊆ Rn. Definici´n (L´ o ımite). m}. fm. se verifican: Si l´ f (x) = m y l´ f (x) = n entonces l´ (f + g)(x) = ım ım ım x→x0 x→x0 x→x0 Soluci´n. lm) si y s´lo si l´ fi(x) = li para todo i ∈ {1. . y se o representa por l´ f (x) = l. . un punto de acuo = 0. . Dada una funci´n real de dos variables f : A ⊂ R2 → R. x0 ∈ D y una funci´n de varias variables f : D → Rm.y)→(0. y) ∈ A : f (x. entonces basta con tomar δ = m · n. n de o Rm. x0 ∈ D y f : D → Rm una funci´n o con funciones coordenadas f1. 2. Dado D ⊆ Rn. o e ´ 365 366 Ejemplo Demuestra que 4 4 l´ (x. a ım ım x→x0 x→x0 367 368 . Propiedades Generalizamos ahora el concepto de l´ ımite de funciones reales de variable real para funciones de varias variables. 3. si m = 1. y) = k}. l2. . . x2 + y 2 x2 + y 2 x + y2 √ .

y)→(x0 . Si lx. Hacemos un l´ o ımite direccional acerc´ndonos por la par´boa a la y = λx2: l´ ım f (x.1. y). y) = ysen (1/x) si x = 0 y por f (0. Para intentar demostrar que un cierto l´mite no existe.y)→(x0 . Sea f : D ⊂ R2 → R y (x0. y0) como lg = l´ f (x. x2 + λx2 x2(1 + λ) =1+λ = l´ ım 2 2 + λ2 x 4 x→0 x x→0 x (1 + λx2 ) l´ ım Como el l´ ımite direccional depende de la par´bola elegida entonces a no existe el l´ ımite doble planteado. Si existe lg1 ∈ R entonces.y = ly. el unico valor que puede ser 4. Un ejemplo de este caso es la funci´n f : R → R definida por o f (x. y) = x2 + y .y0 ) Soluci´n. 0) ya que para calcular un l´ ımite en un punto (x0. Sean f : D ⊂ R2 → R y g : A ⊂ R → R tales que o x0 ∈ A y l´ g(x) = y0 . supongamos o que lx. y). Si se utilizan l´ o ımites reiterados se obtienen diferentes valores y se puede justificar de esta manera que el l´ ımite doble no existe: x +y l´ y→0 l´ x→0 x2 +y 2 = l´ y→0 yy2 = ±∞ (dependiendo el signo de ım ım ım 2 Entonces.y)→(x0 .y0 ) es lx. f (x.y0 ) l´ ım f (x.x = l. y) = ım ım x→0 y→0 0 y sin embargo l´ l´ f (x. Se verifican: o o 1. o 369 370 Proposici´n. 3. 0)} → R dada por f (x. L´ ımites Iterados Proposici´n.2. l´ l´ f (x. y0) ∈ D . y) = x2 + y . una (x. x +y l´ x→0 l´ y→0 x2 +y 2 = l´ y→0 x2 = 1. si existe (x. Si lg1 ∈ R. Puede no existir lx. Como consecuencia del resultado anterior podemos afirmar la no existencia de l´ ımite. 0)} → R dada por f (x. ım ım ım ım y→y0 x→x0 x→x0 y→y0 Soluci´n. 0) de la funci´n ı o f : R2 \ {(0. (x.y)→(0. Entonces. 371 372 . ım x→x0 l´ ım f (x. y) = 0. y) = 0.y .y)→(0.y0 ) l´ ım A partir de ahora nos restringiremos al c´lculo de l´ a ımites en (0. y) ∈ R. y0 ) ∈ D .y o ly. y). y) ∈ R y que ly. Sean g1 y g2 funciones en las condiciones de g de la definici´n anterior y f como en la misma definici´n.y)→(x0 .y0 ) Ejemplo Estudiar la existencia del l´mite en el punto (0.y = ly. Si lg1 = lg2 . el resultado anterior admite las interpretaciones siguientes: 1.y0 ) Definici´n (L´ o ımite direccional).4. y+y0 ). C´lculo de l´ a ımites de funciones de dos variables Ejemplo Estudiar la existencia del l´mite en el punto (0.y0 ) f (x.y)→(x0 .x = l´ l´ f (x. simple translaci´n hace que este coincida con o (x. En efecto.y = l´ l´ f (x. (x. ly. 0) de la funci´n ı o f : R2 \ {(0.y0 ) l´ ım f (x. y).x o los dos y que exista 2 (x.y)→(x0 . ´ste coincide e 3.y0 ) ´ 2.y = ly. l´ ım f (x. x2 + y 2 l´ ım f (x.x ∈ R y coinciden. para esta funci´n se verifica que o y→0 x→0 (x. si existe ım x→x0 (x. entonces no existe l´ ım (x. Si lx. utilizaremos ı funciones del tipo g(x) = mxn.x ∈ R y lx. ly.y)→(x0 . ım x→x0 l´ ım f (x. g(x)). Sea f : D ⊂ R2 → R una funci´n real de dos variables reales y g : A ⊂ R → R una funci´n real o o de variable real tal que x0 ∈ A y l´ g(x) = y0 . y) no existe.y)→(x0 . ım ım ım x 2 2 (x.x pero no podemos asegurar que exista dicho l´ ımite. y) = l se tiene que lx. Si (x0.0) se define el l´ ımite direccional de f a lo largo de g en (x0. L´ ımites direccionales (x. si existe con lg1 .y)→(x0 . y0 ). Esta proposici´n tiene consecuencias a tener en cuenta a la hora del o c´lculo de l´ a ımites.x entonces no existe l´ ım f (x. entonces no existe el l´ ımite / 2. en particular. y). y). y) si el l´ ımite se hace por la derecha o por la izquierda). ım ım Una propiedad b´sica de los l´ a ımites direccionales viene recogida en la siguiente proposici´n.y .0) l´ ım f (x+x0 . x2 + y 2 4. y) = l ∈ R se tiene que l = lg .

