Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FUNDAMENTOS de MATEMATICAS
Profesor
Jos
e Antonio Abia Vian
Indice de contenidos
Preliminares
1
N
umeros Complejos
1.1 Los n
umeros complejos . . . . . . . . . . . . .
1.2 El plano complejo . . . . . . . . . . . . . . . .
1.2.1 Forma bin
omica de un n
umero complejo
1.2.2 Conjugado de un n
umero complejo . . .
1.2.3 M
odulo de un n
umero complejo . . . .
1.3 Forma polar de un n
umero complejo . . . . . .
1.3.1 Raices complejas . . . . . . . . . . . .
1.3.2 La exponencial compleja . . . . . . . .
1.4 Ejercicios . . . . . . . . . . . . . . . . . . . . .
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
3
4
4
4
5
5
6
6
Polinomios
2.1 Introducci
on. Nociones b
asicas . . . . . . . . . . . . . . . .
2.1.1 Operaciones en K[X] . . . . . . . . . . . . . . . . .
2.2 Division eucldea de polinomios. Divisibilidad y factorizaci
on
2.2.1 Divisi
on entera o eucldea de polinomios . . . . . . .
2.2.2 Raz de un polinomio . . . . . . . . . . . . . . . . .
2.2.3 Factorizaci
on de polinomios de coeficientes complejos
2.2.4 Factorizaci
on de polinomios en R[X] . . . . . . . . .
2.2.5 Factorizaci
on de polinomios de coeficientes racionales
2.2.5.1 Descomposici
on en fracciones simples . . .
2.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8
8
9
10
10
11
12
12
12
13
14
C
alculo de primitivas
3.1 Primitiva de una funci
on . . . . . . . . . . . . . . . . . . .
3.1.1 Tabla de integrales inmediatas . . . . . . . . . . . .
3.2 M
etodos de integraci
on . . . . . . . . . . . . . . . . . . . .
3.2.1 M
etodo de sustituci
on . . . . . . . . . . . . . . . . .
3.2.1.1 Tabla de integrales casiinmediatas . . . .
3.2.2 Cambio de variable . . . . . . . . . . . . . . . . . .
3.2.3 Integraci
on por partes . . . . . . . . . . . . . . . . .
3.3 Integraci
on seg
un el tipo de funci
on . . . . . . . . . . . . .
3.3.1 Integrales racionales . . . . . . . . . . . . . . . . . .
3.3.1.1 Descomposici
on en fracciones simples . . .
3.3.1.2 Integraci
on de funciones racionales . . . . .
3.3.2 Integraci
on de funciones trigonom
etricas . . . . . . .
3.3.3 Integraci
on de funciones exponenciales e hiperb
olicas
3.3.4 Integrales irracionales . . . . . . . . . . . . . . . . .
3.3.4.1 Integrales binomias . . . . . . . . . . . . .
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
16
16
16
17
17
17
17
18
18
18
18
19
20
21
22
22
23
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
25
25
25
26
27
27
28
29
30
30
31
31
33
. . . . . . . . . .
. . . . . . . . . .
forma escalonada
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
35
35
36
36
36
37
38
39
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Anexo 0: Preliminares
Prof: Jos
e Antonio Abia Vian
40
INDICE DE CONTENIDOS
I
6
C
alculo diferencial en R
48
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
49
49
49
50
50
51
51
51
51
51
53
54
55
56
57
58
60
61
62
62
62
. . . .
. . . .
locales
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
66
66
68
68
70
72
73
73
73
74
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
= (t) .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
77
77
79
80
81
82
82
82
82
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . . . . . .
. . . . . . . . . . .
un punto. Extremos
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
Polinomios de Taylor
8.1 Polinomios de Taylor . . . . . . . . . . . . . . . . . . . . . . . .
8.1.1 F
ormula de Taylor. . . . . . . . . . . . . . . . . . . . . .
8.2 Representaci
on de funciones (2) . . . . . . . . . . . . . . . . . .
8.2.1 Representaci
on de funciones en forma explcita: y = f (x)
8.2.2 Estudio de curvas dadas en forma param
etrica y polar . . .
8.2.2.1 Curvas dadas en forma param
etrica: x = (t) , y
8.2.2.2 Curvas dadas en coordenadas polares . . . . . .
8.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Anexo 1: C
alculo diferencial
II
9
85
C
alculo integral en R
97
Integral de Riemann
9.1 Sumas inferiores y superiores . . . . . . . .
9.1.1 Particiones de un intervalo . . . . .
9.1.2 Sumas inferiores y superiores . . . .
9.2 Integral de una funci
on real de variable real
9.2.1 Sumas de Riemann . . . . . . . . .
9.2.2 Otras propiedades de la integral . .
9.2.3 Algunas funciones integrables . . . .
9.3 Integraci
on y derivaci
on . . . . . . . . . . .
9.4 Ejercicios . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
98
98
98
98
99
101
101
102
103
105
10 Aplicaciones de la integral
10.1 Areas
de superficies planas . . . . . . . . .
10.1.1 Funciones dadas de forma explcita .
10.1.1.1 Funciones negativas . . . .
10.1.1.2 Area
entre dos funciones .
10.2 Vol
umenes de cuerpos s
olidos . . . . . . . .
10.2.1 Vol
umenes de revoluci
on . . . . . .
10.3 Otras aplicaciones . . . . . . . . . . . . . .
10.3.1 Longitudes de arcos . . . . . . . . .
10.3.2 Area
de una superficie de revoluci
on
10.4 Ejercicios . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
107
107
107
107
108
109
110
111
111
112
113
Prof: Jos
e Antonio Abia Vian
INDICE DE CONTENIDOS
11 Integrales impropias
11.1 Integrales impropias de primera especie . . . . . . . . . . . .
11.1.1 Criterios de comparaci
on para funciones no negativas
11.1.2 Convergencia absoluta . . . . . . . . . . . . . . . .
11.2 Integrales impropias de segunda especie . . . . . . . . . . .
11.2.1 Criterios de comparaci
on para funciones no negativas
11.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Anexo 2: C
alculo integral
III
115
115
117
119
120
121
123
125
132
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
133
133
134
134
135
135
137
137
138
138
139
139
139
139
140
140
140
140
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
144
145
146
146
147
148
148
149
149
150
150
150
IV
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Algebra
Lineal
153
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
154
154
154
155
156
157
158
159
159
160
161
161
162
15 Aplicaciones lineales
15.1 Definici
on. N
ucleo e imagen . . . . . . . .
15.2 Matrices de una aplicaci
on lineal . . . . . .
15.2.1 Composici
on de aplicaciones lineales
15.3 Teorema de Semejanza . . . . . . . . . . .
15.4 Ejercicios . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
166
166
167
169
170
171
Prof: Jos
e Antonio Abia Vian
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE DE CONTENIDOS
16 Diagonalizaci
on
16.1 Valores y vectores propios . . . . . .
16.1.1 Planteamiento del problema
16.1.2 Valores y vectores propios . .
16.2 Diagonalizaci
on . . . . . . . . . . .
16.3 Diagonalizaci
on ortogonal . . . . . .
16.4 Ejercicios . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
174
174
174
174
175
177
177
17 Formas cuadr
aticas
17.1 Diagonalizaci
on de una forma cuadr
atica . . . . . . . . .
17.1.1 Diagonalizaci
on ortogonal . . . . . . . . . . . . .
17.1.2 Diagonalizaci
on mediante operaciones elementales
17.2 Rango y signatura de una forma cuadr
atica. Clasificaci
on
17.2.1 Clasificaci
on de las formas cuadr
aticas . . . . . .
17.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
181
182
182
182
183
184
185
Anexo 3: Algebra
lineal
Prof: Jos
e Antonio Abia Vian
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
188
2 Fundamentos de Matematicas
Unidad 0
Preliminares
Prof: Jos
e Antonio Abia Vian
Captulo 1
N
umeros Complejos
Este tema de n
umeros complejos es m
as informativo que recordatorio, siendo el uso explcito de los complejos
escaso en las asignaturas de Matem
aticas 1 y 2. Sin embargo conocer su existencia e interrelacion con los
reales es muy u
til para la descomposici
on y busqueda de races de polinomios, o en la resolucion de ecuaciones
diferenciales; tambien en asignaturas de electricidad, teora de la se
nal, etc. usan de ellos.
1.1
Los n
umeros complejos
1
distingue m
as estos dos u
ltimos conjuntos. As 2 Q (luego a R), pero 2 2 = 2
/ Q, aunque s se cumple
1
que 2 2 R .
En R , es cierto que si x e y son reales con x 0 , entonces xy R; pero no se cumple cuando x < 0 .
Para resolver este defecto se contruyen los n
umeros complejos: un conjunto C que contenga a R , que sus
operaciones suma y producto permitan restar y dividir y sean coherentes con las operaciones de los subconjuntos,
y que para la potencia se verifique adem
as que si z, w C, entonces z w C .
1.2
El plano complejo
Consideremos el conjunto R2 y contruyamos en el unas operaciones suma y producto que funcionen como
deseamos. Sobre R2 tenemos definida una operacion suma que s es interna:
(a1 , b1 ) R2 , (a2 , b2 ) R2 , y (a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 ) R2 ,
con operaci
on inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,
(a1 , b1 ) R2 , (a2 , b2 ) R2 , y (a1 , b1 ) (a2 , b2 ) = a1 a2 + b1 b2 R
y no admite una operaci
on inversa.
Dotar a R2 de una operaci
on producto interna, con un funcionamiento analogo al funcionamiento del
producto en R crea una nueva estructura conocida como el conjunto de los n
umeros complejos y tambien
como plano complejo o cuerpo complejo.
Esta operaci
on producto se define de la forma siguiente:
(a1 , b1 ) (a2 , b2 ) = (a1 a2 b1 b2 , a1 b2 + b1 a2 ).
As, el conjunto de los n
umeros complejos, C , esta formado por R2 con dos operaciones basicas: suma +
2
(la suma de R ) y el producto complejo (definido arriba). Es decir, C = (R2 , +, ) .
Prof: Jos
e Antonio Abia Vian
1.2.1
Forma bin
omica de un n
umero complejo
1.2.2
1
z
a
a2 +b2
+ i a2b
+b2 =
aib
a2 +b2
Conjugado de un n
umero complejo
Definici
on 3.- Sea z = a+ib un complejo, se llama conjugado de z al n
umero complejo z = a+i(b) = aib.
Nota: Con la notaci
on de R2 , el conjugado de (a, b) es (a, b) y son simetricos respecto al eje real (de abcisas).
Propiedades 4.- Sean z, w C , entonces
a) z = z ;
z + w = z + w;
zw = z w ;
b) z = z z = a + i0 R ;
c) z + z = 2 Re(z) ;
1.2.3
z 1 = (z)1 .
z = z z = 0 + ib iR .
z z = i2 Im(z) .
M
odulo de un n
umero complejo
Definici
on 5.- Sea z = a + ib C. Se denomina m
odulo (o norma) de z al valor real |z| = + a2 + b2 .
|z| = 0 z = 0 .
b) |Re(z)| |z| ;
Prof: Jos
e Antonio Abia Vian
|Im(z)| |z| ;
c) |z| = |z| :
|z| = zz ;
d) |z + w| |z| + |w| ;
e) |zw| = |z| |w| ;
1
z
z
zz
z
|z|2
.
|z w| |z| |w| .
=
1
z = |z|1 .
Definici
on 7.- Se llama distancia entre z y w al valor real d(z, w) = |z w| .
Del m
odulo, son inmediatas las propiedades
a) d(z, w) 0 ;
1.3
d(z, w) = 0 z = w .
Forma polar de un n
umero complejo
Sea z = a + ib = (a, b) . Un punto de R2 queda perfectamente determinado mediante su distancia al origen |z|
y el
angulo que forma con el eje polar (el semieje real positivo).
Definici
on 8.- Sea z = x + iy un n
umero complejo no nulo. Se llama argumento de z y se designa por
arg(z) a cualquier n
umero real que verifique que
z = x + iy = |z| cos + i |z| sen = |z| (cos + i sen ).
Se dice entonces que z est
a en forma polar (o modulo argumental) y denotarse por z = |z| .
Como las funciones seno y coseno son peri
odicas de perodo 2 , arg(z) esta determinado salvo m
ultiplos de
2 ; es decir, hay infinidad de argumentos de z , pero dos cualesquiera de ellos difieren en m
ultiplos de 2 . Si
fijamos como argumento preferido el arg(z) (, ] , puede obtenerse de
arctg xy ,
+ arctg y ,
x
arg(z) (, ] = + arctg xy ,
2,
2,
si
si
si
si
si
x>0
x<0
x<0
x=0
x=0
+arctg
e
e
e
e
y
y
y
y
0
<0
>0
< 0.
y
x
arctg
+arctg
y
x
y
x
1.3.1
Raices complejas
Proposici
on 10.- Un complejo z 6= 0 tiene n races n -esimas distintas. Si es un argumento de z , son
precisamente
1
1
z n = (|z| n ) + 2k , para k = 0, . . . , n 1.
n
Demostraci
on:
n
Un complejo w es la raz n -esima de z , si se verifica que wn = z ; es decir, si |w| = |z| y n arg(w) = arg(z) =
1
+2k
+ 2k (alguno de los argumentos de z ). Luego |w| = |z| n y arg(w) = n , con k Z; pero con todos estos
argumentos s
olo se obtienen n n
umeros complejos distintos, los mismos que se obtienen tomando los n valores
de k = 0, 1, . . . , n 1 . Es decir, existen n , y solo n , complejos distintos que son races n -esimas de z , que son
1
1
z n = |z| n cos +2k
+ i sen +2k
, con k = 0, . . . , n 1.
n
n
Prof: Jos
e Antonio Abia Vian
1.4 Ejercicios
Observaci
on 11.- Es claro de la prueba anterior que las
races n -esimas de un complejo est
an distribuidas
rep
gularmente en una circunferencia de radio n |z|. Por
ejemplo, las races quintas de z = r 3 , son los 5 n
umeros
complejos
= 5 r 15
(i) z0 = 5 r 15
+ 20
5
= 5 r 7
.
(ii) z1 = 5 r 15
+ 21
5
15
(iii) z2 = 5 r 15
= 5 r 13
.
+ 22
5
15
= 5 r 19
= 5 r 11 .
(iv) z3 = 5 r 15
+ 23
5
15
15
(v) z4 =
r 15
=
+ 24
5
r 25
=
15
s z = r 3
s
z1 =
z2 =
r 13
15
r 7
15
s
s
z0 =
z3 =
s
r 19
15
s
z4 =
15
r 25
15
r 5 .
15
1.3.2
La exponencial compleja
Definici
on 12.- Si z = a + ib, se define la exponencial compleja por ez = ea (cos b + i sen b)
Proposici
on 13.- Se verifican las siguientes propiedades:
a) Si z = a R , entonces ez = ea+i0 = ea (cos 0 + i sen 0) = ea y la exponencial compleja coincide con la
exponencial real.
b) Si z = ib iR, entonces eib = e0+ib = e0 (cos y + i sen y) = cos y + i sen y .
Entonces, si z = a + ib, se tiene que ez = ea eib .
p
c) |ez | = |ea | |eiy | = ea |cos y + i sen y| = ea cos2 y + sen2 y = ea .
De donde ez 6= 0 , para todo z C .
d) ez = ez ,
(ez )1 = ez
e) ez es peri
odica de perodo 2i y si ez = ew , entonces z w = 2ki, con k Z.
Nota: Si z 6= 0 , puede escribirse como z = |z| ei Arg(z) que se denomina forma exponencial de z .
Definici
on 14.- Sea z un n
umero complejo no nulo. Se dice que un n
umero complejo w es un logaritmo de
z , y se escribe w = log z , cuando ew = z .
Proposici
on 15.- Sea z un n
umero complejo no nulo, los logaritmos de z son todos los commplejos
log(z) = ln |z| + i arg(z)
Al valor Log(z) = ln |z| + i Arg(z) que se le llama logaritmo principal de z y cualquiera de los otros logaritmos
de z se obtienen de: log(z) = Log(z) + 2ki , k Z.
1.4
Ejercicios
2+i
2i
5
1
i ;
;
+ i;
;
i344 + (i)231 ;
2i
1+i
(1 i)(2 i)(i 3)
1.2 Usar, cuando sea posible, las propiedades
2 + i
1
2 i
i ;
+ i ;
;
2i
1+i
Prof: Jos
e Antonio Abia Vian
(1 + i)5 + 1
;
(1 i)5 1
i(1 + i)5
2(1 i)5 ;
1.4 Ejercicios
a) 8
b)
1 i
c)
3+i 3
)
2
h
i2
4 cos( 2 ) + 4i sen( 2 )
d)
b) e1i 2
2 ei
c) iei
7
4
Log(i3 )
d)
Log(2e1+i 3 )
e)
a) i 2
b)
86
c)
(1) 3
3
( 3 + i) 5
d)
e)
2
4 cos( 2
3 ) + 4i sen( 3 )
i 34
|z i| = 1
b) z 2 = 4
e)
z = z
f)
Im(z) 0
c)
0 Arg z
g)
Re(z) > 2
d) z = z
h)
Re(z) + Im(z) = 1
a) z 4 + 2 = 0
b) z 2 + 2z i = 0
c)
d) z 3 = 1
e) z 6 = iz
f) z + (3 2i)z 2 = 6i
+ (i + 1)z 2 (2 i)z = 0
b)
Re(ez ) = 0
c)
|eiz | < 1
d) ez = 1
e)
e2z = i
f) ez = ez
2 |a + bi| .
Prof: Jos
e Antonio Abia Vian
Captulo 2
Polinomios
2.1
Introducci
on. Nociones b
asicas
Los conjuntos de n
umeros Q, R y C , verifican que la suma y el producto son operaciones internas, es decir la
suma o producto de racionales es racional, de reales es real y de complejos es compleja. Ademas, en ellos existe
inverso para la suma y para el producto (resta y division tambien internas).
A los conjuntos con este tipo de caractersticas se les denomina cuerpos (a los conjuntos de arriba se les
dice cuerpos conmutativos pues el producto es comnutativo, ab = ba) y se usan como conjuntos de n
umeros (o
escalares) asociados a otros elementos: los polinomios, las matrices, los vectores, . . . .
En esta secci
on, formalizaremos los conocidos polinomios e investigaremos algunas de sus propiedades y
tambien entenderemos el significado del cuerpo asociado.
Definici
on 16.- Se llama polinomio en la indeterminada X y con coeficientes en un cuerpo conmutativo K,
a toda expresi
on formal del tipo siguiente:
a0 + a1 X + a2 X2 + ... + an Xn , siendo a0 , a1 , . . . , an elementos de K
Los n
umeros a0 , . . . , an son los coeficientes del polinomio, y de cada sumando ai Xi se dice el termino de
grado i o monomio de grado i del polinomio. Al conjunto de todos los polinomios en la indeterminada X con
coeficientes en K lo denotamos por K[X] :
n
o
K[X] = a0 + a1 X + + an Xn : i, ai K
Nosotros trabajaremos generalmente con K = R o K = C (y alguna vez con K = Q). As:
n
o
R[X] = a0 + a1 X + + an Xn : ai R es el conjunto de los polinomios reales (con coeficientes reales),
n
o
C[X] = a0 + a1 X + + an Xn : ai C es el de los polinomios complejos (con coeficientes complejos),
n
o
Q[X] = a0 +a1 X+ +an Xn : ai Q es el de los polinomios con coeficientes racionales, . . .
Notar que por ser Q R C tambien Q[X] R[X] C[X] .
La letra X no representa ning
un valor, no es una variable ni una incognita: es un mero soporte para el exponente (recordemos, polinomio=expresi
on formal). En otras palabras lo realmente significativo del polinomio,
es la sucesi
on ordenada de sus coeficientes. As:
3 + 8X 9X2
8X 9X2 + 3
3 + 8X2 9X5
X
12
(3, 8, 9, 0, 0, . . .)
(3, 8, 9, 0, 0, . . .)
(3, 0, 8, 0, 0, 9, 0, 0, . . .)
(0, 1, 0, 0, 0, . . .)
(12, 0, 0, 0, 0, . . .)
Es util abreviar la escritura de todos los terminos usando la notacion del sumatorio
n
X
P (X) = a0 + a1 X + ... + an Xn =
ai Xi (por convenio, X0 = 1 )
i=0
Definici
on 17.- Sea P (X) =
n
P
i=0
i=0
P (X) = Q(X) n = m y i, ai = bi .
Prof: Jos
e Antonio Abia Vian
2.1 Introducci
on. Nociones b
asicas
Expresiones tales como X2 12 = X+5 son pues absurdas, como lo sera escribir 5 = 18 , ya que ambos polinomios
son distintos.
Ejemplo 19 Encontrar a, b, c, tales que 3X + 5X2 + 12X4 = (a + 1)X + 5X2 + 2cX4 + (2a + b)X6 .
Para que coincidan deben tener la misma sucesion de coeficientes, es decir,
3X + 5X2 + 12X4 (0, 3 , 5, 0, 12, 0, 0 , 0, . . ., 0, . . .),
2
(a + 1)X + 5X + 2cX4 + (2a + b)X6 (0, a + 1, 5, 0, 2c, 0, 2a + b, 0, . . ., 0, . . .),
deben ser iguales. Igualando coeficiente a coeficiente se obtiene el sistema de ecuaciones:
0 = 0
3 = a+1
5 = 5
3 = a+1
a = 2
a = 2
0 = 0
c = 6
c = 6
= 12 = 2c
=
=
12 = 2c
0
=
2a
+
b
b
=
2a
b = 4
0 = 2a + b
0
=
0
2.1.1
Operaciones en K[X]
Sean P (X) =
n
P
ai Xi y Q(X) =
i=0
m
P
bi Xi polinomios de K[X]
i=0
Definici
on 20.- Llamaremos suma de los polinomios P y Q al polinomio P + Q, obtenido de:
P (X) + Q(X) =
n
X
!
i
ai X
i=0
m
X
m
ax{n,m}
!
i
bi X
i=0
(ai + bi )Xi
i=0
Si, m > n, entonces an+1 = an+2 = = am = 0 , es decir, completamos con coeficientes cero.
Nota: gr(P + Q) m
ax{gr(P ), gr(Q)}
Ejemplo Para P (X) = 3 + 6X2 5X4 y Q(X) = 2 8X 6X2 + 7X6 , se tiene
P + Q = 3 + 6x2 5X4 + 2 8X 6X2 + 7X6
= 3 + 0X + 6X2 + 0X3 5X4 + 0X5 + 0X6 + 2 8X 6X2 + 0X3 + 0X4 + 0X5 + 7X6
= (3 + 2) + (0 8)X + (6 6)X2 + (0 + 0)X3 + (5 + 0)X4 + (0 + 0)X5 + (0 + 7)X6
= 5 8X + 0X2 + 0X3 5X4 + 0X5 + 7X6 = 5 8X 5X4 + 7X6 .
y podemos comprobar que gr(P + Q) m
ax{gr(P ), gr(Q)} = max{4, 6} = 6 .
Definici
on 21.- Llamaremos producto de los polinomios P y Q al polinomio P Q, obtenido de:
! m
! n+m
n
i
X
X
X
X
i
i
P (X) Q(X) =
ai X
bi X =
ci Xi , donde ci =
ak bik
i=0
i=0
i=0
k=0
Prof: Jos
e Antonio Abia Vian
2.2
El conjunto K[X] tiene en muchos aspectos una profunda semejanza con el conjunto Z de los enteros (algebraicamente tienen la misma estructura, ambos son anillos conmutativos). Repasamos brevemente algunos hechos
b
asicos que ocurren en Z, para despues hacer el estudio paralelo en K[X] .
? Dados a, b Z, b 6= 0 existen q, r Z u
nicos tal que a = qb + r con 0 r < |b| (la divisi
on entera o
eucldea, con q y r el cociente y el resto).
? Dados a, b Z, se dice que b divide a a (o que a es m
ultiplo de b) si existe c Z tal que a = bc.
Se escribe b | a y significa que el resto de la division entera de a entre b es 0 .
? Si a, b Z, se llama m
aximo comun divisor de a y b, mcd(a, b) , a un entero d tal que: d | a y d | b y es
el mayor, es decir, para cualquier otro Z tal que | a y | b entonces | d .
? mcd(a, b) = mcd(a, b) = mcd(b, a) .
? El Algortmo de Euclides permite calcular el mcd(a, b) sin necesidad de utilizar la descomposici
on de
a y b en factores.
La realizaci
on pr
actica del algoritmo se dispone as:
a
r1
q1
b
r2
q2
r1
r3
q3
r2
rn1
qn1
rn2
rn
qn
rn1
0
a = bq1 + r1
b = r1 q2 + r2
r1 = r2 q3 + r3
rn1 = rn qn+1 + 0
qn+1
rn
2.2.1
1
225
9
12 2
18 9
0
300
132
1
432
36
3
3
132 36
24 12
1
2
24 12
0
Divisi
on entera o eucldea de polinomios
Regresemos de nuevo a K[X] , y veamos que podemos encontrar resultados bastante analogos:
Definici
on 22.- Dados P (X) y Q(X) con Q(X) 6= 0 , existen dos u
nicos polinomios C(X) y R(X) tales que:
P (X) = C(X) Q(X) + R(X) , siendo R(X) = 0 o gr(R) < gr(Q) .
Si R(X) = 0 , se dice que Q(X) divide a P (X) y se escribe Q(X) | P (X) . Tambien se dice que Q(X) es un factor
de P (X) (de P (X) = C(X) Q(X) , claramente).
Nota: El metodo de divisi
on de polinomios es el conocido por los alumnos. Los polinomios constantes, de grado
cero, dividen a todos los polinomios y el polinomio cero es m
ultiplo de cualquiera.
Definici
on 23.- Se dice que D(X) es un m
aximo com
un divisor de P (X) y Q(X) si se verifica que D(X) | P (X)
y D(X) | Q(X) y es el mayor, es decir, si para cualquier otro (X) K[X] tal que (X) | P (X) y (X) | Q(X)
entonces (X) | D(X) .
El mcd de dos polinomios est
a determinado salvo un factor constante. En particular, puede elegirse un
mcd m
onico (coeficiente del termino de mayor grado 1 ) que con esta condicion adicional es u
nico.
Prof: Jos
e Antonio Abia Vian
Definici
on 24.- Un polinomio P (X) de grado n > 0 se dice reducible en K[X] si existen Q(X) y C(X)
polinomios no constantes de K[X] tales que P (X) = Q(X)C(X) .
Si no es reducible en K[X] , se dice irreducible en K[X] .
Observaciones:
? Si Q(X) y C(X) reducen a P (X) , entonces 0 < gr(Q) < gr(P ) y 0 < gr(C) < gr(P ) .
? En consecuencia, los polinomios de grado 1 son siempre irreducibles.
? Las constantes no se consideran irreducibles.
? Un polinomio es o no irreducible en K[X] . As, X2 + 1 es irreducible en R[X] mientras que no lo es en
C[X] , pues X2 + 1 = (X i)(X + i) .
? Si Q(X) | P (X) , entonces kQ(X) | P (X) , para todo k K. Por ello suele trabajarse con divisores monicos.
? El Algoritmo de Euclides es v
alido en K[X] para obtener el maximo com
un divisor de dos polinomios.
Teorema 25.- Todo polinomio P (X) K[X] admite en K[X] una descomposicion u
nica en la forma
m1
m 2
m r
P (X) = k Q1 (X)
Q2 (X)
Qr (X)
donde k K y los Qi (X) son polinomios irreducibles monicos.
2.2.2
Raz de un polinomio
Prof: Jos
e Antonio Abia Vian
2.2.3
Factorizaci
on de polinomios de coeficientes complejos
1 4
2X
2.2.4
3
4
)(X 2ei
3
4
)(X 2ei 4 )
Factorizaci
on de polinomios en R[X]
Puesto que R C, un polinomio de R[X] puede mirarse como perteneciente a C[X] , y se descompone en factores
lineales en C[X] . Ahora bien, estos factores puede que no pertenezcan todos ellos a R[X] .
Lema 35.- Sea P (X) =
n
P
i=0
Nota: Los polinomios de grado 2 formados como en la demostracion del lema anterior (por (X )(X ) con
no real), son irreducibles en R[X] .
Teorema 36.- Todo polinomio de coeficientes reales y grado mayor o igual que 1 se descompone en R[X] como
producto de factores irreducibles de grado 1 o de grado 2.
Nota: La factorizaci
on del polinomio as obtenida es u
nica (por la unicidad de la factorizacion compleja):
P (X) = an (X 1 )m1 (X r )mr (X2 + c1 X + d1 )n1 (X2 + ct X + dt )nt
donde i R son las races reales, y los coeficientes reales de los polinomios de grado 2 se obtienen con
cj = (j + j ) y dj = j j , de las races j y j complejas de P (X) .
Corolario 37.- Un polinomio real de grado impar tiene al menos una raz real.
2.2.5
Factorizaci
on de polinomios de coeficientes racionales
Sea P (X) =
n
P
i=0
mi i
ni X
ni , el polinomio P (X) = m P (X) tiene todos sus coeficientes enteros, y las mismas races que P (X) .
En consecuencia, basta estudiar las races de un polinomio de coeficientes enteros:
Teorema 38.- Sea P (X) = a0 + a1 X + + an1 Xn1 + an Xn un polinomio con ai Z, i. Entonces,
1.- Si P (X) posee una raz Z , entonces | a0 .
2.- Si P (X) posee una raz =
(La expresi
on de =
p
q
p
q
Q, entonces p | a0 y q | an .
Nota: La utilidad del teorema estriba en que se puede construir una lista de candidatos a races y basta
comprobar si cada uno de ellos es o no raz del polinomio.
41 2
3
Ejemplo Hallar las races racionales del polinomio P (X) = 7X4 + 95
4 X + 4 X 20X 3 .
4
3
2
Buscamos las races racionales de Q(X) = 4P (X) = 28X + 95X + 41X 80X 12 .
Prof: Jos
e Antonio Abia Vian
28
+
28
95
41 80 12
56 78
74
12
39 37
6
0= Q(2)
Buscamos ahora las races de Q1 (X) = 28X3 + 39X2 37X 6 , y la lista de candidatos se reduce a 1 ,
2 , 3 y 6 (desaparecen 4 y 12 )
2
28
+
28
39 37 6
56
34
6
17
3
0= Q1 (2)
Buscamos ahora las races de Q2 (X) = 28X2 17X 3 , y la lista de candidatos se reduce a 1 y 3 .
Ninguno de ellos es raz, por lo que buscamos las races fraccionarias:
? Como 28 = 22 7 , sus divisores positivos son 1, 2, 7, 4, 14 y 28 . Las posibles races racionales de Q2 son:
1
1
1
1
1
3
3
3
3
3
an simplificadas al maximo).
2 , 4 , 7 , 14 , 28 , 2 , 4 , 7 , 14 y 28 (son todas distintas y est
28
+
28
17
17
4
21
3
3
0= Q2 ( 1
7 )
Luego la descomposici
on final es: Q(X) = 28(X + 2)2 (X + 17 )(X 43 ) .
Por supuesto, como el polinomio Q2 es de grado 2, es mas facil y sencillo obtener sus races de la manera
17 (17)2 4(3)28
habitual =
.
228
4
Descomposici
on en fracciones simples
P (X)
. Se dice que esta simplificada, si P (X) y Q(X) no
Dados P (X), Q(X) K[X] , se considera la fraccion racional Q(X)
tienen divisores comunes (salvo las constantes), es decir, considerando los divisores monicos, mcd(P (X), Q(X)) =
1.
Las fracciones racionales reales y complejas admiten una expresion equivalente que es suma de fracciones
racionales m
as simples que simplifican su manejo. El proceso para encontrar dicha expresion se denomina descomposici
on en fracciones simples (de esta manera se usa en integracion, series de potencias, variable compleja,
etc.).
P (X)
Supondremos que la fracci
on Q(X)
est
a simplificada y gr(P (X)) < gr(Q(X)) . De no ser as, podremos hacer:
? Si
P (X)
Q(X)
P (X)
Q(X)
= C(X) +
R(X)
Q(X)
P (X)/D(X)
Q(X)/D(X)
esta simplificada.
Prof: Jos
e Antonio Abia Vian
P
Q
2.3 Ejercicios
Ejemplo 39 Sea
3
X3 +X2 +3
X3 (X1)(X2 +1)2
2
En R[X] , Q(X) = X (X 1)(X + 1) , pero en C[X] , Q(X) = X3 (X 1)(X i)2 (X + i)2 . Luego
X3 + X2 + 3
=
1)(X2 + 1)2
X3 (X
t11
t12
t13
+ 2 + 3
X
X
X
t21
X1
p31 X + q31
p32 X + q32
+ 2
X2 + 1
(X + 1)2
X3 + X2 + 3
t11
t12
t13
t21
t31
t32
t41
t42
=
+ 2 + 3 +
+
+
+
+
1)(X i)2 (X + i)2
X
X
X
X1
X i (X i)2
X + i (X + i)2
(a+d+e)X7 +(ba+f e)X6 +(cb+2a+2d+e+gf )X5 +(2b2ac+f+heg)X4 +(a2b+2c+df h)X3 +(ba2c)X2 +(cb)Xc
X3 (X1)(X2 +1)2
e igualando los coeficientes de P (X) = 0X7 + 0X6 + 0X5 + 0X4 + X3 + X2 + 0X + 3 con los del polinomio construido
C(X) , se obtiene el sistema (1) de 8 ecuaciones y 8 incognitas con solucion u
nica.
Tambien puede construirse un sistema equivalente obligando a que ambos polinomios coincidan en 8 valores
(uno m
as que el grado), pues si P (i ) = C(i ) para 1 , . . . , 8 todas distintas, el polinomio P (X) C(X) tiene
8 races y, por el corolario 32, es el polinomio 0 ; luego P (X) = C(X) . Por ejemplo, podemos construir un sistema
a partir de (2):
0
=
b
a
+
f
e
5=P (1) =C(1)
0
=
c
b
+
2a
+
2d
+
e
+
g
f
3=P (1)=C(1)
0 = 2b 2a c + f + h e g
15=P (2) =C(2)
(1)
(2)
1 = a 2b + 2c + d f h
1=P (2)=C(2)
1
=
b
2c
39=P (3) =C(3)
0
=
c
b
15=P
(3)=C(3)
3 = c
83=P (4) =C(4)
4
2.3
Ejercicios
2.14 Encontrar las races de P (X) = X3 2X2 5X + 6 y Q(X) = 2X5 5X3 + 2X en R[X] , y sus expresiones
factorizadas. Hacerlo tambien en Q[X] .
Prof: Jos
e Antonio Abia Vian
2.3 Ejercicios
2.15 Probar que el polinomio X2 + 2X + 2 divide a P (X) = X4 + 4 , y obtener de ello todas las races de P (X)
en C[X] , as como su expresi
on factorizada en R[X] .
2.16 Sean P (X) = X5 + 3X4 + 3X3 + 3X2 + 2X y Q(X) = X3 3X2 + X 3 dos polinomios de coeficientes reales.
a) Usar el algoritmo de Euclides para hallar su maximo com
un divisor.
b) Encontrar su mnimo com
un m
ultiplo.
c) Factorizar ambos polinomios en R[X] .
d) Cu
ales son sus factorizaciones en C[X] ?
2.17 Calcular el polinomio real m
onico, m
aximo com
un divisor de
X4 6X3 16X2 + 54X + 63
a a 0
2.24 Sea la matriz A = a a 0 . Encontrar las races, y su multiplicidad en funcion de los valores de
b 0 2b
los par
ametros a y b, del polinomio P (X) = det(XI A) . (Nota: I es la matriz identidad)
2.25 Expresar como suma de fracciones simples los cocientes siguientes, sin hallar los valores de los coeficientes:
a)
X2 +1
X4 6X3 16X2 +54X+63
b)
X5
(X1)(X3 1)
c)
X+5
2X4 X3 4X2 +10X4
d)
X2 +2
X5 +7X4 +16X3 +8X2 16X16
e)
X3 3X2 +X3
X5 +3X4 +3X3 +3X2 +2X
f)
(Nota: Todos los polinomios de este ejercicio aparecen en alguno de los anteriores.)
Prof: Jos
e Antonio Abia Vian
Captulo 3
C
alculo de primitivas
3.1
Definici
on 40.- Diremos que la funci
on F continua en [a, b] , es una primitiva de la funcion f en el intervalo
[a, b] si y s
olo si F 0 (x) = f (x) , x (a, b) .