Al igual que en el caso de funciones reales de variable real hab´ una ıa estrecha relaci´n entre la continuidad y los l´mites. o Empezamos calculando los l´ ımites reiterados para ver si nos da alguna informaci´n: o l´ x→0 l´ y→0 f (x. y) = 0. ı Hacemos un l´ ımite direccional acerc´ndonos por las rectas y = mx: a Presentamos ahora un resultado que permite calcular el l´ ımite de una funci´n f : D ⊂ R2 → R en el punto (0.y)→(0. a o (x.4. Ejemplo Estudiar la existencia del l´mite en el punto (0. existe el l´ ımite l´ f (x) y es igual a f (x0). f : D → Rm y x0 ∈ D. Diremos que la funci´n f es continua si y s´lo si es continua en todos o o |f (rcos θ. Proposici´n.3. ım x→x0 375 376 . (x2 + y 2 )2 2x5 + 2y 3 2x2 − y 2 (x2 + y 2 )2 . 0) usando coordenadas o polares. para las funciones de o ı varias variables existe un resultado an´logo que damos a continuaci´n. r→0 l´ f (rcos θ.0) l´ ım f (x. entonces o ım r→0 (x.y)→(0. Ejemplo Estudiar la existencia del l´mite en el punto (0. y) = l´ y→0 −2y = 0 ım ım ım y4 As´ que si existe el l´ ı ımite valdr´ 0. Definici´n (Continuidad). Sea D ⊆ R tal que (0. 2r5cos 5θ + 2r3sen 3θ(2r2cos 2θ − r2 sen 2θ) l´ f (rcos θ. 2π[ donde F es una funci´n real de variable real que satisface l´ F (r) = 0. rsen θ) − 0| por o una funci´n F (r) que s´lo dependa de r y que tienda a 0 cuando r o o tiende a 0: Continuidad de funciones de varias variables Generalizamos en este apartado la definici´n de continuidad de funo ciones reales de variable real a las funciones de varias variables. rsen θ) − 0| = |r(2cos θ + 4 sen θcos θ − 2sen θsen θ)| ≤ r 2|cos 5θ| + 4|sen 3θcos 2θ| + 2|sen 3θsen 2θ| ≤ 8r = F (r) Como l´ r→0 F (r) = 0 entonces obtenemos finalmente: ım 5 3 2 3 2 los puntos de D. o diremos que f es continua en x0 si y s´lo si para todo o > 0 existe d > 0 tal que si x − x0 < d entonces f (x) − f (x0) < . Proposici´n. Sea D ⊆ Rn. o Si hacemos el l´ ımite por coordenadas polares obtenemos: x4 + 3x2y 2 + 2xy 3 . Paso a coordenadas polares Como este l´ ımite depende del ´ngulo θ no va a existir el l´ a ımite. 0) de la funci´n ı o f : R2 \ {(0. rsen θ) = l´ ım ım r→0 r→0 r4 r5(2cos 5θ + 4 sen3 θcos 2θ − 2sen 3θsen 2θ) = l´ ım r→0 r4 5 3 2 = l´ r(2cos θ + 4 sen θcos θ − 2sen 3θsen 2θ) = 0 ım Ahora tenemos que hacer la acotaci´n de |f (rcos θ. rsen θ) − l| ≤ F (r) para todo θ ∈ [0. Demostramos la no existencia recurriendo a los l´mites direccionales. Dada una funci´n de varias variables f : D ⊂ Rn → o o Rm y dado x0 ∈ D . entonces son equivalentes: 1.0) l´ ım f (x. 2π[ y ım r→0 Como el l´ ımite direccional depende de m entonces no existe el l´ ımite doble planteado. y) = l. 2. y) = l´ x→0 2x4 = 0 ım ım ım x l´ y→0 l´ x→0 f (x. 0) de la funci´n ı o f : R2 \ {(0. 0)} → R dada por f (x. y) = Soluci´n. y) = Soluci´n. 0) ∈ D y f : D → R. Si o 2 x→0 ım l´ x4 + 3x2m2x2 + 2xm3x3 x4 1 + 3m2 + 2m3 1 + 3m2 + 2m3 = l´ ım = 2 + m2 x2 )2 x→0 x4 (x (1 + m2)2 (1 + m2)2 existe l ∈ R tal que l´ f (rcos θ. 0)} → R dada por f (x. ıa Intentamos ver si realmente existe usando coordenadas polares: 374 5 5 |f (rcos θ. rsen θ) = l para todo θ ∈ [0. f es continua en x0. rsen θ) ım r4 = l´ 4 (cos 4θ + 3cos 2θsen 2θ + 2cos θsen 3θ) ım r→0 r = cos 4θ + 3cos 2θsen 2θ + 2cos θsen 3θ 373 5.

k) f (x. Diferenciabilidad Gabriel Soler L´pez o 24 de mayo de 2006 Primera consideraci´n: puesto que l´ x→0 1 − o ım x = 0. y. xn) → xi. f (x) ≤ f (M)) a o para todo x ∈ D. Dado un subconjunto D ⊂ Rm y funciones f . f : D ⊂ Rn → R. si (x. 377 l´ ım f (x. M ∈ D) es un m´ ınimo absoluto (resp. 378 Comprobamos que en este caso se verifica l´ (x. y) − = |x| + |y − k| < δ entonces |f (x. pues a partir de ellos y bas´ndonos en la continuidad de las funciones coordenadas a Xi : D ⊂ Rn −→ R ⎩y sen xy x si x = 0. para = 4(|k|+1) existe δ0 > 0 tal que si |x − 0| < δ0 entonces 1− sen x < .5. Sea x0 ∈ D tal que f es continua en x0 y g es continua en f (x0). Derivadas direccionales y derivadas parciales Segunda consideraci´n: elegimos ahora o δ = m´ ın{1. . o diremos que m ∈ D (resp. g : o D → Rm continuas en x0 ∈ D. m´ximo absoluto) de f si y s´lo si f (m) ≤ f (x) (resp. . y) − k| ≤ y − k + |y − k| x sen x − 1 y + y − k + |y − k| ≤ x sen x − 1 y + 2|y − k| ≤ x |y| + 2|y − k| (usando ahora la ecuaci´n (18)) o |y| < 1) |k| + 1 ≤ ≤ sen x −1 x f (a + tv) − f (a) h 4(|k| + 1) |y| + 2|y − k| (usando (19) tenemos que ≤ 4 + 2|y − k| ≤ (usando (19) ≤ 4 +2 = < . Si a ∈ D. entonces: sen x |f (x. Propiedades de las funciones continuas Al igual que para las funciones reales de variable real. fijado ı (0. x 4 (18) 6. 8 (19) 1 En este apartado generalizaremos la noci´n de derivada introducida o = para las funciones reales de una variable real. y) = k. se verifican: f + g es continua e x0. δ0 }. esen (x+yz)) son continuas. Si se verifica la igualdad anterior entonces la funci´n f ser´ continua. si m = 1. x = (x1. sen x x Tema 10: Funciones de varias variables. x2. y) = f (0. Teorema (de los valores extremos). se define la derivada direccional en la direcci´n del vector v de f en a como el l´ o ımite: Dv f (a) = l´ ım t→0 Demostraci´n del l´ o ımite: suponemos ahora que (x. Adem´s. k) = k. dada una funci´n real dependiente de varias variables reales. . . y) . o e funciones del tipo f (x. Dado un conjunto compacto K ⊂ Rn y una funci´n continua f : K → R. se tiene que: a f · g es continua en x0. Por ejemplo. y) − k| < . y) = Soluci´n. Definici´n (Derivada direccional). Estos teoremas tienen bastante importancia. k) 1 > 0. k) |x| + |y − k| < δ. . z) = (sen (x2y). Entonces g ◦ f es continua en x0 . o a En caso contrario no lo ser´ ıa. f : D → Rm y v ∈ Rn \ {0}. se obtiene que los polinomios de varias variables reales son continuos y la composici´n de las funciones que conocemos tambi´n.y)→(0. debemos encontrar δ > 0 tal que si (x. y)−(0. Sean f : D ⊂ Rn → Rm y g : E ⊂ Rm → Rk dos o funciones de varias variables tales que f (D) ⊂ E. f : D → R es continua en x0. existen valores o m ∈ K y M ∈ K que son respectivamente m´ ınimo y m´ximo a absolutos de la funci´n f .1. o Para decidir si es continua hay que ver si se verifica: (x. Sea D un subconjunto abiero to de Rn. 8 2 379 380 .k) Proposici´n.y)→(0. Proposici´n. ım As´ que. y) = (0. o Ejercicio Estudia la continuidad de la funci´n que sigue: o ⎧ ⎨ f (x.

a la aplicaci´n lineal T se le llama diferencial de f en a o y se denota por df (a). 0) en la direcci´n de o v es: Dv f ((0.Cuando la derivada direccional se hace en la direcci´n de la base o can´nica.t=0 2 t2 v2 tv1 i t = 2 v2 . f (x1. 2. si f admite derivadas parciales en (x0. Propieo dades Introducimos en este apartado el concepto de funci´n diferenciable o que si implicar´ continuidad. z − f (x0. se o tiene que la derivada direccional de f en (0. . o o Teorema. ai. se obtiene la definici´n de derivada parcial : o o Definici´n (Derivada parcial). la derivada direccional n j=1 n l´ ım t→0 l´ ım t→0 = t fji (a1 . f: R2 −→ R ⎧ ⎨ o por Dif (a) como = Dei f (a). Dado un subconjunto abierto D de Rn. o f : D → Rm y a ∈ D. . entonces veremos que la ecuaci´n del plano tangente a la gr´fica de f o a en (x0. e El siguiente ejemplo ilustra este hecho. n} y consideremos la funci´n de una variable real o f i que se obtiene de f fijando todas las coordenadas de a excepto la i-´sima. ai+1. y0)(y − y0). f : D ⊂ R2 → R. x2)) : (x1. . . Sea D un subconjunto abierto de Rn. . an ) − fji (a1 . . esta relaci´n la recoge la siguiente proposici´n. 0) ı o respecto de cualquier vector. D un subconjunto abierto e o de Rn y f : D → Rm. x2. . Se dice que f es diferenciable en a si existe una aplicaci´n lineal T : Rn → Rm tal que o h→0 La derivada de una funci´n real de variable real. y0) ∈ D. ai−1. si calculamos el l´ ımite de la funci´n en el origen seg´n la direcci´n de la par´bola y 2 = o u o a 2λx. v1 para los vectores v de la forma v = (0. . no implica la continuidad en dicho punto.t=0 0 = 0. . 0)) = l´ ım t→0. As´ que la funci´n e ı o f no es continua en el origen.1. 2. . a Definici´n (Diferencial). 381 6. Sin embargo. y0) = ∂x ∂y l´ ım f (a + h) − f (a) − T(h) = 0. Sea D un subconjunto abierto de Rn. ai−1. v2). . t As´ que la funci´n f admite derivada direccional en el punto (0. . Entonces la derivada de esta funci´n (de una variable) en a es: o fji (ai + t) − fji (ai ) n j=1 (x. x2) ∈ D} representa una superficie. 382 j=1 As´ la derivada parcial i-´sima evaluada en a es el valor que se ı. f (a)). pues la existencia en un punto de ´stas. . h En ese caso. . 383 384 . . an). . entonces f es admite derivada direccional en a en la direcci´n de v. . n}. es decir: e f (xi) = f (a1. Adem´s: o a df (a)(v) = Dv f (a). dado un vector v = (v1. an ) t ∂fji (a) ∂xi es: = . f : D → R. . ai + t. ei el io ´simo vector de la base can´nica de Rn. e obtiene de sustituir a en la funci´n que resulta de derivar f respecto o de xi considerando las otras variables constantes. a En cuanto a la interpretaci´n de las derivadas parciales de la funci´n o o f : D ⊂ R2 → R. en particular vale 2λ. . Sea i ∈ {1. . . f : D → Rm y a ∈ D. y0 ) viene dada por: ∂f ∂f (x0. . . Sea i ∈ {1. Ejemplo. xi. Dv f ((0. ai−1. Teorema. Diferencial de una funci´n. f (x)) : x ∈ D} en el punto (a. . . y0 )(x − x0) + (x0. ´ste depende de λ. Las nociones de derivada direccional y diferencial est´n estrechamena te relacionadas. su gr´fica {(x1. Se define la derivada parcial i-´sima de la e funci´n f en el punto a ∈ D y se denota por o ∂f ∂xi (a) ∂f ∂xi (a) Esta generalizaci´n de derivada tiene una diferencia notable respecto o a la derivada de de funciones reales de una variable real. . . . ai+1. ai+1. 0)) = l´ ım t→0. se tiene que si f : D → Rm es diferenciable en a ∈ D entonces f es continua en a. . en un o punto a representaba la pendiente de la tangente a la curva {(x. Para esta funci´n. v2) ∈ R2 con v1 = 0. Interpretaci´n geom´trica de las o e derivadas parciales de una funci´n o de dos variables 7. o Dada una funci´n real de dos variables reales. Si f es diferenciable en a y v ∈ Rn. . y) = ⎩ 0 y2 x si x = 0 si x = 0. y) → f (x. . .