Teorema 41.- Si F y G son dos funciones primitivas de la funcion f en [a, b] , entonces F G es una funci
on
constante en [a, b] .
Demostraci
on:
Para cada c (a, b) , se tiene que (F G)0 (c) = F 0 (c) G0 (c) = f (c) f (c) = 0 , luego tiene derivada nula.
Por el Teorema del valor medio de Lagrange (teorema 155 de la pag 70), para cada x [a, b] ,
F (x) G(x) F (a) G(a) = (F G)0 (c)(x a) = 0,
luego F (x) G(x) = F (a) G(a) = k para todo x [a, b] .
Observaci
on: Como consecuencia del teorema anterior, se tiene que si F es una funcion primitiva de f en [a, b] ,
entonces {F (x) + C : C R} es el conjunto formado por todas las funciones primitivas de f en [a, b] .
Definici
on 42.- Llamaremos
integral indefinida de f al conjunto de todas las primitivas de la funcion f , y
Z
lo denotaremos por f (x) dx .
Z
Si F es una funci
on primitiva de f , escribiremos u
nicamente f (x) dx = F (x) + C , con C R .
Z
Propiedad 43.-
Z
(f + g)(x) dx =
Z
f (x) dx + g(x) dx .
producto por escalares se obtiene como suma de primitivas y como primitivas por escalares.
Demostraci
on:
Sean F 0 (x) = f (x)
3.1.1
Es usual manejar una tabla de primitivas inmediata, pero que en realidad se reduce a una tabla de derivadas
conocidas:
Z
xa dx =
1
a+1
xa+1 + C, a 6= 1
Z
dx = ln |x| + C
Z
cos x dx = sen x + C
Z
dx
sen2 x = cotg x + C
1
x
1
1+x2
Z
1
1x2
Z
dx = arctg x + C
Z
sh x dx = ch x + C
Z
Prof: Jos
e Antonio Abia Vian
1
1x2
dx = argth x =
1
cos2 x
sen x dx = cos x + C
Z
1
2
ln
1
1+x2
1
ch2 x
1+x
1x
Z
dx = arcsen x + C
ax dx =
1
1x2
1
ln a
ax + C
dx = tg x + C
dx = arccos x + C
Z
dx = arccotg x + C
ch x dx = sh x + C
Z
dx = th x + C
Z
+C
1
x2 1
1
x2 +1
dx = argsh x = ln(x +
dx = argch x = ln(x +
x2 + 1) + C
x2 1) + C
3.2
3.2.1
M
etodos de integraci
on
M
etodo de sustituci
on
Si F (x) es una primitiva de f (x) , entonces F ((x)) es una primitiva de la funcion f ((x))0 (x) , es decir,
Z
f ((x))0 (x)dx = F ((x)) + C.
En efecto, por la Regla de la cadena (teorema 147 de la pag 67), (F ((x)))0 = f ((x))0 (x) .
Z
Ejemplo Encontrar una expresi
on para 4(x2 + 1)3 2xdx .
Soluci
on:
F (x) = x4 es una primitiva de f (x) = 4x3 y, si (x) = x2 +1 se tiene 0 (x) = 2x . Luego F ((x)) = (x2 +1)4
es una primitiva de f ((x))0 (x) = 4(x2 + 1)3 2x . Es decir,
Z
4(x2 + 1)3 2xdx = (x2 + 1)4 + C.
4
Combinando este metodo con la tabla de integrales inmediatas, podemos componer toda una tabla de
integrales casi inmediatas:
3.2.1.1
3.2.2
a 0
1 0
v (x)dx = ln |v(x)| + C
v(x)
1
v 0 (x)dx = tg(v(x)) + C
cos2 (v(x))
Z
1
p
v 0 (x)dx = arcsen(v(x)) + C
1 (v(x))2
Z
1
v 0 (x)dx = arctg(v(x)) + C
1 + (v(x))2
Z
ch(v(x))v 0 (x)dx = sh(v(x)) + C
Z
1
v 0 (x)dx = th(v(x)) + C
ch2 (v(x))
Z
1
v 0 (x)dx = argth(v(x)) + C
1 (v(x))2
Cambio de variable
Z
Proposici
on 44.- Sea
Z
f (x)dx =
f ((t))0 (t)dt.
Demostraci
on:
Z
Z
Sean f (x)dx = F (x) + C1 y f ((t))0 (t)dt = G(t) + C2 . Como F (x) es una primitiva de f (x) se tiene
que F ((t)) es una primitiva de f ((t))0 (t) , luego F ((t)) = G(t) + C , y, por tanto, F (x) = F ((1 (x))) =
G(1 (x)) + C
Prof: Jos
e Antonio Abia Vian
3.3 Integraci
on seg
un el tipo de funci
on
Se hace un cambio de variable x = (t) para transformar la integral de partida en otra mas sencilla o
inmediata.
Z
3
Ejemplo Hallar
1 + xdx.
Soluci
on:
Si tomamos 1 + x = t3 , es decir, x = (t) = t3 1 , es derivable, existe 1 y es derivable. Entonces,
como dx = 0 (t)dt = 3t2 dt , se tiene
Z
Z
Z
Z
4
3
t4
3
3
3
1 + xdx =
t3 3t2 dt = 3t3 dt = 3 t3 dt = 3 =
1+x +C
4
4
4
3.2.3
Integraci
on por partes
En forma cl
asica, la derivada de un producto se escribe como d(uv) = udv + vdu, de donde udv =
d(uv) vdu. Entonces
Z
Z
u dv = uv v du
expresi
on conocida como f
ormula de integracion por partes
Z
Ejemplo Calcular
ln x dx.
Soluci
on:
Si tomamos
3.3
u = ln x
du = x1 dx
, se tiene
, de donde
dv = dx
v=x
Z
Z
Z
1
ln x dx = x ln x x dx = x ln x dx = x ln x x + C
x
Integraci
on seg
un el tipo de funci
on
3.3.1
Integrales racionales
? Si ai Z, para todo i , entonces toda raiz entera de P (x) es divisor del coeficiente a0 .
? Si ai Z, para todo i , el denominador de toda raiz fraccionaria de P (x) es divisor del coeficiente an y
el numerador es divisor del coeficiente a0 .
? Si ai R, para todo i, y + i es una raiz compleja de P (x) entonces, tambien i es raiz de P (x) .
? Todo polinomio con coeficientes reales puede descomponerse en la forma
P (x) = an (x r1 )n1 (x r2 )n2 (x rs )ns (x2 + p1 x + q1 )m1 (x2 + pk x + qk )mk ,
donde n1 + + ns + 2m1 + + 2mk = n , los ri son las raices reales de P (x) y los terminos x2 + pj x + qj
agrupan las raices complejas j + j i y j j i (verifican por tanto que p2j 4qj < 0 ).
3.3.1.1
Descomposici
on en fracciones simples
Q(x)
P (x)
? Si el grado de P es mayor que el de Q se dice que es una fraccion propia, en cuyo caso, si P (x) se descompone
como en el punto anterior, Q(x)
nica en la forma
P (x) puede descomponerse de manera u
Q(x)
1
A1
A2
An 1
=
+
+ +
+
n
n
1
1
1
P (x)
an (x r1 )
(x r1 )
(x r1 )
Prof: Jos
e Antonio Abia Vian
3.3 Integraci
on seg
un el tipo de funci
on
B2
Bn2
Q(x)
1
B1
+
+ +
=
+
+
P (x)
an (x r2 )n2
(x r2 )n2 1
(x r2 )
+
+
L2
Lns
L1
+
+ +
+
+
n
n
1
s
s
(x rs )
(x rs )
(x rs )
M 1 x + N1
M 2 x + N2
Mm x + Nm1
+ 2
+ 2
+ + 2 1
+
m
m
1
1
1
(x + p1 x + q1 )
(x + p1 x + q1 )
x + p1 x + q1
+
+
E2 x + F2
Emk x + Fmk
E1 x + F1
+
+
+
+ 2
(x + pk x + pk )mk
(x2 + pk x + qk )mk 1
x2 + pk x + qk
Descomposici
on que se denomina en fracciones simples (ver la subseccion 2.2.5.1 de Polinomios)
? Si el grado de Q es mayor que el grado de P , se dice que la fraccion es impropia, en cuyo caso, al dividir
de forma entera el numerador por el denominador, se obtiene que
Q(x)
R(x)
= M (x) +
,
P (x)
P (x)
donde M (x) es un polinomio y
R(x)
P (x)
Integraci
on de funciones racionales
Q(x)
P (x)
a)
A
dx
(xr)k
b)
M x+N
dx
(x2 +px+q)k
A
dx =
(x r)k
A(x r)k dx = A
(x r)k+1
A
1
=
.
k + 1
1 k (x r)k1
q
q
p2
4
y t=
x p
2
R
p2
4 )
= (x p2 )2 + R2 = R2 (t2 + 1) ,
Z
Z
Z
Mx + N
1
M 0t + N 0
1
M 0t
N0
dx = 2 k
Rdt = 2k1
dt +
dt
(x2 + px + q)k
(R )
(t2 + 1)k
R
(t2 + 1)k
(t2 + 1)k
0Z
Z
1
M
2t
1
M0
N0
0
0
= 2k1
dt
+
N
dt
=
I
+
Ik
k
R
2
(t2 + 1)k
(t2 + 1)k
2R2k1
R2k1
Prof: Jos
e Antonio Abia Vian
3.3 Integraci
on seg
un el tipo de funci
on
Para resolver Ik , se realiza un proceso que consiste en ir bajando sucesivamente la potencia k hasta que
sea 1, de la forma siguiente
Z
Z
Z
t2
1 t2 + t2
1 + t2
1
dt
=
dt
=
dt
Ik =
(t2 + 1)k
(t2 + 1)k
(t2 + 1)k
(t2 + 1)k
Z
Z
1
t2
=
dt
dt = Ik1 I
2
k1
2
(t + 1)
(t + 1)k
du = dt
u=t
Haciendo en I integraci
on por partes,
, luego
se tiene
t
1
1
dv = (1+t2 )k dt
v = 2(1k) (1+t2 )k1
Z
1
1
t
1
Ik = Ik1
+
dt
2
k1
2(1 k) (1 + t )
2(1 k)
(1 + t2 )k1
1
1
t
=
+ 1
Ik1
2(k 1) (1 + t2 )k1
2(k 1)
Si k 1 = 1 , Ik1 = I1 = arctg t . Si k 1 > 1 , se repite el proceso.
Z
Ejemplo Calcular
1+x
x4 +x3 +x2 dx .
Soluci
on Como P (x) = x2 (x2 + x + 1) , y x2 + x + 1 no tiene raices reales, se tiene
A
B
Mx + N
A(x2 + x + 1) + Bx(x2 + x + 1) + (M x + N )x2
1+x
= 2+ + 2
=
+ x + 1)
x
x
x +x+1
x2 (x2 + x + 1)
x2 (x2
A=1
1=A
B=0
1=A+B
. Entonces
con soluciones
obteniendose el sistema
N = 1
0=A+B +N
M =0
0=B +M
Z
Z
Z
Z
dx
1 4
dx
dx
dx
=
4
1 2
2
2
2
2
x (x + x + 1)
x
x +x+1
x
3
3 (x 2 ) + 1
Z
Z
3
1 4
dx
1 4
2 dt
=
)2 + 1
x
3
x
3
t2 + 1
( 2x1
3
1
2
1
2
2x 1
=
arctg t =
arctg
+C
x
x
3
3
3
3.3.2
Integraci
on de funciones trigonom
etricas
Z
cos(mx) cos(nx)dx
sen(mx) sen(nx)dx.
Prof: Jos
e Antonio Abia Vian
Z
? Integrales de la forma
3.3 Integraci
on seg
un el tipo de funci
on
Z
? Integrales de la forma
1 cos(2x)
2
tgn xdx ,
cos2 x =
Ejemplo Hallar
Z
sen x cos x =
sen(2x)
2
tg2 x = sec2 x 1
Z
1 + cos(2x)
2
cotg2 x = cosec2 x 1
2
Z
1 cos 2x
1 + cos 2x
1
1 cos 2x cos2 2x + cos3 2x dx
dx =
2
2
8
Z
1 + cos 4x
1
1 cos 2x
+ cos3 2x dx
8
2
Z
Z
Z
Z
1
1
1
1
1
dx
cos 2xdx
cos 4xdx +
cos3 2xdx
8
2
8
16
8
Z
x
sen 2x sen 4x 1
t = sen 2x
3
+
cos 2xdx =
dt = 2 cos 2xdx
16
16
64
8
Z
x sen 2x sen 4x 1
dt
x sen 2x sen 4x
1
t3
+
(1 t2 ) =
+ (t )
16
64
8
2
16
64
16
3
3
x sen 2x sen 4x sen 2x sen 2x
+C
16
64
16
48
3
x
sen 4x
sen 2x
+
+C
16
64
48
Z
Cambios m
as generales para
etricas.
Z las integrales trigonom
Las integrales de la forma
R(sen x, cos x)dx , siendo R(sen x, cos x) una funcion racional en sen x y cos x .
? Si se cumple R(sen x, cos x) = R( sen x, cos x) entonces la integral se puede reducir a una integral
racional empleando el cambio t = tg x .
dt
.
Es decir, x = arctg t dx =
1 + t2
1
1
t
Por otra parte 1 + tg2 x =
= cos x =
y por tanto sen x =
.
2
2
cos x
1+t
1 + t2
Z
? En general, una integral del tipo
R(sen x, cos x)dx se transforma en una integral racional utilizando el
cambio
t = tg
3.3.3
Z
x
x
2dt
= = arctg t dx =
,
2
2
1 + t2
cos x =
1 t2
1 + t2
sen x =
2t
.
1 + t2
Integraci
on de funciones exponenciales e hiperb
olicas
Prof: Jos
e Antonio Abia Vian
dt
t ln a
Dado que ch x =
ex +ex
2
y sh x =
ex ex
2
3.3 Integraci
on seg
un el tipo de funci
on
Z
, resulta que entonces cualquier integral del tipo
R(sh x, ch x)dx
se puede resolver por el cambio anterior. Pero tambien existen unas relaciones entre las funciones hiperb
olicas
que hacen que su integraci
on sea similar a la de las funciones trigonometricas:
ch2 x sh2 x = 1
sh2 x =
ch 2x 1
2
ch2 x =
ch 2x + 1
2
1
ch2 x
De entre todos los casos que nos aparecen en la integracion de funciones racionales hiperbolicas destacamos:
sh 2x = 2 sh x ch x
dt
1t2
? Cambio t = th x = dx =
? Cambio t = th
Z
Ejemplo Hallar
x
2
ch x =
2dt
1t2
= dx =
1
1t2
ch x =
1+t2
1t2
1 th2 x =
sh x =
t
1t2
sh x =
2t
1t2
ex 1
ex +1 dx.
x
Soluci
on Con el cambio t = e , se tiene dt = ex dx = tdx , luego
x
Z
Z
Z
(e + 1)2
ex
2
1
t 1 dt
+ C.
dx =
=
dt = 2 ln |t + 1| ln |t| = ln
ex + 1
t+1 t
t+1
t
ex
3.3.4
Integrales irracionales
Z
? Integrales de la forma
R x,
p1
p2
R(x,
q2
ax+b q1
, ax+b
, . . . , ax+b
cx+d
cx+d
cx+d
pk
p1 p2
,
,
.
.
.
,
irreducibles.
q1 q2
qk
ax+b
cx+d
pqk
k
p
a2 x2 )dx
R(x,
a2 + x2 )dx
1 x2 dx.
Soluci
on Con el cambio x = sen t , dx = cos tdt . Entonces
Z p
Z p
Z
Z
2
2
2
1 x dx =
1 sen t cos tdt =
cos t cos tdt = cos2 tdt
Z
1
t
sen 2t
arcsen x sen(2 arcsen x)
(1 cos 2t)dt =
=
+C
=
2
2
4
2
4
3.3.4.1
Integrales binomias
Z
xp (a + bxq )r dx , con p, q, r Q.
Chebichev prob
o que es posible racionalizar la integral binomia cuando es entero uno de los tres n
umeros
p+1
siguientes: r, p+1
,
+
r
.
q
q
Prof: Jos
e Antonio Abia Vian
3.4 Ejercicios
1q
q
1
q
xp (a + bq )r dx =
p+1
q 1
(a + bt)r dt.
Si r Z, con r negativo, la integral siempre se va a poder convertir en una racional con el cambio
1
p+1
u = t s siendo s N el denominador de la fraccion irreducible m
s = q 1.
Si r
/ Z, pero
p+1
q
p+1
q
con lo que si
Z
Ejemplo Hallar
Soluci
on Como r =
Como
Z
7
2
Z
t
p+1
q 1
(a + bt)r dt =
1
q
Z
t
p+1
q 1+r
a + bt
t
r
dt,
x 2 (1 + x 3 ) 2 dx.
1
2
12
3t (1 + t)
Z
dt = 3
7
1
22
1+t
t
21
Z
dt = 3
t
1+t
12
(
dt = u =
=3
u8
du = 6
(1 u2 )5
t
1+t
t=
dt =
u2
1u2
2udu
(1u2 )2
u8
du
(1 u)5 (1 + u)5
r
q
1
t
x3
se obtiene el
que es una integral racional en u. Se resuelve, y teniendo en cuenta que u = 1+t =
1
Z
u6
2udu
u
=6
2
3
(1 u ) (1 u2 )2
1+x 3
resultado buscado.
3.4
Ejercicios
3.26 Manipular las expresiones para resolver de manera casi-inmediata las siguientes integrales indefinidas
Z
1)
Z
4)
Z
7)
tg x dx
2)
e sen x cos x dx
5)
x2
x6 +1 dx
8)
Z
Z
x(3x + 1) dx
3)
x
1+x4 dx
6)
sen2 x
6 dx
9)
Z
Z
6x2 +4
x3 +2x+7 dx
x(2x + 5)10 dx
dx
2+2x+x2
ln x dx
Z
13)
Z
16)
Z
19)
Prof: Jos
e Antonio Abia Vian
Z
11)
14)
x4 6x3 +12x2 +6
x3 6x2 +12x8 dx
17)
x8
(1x2 )5 dx
x sen x dx
Z
Z
Z
20)
Z
12)
e2x sen(2x)dx
15)
dx
(x+1)(x2 +x+2)2
18)
2x+2
(x2 +1)2 dx
arctg x dx
Z
Z
Z
21)
x3 +x1
(x2 +2)2 dx
dx
(x+1)2 (x2 +1)
dx
1+x4
3.4 Ejercicios
3.28 Usa los cambios de variable recomendados en cada caso para resolver:
Z
22)
Z
25)
1 x2 dx
23)
Z
dx
ex 1
26)
28)
31)
34)
37)
Z
40)
Z
43)
Z
46)
Z
49)
Z
52)
Prof: Jos
e Antonio Abia Vian
Z
29)
Z
32)
Z
35)
Z
dx
cos6 x
38)
41)
ch4 xdx
44)
24)
ln(2x)
x ln(4x) dx
27)
Z
Z
cos x2 cos x3 dx
30)
sen5 xdx
33)
cos6 (3x)dx
36)
Z
Z
Z
cos2 x
sen6 x dx
39)
dx
cos x+2 sen x+3
42)
x+1+2
dx
(x+1)2 x+1
47)
dx
x+ 3 x
50)
x4 (1 + x2 )
1+x
dx
1+ x
1
2
sh3 x ch xdx
Z q
x x1
x+1 dx
Z
(x1)dx
2
x(x+2) 3
Z
dx
53)
dx
(x2) 5xx2 4
Z
45)
Z
48)
Z
51)
Z
54)
dx
x x2 2
2 + 2x + x2 dx
tg2 (5x)dx
sen3
x
2
cos5 x2 dx
sen4 xdx
dx
1+3 cos2 x
dx
ex +1
dx
sh2 x+ch2 x
dx
(2x) 1x
x
dx
x2 x
2x
dx
3
1+x3
Captulo 4
Definiciones b
asicas
4.1.1
Las matrices con las que trabajaremos habitualmente seran matrices reales, es decir que sus elementos sean
n
umeros reales. Sin embargo, los resultados y definiciones dados aqu son igualmente validos para el cuerpo de
los complejos.
Suma: Si A y B son dos matrices del mismo tama
no, mn , la suma A + B es otra matriz de tama
no mn
donde el elemento ij de A + B se obtiene sumando el elemento ij de A con el elemento ij de B . Es decir,
si A = (aij )mn y B = (bij )mn , entonces A + B = (aij + bij )mn .
El neutro de la suma es la matriz cero, 0 , con todos sus elementos cero, y la matriz opuesta de A , se
designa por A, y es A = (aij )mn .
Producto por escalares: Si A es una matriz mn y k R un escalar, el producto kA es otra matriz del
mismo tama
no donde cada elemento de A aparece multiplicado por k . Es decir, kA = (kaij )mn .
Evidentemente, A = (1)A y A B = A + (B) .
Producto de matrices: Si Amn y Bnp el producto AB es otra matriz de tama
no m p tal que, el
elemento eij de AB se obtiene sumando los productos de cada elemento de la fila i de A por el elemento
correspondiente de la columna j de B . Es decir,
b1j
n
X
b2j
eij = FiA CjB = ai1 ai2 ain . = ai1 b1j + ai2 b2j + + ain bnj =
aik bkj
..
k=1
bnj
A
B
(lo denotaremos por eAB
ij = Fi Cj cuando queramos significar la fila y columna que intervienen).
Observaci
on: La definici
on dada de producto de matrices requiere que el n
umero de columnas de la primera
matriz, A, sea igual que el n
umero de filas de la segunda matriz, B , puesto que para el calculo de eij ha de
haber tantos elementos en la fila i (n
umero de columnas de A) como en la columna j (n
umero de filas de B ).
En forma sin
optica con los tama
nos (mn) (np) = (mp) .
Prof: Jos
e Antonio Abia Vian
b11
a11 a12 a13 a14
b21
b12
b22
b32
b42
4.1 Definiciones b
asicas
b13
b23
b33
b43
b14
b24
b34
b44
b15
e11 e12 e13 e14 e15
b25
= e21 e22 e23 e24 e25
b35
e31 e32 c33 e34 e35 35
b45 45
Nota: Cada elemento de la matriz producto puede obtenerse de manera independiente, por lo que no es necesario
calcularlos todos si s
olo son necesarios unos pocos. As:
A
B
? eAB
ij = Fi Cj .
? FiAB = FiA B .
? CjAB = A CjB .
? eABC
= FiA CjBC = FiA B CjC .
ij
0 0
1 0
La matriz cuadrada I = In = .
..
(conmutativa de la suma).
b) A + (B + C) = (A + B) + C ;
c) A(B + C) = AB + AC ;
A(BC) = (AB)C
(A + B)C = AC + BC
d) a(B + C) = aB + aC ; a R .
e) (a + b)C = aC + bC ; a, b R.
f) a(BC) = (aB)C = B(aC) ; a R.
? AB = BA
? Si AB = 0 tengan que ser A = 0 o B = 0
? Si AB = AC necesariamente sea B = C
0 1
3 7
1 1
0 0
0 17
, B=
y C=
tenemos AB =
6= BA =
,
0 2
0 0
0 0
0 0
0 0
es decir AB =
6 BA y AB = 0 con A 6= 0 y B 6= 0 . Ademas AC = 0 = AB , pero B 6= C .
4
Ejemplo 46 Con A =
4.1.2
Matriz transpuesta
Definici
on 47.- Si A es una matriz mn llamamos matriz transpuesta de A a la matriz At de tama
no
nm que tiene por filas las columnas de A y por columnas las filas de A. Es decir, el elemento ij de At
coincide con el elemento ji de A.
t
a11 a21
a11 a12 a13
= a12 a22
a21 a22 a23
a13 a23
Proposici
on 48.- Se verifican las siguientes propiedades:
a) (At )t = A.
d) (AB)t = B t At
b) (A + B)t = At + B t .
y, en general,
c) (kA)t = kAt .
Demostraci
on:
t
t
B t At
Las tres primeras son claras. Veamos la cuarta: eij
= FiB CjA = CiB FjA = FjA CiB = eAB
ji . Luego
t t
t
B A = (AB) .
Prof: Jos
e Antonio Abia Vian
4.2
Definici
on 49.- Se denomina ecuaci
on lineal de n variables (o incognitas), xi , aquella ecuacion que puede
expresarse en la forma: a1 x1 + a2 x2 + + an xn = b, donde los ai , b R.
Una soluci
on de la ecuaci
on lineal es un conjunto ordenado de n
umeros reales (s1 , s2 , . . . , sn ) , tales que
a1 s1 + a2 s2 + + an sn = b. Al conjunto de todas las soluciones de una ecuacion se le denomina conjunto
soluci
on de la ecuaci
on
Nota: Una ecuaci
on lineal de 2 variables, ax + by = c, es una representacion analtica de una recta del plano
XY , las soluciones de la ecuaci
on son cada uno de los puntos de la recta y el conjunto solucion es toda la recta,
todos los puntos de la recta. En una ecuaci
on lineal no pueden aparecer productos, ni potencias, ni expresiones
trigonometricas, . . . , de las variables.
Definici
on 50.- Se denomina sistema de m ecuaciones lineales con n inc
ognitas a la reunion de m
ecuaciones lineales sobre las mismas n inc
ognitas, y se escribe en la forma:
.
.
x+y = 2
. El par (7, 9) es la solucion del sistema, pues es soluci
on
2x + y = 5
de cada una de las 2 ecuaciones, es decir (ver la nota anterior), es el u
nico punto com
un a las dos rectas.
De lo anterior es evidente que tambien un sistema puede no tener solucion (dos rectas paraleras no tienen
puntos en com
un) o infinitas (si las dos ecuaciones representan la misma recta).
Ejemplo Consideremos el sistema
x1
b1
a11 a12 a13 a1n
x2
b2
a21 a22 a23 a2n
x3
AX =
= . =B
.. ..
am1 am2 am3 amn .
bm
xn
La matriz A se denomina matriz de los coeficientes, la matriz columna B se denomina matriz de los t
erminos
independientes y una S = (si )n1 es soluci
on de sistema si verifica que AS = B .
Ejemplo Para el sistema del ejemplo anterior
x+y = 2
1 1
x
2
=
;
2x + y = 5
2 1
y
5
4.2.1
(7, 9) es solucion, pues
1 1
2 1
7
9
=
2
5
4
Matrices elementales
Definici
on 51.- Llamaremos operaci
on elemental en las filas de las matrices, a las siguientes:
a) Intercambiar la posici
on de dos filas.
b) Multiplicar una fila por una constante distinta de cero.
c) Sumar a una fila un m
ultiplo de otra fila.
Definici
on 52.- Se dice que una matriz cuadrada Enn es una matriz elemental si se obtiene de efectuar
una sola operaci
on elemental sobre la matriz identidad Inn .
Prof: Jos
e Antonio Abia Vian
Teorema 53.- Si la matriz elemental Emm resulta de efectuar cierta operacion elemental sobre las filas de
Im y si Amn es otra matriz, el producto EA es la matriz mn que resulta de efectuar la misma operaci
on
elemental sobre las filas de A .
.
Ejemplo Son matrices elementales las matrices
0 1 0
1 0 0
E1 = 1 0 0 , E2 = 0 2 0
0 0 1
0 0 1
1 0 0
E3 = 0 1 0 ,
3 0 1
que se obtienen de I3 , intercambiando la primera con la segunda fila (F1 F2 ), multiplicando la segunda fila
por 2 ( 2F2 ) y sumando a la tercera fila la primera fila multiplicada por 3 (F3 + 3F1 ), respectivamente. Y si
A = (aij )34 , se tiene
a11
a12
a13
a14
.
a21
a22
a23
a24
E3 A =
4
a31 +3a11 a32 +3a12 a33 +3a13 a34 +3a14
Observaci
on 54.- Es claro, que una vez realizada una operacion elemental puede deshacerse mediante otra
operaci
on elemental: as, si intercambiamos la fila i con la fila j , la operacion elemental que lo deshace es
intercambiar de nuevo la fila i con la fila j ; si multiplicamos la fila i por k 6= 0 se deshace multiplicandola
de nuevo por k1 y si sumamos a la fila i la fila j multiplicada por k lo deshacemos restando a la fila i la fila
j multiplicada por k (sumando la fila j multiplicada por k ). Denotando por E1 , E2 y E1 a las matrices
elementales que deshacen las operaciones elementales dadas por las matrices elementales E1 , E2 y E3 del
ejemplo anterior, tenemos que
1 0 0
0 1 0
1 0 0
E2 = 0 21 0 y E3 = 0 1 0 .
E1 = 1 0 0 = E1 ,
0 0 1
3 0 1
0 0 1
Entonces, si E es la matriz elemental que deshace la operacion realizada por E , se tiene que E (EA) = A.
Teorema 55.- Si E es una matriz elemental, los sistemas AX = B y (EA)X = EB tienen las mismas
soluciones.
Demostraci
on:
En efecto, si S es soluci
on del primer sistema, AS = B , luego (EA)S = E(AS) = EB y S es tambien soluci
on
del segundo. Y viceversa, si (EA)S = EB y E es la matriz elemental que deshace E , multiplicando en la
igualdad, se tiene: E (EA)S = E EB = AS = B .
4.2.2
M
etodo de Gauss
Prof: Jos
e Antonio Abia Vian
Ejemplo 57
5
0 0 5
10 0 15
1 3 2 0 2 0
0
(A|B) =
2 6 5 2 4 3 1 Por la operacion (a) cambiamos la fila 1 por
la fila 2 (F1 F2 )
6
2 6 0
8 4 18
1 3 2 0 2 0
0
0 0 5
5
10
0
15
1 3 2 0 2 0
0
0 0 5
10
0
15
5
1
0 0 1 2 0 3 1 Hacemos 40 el 1 de F3 (F3 + 5 F2 ) y el 4 de
F4 (F4 5 F2 )
0 0 4
8 0 18
6
1 3 2 0 2 0 0
0 0 5 10 0 15 5
1 3 2 0 2 0 0
0 0 5 10 0 15 5
x6 = 26
0=0
cuyas soluciones se encuentran f
acilmente sustituyendo de abajo hacia arriba, obteniendose: x6 = 13 , x3 = 2x4 ,
x1 = 3x2 4x4 2x5 , donde x2 , x4 y x5 pueden tomar cualquier valor. Es decir, todas las soluciones son:
(3x2 4x4 2x5 , x2 , 2x4 , x4 , x5 , 13 ) para cualquiera valores de x2 , x4 y x5 .
4
Si el u
ltimo elemento principal est
a en la columna ampliada, el sistema no tiene solucion: claramente una de
las ecuaciones equivalentes ser
a 0x1 + + 0xn = k (con k 6= 0 por ser un elemento principal de la ampliada)
y esta igualdad no se cumple para ning
un valor posible de las incognitas.
Nota: Si el sistema tiene soluci
on, por ser los elementos principales no nulos se garantiza que las incognitas
principales pueden despejarse; como valor concreto o en funcion de las incognitas no principales.
Cuando el sistema tiene soluci
on, pueden despejarse tantas incognitas como elementos principales haya. Luego
? Si el n
umero de elementos principales es menor que el n
umero de incognitas el sistema tiene infinitas
soluciones. (Las soluciones quedan en funcion de las incognitas no despejadas. Ver ejemplo 57.)
? Si el n
umero de elementos principales es igual al n
umero de incognitas el sistema tiene solucion u
nica.
4.2.2.1
Sistemas homog
eneos
Definici
on 58.- Un sistema de ecuaciones lineales se dice que es homog
eneo si tiene todos los terminos
independientes cero; es decir, un sistema de la forma AX = 0 .
Un sistema homogeneo siempre tiene solucion pues X = 0 es una solucion del sistema. A esta solucion suele
llamarse la soluci
on trivial y de cualquier otra solucion distinta de esta se dice solucion no trivial.
Prof: Jos
e Antonio Abia Vian
4.2.2.2
M
etodo de Gauss-Jordan
1 3 2 0 2 0 0
0 0 5 10 0 15 5 Hacemos 1 los elementos principales multiplicando 1 F2 y 1 F3
5
6
0 0 0
0 0 6 2
1 3 2 0 2 0 0
1 3 2 0 2 0 0
1 3 0 4 2 0 0
x1 = 3x2 4x4 2x5
x3 = 2x4
0 0 1 2 0 0 0 luego
1
x6 = 31
0 0 0 0 0 1 3
obteniendose, naturalmente, las mismas soluciones que antes.
4.2.3
Definici
on 60 (1 a definici
on del rango).- Se llama rango de una matriz A y se denota por rg(A) al n
umero
de filas distintas de cero que aparecen en alguna de las formas escalonadas de la matriz A.
Nota: La definici
on es consistente (el rango no depende de la matriz escalonada usada), pues cada matriz
escalonada obtenida de A se corresponde con un sistema lineal equivalente, con la mismas soluciones, luego se
pueden despejar el mismo n
umero de inc
ognitas en cualquiera de ellos; por lo que todas las escalonadas tienen
el mismo n
umero de filas no nulas.
Teorema de Rouch
e 61.- Sea el sistema AX = B , sistema de m ecuaciones con n incognitas. Entonces
AX = B tiene soluci
on si, y s
olo si, rg(A) = rg(A|B) .
Si rg(A) = rg(A|B) = r , toda soluci
on puede expresarse en la forma X = V0 +t1 V1 +t2 V2 + +tnr Vnr , con
V0 una soluci
on particular de AX = B y las n -
uplas V1 , . . . , Vnr soluciones del homogeneo AX = 0 .
.
Resumiendo: En un sistema AX = B de m ecuaciones con n incognitas,
r = n Solucion u
nica.
? si r = rg(A) = rg(A|B) = r = Sist. Compatible (con sol.)
r < n Infinitas soluciones.
? si r = rg(A) 6= rg(A|B) = r + 1 = Sist. Incompatible (no tiene solucion).
Ejemplo
todo x2 , x4
x1
x2
x3
x4 =
x5
x6
Tomemos la solucion obtenida en el ejemplo 57: (3x2 4x4 2x5 , x2 , 2x4 , x4 , x5 , 13 ) , para
y x5 . Podemos escribirla en la forma
0
0
2
0
0
1
0 + 0x2 + 0x4 + x5 0
1
1
0
0
0
3 + 0x2 + 0x4 + 0x5
3
4.3
Matrices cuadradas
Una matriz cuadrada A se dice triangular superior, si todos los elementos por debajo de la diagonal principal
son nulos, es decir: aij = 0 , para cualquier ij tal que i > j . Una matriz cuadrada A se dice triangular
inferior, si todos los elementos por encima de la diagonal principal son nulos, es decir, aij = 0 , para cualquier
ij tal que i < j .
Una matriz cuadrada A se dice que es diagonal, si es triangular superior e inferior, es decir, si son cero
todos los elementos que no est
an en la diagonal principal.
Una matriz cuadrada A se dice sim
etrica si A = At , es decir, si aij = aji para todo ij ; y se dice
antisim
etrica si A = At , es decir si aij = aji para todo ij .
4.3.1
Matrices inversibles
Definici
on 62.- Si A es una matriz cuadrada de orden n , Ann , y existe Bnn tal que AB = BA = I se dice
que A es inversible y que B es inversa de A .
Nota: Es claro de la definici
on que tambien B es inversible y A una inversa de B .
Por definici
on, se ha de verificar que AB = I y tambien que BA = I ; sin embargo es suficiente con que se
verifique una de ellas para que la otra tambien se verifique (se vera en el Corolario 71).
Proposici
on 63.- Si una matriz cuadrada A tiene inversa, esta es u
nica. Y la denotaremos por A1 .
Demostraci
on:
Supongamos que B y C son inversas de A. Al ser B inversa de A es I = AB , multiplicando a esta igualdad
por C y teniendo en cuenta que C es inversa de A obtenemos que C = C(AB) = (CA)B = IB = B .
Recordando los comentarios hechos en la Observacion 54, es claro el siguiente resultado para matrices
elementales.
Proposici
on 64.- Las matrices elementales son inversibles y sus inversas son tambien elementales:
? De intercambiar dos filas, intercambiarlas de nuevo.
? De multiplicar una fila por k 6= 0 , multiplicar esa fila por 1/k .
? De sumar a una fila un m
ultiplo de otra, restar a esa fila el m
ultiplo sumado.
Teorema 65.- Si A y B son dos matrices inversibles, entonces AB es inversible y
(AB)1 = B 1 A1 .