y) = 1 x2 +y 2 si (x. n}).y)→(0. n}. Demostraci´n.0) h2 + h2 1 2 387 388 . Si f y g son funciones diferenciables en a. entonces f + g es diferenciable en a. el teorema anterior muestra que la diferenciabilidad implica existencia de derivadas direccionales. 0). 0 muestra que existen funciones diferenciables en un punto (el punto (0. 0 Esta derivada parcial no es continua en el origen porque el l´ ımite cuando (x. 0). 4.1. ∂f ∂xi (i ∈ {1. . y) → f (x. . h2) 2 (h2 + h2)sen √ 1 2 1 2 h2 +h2 1 = l´ ım (x. 0). la derivabilidad y diferenciabilidad son conceptos equivalentes.0) 7. En los puntos distintos del origen se calcula haciendo una derivada parcial normal. . Propiedades de la diferencial Se˜alamos en este apartado las propiedades m´s relevantes de la n a diferencial. y) = (0. Si las n (x. Efectivamente: ´ (x. . y) = (0. Teorema (Regla de la cadena). Si f es diferenciable en a entonces la diferencial de f en a es unica.y)→(0. o Empezamos calculando la parcial de f respecto de x. f es diferenciable en a si y s´lo si las funciones coordenadas o de f lo son. 0). Dado un abierto D ⊂ Rn. 0) (0. . a ∈ D y funciones f . . h2)| (h1. h2) − f (0. Adem´s: a d(f + g)(a) = df (a) + dg(a). Si f es diferenciable en a entonces es continua en a.y)→(0. ´ 3. 0)(h1. 0)(h1. . entonces g ◦ f es diferenciable en a y d(g ◦ f )(a) = dg(f (a)) ◦ df (a). g : D → Rm . Para funciones de varias variables reales. 0) no existe. Si D es un abierto de R y f : D → R es derivable o en a ∈ D. y) = (0. Sin embargo el rec´proco ı no es cierto. 0) = l´ ım t→0 ∂x t 1 = l´ t2sen ım =0 t→0 t ⎧ ⎪ 2xsen √ ⎨ del punto a y son continuas en el punto a. entonces la funci´n f o es diferenciable en a. En efecto. Sea D un abierto de R que contine al punto a. l´ ım |f (h1. y) = (0. h2) = 0. ambas nociones no son equivalentes. si (x. En efecto: Proposici´n.En particular ∂f ∂xi (a) = df (a)(ei) para todo i ∈ {1. Sean D y E subconjuntos abiertos de Rn y Rm respectivamente y sean f : D → Rm y g : E → Rk tales que f (D) ⊆ E. la funci´n de un ejemplo anterior admite deo rivadas direccionales y no es diferenciable porque no es continua. si (x. 2. y) = ⎪ ∂x ⎩ 1 x2 +y 2 −√ x cos x2 +y 2 √ 1 x2 +y 2 si (x. 0) − f (0. Sin embargo en el origen: derivadas parciales. y) tiende a (0. A pesar de este ejemplo. 0) para esta funci´n f ) cuyas derivadas parciales no son continuas o en dicho punto. existen en un entorno As´ que: ı ∂f f (t. en efecto. el rec´ a ıproco del teorema anterior no es cierto puesto que la ∂f (x. 2. Por ultimo vamos a probar que df (0. tomamos las direc385 386 ciones y = λx y obtenemos que 1 1 1 l´ 2xsen √ ım −√ cos √ x→0 x 1 + λ2 1 + λ2 x 1 + λ2 no existe porque el primer sumando tiende a 0. se verifican: 1.0) h2 + h2 1 2 1 = l´ ım h2 + h2sen =0 1 2 (x. entonces f es diferenciable en a y df (a)(t) = f (a)t. . Si a ∈ D verifica que f es diferenciable en a y g lo es en f (a). Teorema. 0) − df (0. Adem´s. pero el segundo no tiene l´ ımite. funci´n: o f: R2 −→ R ⎧ ⎪ (x2 + y 2)sen √ ⎨ ⎪ ⎩ Cuando tratamos con funciones reales de variable real. 2. si las derivadas parciales son continuas s´ que la ı derivabilidad implica diferenciabilidad: Teorema.

f y g son diferenciables en a y h es diferenciable en f (a). pero los siguientes teoremas n m dan condiciones para que Sea D un subconjunto abierto de R . 2. n}. Si existe ∂f ∂xi s´ sea cierta. Entonces existen y son iguales. . J(g ◦ f )(a) = Jg(f (a))Jf (a). Bonnet bajo hip´tesis m´s restrictivas que A. . 389 390 8. Hacemos uso ahora del algebra lineal aprendida en el bloque primero ´ de la asignatura. ⎟ ⎝ ⎠ ∂fm ∂fm ∂fm ∂x1 (a) ∂x2 (a) . . etc. ı Teorema (Schwarz). y Del mismo modo se definen las derivadas parciales terceras. . . n} y definamos la segunda derivada parcial : Definici´n (Derivada parcial segunda). Sea D un subconjunto abierto o de R . j ∈ {1. siendo B y B las bases can´nicas de Rn y Rm respectivamente. entendemos por derivada parcial segunda de f . . ⎟ . . . n}. Sea D ⊂ Rn un conjunto abierto y f : D → Rm una funci´n tal que o ∂2f (a) ∂xj xi ∂f ∂xi y ∂f ∂xj est´n definidas en D y a ∂2f (a) ∂xi xj son diferenciables en el punto a ∈ D. Teorema (Young-Heffter). f : D → R y a ∈ D tal que f es diferenciable en a. . o Definici´n (Matriz Jacobiana). a ∈ D.. . J(f + g)(a) = Jf (a) + Jg(a). o Concretamente. Se define n m la matriz Jacobiana de f en a como Jf (a) = MB. Ya que la diferencial de una funci´n f : D ⊂ Rn → o Rm en un punto a ∈ D es una aplicaci´n lineal. es verdad que ∂2f ∂xi xj (a) = ∂2f ∂xj xi (a).2. . primero respecto de xi y despu´s respecto de xj en a ∈ D como e ∂ 2f ∂ (a) = ∂xixj ∂xj ∂f ∂xi (a). si f es diferenciable en a entonces: ⎛ ⎞ ∂f1 ∂f ∂f1 (a) ∂x1 (a) . 12 Aunque s´lo damos dos teoremas sobre permutabilidad. . Schwarz o a 391 392 . cuartas. . ∂xn (a) Un caso particular de la matriz Jacobiana es el vector gradiente de una funci´n diferenciable real definida en un abierto de Rn. Sea j ∈ {1. . . Si existe en a ∈ D entonces existe ∂xj xi (a) 2 ∂2f ∂xi xj a la cual le podemos estudiar la existencia de sus derivadas parciales. En las condiciones ano teriores.. j ∈ {1. 2. y ∂f ∂xj son continuas en D siendo : D → Rm y es continua i. . y se da la igualdad: ∂ f ∂ 2f (a) = (a) ∂xixj ∂xj xi . se verifican: 1. . . . ⎜ . . el primero en probar un teorema de este corte fue o O. funciones f . En este caso la matriz Jacobiana de la funci´n en un punto o a recibe el nombre de vector gradiente de f en el punto a y se denota por ∇f (a)..B (df (a)). Sea D ⊂ Rn un conjunto abierto y f : D → Rm una funci´n tal que o ∂2f ∂f ∂xi en todo punto de D. 12 En general dicha igual- dad no se da. Dados abiertos D ⊂ Rn y E ⊂ Rm. ∂f2 (a) ⎟ ⎜ ∂x1 ⎟ ∂x2 ∂xm Jf (a) = ⎜ ⎟ . . 2.7. Escribiremos f ∈ C k (D. . . . ´sta estar´ determinada o e a por su matriz asociada respecto de las bases can´nicas de Rn y Rm. La funci´n f anteriormente o o o introducida se dice de clase C k si tiene todas las derivadas k-´simas e continuas en D. Rm). . se puede definir una funci´n o ∂f ∂xi : D −→ Rm a → ∂f ∂xi (a). . Matriz Jacobiana Ahora podemos obtener las propiedades de la matriz Jacobiana traduciendo las propiedades de la diferencial anteriormente enunciadas: Teorema. Definici´n (Funci´n de clase C k ). . g : D → Rm y h : E → Rk tales que f (D) ⊆ E. . f : D → R e i ∈ {1. f : D ⊂ o Rn → R.. Derivadas parciales de orden superior Una pregunta que parece natural hacerse es que si dados i. ⎜ . n} distintos. ∂xm (a) ⎟ ⎜ ∂x1 2 ⎜ ∂f ⎟ ⎜ 2 (a) ∂f2 (a) .