1 1
En general, (A1 A2 Ak )1 = A1
k A2 A1 .
Demostraci
on:
Basta comprobar que es cierto:
La generalizaci
on es inmediata.
Propiedades 66.1.- (A1 )1 = A .
3.- (kA)1 = k1 A1 .
Definici
on 67.- Una matriz cuadrada, A, se dice ortogonal si A1 = At .
Teorema 68.- Sea A una matriz cuadrada de orden n . Son equivalentes:
a) A es inversible.
b) El sistema AX = B tiene soluci
on u
nica para todo Bn1 .
c) El sistema homogeneo AX = 0 tiene solucion u
nica.
d) Por operaciones elementales en A puede llegarse a la identidad.
Prof: Jos
e Antonio Abia Vian
Demostraci
on:
a) b) A es inversible, luego existe A1 . Si se multiplica por A1 en la igualdad AX = B se tiene que
A1 AX = A1 B , luego X = A1 B es la solucion del sistema y es la u
nica.
b) c) Es un caso particular.
c) d) Como la soluci
on del sistema AX = 0 es u
nica, al aplicar el metodo de Gauss-Jordan a la matriz A la
escalonada reducida tiene que ser, necesariamente I (ver observacion 69 siguiente).
d) a) Si existen matrices elementales tales que Ek E2 E1 A = I , multiplicando sucesivamente en la igualdad
por sus inversas, se obtiene A = E11 E21 Ek1 I como producto de matrices inversibles y, por tanto, es
inversible. Adem
as, A1 = Ek E2 E1 .
Observaci
on 69.- Para una matriz cuadrada, cualquier matriz escalonada obtenida de ella es triangular superior (tiene ceros por debajo de la diagonal), pues el elemento principal de la fila 1 esta en la posicion 11 o m
as
a la derecha, luego el elemento principal de la fila 2 esta en la posicion 22 o mas a la derecha, y en general el
elemento principal de la fila i est
a en la posicion ii o mas a la derecha. Luego para toda fila i, los elementos
aij con j < i son cero, que es la caracterizacion de matriz triangular superior.
As pues, una matriz escalonada cuadrada, o tiene elemento principal en cada fila (y en consecuencia est
an
todos en la diagonal principal de la matriz) o tiene al menos una fila de ceros.
En particular, si llevamos la matriz cuadrada a la forma de matriz escalonada reducida, esta escalonada
reducida o es la matriz identidad o tiene al menos una fila de ceros.
Corolario 70.- Una matriz Ann , es inversible rg(A) = n
Corolario 71.- Sea A una matriz cuadrada. Entonces
a) Si existe B tal que BA = I , entonces A es inversible y B = A1 .
b) Si existe B tal que AB = I , entonces A es inversible y B = A1 .
Demostraci
on:
Si BA = I , consideremos el sistema AX = 0 . Multiplicando por B en ambos lados se tiene que BAX =
B0 = 0 , pero al ser BA = I , X = 0 es la u
nica solucion del sistema y, por tanto, A es inversible. Entonces,
A1 = IA1 = BAA1 = B . Analogamente, en b).
Corolario 72 (C
alculo de A1 por el m
etodo de Gauss-Jordan).- Si A es inversible, existen matrices
elementales tales que Ek E2 E1 A = I y A1 = Ek E2 E1 . Luego haciendo en I las mismas operaciones
elementales que efectuemos sobre A para llegar a la identidad se tendra que:
(A|I) (E1 A|E1 I) (E2 E1 A|E2 E1 I) (Ek E1 A|Ek E1 I) = (I|A1 )
1 0 2
Ejemplo Sea la matriz A = 0 2 1 . Encontremos A1 :
1 1 1
1 0 2 1 0 0
1
F3 F1
(A|I) = 0 2 1 0 1 0 0
1 1 1 0 0 1
0
1
F3 F2
0
0
0 2 1 0 0
1 0 2
F2 F3
2 1 0 1 0 0 1 0
1 1 1 0 1
0 1 1
0 2 1 0 0
1 0
F1 +2F3
1 0 1 1 1 0 1
0 1 2 1 2
0 0
1 0 0
F3 F2
1 1 1
1 0 1
0 3 2 4
0 1 1 1 = (I|A1 )
1 2 1 2
4
Prof: Jos
e Antonio Abia Vian
4.4
4.4 Ejercicios
Ejercicios
3 0
A = 1 2
1 1
B=
4 1
0 2
C=
1 4 2
3 1 5
1 5 2
D = 1 0 1
3 2 4
6 1 3
E = 1 1 2
4 1 3
1 2 3
4.30 Encontrar las operaciones elementales en las filas que llevan la matriz 0 1 2 a una matriz escalonada.
1 0 3
Construir una matriz elemental para cada operacion y comprobar al multiplicar por esas matrices se
obtiene la misma escalonada.
x + 2y z t = 0
x + z t = 2
4.31 Considerar el sistema
(1)
x + 2y 3z + t = 4
a) (2, 2, 2, 0) y (1, 0, 1, 2) son solucion del sistema (1)?
b) Encontar todas las soluciones de (1)
c) Encontar todas las soluciones del sistema
x y + z t = 3
x + 6y 5z t = 4
(2)
d) Cu
ales de las soluciones de (1) son tambien solucion de (2)? Tiene (2) alguna solucion que no lo
sea de (1)?
4.32 Estudiar cada uno de los siguientes sistemas:
a)
x + 2y z = 2
2x + y + z = 1
3x + 3y + 2z = 1
x+y+z
2x + 3z
3x + y + 4z
5x + y + 7z
b)
=
=
=
=
3
4
7
9
c)
x + 2y z + t = 0
x + 4y 5z + 7t = 2
2x + y + z 2t = 1
Si existe soluci
on, expresarla en la forma descrita por el Teorema de Rouche
1 4
8 6
2
0
0
2 3 P
= 6 1
4.33 Hallar una matriz P tal que:
0 1 1
4 0
1 2
1 5 2
1 2 2
4.34 Considerar las matrices A = 1 0 1 y B = 2 3 3 .
3 2 4
1 1 1
a) Hallar todas las matrices columna X31 que verifican la igualdad
6
1 .
0
ABX = BAX .
X 2 +1
X 4 6X 3 16X 2 +54X+63
b)
X5
(X1)(X 3 1)
c)
X+5
2X 4 X 3 4X 2 +10X4
d)
X 2 +2
X 5 +7X 4 +16X 3 +8X 2 16X16
e)
X 3 3X 2 +X3
X 5 +3X 4 +3X 3 +3X 2 +2X
f)
Prof: Jos
e Antonio Abia Vian
4.4 Ejercicios
a)
c)
x + 2y z = a
2x + y + z = 1 a
3x + (1 + a)y + az = 1 a
x+y+z = a3
ax + y = 0
ax + y + az = 0
x + 2y + 4z = 1
x + 2y + 2az = 2
ax + 4y + 4az = 4a
5x (a + b)y + 7z =
2x ay + 3z =
d)
x+y+z =
3x 3y + 4z =
b)
8+b
4
3
7
4.37 Usar el metodo de Gauss para saber cuales de las siguientes matrices tienen inversa y calcularlas:
1 1 3
a) 3 4 1
1 1 1
8 6 6
b) 6 1 1
4 0 0
c)
1
2
3
4
2
3
4
3
3
4
3
2
4
3
2
1
0
0
d)
1
2
0
1
1
1
1
1
1
0
2
1
0
0
1 2 3
4.40 Sea A = 0 1 2 .
1 0 1
a) Encontar todas las matrices B33 tales que AB = 0 .
Que relaci
on tienen estas matrices con las soluciones del sistema AX = 0 ?
b) Encontar todas las matrices C33 tales que CA = 0 .
c) Encontar todas las matrices D33 tales que AD DA = 0 .
4.41 Sean A y B matrices cuadradas tales que AB = 0 . Demostrar que si A es inversible entonces B es la
matriz nula.
4.42 Sean A y B matrices cuadradas tales que AB = 0 . Demostrar que si B 6= 0 , entonces A no es inversible.
4.43 Sea A una matriz cuadrada y E una matriz elemental. Comprobar que AE t realiza sobre las columnas
de A la misma operaci
on elemental que hace EA sobre las filas de A (ver el teorema 53 y el ejemplo
siguiente de p
ag. 28)
Prof: Jos
e Antonio Abia Vian
Captulo 5
Definici
on 73.- Sea A una matriz cuadrada de orden n . Llamaremos producto elemental en A al producto
ordenado de un elemento de cada fila, cada uno de los cuales pertenece a columnas distintas. Es decir, una
expresi
on de la forma a1j1 a2j2 anjn con todos los jk distintos.
Llamaremos producto elemental con signo al valor (1)N a1j1 a2j2 anjn donde el n
umero N , para
cada producto elemental, es el n
umero de inversiones del orden en el conjunto de las columnas {j1 , j2 , . . . , jn },
es decir, el n
umero de veces que cada ndice jk es menor que los anteriores a el.
Ejemplo 74 {2, 4, 1, 3} . Para calcular las inversiones tenemos que ver cuantas veces 4 , 1 y 3 son menores
que sus anteriores. Para el 4 , hay inversi
on cuando 4 < 2 , no. Para el 1 , cuando 1 < 2 , si ; y cuando 1 < 4 , si.
Y para el 3 , cuando 3 < 2 , no; 3 < 4 , si ; y 3 < 1 , no. El conjunto presenta entonces tres inversiones, N = 3 .
Definici
on 75.- Definimos la funci
on determinante en el conjunto de las matrices de orden n , como la funci
on
que asigna a cada matriz A el n
umero real, que denotaremos por det(A) o det A o |A| , y cuyo valor es la
suma de todos los productos elementales con signo que se pueden formar en A:
X
det(A) = |A| =
(1)N a1j1 a2j2 anjn .
(j1 ,j2 ,...,jn )
Expresi
on del determinante de las matrices de orden
1, 2 y 3. Los determinantes de las matrices de
los primeros
ordenes de magnitud se obtienen de la forma: a11 = a11 y
a11 a12
a21 a22 = a11 a22 a12 a21
a11 a12 a13
a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32
a31 a32 a33
Estas expresiones admiten una regla nemotecnica grafica para recordar la construccion de los productos elementales y el signo, siguiendo las direcciones de las diagonales principal y secundaria (para matrices de orden
3 se conoce como Regla de Sarrus):
sign( ) = +
sign( ) =
s
s
@
@
s @s
s
@
s
@
@
@
s
@s @s
@
@
@
@s
s @s @
Observaci
on: Cada uno de los productos elementales con
0 a12 0 0
signo se corresponde con el determinante de una matriz
0 0 0 a24
3
(1) a12 a24 a31 a43 =
que se forma haciendo cero todos los elementos que no
a31 0 0 0
estan en el producto. Es claro, pues cualquier otro producto
0 0 a43 0
tendr
a alguno de sus factores distinto de estos y, en consecuencia, sera 0 . De manera similar son inmediatos
los dos resultados recogidos en la proposici
on siguiente.
Proposici
on 76.1.- Si A es una matriz que tiene una fila o una columna de ceros, entonces |A| = 0 .
2.- Si A es una matriz triangular superior o triangular inferior, |A| es el producto de los elementos de la
diagonal principal, es decir, |A| = a11 a22 ann . (En todos los demas productos elementales aparece al
menos un 0: si hay alg
un elemento por encima de la diagonal, hay alguno por debajo.)
Prof: Jos
e Antonio Abia Vian
5.1.1
b) det(E) = det(I) = 1 ;
c) det(E) = det(I) = 1 .
C
alculo de determinantes por reducci
on a la forma escalonada
El teorema anterior nos ofrece la posibilidad de calcular el determinante de una matriz usando el metodo de
Gauss. Si tenemos que Ek E2 E1 A = R , donde R es la matriz escalonada que se obtiene al aplicar el metodo
de Gauss, se tiene que
det(R) = det(Ek Ek1 Ek2 E1 A) = k det(Ek1 Ek2 E1 A)
= k k1 det(Ek2 E1 A) = = k k1 k2 1 det(A),
donde i es k , 1
o 1 , seg
un la operaci
on elemental que represente Ei . Luego
det(A) =
1
1
1k det(R) =
1
1
pues R es una matriz triangular superior (recordar observacion 69 de pag. 32) y det(R) = r11 r22 rnn .
5.1.2
Prof: Jos
e Antonio Abia Vian
5.2
Definici
on 84.- Sea A una matriz cuadrada, llamaremos menor del elemento aij , y lo denotaremos por
Mij , al determinante de la submatriz que se forma al suprimir en A la fila i y la columna j . Al n
umero
(1)i+j Mij lo llamaremos cofactor del elemento aij y lo denotaremos por Cij .
Ejemplo A partir de la matriz A de abajo, construimos los cofactores C21 , eliminando la fila 2
1, y C34 , eliminando la fila 3 y columna 4 :
0 1
0 1 2 5
0 1 2 5
1 2 0 2
3+4 1 2
C21 = (1)2+1 1 2 0 2
C
=
(1)
A=
34
2 1
2 1 1 3
2 1 1 3
0 2
0 2 4 2
0 2 4 2
y la columna
2
0
1
4
5
2
3
2
Teorema 85.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 i n y para cada 1 j n :
det(A) = ai1 Ci1 + ai2 Ci2 + + ain Cin y det(A) = a1j C1j + a2j C2j + + anj Cnj
Ejemplo
11 12 13
21 22 23
31 32 33
= 21(1)2+1 12 13 + 22(1)2+2
32 33
1+3 21 22
2+3
= 13(1)
31 32 + 23(1)
11 13
2+3 11
+
23(1)
31
31 33
11 12
3+3 11
+ 33(1)
21
31 32
12
32
12
22
Corolario 86.- Si desarrollamos una fila de una matriz A por los cofactores de otra distinta, el resultado es
cero; es decir,
ai1 Cj1 + ai2 Cj2 + + ain Cjn = 0, si i 6= j .
Identico resultado para las columnas.
Demostraci
on:
Es claro, pues si en A hacemos la fila j igual a la fila i , la matriz obtenida A0 tiene determinante cero y
0
0
0
0 = |A0 | = a0j1 Cj1
+ a0j2 Cj2
+ + a0jn Cjn
= ai1 Cj1 + ai2 Cj2 + + ain Cjn
Definici
on 87.- Dada una matriz A cuadrada de orden n , llamaremos matriz de cofactores de A a la
matriz que tiene por elementos los cofactores de A, C = (Cij ) , y llamaremos matriz adjunta de A a la
matriz de cofactores traspuesta, Adj(A) = C t .
Nota: Tambien es usual utilizar las denominaciones de menor adjunto para el cofactor y matriz adjunta para la
matriz de cofactores (sin trasponer). En este caso, los resultados son identicos a los que aqu se presentan con
la u
nica consideraci
on a tener en cuenta es que donde aparece Adj(A) tendra que aparecer Adj(A)t .
Teorema 88.- Si A es una matriz inversible, entonces A1 =
1
|A|
Adj(A) .
Demostraci
on:
Si probamos que A Adj(A) = |A|I entonces, como |A| 6= 0 , sera
efecto, aplicando el teorema 85 y el corolario 86 anteriores,
A Adj(A) = AC t = .
.. . .
.. ..
.. . .
.
..
. . .
. ..
.
.
an1 an2 ann
Prof: Jos
e Antonio Abia Vian
Adj(A)
|A|
= I y A1 =
|A| 0 0
0 |A| 0
= ..
.. . .
.
.
. ..
.
0 0 |A|
1
|A|
Adj(A) . En
= |A| I
Ejemplo
1 2 3
A = 4 5 4 ;
3 2 1
A1
5 4
4 4 4 5
3 1 3 2
2 1
1 2
2 3 1 3
1
=
3 1 3 2
|A|
2 1
1 2
1 3
2 3
4 5
5 4
4 4
13 4 23
1
=
16 8 16
40
7 4 3
Regla de Cramer 89.- Sea AX = B , un sistema de n ecuaciones con n incognitas, tal que A es inversible,
entonces el sistema tiene como u
nica soluci
on:
b1 a12 a1n
a11 b1 a1n
a11 a12 b1
b2 a22 a2n
a21 b2 a2n
a21 a22 b2
..
..
..
.. . .
.. . .
.. . . ..
..
..
.
. .
. .
. .
.
.
.
.
.
bn an2 ann
an1 bn ann
an1 an2 bn
x1 =
, x2 =
, . . . , xn =
.
.
|A|
|A|
|A|
5.3
Definici
on 90 (Segunda definici
on del rango).- Se llama rango de una matriz Amn , rang(A) o rg(A) ,
al m
aximo orden que resulta de considerar todas las submatrices cuadradas que pueden formarse eliminando
filas y columnas completas de A y cuyo determinante sea distinto de cero.
Del determinante de una submatriz cuadrada de orden r de A, formada eliminando filas y columnas completas, de suele decir que es un menor de orden r de A, por analoga a la denominacion dada en la definici
on
84 a los menores de un elemento.
Resulta evidente que para Amn , se tiene rg(A) mn{m, n} . Esta nueva definicion de rango de una matriz
es equivalente a la dada anteriormente:
el rango de una matriz es el n
umero de filas distintas de cero que aparecen en alguna de las formas
escalonadas de la matriz,
puesto que el menor formado con las filas y columnas que contienen a los elementos principales de la matriz
escalonada es distinto de 0, y cualquier menor de orden mayor es cero.
Corolario 91.- Si A es una matriz, rg(A) = rg(At ) .
Demostraci
on:
De la nueva definici
on de rango y de |M | = |M t | para cualquier submatriz cuadrada de A .
Proposici
on 92.- Sea A una matriz mn , entonces
a) Si existe un menor de orden r distinto de cero el rg(A) r .
b) Si todos los menores de orden r son cero el rg(A) < r .
Demostraci
on:
a) es claro, pues como r es el orden de un menor distinto de cero, el maximo de los ordenes de los menores
distintos de cero es al menos r .
b) Si todos los menores de orden r son cero, como un menor de orden r + 1 puede descomponerse como
suma de menores de orden r por constantes, todos los menores de orden r + 1 son cero y, tambien todos
los menores de orden mayor. Luego rg(A) < r
En una matriz mn , el n
umero de menores de orden r que podemos formar puede ser muy alto, de hecho es
m n
r
Prof: Jos
e Antonio Abia Vian
m!
n!