En Empezamos recordando la noci´n de extremo absoluto de una funo ci´n real. Si todos los t´rminos de la sucesi´n de n´meros anteriores son e o u positivos la funci´n tendr´ un m´ o a ınimo relativo en a. . Δ1f (a). . f : D → R una funci´n de o clase C 2 y a ∈ D tal que Consideremos la sucesi´n: o 1. no es suficiente. ∂x 2 (a) i Se define el Hessiano de orden i de la funci´n f en el punto a como: o Δif (a) = |Hi f (a)|. Δnf (a). Definici´n (Hessiano). pero ´ste no es un extremo relativo. . entonces: 1. para o o ella definimos la matriz hessiana de orden i en un punto a como: ⎛ ⎞ ∂2f ∂2 ∂2 (a) ∂x1f 2 (a) .. . Un punto M ∈ o 0 ∂2f ∂x1 x2 (0. tiene sus dos derivadas parciales primeras iguales a 0 en el punto (0. 0). n}. ∂x2f i (a) ⎟ ⎜ ∂x2 x1 ⎟ x 2 Hi f (a) = ⎜ ⎟ . . Para ello o fijamos una funci´n real definida en un abierto D de Rn. puede existir o no extremo relativo. sin embargo. e introduciendo las nociones de extremos relativos. se tiene que si Δ2f (a) < 0 entonces a no es extremo relativo de f . . 0). m´ a ınimo relativo) si existe un entorno U ⊂ D de M (resp. Δn−1 f (a). Es por tanto introducir condiciones e adicionales para asegurar la existencia de extremos. . . m ∈ D) diremos que es un m´ximo relativo (resp.Acabamos poniendo un ejemplo que deja claro que existen funciones para las que s´ que importa el orden de derivaci´n. .. y) = admite las derivadas efecto: xy(x2 −y 2 ) x2 +y 2 si (x. o ∂f ∂x1 (a) = ∂f ∂x2 (a) = ··· = ∂f ∂xn (a) = 0. ∂x2x1 ∂x1x2 D (resp. 393 394 Esta condici´n. . f : D → R. . m´ ınimo absoluto) si f (x) ≤ f (M) (resp. Extremos relativos y absolutos de funciones reales de varias variables (x. . ⎜ ⎟ . Sea D un abierto de Rn. entonces la funci´n tendr´ un m´ximo o a a relativo. n} y supongamos que la o funci´n f introducida al principio de esta secci´n es de clase C 2. En otro caso no se puede asegurar nada. . . f (m) ≤ f (x)) para todo x ∈ D. y) = (0. Un punto M ∈ D (resp. f (m) ≤ f (x)) para todo x ∈ U . (x. 395 396 . . m ∈ D) diremos que es un m´ximo a absoluto (resp. 0) ∂ 2f ∂ 2f (0. . . Si a ∈ D es un extremo relativo de f entonces ∂f ∂xi (a) = 0 para todo i ∈ {1. . 2. 2. 0) ∂2f ∂x2 x1 (0. o Definici´n (Extremos absolutos y relativos). . Sea i ∈ {1. de m) tal que f (x) ≤ f (M) (resp. ∂x1f i (a) ⎟ x x ⎜ ∂x1 2 ⎜ ∂2f ⎟ ∂2 ∂2 ⎜ (a) ∂x f2 (a) . y) → (y − x2)(y − 2x2). . y) → f (x. Δ2f (a). pero son distintas. . ⎜ ⎟ ⎝ 2 ⎠ 2f 2f ∂ f ∂ ∂ ∂xi x1 (a) ∂xi x2 (a) . . Para funciones de dos variables. . Sea D un abierto de Rn y una funci´n f : D → o R de clase C 1. Para los casos no contemplados anteriormente es necesario un an´lia sis en las proximidades del punto cr´ ıtico para determinar si ´ste es o e no un extremo relativo de la funci´n. y) = (0. . 0) = −1. Si los t´rminos de la sucesi´n anterior son alternadamente e o positivos y negativos. La funci´n: ı o o f: R2 −→ R ⎧ ⎨ ⎩ y 9. 2. 3. 0) = 1 y (0. . si (x. la funci´n o o f: R2 −→ R Teorema. 0). Teorema (Condici´n necesaria para la existencia de extreo mos relativos). En efecto. .

0). √ 2e 2e ∂ 2f 2x 4xy(x2 + y 2) − 2x · 2x2y (x. −√ 2e 2e 1 1 −√ . y) = (x. y) = xy + o con x > 0 e y > 0. (x. p1 y p3. y) = y 2 + ∂x2 x + y2 (x2 + y 2 )2 2x 4xy 3 =y 2 + x + y 2 (x2 + y 2)2 ∂ 2f 2y 4xy(x2 + y 2) − 2y · 2y 2x (x. 50 ∂f 50 (x. y luego lo calcularemos en los puntos en los que x = −y. 2). o Empezamos haciendo las parciales para buscar los puntos candidatos a extremos: As´ que debemos estudiar la presencia de un extremo relativo s´lo ı o en el punto (5. 2) = 397 100 ⎝ 125 ⎞ 1 ⎠ de aqu´ deducimos: ı y 2x2y x = ⇒ y 2 = x2 ⇒ y = ±x = x 2xy 2 y 398 1 5 Sustituyendo el valor obtenido para y en la ecuaci´n (20): o ±x log(2x2) = ∓x ⇒ ±x log(2x2) ± x = 0 ⇒ ±x(log(2x2) + 1) = 0 ⇒ log(2x2) + 1 = 0 1 = x2 ⇒ log(2x2) = −1 ⇒ e−1 = 2x2 ⇒ ⎧ 2e ⎨ x = √1 2e ⇒ ⎩x= √ 1 − 2e As´ que los puntos donde posiblemente se encuentran los extremos ı relativos son: p1 = p3 = 1 1 √ . para ello distinguiremos dos casos. como la sucesi´n 1.Ejemplo Calcula los extremos relativos de la funci´n f (x. lo que simplifica los c´lculos. para ello calculamos el Hessiano en dicho punto. y) = xy log(x2 +y 2 ) o siendo (x. Δ1 = 4. luego en o 125 125 + 20 y (5. y) = x 2 + 2 2 ∂y x +y (x2 + y 2 )2 2x 4yx3 =y 2 + x + y 2 (x2 + y 2)2 ∂ 2f 2y 2x2(x2 + y 2) − 2y · 2x2y (x. 500 − 1 > 0. −√ 2e 2e p2 = p4 = 1 1 √ . a Puntos p1 y p3. p2 y p4. 100 > 0. y) = 100 ⎝ x3 (21) ⎞ 1 400 y3 ⎛ 1 ⎠ ⇒ Hf (5. est´ formada o a por t´rminos positivos se deduce que en ellos hay un m´ e ınimo relativo. y) = y log(x2 + y 2 ) + xy 2 ∂x x + y2 1 ∂f 2y = 0. x2 + y 2 y log(x2 + y 2) = − (20) x log(x2 + y 2) = − ⎛ Hf (x. Es importante que te des cuenta de que no hace falta recurrir al valor exacto de x e y. y) = 3 ∂x2 x ∂ 2f 40 (x. y) = log(x2 + y 2 ) + y 2 + ∂x∂y x + y2 (x2 + y 2 )2 2y 2 2x4 − 2x2y 2 = log(x2 + y 2 ) + 2 + 2 x +y (x2 + y 2 )2 Finalmente calculamos el hessiano. (x. x2 + y 2 2xy 2 . o 50 x Ahora la sucesi´n 1. 2) la funci´n f presenta un m´ o ınimo relativo. y) = 3 ∂y 2 y ∂ 2f ∂ 2f (x. y) = y − 2 = 0 ⇒ yx2 − 50 = 0 ⇒ y = 2 ∂x x x ∂f 20 (x. y) = x − 2 = 0 ⇒ xy 2 − 20 = 0 ∂y y Sustituyendo el valor de y de la primera ecuaci´n en la segunda: o x 502 50 − 20 = 0 ⇒ 125 = x3 ⇒ x = 5 e y = 2 = 2 x4 x Soluci´n. Δ1. ∂ 2f 100 (x.√ 2e 2e 1 1 −√ .Δ1 = 2. 399 400 . primero lo calcularemos en los puntos en los que x = y. Soluci´n. y) = x log(x2 + y 2 ) + xy 2 ∂y x + y2 Ahora resolvemos este sistema: 2x2y . ⎛ ⎞ 2 0 Hf (p1) = Hf (p3) = ⎝ ⎠ 0 2 Estudiamos ahora el hessiano de f : Para estos dos puntos. Ejemplo Calcula los extremos relativos de la funci´n f (x. y) = (0. Δ2 es 1 > 0. y) = 1 ∂x∂y ∂y∂x ∂f 1 2x = 0.

Si la expresi´n es siempre positiva. ahora.Puntos p2 y p4. . como la sucesi´n 1. .. λ) ∂Fλ ∂y (x. . c´mo proceder en los casos en que o D sea un abierto de R2 o R3. los puntos soluci´n son candidatos a extremos relativos condio cionados de f . y. g(x. y0 )h1 + (x0. y0 ) · ⎝ = h1 h2 ⎞ ⎠ Supongamos que f es una funci´n de clase C 2 definida sobre un conjunto abierto D de R2. ⎛ Hf (p2) = Hf (p4) = ⎝ ⎞ clase C 1 tales que el rango −2 0 ∂gi ∂xj 13 de la matriz ⎠ 0 −2 (i.. est´ foro mada por t´rminos alternadamente positivos y negativos se deduce que e en ellos hay un m´ximo relativo. λ2. . El m´todo de los multiplicadores de Lagrange en R2 . Sea D un conjunto abierto de Rp+q . p. para que la funci´n f tenga un m´ximo relativo cono a dicionado en el punto a es necesario que existan n´meros reales u λ1. . a 9. Esta visi´n general del m´todo plantea problemas para entenderlo. . Δ2 = 4. Si la funci´n anterior f es o o de clase C 1. . o sea el conjunto de ligaduras S = {(x. y0 )h1h2 + (x0. h2. . en funci´n de o la otra. aprenderemos pues a resolver problemas del estilo: “encontrar los puntos que est´n sobre el cilindro de ecuaci´n x2 +y 2 = 1 a o y sobre el plano de ecuaci´n x + y + z = 1 y cuya distancia al origen o de coordenadas sea m´xima o m´ a ınima”. Teorema (Condici´n suficiente). . y) = 0. h2) · H2Fλ0 (x0. . i = 1. z) = x2+y 2 +z 2 o cuando la consideramos definida s´lo en el conjunto {(x. Teorema (Condici´n necesaria). . . . Multiplicadores de Lagrange En este apartado presentamos el m´todo de los multiplicadores de e Lagrange para calcular extremos de una funci´n condicionados por o algunas ligaduras. y. Planteamos la o ecuaci´n o ∂g ∂g (x0. y0)h2. y. y) + λg(x. ⎧ ⎪ ⎪ ⎪ ⎪ ⎨ ⎪ ⎪ ⎪ ⎪ ⎩ ∂Fλ ∂x (x. i = 1. . Entonces para que f tenga en a un m´ ınimo (resp. λ) = 0. λ2. . λp tales que la funci´n o L = f + λ1g1 + λ2g2 + · · · + λpgp tenga nulas todas sus derivadas parciales primeras en a (los n´meu ros λi reciben el nombre de multiplicadores de