,
r!(m r)! r!(n r)!
5.4 Ejercicios
es decir, todas las posibles elecciones de r filas de entre las m y de r columnas de entre las n . Por tanto, para
ver que una matriz tiene rango menor que r usando los menores, hemos de comprobar que cada uno de los
n!
m!
on por menores, puede reducirse usando
r!(mr)! r!(nr)! menores son cero. Sin embargo, el coste de la evaluaci
el siguiente resultado:
Orlado de menores 93.- Sea Amn una matriz, y Mrr una submatriz de A con determinante distinto de
cero. Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A
a
nadiendo una fila y una columna a M son cero, el rango de A es r .
.
Este resultado nos indica el metodo conocido como orlado de menores para encontrar el rango de una
matriz usando los menores:
Buscamos un menor de orden uno distinto de cero: si no existe rg(A) = 0 ; si existe M1 6= 0
entonces rg(A) 1 , y buscamos un menor de orden 2 distinto de cero de entre los que orlan al
anterior : si todos ellos son cero, por el resultado anterior, el rg(A) = 1 ; si alg
un M2 6= 0 entonces
rg(A) 2 , y buscamos un menor de orden 3 distinto de cero de entre los que orlan a M2 : si no
existe rg(A) = 2 , y si existe M3 6= 0 entonces rg(A) 3 , y buscamos . . . .
5.4
Ejercicios
a
det(A) = 5 , siendo A = d
g
a b c
f
i
b) 2d 2e 2f
g h i
c
d e
a) g h
a b
a g h
e) b h e
c i f
2a d d g
f) 2b e e h
2c f f i
b c
e f , calcular
h i
a+d b+e c+f
e
f
c) d
g
h
i
g) det(3A)
a
b
c
d) d3a e3b f 3c
2g
2h
2i
h) det(2A1 )
i) det((2A)1 )
0
2
3
0
1
1
2
2
1
1
2
3
1
2
1
0
4
0
0
2
4
0
0
0
1
2
1
3
4
0
0
2
1
0
1
2
5.46 Sean A y B matrices de orden n tales que A 6= 0 , B 6= 0 y AB = 0 . Demostrar que det(A) = det(B) = 0 .
5.47 Sea A una matriz antisimetrica de orden n impar. Demostrar que det(A) = 0 .
5.48 Sea A una matriz cuadrada de orden n tal que la suma de los elementos de cada fila es cero. Demostrar
que A no es inversible.
5.49 Calcular los posibles valores del determinante de una matriz ortogonal.
5.50 Si A es una matriz de orden n probar que | Adj(A)| = |A|n1 .
0 1
2 2
Prof: Jos
e Antonio Abia Vian
2
2
0
2
2
0
2
4
0
2
1
2
1
4
6
0
2
1
1
Anexo 0: Demostraciones
Preliminares
N
umeros complejos
Demostraci
on de:
Propiedades 4 de la p
agina 4
z + w = z + w;
z 1 = (z)1 .
zw = z w ;
b) z = z z = a + i0 R ;
z = z z = 0 + ib iR .
z z = i2 Im(z) .
c) z + z = 2 Re(z) ;
Demostraci
on:
Si z = a + ib y w = c + id , se tiene que:
a) z = a ib = a + ib = z .
z + w = (a ib) + (c id) = (a + c) i(b + c) = z + w ;
z w = (a ib)(c id) = (ac (b)(d)) + i(bc ad) = (ac bd) i(bc + ad) = zw ;
a
b
a
b
b
1 .
i a2 +(b)
2 = a2 +b2 + i a2 +b2 = a2 +b2 i a2 +b2 = z
n
a=a
b) z = z a ib = a + ib b=b
b = 0 z = a ;
n
a=a
a = 0 z = ib.
z = z a ib = a ib b=b
(z)1 = (a ib)1 =
a
a2 +(b)2
Demostraci
on de:
Propiedades 6 de la p
agina 4
|z| = 0 z = 0 .
b) |Re(z)| |z|;
|Im(z)| |z| ;
2
c) |z| = |z| :
|z| = zz ;
d) |z + w| |z| + |w| ;
1
z
z
zz
z
|z|2
.
|z w| |z| |w| .
1
z = |z|1 .
a) |z| = + a2 + b2 0 ;
2
|z| = 0 |z| = 0 a2 + b2 = 0 a = b = 0 z = 0 .
b) Como todos los m
odulos son valores reales positivos, basta probar las desigualdades para sus cuadrados:
2
(|Re(z)| + |Im(z)|)2 = (|a| + |b|)2 = |a| + |b| + 2 |a| |b| = a2 + b2 + 2 |a| |b| = |z| + 2 |a| |b| |z| .
Prof: Jos
e Antonio Abia Vian
c) |z| = |a ib| =
Anexo 0
a2 + (b)2 = a2 + b2 = |z| .
2
z 1 = (|z|
a) z = |z|() ;
b) zw = (|z| |w|)+ ;
z
w
)() .
|z|
= ( |w|
) .
c) z n = (|z| )n .
Demostraci
on:
Las pruebas son sencillas usando que z = |z| (cos + i sen ) y que
(cos + i sen )(cos + i sen ) = cos cos sen sen + i(sen cos + cos sen )
= cos( + ) + i sen( + ).
a) z = |z| (cos + i sen ) = |z| (cos i sen ) = |z| cos() + i sen() = |z| .
|z| cos()+i sen()
1
1
1
z 1 = z1 = |z|z 2 =
= |z|
cos() + i sen() = ( |z|
) = (|z| ) .
|z|2
b) zw = |z| (cos + i sen ) |w| (cos + i sen ) = |z| |w| cos( + ) + i sen( + ) = |zw|+0 .
z
w
|z|
1
= zw1 = |z| ( |w|
) = ( |w|
) .
n)
n)
++
= (|z| )n .
En particular se verifica la f
ormula de Moivre:
Polinomios
Demostraci
on de:
Lema 30 de la p
agina 11
Lema 30.- Sea P (X) = Q(X)R(X) . Si K es raz de P (X) con multiplicidad m y Q() 6= 0 (no es raz de
Q(X) ), entonces es raz de R(X) con multiplicidad m .
Demostraci
on:
Si P () = 0 , como P () = Q()R() y Q() 6= 0 , entonces R() = 0 y es raz de R(X) . De donde
R(X) = (X )R1 (X) y P (X) = Q(X)(X )R1 (X) .
m
Como P (X) = (X )m C(X) , con C() 6= 0 , se tiene
que P (X) = (X ) C(X) = Q(X)(X )R1 (X) , de
donde 0 = (X )m C(X) Q(X)(X )R1 (X) = (X ) (X )m C(X) Q(X)R1 (X) y como X 6= 0 tiene
que ser (X )m1 C(X) = Q(X)R1 (X) = P1 (X) tiene en una raz de multiplicidad m 1 .
Luego el polinomio P1 (X) = Q(X)R1 (X) tiene una raz en que no lo es de Q(X) , luego es raz de R1 (X) ,
por lo que R1 (X) = (X )R2 (X) y, como antes se puede construir el polinomio P2 (X) = (X )m2 C(X) =
Prof: Jos
e Antonio Abia Vian
Anexo 0
Q(X)R2 (X) , con R(X) = (X )R2 (X) . Repitiendo el proceso de manera sucesiva, se llega a un polinomio
Pm1 (X) = (X )C(X) = Q(X)Rm1 (X) , con R(X) = (X )m1 Rm1 (X) .
Y ahora, como tiene que ser raz de Rm1 (X) , Rm1 (X) = (X )Rm (X) y C(X) = Q(X)Rm (X) . Como
C() = Q()Rm () y C() 6= 0 y Q() 6= 0 , necesariamente Rm () 6= 0 y, por tanto R(X) = (X )m Rm (X) ,
con Rm () 6= 0 , de donde es una raz de R(X) de multiplicidad m .
Demostraci
on de:
Lema 35 de la p
agina 12
n
P
i=0
n
X
ai i =
i=0
n
X
i=0
ai i =
n
X
ai i =
i=0
n
X
ai i =
n
X
ai i = P () = 0 = 0
i=0
i=0
Entonces, en la descomposici
on de P (X) aparecen los factores X y X , pero como su producto (X
2
)(X ) = X2 ( + )X + = X2 2 Re()X + || R[X] , se descompone en R[X] en la forma P (X) =
2
2
(X 2 Re()X + || )P1 (X) . En consecuencia, si la multiplicidad de es m > 1 , el polinomio P1 (X) R[X]
tiene a como raz de multiplicidad m 1 . Y repitiendo el proceso hasta sacar todas las raices, se obtiene que
y tienen la misma multiplicidad.
Demostraci
on de:
Teorema 38 de la p
agina 12
p
q
p
q
Q, entonces p | a0 y q | an .
Demostraci
on:
Si Z es raz de P : 0 = a0 + a1 + + an1 n1 + an n = a0 + (a1 + + an1 n2 + an n1 ) y
a0 = (a1 + + an1 n2 + an n1 ) ; de donde el entero a0 se descompone en dos factores Z y
a1 + + an1 n2 + an n1 Z (por ser suma y producto de enteros), luego divide a a0 .
n1
n1
n1
q+an p
n1 p
Si = pq Q es raz de P : 0 = a0 + a1 pq + + an1 pqn1 + an pqn = a0 q +a1 pq ++a
qn
el numerador debe ser cero. Como antes, sacando primero p factor com
un y luego q , se llega a:
de donde
Matrices y sistemas
Demostraci
on de:
Teorema 53 de la p
agina 28
Teorema 53.- Si la matriz elemental Emm resulta de efectuar cierta operacion elemental sobre las filas de
Im y si Amn es otra matriz, el producto EA es la matriz mn que resulta de efectuar la misma operaci
on
elemental sobre las filas de A .
Demostraci
on:
Sean E1 la matriz elemental que tiene intercambiadas las filas i y j , E2 la matriz elemental de multiplicar la
fila i por 6= 0 y E3 la matriz elemental obtenida de sumar a la fila i la fila j multplicada por . Entonces
Prof: Jos
e Antonio Abia Vian
? E = E1 :
Anexo 0
E
A
I
A
IA
A
EA
eEA
= FjA
ik = Fi Ck = Fj Ck = ejk = ejk , k = Fi
E
A
I
A
IA
A
EA
r 6= i, j eEA
= FrA
rk = Fr Ck = Fr Ck = erk = erk , k = Fr
(
? E = E2 :
? E = E3 :
E
A
I
A
IA
A
EA
eEA
= FiA
jk = Fj Ck = Fi Ck = eik = eik , k = Fj
E
A
I
A
IA
A
EA
eEA
= FiA
ik = Fi Ck = Fi Ck = eik = eik , k = Fi
r 6= i
E
A
I
A
IA
A
EA
eEA
= FrA
rk = Fr Ck = Fr Ck = erk = erk , k = Fr
E
A
I
I
A
I
A
I
A
IA
IA
A
A
eEA
ik = Fi Ck = (Fi + Fj ) Ck = (Fi Ck ) + (Fj Ck ) = eik + ejk = eik + ejk , k
Demostraci
on de:
Teorema de Rouch
e 61.- Sea el sistema AX = B , sistema de m ecuaciones con n incognitas. Entonces
AX = B tiene soluci
on si, y s
olo si, rg(A) = rg(A|B) .
En caso de tener soluci
on, si rg(A) = r , toda solucion del sistema puede expresarse en la forma X =
V0 + t1 V1 + t2 V2 + + tnr Vnr , siendo V0 una solucion particular de AX = B y los vectores V1 , . . . , Vnr
soluciones del sistema homogeneo asociado AX = 0 .
Demostraci
on:
Reduciendo la matriz ampliada del sistema por operaciones elementales seg
un el metodo de Gauss-Jordan,
llegamos a una matriz escalonada reducida, que en la parte correspondiente a A, tiene r unos como elementos
principales. Si reordenamos las columnas para juntar en las r primeras los elementos principales, la matriz
ampliada resultante ser
a:
1 0 0 a01r+1 a01n
b01
En forma mas escueta indicando los tama
nos
0 1 0 a02r+1 a02n
b02
podemos escribirla as:
.. .. . .
.
..
..
..
. .
. ..
.
.
.
0
Irr
A0rnr
Br1
0
0 0 1 a0rr+1 a0rn
br
0
. .
.
..
..
..
.. .. ..
.
.
.
b0m
0 0 0
0
0
(Nota: Al intercambiar el orden de las columnas de la matriz A, solo cambiamos el orden de las incognitas. Es
decir, las soluciones ser
an las mismas pero en otro orden.)
Obviamente el rango de la matriz de los coeficientes es r y el sistema tendra solucion si y solo si b0r+1 =
= = b0m = 0 , es decir si el rango de la ampliada tambien es r .
En este caso, (asumiendo una posible reordenacion de las incognitas) el sistema resultante es:
0
0
0
0
b0r+2
y la soluci
on, usando par
ametros:
..
xr+1 = t1
..
xn = tnr
Prof: Jos
e Antonio Abia Vian
0
b1
x1
.. ..
. .
xr b0r
xr+1 = 0
. .
.. ..
0
xn
a01r+1
..
a0rr+1
+t1
..
Anexo 0
a01n
..
+ +tnr arn
0
..
Fij
andonos en las soluciones se observa que haciendo t1 = = tnr = 0 , V0 es una solucion de AX = B .
Si consideramos el sistema homogeneo asociado AX = 0 , ha de ser V0 = 0 y como solucion generica
obtendremos X = t1 V1 + + tnr Vnr . Luego haciendo ti = 1 y tk = 0 , para k 6= i , vemos que X = Vi es
soluci
on del sistema homogeneo AX = 0 .
Determinantes
Demostraci
on de:
Teorema 77 de la p
agina 36
X
X
(1)N a1j1 aiji anjn = (1)N a1j1 aiji anjn = det(A)
Prof: Jos
e Antonio Abia Vian
Anexo 0
c) det(A0 ) =
Demostraci
on de:
Teorema 80 de la p
agina 36
Teorema 83 de la p
agina 36
0 0
0 0 a1j1 0
.
. . a1j1 0
.
2
0 0 0 a2j2 0
0
0 anjn
0 a2j2 20 0
a3j3 0 0 0 ..
.
.
.
t
0 a3j3 0
..
.. .. = 0
|BB | =
..
.
..
..
..
..
..
.. .
..
.. . .
.
.
.
. ..
.
.
.
.
.
.
0 0
.
.
a1j1 0
.
.
..
..
.. 0
0 anjn 0 0
0
0 a2njn
..
.
.
.
0 a2j2 0 0
= a21j1 a22j2 a23j3 a2njn 0,
Prof: Jos
e Antonio Abia Vian
Anexo 0
y, por tanto, det(B) det(B t ) = det(BB t ) 0 y ambos factores tienen el mismo signo.
Demostraci
on de:
Teorema 85 de la p
agina 37
Teorema 85.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 i n y para cada 1 j n :
det(A) = ai1 Ci1 + ai2 Ci2 + + ain Cin y det(A) = a1j C1j + a2j C2j + + anj Cnj
Demostraci
on:
Sopongamos que desarrollamos por la fila 1 . Si en det(A) agrupamos los terminos que involucran a cada a1k ,
tenemos que
X
X
|A| =
(1)N a11 a2j2 anjn + +
(1)N a1n a2j2 anjn
(1,j2 ,...,jn )
n
X
(n,j2 ,...,jn )
k=1
n
X
a1k
k=1
(k,j2 ,...,jn )
(k,j2 ,...,jn )
(j2 ,...,jn )
ji 6=k
n
n
X
X
X
X
|A| =
a1k
(1)N a2j2 anjn =
a1k
(1)k1 (1)Nk a2j2 anjn
k=1
n
X
a1k (1)k1
k=1
n
X
k=1
(k,j2 ,...,jn )
n
X
k=1
(j2 ,...,jn )
n
X
(j2 ,...,jn )
a1k C1k
k=1
k=1
Para desarrollar por una fila k cualquiera, basta llevar esta a la fila 1 y aplicar lo anterior. En efecto, si vamos
intercambiando la fila k con cada una de las anteriores, obtenemos una matriz A0 que tiene por fila 1 la fila k
de A, por fila 2 la fila 1 de A, . . . , por fila k la fila k 1 de A, y las demas igual. Luego hemos hecho k 1
cambios de fila y, por tanto, |A| = (1)k1 |A0 | . Si desarrollamos det(A0 ) por la primera fila, tenemos que
|A| = (1)k1 |A0 | = (1)k1
n
X
0
a01j (1)1+j M1j
= (1)k1
j=1
n
X
j=1
n
X
j=1
n
X
j=1
n
X
akj Ckj .
j=1
Regla de Cramer 89.- Sea AX = B , un sistema de n ecuaciones con n incognitas, tal que A es inversible,
entonces el sistema tiene como u
nica soluci
on:
b1 a12 a1n
a11 b1 a1n
a11 a12 b1
b2 a22 a2n
a21 b2 a2n
a21 a22 b2
..
..
..
.. . .
..
.. . .
..
.. . . ..
.
.
.
.
.
.
.
.
.
.
.
.
bn an2 ann
an1 bn ann
an1 an2 bn
x1 =
, x2 =
, . . . , xn =
.
|A|
|A|
|A|
Prof: Jos
e Antonio Abia Vian
Demostraci
on:
Si A es inversible la soluci
on u
nica es
C11 C21
Adj(A)
1 C12 C22
B=
.
..
..
|A|
|A| ..
.
.
a1n a2n
luego cada xj =
Cn1
Cn2
..
.
ann
Anexo 0
X = A1 B =
b1
b1 C11 + b2 C21 + + bn Cn1
b2
1
. |A|
b
C
+
b2 C2n + + bn Cnn
1
1n
bn
Demostraci
on de:
Orlado de menores 93.- Sea Amn una matriz, y Mrr una submatriz de A con determinante distinto de cero.
Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A a
nadiendo
una fila y una columna a M son cero, el rango de A es r .
Demostraci
on:
Supongamos, por simplicidad en la notaci
on, que
Consideremos la matriz
a11
a1r
..
..
.
.
.
.
.
ar1
arr
ar+11 ar+1r
a1r+2
..
.
..
.
a1n
..
.
arr+1
ar+1r+1
arr+2
ar+1r+2
arn
ar+1n
donde las lneas verticales significan respectivamente M y este menor ampliado a la fila r + 1 y a cada una de
las dem
as columnas de A. Si hacemos operaciones elementales en las filas, obtenemos
0
0
0
0 a0rr a0rr+1
arr+2 arn
0 0 a0r+1r+1 a0r+1r+2 a0r+1n
y los menores que tenemos ahora son o no cero seg
un lo fueran o no antes. Como M es distinto de cero ha de
ser a011 a022 a0rr 6= 0 y como cada uno de los menores ampliados son cero han de ser a011 a022 a0rr a0r+1r+1 = 0 ,
a011 a022 a0rr a0r+1r+2 = 0 , . . . , a011 a022 a0rr a0r+1n = 0 . Luego, a0r+1r+1 = a0r+1r+2 = = a0r+1n = 0 y la
matriz escalonada queda
0
a11 a01r a01r+1 a01r+2 a01n
..
..
..
..
..
..
..
.
.
.
.
.
.
.
.
0 a0rr a0rr+1 a0rr+2 a0rn
0 0
0
0
0
Haciendo el mismo proceso para las filas r + 2 hasta m, tenemos que una forma escalonada de A sera
0
0 0
0
0
0
.
..
..
..
..
..
..
..
.
.
.
.
.
.
0 0
0
0
0
y el rango de A es por tanto r .
Prof: Jos
e Antonio Abia Vian
48 Fundamentos de Matematicas
Unidad I
C
alculo diferencial en R
Prof: Jos
e Antonio Abia Vian
Captulo 6
La recta real
Los n
umeros reales
Los n
umeros reales son de sobra conocidos, sus operaciones basicas as como su identificacion con los puntos de
la recta real, por lo que s
olo vamos a mencionar aqu algunas de sus propiedades (la mayora conocidas) que
son imprescindibles en el desarrollo de este tema.
Propiedades de orden 94.- Denotaremos por R+ = {x R : x > 0} y R = {x R : x < 0}
1.- Antisimetrica: Si x y e y x = x = y .
2.- Transitiva: Si x y e y z = x z .
3.- Total : Para cualesquiera x, y R:
o bien x y ,
o bien y x .
(si x < y = x + z < y + z ).
1
y
<
1
x
Se dice que es el extremo superior o supremo de A y se denota por sup A o ext sup A. Si pertenece
a A, se dice que es el m
aximo de A , y escribiremos max A = .
Propiedad del extremo inferior 97.- Todo subconjunto no vaco A R acotado inferiormente admite una
cota inferior m
axima, es decir, R tal que:
a) x ; x A
Se dice que es el extremo inferior o nfimo de A y se denota por inf A o ext inf A. Si pertenece a A,
se dice que es el mnimo de A, y escribiremos mn A = .
Nota: Que = sup A es equivalente a que para cada > 0 existe x A con < x . Es decir, que
para cualquier valor m
as peque
no que el superior hay alg
un elemento del conjunto mas grande que el.
An
alogamente, = inf A para cada > 0 existe x A con x < + .
Ejemplo El conjunto A =
Prof: Jos
e Antonio Abia Vian
1
n
o
n
: n N = 1, 12 , 13 , 14 , . . . esta acotado superior e inferiormente.
Grado de Ing. en Dise
no Industrial y Desarrollo del producto : Curso 20132014
En efecto, n1 1 < 2 para todo n , luego 2 es una cota superior del conjunto (de hecho, cualquier n
umero
mayor o igual a 1 lo es). Tambien est
a acotado inferiormente, pues n1 es positivo luego 0 < n1 para todo n y 0
es una cota inferior de A (cualquier n
umero negativo es tambien una cota inferior).
Luego A es un conjunto acotado y tiene supremo e nfimo: como el supremo es la mnima cota superior,
sup A = 1 , pues 1 es una cota superior y si K < 1 , existe el 1 A tal que K < 1 sup A = 1 luego K no es
una cota y 1 es la m
as peque
na.
Como el nfimo es la m
axima cota inferior, inf A = 0 , pues es una cota y para cualquier k > 0 , puedo
encontrar un n suficientemente grande para que 0 < n1 < k (por ejemplo, para k = 0.00001 , se tiene que
1
1
0 < 100001
< 100000
= k ).
Adem
as, sup A = 1 A luego m
ax A = 1 ; lo que no ocurre con el nfimo, pues inf A = 0
/ A, luego
6 mn A.
4
6.1.2
Valor absoluto de un n
umero real
Definici
on 98.- Sea a R, se llama valor absoluto de a, y se representa por |a| , al n
umero real dado por
a, si a 0
|a| = + a2 =
a, si a < 0
Propiedades del valor absoluto 99.a) |a| 0 , a
|a| = 0 a = 0
d) |a| k k a k
1
c) a1 = |a|
f) |a| |b| |a b|
El valor absoluto y su uso como distancia es clave en las definiciones de conjuntos y conceptos como el lmite
y la continudad, la derivaci
on e integraci
on.
Nota: Con el valor absoluto, diremos que A es acotado existe K > 0 tal que |x| K , x A.
n
o
Ejemplo El conjunto A = 1, 12 , 13 , 14 , . . . del ejemplo anterior esta acotado pues n1 1 para todo n .
6.1.3
Intervalos y entornos en R
En los intervalos cerrados, inf[a, b] = mn[a, b] = a y sup[a, b] = max[a, b] = b, mientras que en los abiertos
inf{(a, b)} = a y sup{(a, b)} = b pero no tiene ni maximo ni mnimo.
En los no acotados, como [a, +) , se tiene inf[a, +) = mn[a, +) = a pero no existe el superior (a veces
se escribe sup A = + , para indicar que el conjunto no esta acotado superiomente).
Naturalmente, R es tambien un intervalo R = (, +) . Y, [a, a] = {a} pero (a, a) = (a, a] = [a, a) = .
Definici
on 101.- Llamaremos entorno de centro a y radio > 0 , y escribiremos E(a, ) , al conjunto:
E(a, ) = {x R : |x a| < } = {x R : a < x < a + } = (a , a + ) .
Llamaremos entorno reducido de centro a y radio > 0 , E (a, ) , al conjunto
E (a, ) = E(a, ) {a} = {x R : 0 < |x a| < } .
Prof: Jos
e Antonio Abia Vian
6.1.4
6.1.4.1
? para n N y x R , definimos xn = x x x .
? para z Z y x R {0} , definimos x0 = 1 y si z < 0 , xz = (x1 )z .
1
? para n N y x R+ , definimos x n = n x como el R tal que n = x
z
? para r = nz , con z Z y n N , y x R+ , definimos x n = n xz .
y se verifican las siguientes propiedades:
(1) xr y r = (xy)r
(2) xr xs = xr+s
n
n
n
() = x . Por ello, si n es par siempre se escribe x > 0 y x < 0 para distinguir entre el valor positivo
y el negativo.
Potencias reales.- Las potencias reales de un n
umero real, x , con x > 0 y R se extienden de las
racionales (aunque no de manera sencilla) y verifican las mismas propiedades de (1) a (5) que las potencias
racionales.
6.1.4.2
(3) ex > 0
(Genericamente, tenemos exponenciales de base a, para cualquier a > 0 , con propiedades similares.)
6.1.4.3
Para cada x (0, +) , se define el logaritmo neperiano, ln x como el valor real tal que e = x ; es decir, la
operaci
on recproca a la exponencial.
(1) ln(xy) = ln x + ln y
(2) ln(xy ) = y ln x
6.2
Definici
on 102.- Llamaremos funci
on real de variable real, a cualquier aplicacion f : A R, donde
A R. Al conjunto A lo denominaremos dominio de f y escribiremos A = Dom(f ) .
Si x A escribiremos y = f (x) para indicar que y R es la imagen de x por medio de f .
El recorrido o conjunto imagen de f , que suele denotarse por f (A) , sera:
n
o n
o
f (A) = f (x) R : x A = y R : x A con y = f (x) = Img f
Nota: Si la funci
on viene dada s
olo por la expresion y = f (x) , sobreentenderemos que el dominio es el m
aximo
subconjunto de R para el cual f (x) R , es decir, Dom(f ) = {x R : f (x) R}
2
2
2
f ([1, 1]) [0, 1] , ya que x
[1, 1] = 0 x 1 = 1 x 0 = 0 1x 1 = 0
2
si k [0, 1] , se tiene k = f 1 k ; luego f ([1, 1]) = [0, 1] .
1
1x2
1x2 1 y,
f (x) R
Definici
on 103.- Llamaremos gr
afica de la funcion dada
por y = f (x) , y lo denotaremos por graf(f ) , al subconjunto de R2
n
o
graf(f ) = (x, y) R2 : x Dom(f ) e y = f (x)
n
o
= (x, f (x)) R2 : x Dom(f )
y
f (a)
graf(f )
(a, f (a))
f (c)
(c, f (c))
r(b, f (b))
f (b)
x
a
Definici
on 104 (Operaciones con funciones).- Sea f y g funciones reales de variable real. Entonces son
funciones reales de variable real las siguientes:
2.- (Producto)
1.- (Suma)
4.- (Composicion)
2 x y g(x) =
x2 1 . Se tiene que
Dom f = {x R : 2 x 0} = {x R : 2 x} = (, 2]
Dom g = {x R : x2 1 0} = {x R : x2 1} = (, 1] [1, +) = R (1, 1)
( 2 x)2 1 = 1 x sera
(1)
Dom(g f ) = x (, 2] : 2 x Dom g = x (, 2] : 2 x 1
= {x (, 2] : 2 x 1} = {x (, 2] : 1 x} = (, 1]
(1) como
2 x 0 , se tiene
2 x Dom g si
2 x [1, +) , es decir, si
f (x) = x
f (x) = ex
? Logaritmo neperiano:
Prof: Jos
e Antonio Abia Vian
y
y
x = 0 x = 0 .
Dom f = R .
y
2 x 1.
Con
Dom f = (0, +) .
f (x) = ln(x)
Dom f = (0, +) .
Con ln x = 0 x = 1 .
? Seno:
f (x) = sen(x)
? Coseno:
f (x) = cos(x)
? Tangente:
? Tangente hiperb
olica:
>1
Con cos x = 0 x =
Dom f = R.
sen x
cos x
ex ex
2
f (x) = ch(x) =
ex +ex
2
f (x) = th(x) =
=1
+ k con k Z.
Dom f = R { 2 + k : k Z} = dkZ (
2 + k, 2 + k) .
f (x) = sh(x) =
? Coseno hiperb
olico:
Dom f = R.
f (x) = tg(x) =
? Seno hiperb
olico:
< 1
sh x
ch x
y
y
Con sh x = 0 x = 0 .
Dom f = R .
Dom f = R .
Dom f = R.
f (x) = ex
ch(x)
sh(x)
0<<1
1
1
th(x)
1
1
1 < < 0
f (x) = ln(x)
sen(x)
cos(x)
tg(x)
f (x) = x
Fig. 6.1. Gr
aficas de algunas funciones elementales.
Definici
on 106.- Sea f : A R, con A R . Diremos que f es una funcion acotada si el conjunto imagen
f (A) est
a acotado. Es decir, si existe K > 0 tal que |f (x)| K para todo x A.
Ejemplo
x
? La funci
on f : R{0} R, con f (x) = |x|
, esta acotada en su dominio pues para todo x R, se tiene
x
|x| x |x| , y para todo x 6= 0 , 1 |x| 1 . (De hecho, |f (x)| = 1 , x 6= 0 .)
? La funci
on th(x) est
a acotada en R. En efecto, si x 0 , se cumple que ex 1 e1x = ex , luego
x
x
x
x
x
0 e e < e + ex y entonces 0 eex e
+ex < 1 . Como th(x) = th(x) (comprobarlo), cuando
x < 0 , se tiene 1 < th(x) < 0 , por lo que |th(x)| < 1 , para todo x R .
4
6.2.1
Definici
on 107.- Sea f : A R diremos que f es creciente o mon
otona creciente en el conjunto A, si
para cualesquiera x, y A , con x < y , se verifica que f (x) f (y) .
Diremos que f es decreciente o mon
otona decreciente en el conjunto A, si para cualesquiera x, y
A, con x < y , se verifica que f (x) f (y) .
Diremos que f es creciente (resp. decreciente) en el punto a A , si existe un entorno E(a, ) tal que
x, y E(a, ) con x < a < y se cumple f (x) f (a) f (y) (resp. f (x) f (a) f (y) ).
Nota: Si las desigualdades son estrictas, diremos estrictamente creciente y estrictamente decreciente.
Ejemplo Por las propiedades enunciadas anteriormente, las funciones ex , ln x y x con > 0 son estrictamente crecientes en sus dominios; y si < 0 , x decrece estrictamente en (0, +) (ver graficas arriba).
La funci
on f (x) = x1 es estrictamente decreciente en cada punto de su dominio R{0}, pero no es mon
otona
decreciente en el conjunto (ya que 1 < 1 pero f (1) = 1 < f (1) = 1 .)
4
Definici
on 108.- Se dice que f : A R es inyectiva en A si f (x) 6= f (y) para todo x, y A, con x 6= y .
Ejemplo Las funciones estrictamente crecientes o estrictamente decrecientes en un conjunto son inyectivas.
La funci
on f (x) = x2 es inyectiva en [0, 1] y tambien en [1, 0] , pero no lo es en el conjunto [1, 1] puesto
que f (1) = 1 = f (1) con 1 6= 1 .
Prof: Jos
e Antonio Abia Vian
Definici
on 109.- Sean f : A R y B = f (A) . Si f es inyectiva en A , llamaremos funci
on inversa de f
en A, y la denotaremos por f 1 , a la funci
on f 1 : B A tal que f 1 (f (x)) = x , para todo x A.
Ejemplo 110 ? La funci
on f : [0, ) R con f (x) = x2 , tiene inversa en ese conjunto (es
estrictamente
1
1
1
creciente en el) y es f : [0, ) [0, ) dada por f (y) = y .
[ f (f (x)) = x2 = |x| = x ]
? La funci
on f : (, 0] R con f (x) = x2 , tiene inversa en ese conjunto (es estrictamente
decreciente
y+1
y1
Nota: La gr
afica de f 1 es simetrica, respecto de la bisectriz del primer cuadrante, a la grafica de f .
En efecto, si (x, y) graf(f ) con y = f (x) , entonces, el punto (y, f 1 (y)) graf(f 1 ) es de la forma
(y, f 1 (y)) = (y, f 1 (f (x))) = (y, x) .
1
Puede observarse esto en la figura 6.1 de la pagina 53, para ex y su inversa ln(x) y x y su inversa x .
6.3
Definici
on 111.- Un punto x0 R se dice punto de acumulaci
on de un conjunto A si, y solo si, para cada
> 0 se tiene que E (x0 , ) A 6= . Es decir, x0 es un punto de acumulacion de un conjunto A si en cada
entorno de x0 hay otros puntos de A.
De los puntos de A que no son de acumulacion, se dice que son puntos aislados de A.
Nota: Es decir, x0 es punto de acumulaci
on de A si cerca de x0 siempre hay (otros) puntos de A, por
peque
no que hagamos el crculo de cercana; en consecuencia, a un punto de acumulaci
on de un conjunto
siempre podremos acercarnos con puntos del conjunto. Solo as tiene sentido la definicion del lmite siguiente.
Definici
on 112.- Sea f : A R y sea x0 R un punto de acumulacion de A. Se dice que el lmite de la
funci
on f (x) cuando x tiende a x0 es L, y se representa por
lm f (x) = L,
xx0
si, y s
olo si, para cada > 0 existe > 0 tal que si x A y 0 < |x x0 | < , entonces |f (x) L| < .
Prof: Jos
e Antonio Abia Vian
L+
x0
x0 +
x0
2
Para cada
[0, +) y 0 < |x 0| < , es decir, si 0 < x < 2 se verifica
> 0 , tomamos = > 0 , si x
2
que x < = , pero esto es lo mismo que x = | x| = | x 0| < .
4
x
on).
0 | < en la definici
n
As, f (x) =
x, x6=1
2, x=1
si x 1 y x 6= 1 , la funci
on toma los valores f (x) = x en esos
puntos y entonces lm f (x) = lm x = 1 .
x1
x1
Y tambien la funci
on g(x) = x tiene por lm g(x) = lm x = 1 .
x1
x1
El valor de la funci
on en el punto es primordial sin embargo para el concepto de continuidad:
Definici
on 113.- Sea f : A R , se dice que f es continua en el punto x0 A si, y solo si, para cada > 0
existe > 0 tal que si x A y |x x0 | < entonces |f (x) f (x0 )| < .
Observaci
on: Si el punto x0 no est
a aislado, la definicion es equivalente a que lm f (x) = f (x0 ) .
xx0
Ejemplo
La funci
on de la nota anterior f (x) =
x, x6=1
2, x=1
x1
x
x
Entonces, para cada > 0 tomamos = ln(1 + ) y si 0 < |x| < , se tiene que
|ex 1| < e 1 = eln(1+) 1 = (1 + ) 1 =
x
Luego se cumple que lm e = 1 = e0 y ex es continua en 0 .
4
x0
6.3.1
Proposici
on 115.- Sea f : A R y x0 un punto de acumulacion de A. Entonces
a) lm f (x) = L lm (f (x) L) = 0
xx0
b) lm f (x) = 0 lm |f (x)| = 0
xx0
xx0
xx0
h0
Demostraci
on:
Basta observar que la definici
on de lmite para el segundo termino de la 1 a equivalencia:
para cada > 0, existe > 0 tal que si 0 < |x x0 | < = |(f (x) L) 0| = |f (x) L| <
Prof: Jos
e Antonio Abia Vian
xx0
xx0
2.- Si g est
a acotada en A y lm f (x) = 0 , entonces lm g(x) f (x) = 0
xx0
xx0
El c
alculo de los lmites y, por tanto el estudio de la continuidad, se extiende ampliamente y de manera sencilla
mediante las operaciones b
asicas de las funciones:
Propiedades 117.- Si lm f (x) = L1 R y lm g(x) = L2 R , entonces:
xx0
xx0
xx0
xx0
c) lm
xx0
xx0
xx0
lm f (x)
xx0
lm g(x)
xx0
L1
L2
siempre que L2 6= 0 .
f
g
Ejemplos
n)
? La funci
on f (x) = xn es continua en R: lm xn = ( lm x) ( lm x) =
xx0
xx0
xx0
lm x
n
xx0
= xn0
? Y una funci
on racional, f (x) =
P (x)
Q(x)
P (x0 )
Q(x0 )
? f (x) = ex es continua en R , pues lo es en 0 (Ejemplo 114) y, para los demas puntos, se tiene
lm ex = lm ex0 +h = lm ex0 eh = ex0 lm eh = ex0 e0 = ex0
xx0
h0
h0
h0
lm g(f (x)) = g(b) = g lm f (x) .
xa
xa
Prof: Jos
e Antonio Abia Vian
Ejemplo La funci
on f (x) = x 1 es continua en 1 por ser polin
omica; la funcion g(x) = |x| es continua
en 0 = f (1) , pues lm x = 0 = lm |x| = 0 = |0| ; y h(x) = x es continua en 0 = g(0) . Entonces, la
x0
x0
p
|x 1| es continua en 1 .
composici
on (h g f )(x) = h(g(f (x))) = r
p
q
p
Adem
as, lm |x 1| = lm |x 1| = lm (x 1) = |0| = 0 .