Lagrange).j)∈{1. y). p.. . . siendo g una funci´n real de clase C 2 definida sobre D. . Planteamiento del problema. y) ∈ D | g(x. . ∂x ∂y o de la que despejamos una de las dos inc´gnitas. e t t condiciones de ligadura. . . . Entonces resolvemos el sistema que sigue. Con estas definiciones se tiene la siguiente relaci´n necesaria para la o existencia de extremos relativos condicionados. en este problema.. Sea S el conjunto definido por S = {x ∈ D : gi (x) = 0. f una funci´n real definida sobre D y g1. m´ximo) a relativo condicionado es suficiente que se verifique: h (Hp+q L(a)) h > 0 (resp. x + y + z = 1}. g2. Sea (x0.p}×{1.. Se dice que el punto a es un m´ximo relativo condicionado (resp. entonces (x0. Por ultimo evaluamos con la inc´gnita despejada la expresi´n: ´ o o ⎛ (h1. hn) = 0 tal que Jgi (a)ht = 0 para todo i ∈ 1. cuando existe un entorno U de a tal que f (a) ≥ f (x) (resp. . . 403 404 . . . z) ∈ R3 : o x2 + y 2 + z 2 = 1. siendo λ0 el valor de λ que dio lugar a tal soluci´n. . y. teniendo en cuenta las y se tiene: ınimo 1. h1 o h2. a m´ ınimo relativo condicionado) por las ecuaciones gi(x) = 0..1. y0) uno de los candidato a extremo relativo condicionado. Supongamos que tanto las o a Para estos dos puntos.p+q} sea igual a p. f (a) ≤ f (x)) para todo x ∈ S ∩ U . gp : D → R funciones de o 401 funciones gi como la funci´n f son de clase C 2 y existen n´meros o u 13 Esta condici´n viene a expresar que ninguna ligadura es redundante o 402 reales λ1. y0) es un m´ o relativo condicionado de f . = 0. o e por lo que daremos seguidamente. λn tales que la funci´n L = f + λ1g1 + .h (Hp+q f (a)) h < 0). . y0 )h2 = 0. y) = 0}. y) → f (x. para todo vector h = (h1. p} y sea a ∈ S. λpgp o tiene todas sus primeras derivadas parciales en a ∈ D ∩ S nulas.Δ1 = −2. . y0 )h2 + 2 (x0. se trata de encontrar un m´ximo o un m´ a ınimo de la funci´n f (x. 1 2 ∂x2 ∂xy ∂y 2 (x.. Para aplicar el m´todo o e de los multiplicadores de Lagrange consideraremos la funci´n o Fλ : D −→ R ∂ 2 Fλ 0 ∂ 2 Fλ 0 ∂ 2 Fλ 0 (x0..

(1. ∂x ∂L = −2cos ysen y + λ = 0 ⇒ 2cos ysen y = λ. h2) tales que: ⎛ ⎞ h1 ∂g ∂g (1/2. 4 2 Calculamos ahora el jacobiano de g en estos puntos: sen (2x) = λ. y) ∂y 2 =0 =0 ∂2L (x. y = −λ = x. y0 ) si ´ste es o no un extremo relativo condicionado. k ∈ Z. 4 Soluci´n. y ahora los vectores (h1. 1/2) ⎝ ⎠ = 0 ⇒ h1+h2 = 0 ⇒ h2 = −h1. 1/2) es un m´ximo condicionado. entonces (x0. 8 ⇒ ⎩ x = π + kπ/2. (1/2. y) = x + λ = 0. y) = o cos 2x + cos 2y si x − y = π . y) ∂x2 ∂2L (x. 1/2). y)(h1. ∂y ⎪ ⎩ x = y = 1. ∂L = −2cos xsen x + λ = 0 ⇒ 2cos xsen x = λ. k ∈ Z. 3. y) = (1. yk ) = (1. x − y = π/4. y) = ⎝ ⎠ 1 0 Estudiamos el signo de (h1. y) = cos 2x + cos 2y + λ(x − y − π/4). y) = xy si x+y = o 1. h2) tales que Jg(xk . ı a Ejemplo Calcula los extremos condicionados de la siguiente funci´n f (x. As´ que: ı π π (xk . h2) 1 1 1 0 −h1 −h1 As´ que en el punto (1/2. sen (π/2 + 2y) = λ = sen (π/2)cos (2y) + cos (π/2)sen (2y) ⇒ cos (2y) = λ. 1/2) ı para λ = −1/2. yk ) = √ 0 −2cos (2yk ) 0 −2 22 (−1)k ⎞ ⎛√ 2(−1)k+1 0 ⎠ =⎝ √ 0 2(−1)k+1 408 . y) = x − y − π/4 = 0 ⇒ x − y = π/4. −1). En otro caso tendremos que analizar en las proximidades de (x0. 8 8 √ 2 π λk = sen (2xk ) = sen ( + kπ) = (−1)k . Soluci´n. sen (2y) = λ. h2)HL(x. −1) h2 x = π/4 + y. y) = (1/2. k ∈ Z sen(2y) = −λ ⎭ ⎧ ⎨ y = − π + kπ/2. Si la expresi´n es siempre negativa. Ahora tenemos: ⎫ cos (2y) = λ ⎬ ⇒ tan(2y) = −1 ⇒ 2y = −π/4 + kπ. e Ejemplo Calcular los extremos de la funci´n que sigue f (x. ⎬ 2 ∂L ⇒ ⇒ (x. yk )(h1. 1). − + kπ/2). y0) es un m´ximo o a relativo condicionado de f . 1) ⇒ Jg(1/2. ∂x ∂y h 2 405 Ahora hacemos el c´lculo del hessiano de L para λ = −1/2: a ∂2L (x. Estudiaremos la funci´n lagrangiana: o o L(x. 8 407 Estudiamos el hessiano para decidir si hay extremos condicionados: ∂ 2L = −2cos (2x) ∂x2 2 ∂ L = −2cos (2y) ∂y 2 ∂2L ∂x∂y =0 ⎞ ⎛ ⎞ ⎛ √ 0 0 −2cos (2xk ) −2 22 (−1)k ⎠ ⎝ ⎠=⎝ H2L(xk . y) = xy + λ(x + y − 1) y se deben satisfacer las condiciones: ⎫ ⎪ ∂L ⎫ ⎧ (x. ⎪ −2λ − 1 = 0 ⎭ ⎪ 2 ⎭ g(x. 1/2) = (1. Calculamos el jacobiano de g: Jg(x. y) ∂x∂y =1 ⎛ ⎞ 0 1 HL(x. h2)t = 0 : ⎛ ⎞ h ⎝ 1 ⎠ = 0 ⇒ h1 − h2 = 0 ⇒ h1 = h2 .2. ⎪ ⎪ ⎪ ∂x ⎬ ⎨ λ = −1 . y) = y + λ = 0. La funci´n de Lagrange ser´: o o a L(x. y) = x + y − 1 = 0 ⎪ As´ que el punto candidato a extremo relativo es (x. yk ) = ( + kπ/2. Resolvemos este sistema y obtenemos: Jg(xk . Calculamos seguidamente los vectores (h1. −h1) ⎝ 1 ⎠ = −h2 − h2 < 0 (h1. h2)t cuando h2 = −h1 = 0 y x = y = 1/2: ⎛ ⎞⎛ ⎛ ⎞ ⎞ 0 1 h h ⎝ ⎠ ⎝ 1 ⎠ = (h1. ∂y 406 Por otro lado impondremos la ligadura: As´ que los puntos candidatos a extremos condicionados son: ı g(x.

.. 2}. xn. . . 409 410 Aunque este resultado no nos da una expresi´n de ϕ. . . o Definimos las funciones: f1(x. Adem´s. . ϕ1(0) = 0 = ϕ2(0). . . Existe ϕ:V → U z → (ϕ1(z). h1)H2L(xk . si (x1. . yk )(h1. .. Derivamos ambas expresiones y obtenemos: ϕ1(z) + ϕ2(z) + 1 = 0 y ϕ1(z) − ϕ2(z) − 2ϕ1(z) − 2zϕ1(z) = 0. U × V ⊆ D. ϕ1(0) − ϕ2(0) = 0. . . b) ∂f2 (a. . 3. ∂f1 ∂ym (a. y1 . . Particularizando ahora ambas expresiones en z = 0 tenemos: ϕ1(0) + ϕ2(0) + 1 = 0. y. R) 1 ≤ i ≤ m. 0) ∂x ∂y deducimos: 1. . . . xn. . . . . . . b) ∂f2 (a. xn. . . Existe un abierto U de (0. k ∈ N.. f1(0. . . . 0) y V de 0 tales que U × V ⊂ R3. 0. . 0. ym ) ∈ C k (D. . . z) = 0 para todo z ∈ V y para i ∈ {1.. 2. . . = 1 1 1 −1 411 = −2 = 0. . 0. . . b) ∂y1 ∂y2 Entonces existe un subconjunto abierto U de Rn tal que (a1. ϕ2(z)) tal que fi(ϕ1(z). yk ). . .Finalmente computamos el signo de (h1. . h1) = (h1. . . . b) ∂ym . . h1)t pa⎛√ ⎞ 2(−1)k+1 0 t ⎝ ⎠ (h1. ∂fm (a. . Tanto ϕ1 como ϕ2 son funciones de clase C ∞ . 0. V ) con funciones coordenadas ϕ1. . 0) = f2(0. ϕm (x1. bm) ∈ D. . . y) = (0. b) = (a1. . Ahora usamos que ϕ1(z) + ϕ2(z) + z = 0 y que ϕ1(z) − ϕ2(z) − 2zϕ1(z) = 0. 0) = 0 y 2. supongamos que fi = fi (x1. 3. . . 1 ≤ i ≤ m. xn)) = 0. . .. un subconjunto abierto V de Rm tal que (b1. bm). ϕ2(z). xn) = (y1. . xn ) ∈ U y si (x1. . bm) ∈ V y una unica funci´n ϕ ∈ C k (U. h1)H2L(xk . . an) ∈ U . . ym ). ϕm ´ o tales que: 1. b) ∂y1 ∂f1 ∂y2 (a. . xn. 0. . .. . Supongamos que ∂f1 ∂y1 (a. xn). ym) ∈ a U × V verificando que f (x1. . . ym) = 0 entonces ϕ(x1. . . . . . . 0) ∂x ∂y ∂f2 (0. . 0) ∂f2 (0. . 1 ≤ i ≤ m. . . . b1. . yk )(h1. h1) √ 0 2(−1)k+1 ⎛ √ ⎞ √ √ h 2(−1)k+1 ⎝ 1√ ⎠ = h2 2(−1)k+1 + h2 2(−1)k+1 = = (h1. . Calcular las derivadas primeras y segundas de dicha funci´n en el punto considerado. h1)t (h1. b) ∂fm (a. ϕ(x1. . .. . y sea (a. 1 √ 2 ra todo h1 > 0: 10. an) y as´ se puede obtener una ı. z) = x + y + z f2(x. El teorema de la funci´n impl´ o ıcita Teorema. . . . fi(x1. . . b) ∂yn = 0. z) = x − y − 2xz Puesto que: 1. yk ). . ϕ1(x1. . . a a Ejemplo Comprobar que el sistema de ecuaciones ⎧ ⎨ x+y+z =0 ⎩ x − y − 2xz = 0 ıcitas de z en un abierto del punto define a (x. ∂f1 (0. . . b) ∂y2 . se pueden obtener las derivadas parciales de ϕ en (a1. . an. ∂fm (a. . . 0) . . de las ecuacioo nes fi (x1. y1 . . . 0) ∂f1 (0. . .. b) ∂f2 (a. . . h1) 1 1 k+1 h1 2(−1) √ 2h2 2(−1)k+1 1 As´ que si k es par entonces 2h1 2(−1)k+1 < 0 y tenemos un m´xiı a mo condicionado en (xk . Sea D un subconjunto abierto de Rn × Rm. an) mediante un polinoo ´ mio de Taylor. y) como funciones impl´ z = 0 con los valores (x. Por el contrario si k es impar entonces √ 2h2 2(−1)k+1 > 0 y tenemos un m´ ınimo condicionado en (xk . xn)) = 0. . Resolviendo este sistema se tiene que ϕ1(0) = −1 2 = varphi2(0). . xn. ϕ(a1. 0. 2. . . o Soluci´n. . Estos c´lculos se ver´n en las clases de problemas. aproximaci´n de ϕ en un entorno de (a1. . . 412 . an) = (b1. y. . y1 .

2. Jf −1(f (y)) = (Jf (x))−1 para todo y ∈ V y x ∈ U tales que f (x) = y.11. f|U : U → V es biyectiva y f −1 : V → U es de clase C k 3. k ∈ N. tales que: 1. 413 . El teorema de la funci´n inversa o Teorema (Funci´n inversa). Sea D un subconjunto abierto de o Rn. U y V . y a ∈ D tal que o |Jf (a)| = 0. f : D → Rn una funci´n de clase C k . a ∈ U y f (a) ∈ V . Entonces existen subconjuntos abiertos de Rn.