4
x1
x1
x1
xa
yb
f (x)b
y, si y 6= 1
, no continua en 1. Para f (x) = ex se cumple la condicion pedida, pues
2, si y = 1
lm f (x) = 1 6= ex = f (x) si x 6= 0 (es est. creciente), luego
lm g(f (x)) = lm g(y) = 1 . (En efecto, como
Ejemplo
Sea g(y) =
x0
x0
y1
6.3.1.2
x0
x0
y1
Lmites laterales
Definici
on 122.- Sean a < c < b y f : (a, c) (c, b) R.
? Diremos que L1 es el lmite por la izquierda de f en c, si para cada > 0 existe > 0 tal que
cuando x < c y 0 < |x c| < , se tiene que |f (x) L1 | < .
? Diremos que L2 es el lmite por la derecha de f en c, si para cada > 0 existe > 0 tal que cuando
x > c y 0 < |x c| < , se tiene que |f (x) L2 | < .
Los representaremos, respectivamente, por
lm f (x) = lm f (x) = L1
xc
x<c
xc
lm f (x) = lm f (x) = L2
xc
x>c
xc+
Proposici
on 123 (Lmites laterales).- Sean a < c < b y f : (a, c) (c, b) R. Entonces
lm f (x) = L
xc
Ejemplo Sea f (x) = |x| =
x0
xc+
x, si x 0
. Entonces
x, si x < 0
lm |x| = lm x = 0
x0
lm f (x) = lm f (x) = L
xc
lm |x| = lm+ x = 0
x0+
x0
lm |x| = 0
x0
Nota: Si s
olo hay funci
on en un lado, el lmite coincide con el lmite lateral. Por ejemplo, lm
x0
x = lm
x0+
x,
xx
0
lm f (x) = f (x0 ) , se dice que f es continua por la izquierda o continua por la derecha en x0 .
xx+
0
Ejemplo Todas son funciones discontinuas en 1 , la tercera es continua por la derecha y las dos u
ltimas son
continuas por la izquierda.
Prof: Jos
e Antonio Abia Vian
r
b
b
b
r
b
b
r
6.3.2
De manera similar a como se definen los limites para valores reales, podemos definir lmites donde la variable se
acerca a +
o a , o que sea la funci
on la que pueda tomar valores cercanos a ellos (valores, tan grandes que
superan cualquier cota K > 0 , o tan peque
nos que rebasan cualquier cota por abajo K < 0 ). Las definiciones
son an
alogas, sin m
as que cambiar la aproximaciones a puntos reales por aproximaciones a :
Definici
on 125.- Si f es una funci
on real de variable real, se tienen las siguientes definiciones:
si, para cada K > 0 , existe > 0 tal que si 0 < |x x0 | < = f (x) > K
lm f (x) = +
xx0
lm f (x) = L
si, para cada > 0 , existe M > 0 tal que si x < M = |f (x) L| <
lm f (x) =
si, para cada K > 0 , existe M > 0 tal que si x > M = f (x) < K
x+
An
alogamente: lm f (x) = , lm f (x) = L , lm f (x) = + , lm f (x) = + y lm f (x) = .
xx0
x+
lm ax = +
x+
x+
lm
x0
1
x
= .
En efecto:
K
a
Las operaciones del resultado Propiedades 117 son validas tambien cuando tenemos lmites en el infinito o
con valor infinito, aunque aparecen situaciones cuyo resultado no puede determinarse usando las reglas generales.
Si lm f (x) = a y lm g(x) = b, donde tanto x0 como a y b pueden ser , el valor del lmite para las
xx0
xx0
f
g
funciones f + g , f g ,
f +g
a =
aR
a = +
f g
a =
a<0
a=0
a>0
a = +
b =
b =
+
+
bR
a+b
+
b<0
+
ab
0
ab
b = +
+
+
b=0
0
0
0
b>0
ab
0
ab
+
f
g
b =
a =
a<0
a=0
a>0
a = +
0
0
0
b<0
+
a
b
a
b
fg
a=0
0<a<1
a=1
a>1
a = +
+
+
b = 0+
b=0
||
||
b>0
b = +
a
b
0
0
0
b = +
b = 0
+
+
b =
+
+
0
0
||
||
a
b
+
+
b<0
+
ab
1
ab
0
b=0
1
1
1
b>0
0
ab
1
ab
+
b = +
0
0
+
+
|| En estos casos, no se garantiza la existencia del lmite, pero s que se tiene fg + .
Hay siete indeterminaciones cl
asicas, indicadas con
(i)
(ii)
(iii)
0
0
(v)
(vi)
00
(vii)
Nota: Teniendo en cuenta que ab = eb ln a , las indeterminaciones (v), (vi) y (vii) se reducen a 0 .
Prof: Jos
e Antonio Abia Vian
Ejemplo 126
2
lm x +2x+1
2
x+ 3x2x
+
= (
)=
1
2
x2 + 2x + 1
lm
= lm
x+ 3x 2x2
x+
Ejemplo 127
lm
x0
x3 3x+2x2
3x3 2x
= ( 00 ) =
3
2
x2 +2x+1
x2
3x2x2
x2
1+
= lm
3
x
x+
+ x12
1+0+0
1
=
=
0
2
2
2
2
x
x3 3x + 2x2
x(x2 3 + 2x)
x2 3 + 2x
03+0
3
3
= lm
= lm
=
=
=
3
2
x0
x0
x0
3x 2x
x(3x 2)
3x2 2
02
2
2
lm
Ejemplo 128
2x
lm
x+ x+ x2 +2x
+
= ( +
) = 1.
2x
= lm
x+ x +
x2 +2x x+
lm
x
x
2x
x
x2 +2x
x
= lm
x+
1+
2
x
+2x
x2
= lm
x+
1+
2
q
=
1+ x2
2
1+0+1
=1
x2 .
lm
x2 + 2x x = ( ) = 1 .
p
( x2 + 2x x)( x2 + 2x + x)
( x2 + 2x)2 x2
2
x + 2x x = lm
= lm
lm
x+
x+
x+
x2 + 2x + x
x2 + 2x + x
2
2
x + 2x x
2x
= lm
= lm
=1
2
2
x+
x+
x + 2x + x
x + 2x + x
Ejemplo 129
Ejemplo 130
x+
lm (1 + x1 )x = e
x+
Por definici
on, e =
1
n+1
1
x
<
1+
1
n
de donde
lm (1 +
n+
1
1 + n+1
1 n
y para cada x >
n)
1 + x1 < 1 + n1 . De esta
1
(1 + n+1
)n+1
1 n
1 x
1 x
1 n+1
1
1 n
1
+
1+
< 1+
=
<
1
+
1
+
1
n+1
x
n
x
n
n
1 + n+1
n+1
x
n+1
1
1 n
1
n+1
=
1+
1+
1+
<
n+2
n+1
x
n
n
e lm (1 + x1 )x e .
x+
Nota: La Proposici
on 121 de convergencia propia cobra nuevo interes con los lmites con infinitos (para los
que tambien es v
alida), pues la condici
on de continuidad no es aplicable en muchos de estos casos. Adem
as,
la condici
on de convergencia propia, que cuando f (x) sea f (x) 6= se cumple de manera obvia.
Ejemplo Consideremos y = x en (1), y z = h(y) = y 1 en (2) entonces
lm (1 + x1 )x
(1)
=
=
y y
y
lm (1 y1 )y = lm ( y1
= lm ( y1
) = lm (1 +
y )
y+
lm (1 +
y+
y+
1
y1 )(1
y+
1 y1 (2)
= lm (1
y1 )
y+
y+
1
lm (1
y1 ) z+
1 y
y1 )
+ z1 )z = 1 e = e
Continuidad de algunas funciones elementales 131.- (Ver sus graficas en la figura 6.1 de la pagina 53.)
? f (x) = ex es continua en R y lm ex = 0 y lm ex = + .
x
x+
? f (x) = sh x es continua en R y
? f (x) = ch x es continua en R y
? f (x) = th x es continua en R y
Prof: Jos
e Antonio Abia Vian
x+
lm sh x = y
lm ch x = y
lm th x = 1 y
lm ln x = + .
x+
lm sh x = + .
x+
lm ch x = + .
x+
lm th x = 1 .
x+
lm + tg x = y lm
tg x = .
x
2
6.3.3
x 2
Infinit
esimos e infinitos equivalentes
Definici
on 132.- Se dice que una funci
on f es un infinit
esimo en x0 si lm f (x) = 0 .
xx0
Una funci
on f (x) se dice que es un infinito en x0 si lm f (x) = + (o ).
xx0
f (x)
xx0 g(x)
Definici
on 133.- Dos infinitesimos en x0 , f y g , se dicen equivalentes en x0 si lm
f (x)
xx0 g(x)
= 1.
= 1.
Proposici
on 134.- Si g(x) y h(x) son infinitesimos (o infinitos) equivalentes en x0 , entonces
f (x)
f (x)
lm g(x)f (x) = lm h(x)f (x)
y
lm
= lm
,
xx0
xx0
xx0 g(x)
xx0 h(x)
siempre que los segundos lmites existan.
Demostraci
on:
Si existe lm f (x)h(x) y lm
g(x)
xx0 h(x)
xx0
= 1 , entonces:
g(x)
xx0 h(x)
lm h(x)f (x) = lm
xx0
lm h(x)f (x) = lm
xx0
xx0
g(x)h(x)f (x)
h(x)
= lm g(x)f (x)
xx0
An
alogamente para el otro caso.
Algunos infinitos e infinit
esimos conocidos 135.- Usaremos la notacion f
infinitos o infinitesimos equivalentes:
an xn + + a1 x + a0 an xn cuando x
an xn + + a1 x
sen(x) x
cuando x 0
tg(x)
sen x1 x1
cuando x
1 cos(x)
ln(1 + x) x
cuando x 0
ex 1
sh(x) x
cuando x 0
ch(x) 1
lm ln(x)
x1 x1
En efecto, lm ln(x)
= lm ln(x)
= lm ln(1+t)
= lm tt = 1
t
x1 x1
x10 x1
t0
t0
2
x
x0x 0
x0 2 0
x sen( x
xx
xx
2)
2
lm
=
= lm ex2 21 =
= lm x22 = 12
2
sen( x2 ) x2
x0 ex 1
x0
x0
ex 1 x2
x + x1 0
1
lm 2x sen( x ) =
= lm 2x x1 = 2
sen( x1 ) x1
x+
x+
Ejemplos
= 1.
Nota: La hip
otesis de la Proposici
on, en el sentido de que los infinitesimos (o infinitos) sean factores o divisores
de la funci
on, deben tenerse muy presentes pues solo as garantizaremos el resultado. El ejemplo siguiente
muestra c
omo al sustituir un sumando por otro se falsea el resultado.
Sabemos que sen x y x son infinitesimos equivalentes en x = 0 , pero sen x no puede ser sustituido por x
en el lmite: lm senxxx
, pues si lo hacemos obtendramos como lmite 0 cuando su valor correcto es 1
3
6 .
x0
Los infinitesimos o infinitos equivalentes son funciones que tienen un comportamiento similar en el lmite,
pero no igual. Por ello, si los usamos en sumas o restas podemos eliminar esa diferencia (como ocurre en el
lmite anterior) y dejar sin sentido el lmite.
Al sustituir sen x por x en la resta de arriba estamos asumiendo que son iguales, pues sutituimos sen x x
3
por 0 , lo que no es cierto (es sen x x 6= 0 si x 6= 0 ); de hecho, el seno es mas parecido a sen x x x6 con
3
lo que la deferencia es m
as parecida a sen x x x6 que a 0 .
Prof: Jos
e Antonio Abia Vian
6.3.4
Estos alejamientos de la gr
afica se llaman ramas infinitas de la funcion, y puede ocurrir que la funci
on se
parezca a una recta en estas ramas infinitas. Las rectas cumpliendo que la distancia de los puntos de una
rama infinita a esa recta tienda hacia 0 a medida que se alejan, se denominan asntotas de la funcion.
Dado que en R2 , los puntos se alejan en la forma (x, ) , (, y) o (, ) (aqu, puede ser tanto +
como ), buscaremos tres tipos de asntotas: verticales, horizontales e inclinadas.
Asntotas verticales
Si lm f (x) = tenemos una rama infinita a la izquierda del punto x0 y la recta x = x0 es una asntota
xx
0
vertical de esa rama (el signo del lmite + o , nos indicara el comportamiento de la rama infinita).
Si lm+ f (x) = hay rama infinita a la derecha de x0 y la recta x = x0 es asntota vertical de esa rama.
xx0
m , se tendr
a f (x) (mx + n) 0 f (x) mx n , de donde n = lm f (x) mx .
x+
En consecuencia, existir
a asntota cuando x + (o en + ), si existen y son reales los valores de los
lmites m = lm f (x)
y
n = lm f (x)mx, siendo y = mx + n es la asntota buscada. (Analogo en ).
x
x+
Ejemplo
x+
Como el numerador, es continuo en R, las asntotas verticales (si existen) estaran en los puntos donde se anule
el denominador, es decir, 1 , 1 y 3 .
(2) 1 |1|
(x 1)(x + 2) |x|
lm f (x) = lm p
=
=
0+
x1
x1
(x2 1)(x 3)2
(x 1)(x + 2) |x|
(x + 2) |x|
x1
3
x1
lm f (x) = lm+ p
= lm+ p
lm
= lm+
=0
2 x1
x1
x1
x2 1
(x2 1)(x 3)2
(x 3)2 x1+ x2 1
30
(x 1)(x + 2) |x|
30
=
+
l
m
f
(x)
=
lm f (x) = lm p
=
= +
0+
0+
x3+
x3
x3
(x2 1)(x 3)2
x1+
m = lm
x+
x(x1)(8x 3x13)
=4
= lm p
p
x+
(x2 1)(x3)2 (x1)(x+2) + (x2 1)(x3)2
y = x+4
@
@
x=3
@
@
y = x4@
x = 1
Prof: Jos
e Antonio Abia Vian
6.4
Adem
as, si L 6= 0 , el valor de f (x) tiene el mismo signo que L.
Demostraci
on:
Sea > 0 fijo, entonces existe E (x0 , ) tal que |f (x) L| < , luego L < f (x) < L + , para todo
x E (x0 , ) . En consecuencia, f est
a acotada en dicho entorno reducido.
Para la segunda parte, basta tomar tal que 0 < L < f (x) si L > 0 , o tal que f (x) < L+ < 0 , si L < 0 .
Corolario 137.- Si f : A R es continua en x0 , entonces f esta acotada en alg
un entorno de x0 .
Adem
as, si f (x0 ) 6= 0 , el valor de f (x) tiene el mismo signo que f (x0 ) .
6.4.1
Teorema de Bolzano 138.- Sea f una funcion continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f (a)f (b) < 0 ) entonces c (a, b) tal que f (c) = 0 .
.
Teorema de los valores intermedios 139.- Si f : [a, b] R es continua en [a, b] y f (a) 6= f (b) , entonces
para cada k entre f (a) y f (b) , existe c (a, b) tal que f (c) = k .
Demostraci
on:
Supongamos f (a) < f (b) , y sea f (a) < k < f (b) . La funcion g: [a, b] R dada por g(x) = f (x)k es continua
en [a, b] y verifica que g(a) = f (a)k < 0 y g(b) = f (b)k > 0 , luego por el Teorema de Bolzano (138) existe
c (a, b) tal que g(c) = f (c) k = 0 , es decir, con f (c) = k . Analogamente si f (b) < f (a) .
Corolario 140.- Sea I un intervalo de R y f : I R continua en I , entonces f (I) es un intervalo de R. .
Teorema de acotaci
on 141.- Sea f una funcion continua en el intervalo cerrado [a, b] , entonces f esta acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| M , para todo x [a, b] .
.
Teorema de Weierstrass 142.- Si f es una funcion continua en el intervalo [a, b] , entonces f alcanza un
m
aximo y un mnimo en [a, b] . Es decir, , [a, b] tal que f () f (x) f () , x [a, b] .
.
Corolario 143.- Si f es continua en (a, b) y lm f (x) = l1 R y lm f (x) = l2 R , la funcion f est
a
xb
xa+
acotada en (a, b) .
6.5
Ejercicios
6.52 Usar las Propiedades del orden 94 y las de las operaciones descritas en el apartado 6.1.4, para probar que:
entonces 0 < x2 < y 2
entonces 0 < |x| < |y|
entonces 0 < x2 < x
entonces x1 < y1 < 0
a)
c)
e)
g)
si
si
si
si
0 < x < y,
0 < x < y,
0 < x < 1,
y < x < 0,
Prof: Jos
e Antonio Abia Vian
b)
d)
f)
h)
si
si
si
si
6.5 Ejercicios
6.53 Hallar el dominio de las funciones reales de variable real dadas por:
(i) f1 (x) = x2 2x
(iv) f4 (x) = ln |x|
(vii) f1 (x) + f2 (x)
(x) f7 (x) =
x1
x+1
q
(iii) f3 (x) = x1
x+1
(vi) f6 (x) = ln(2 x2 )
(ix) f21(x) + f31(x)
q
(xii) f9 (x) = x1
x+1
p
(ii) f2 (x) = |x| x
(v) f5 (x) = ln x
(viii) f3 (x) f1 (x)
(xiv) f9 (x) f7 (x)
f4 (x)+f5 (x)
f8 (x)
(xvii)
f6 (x)
f1 (x)
(xv)
(f5 f8 )(x)
f1 (x)
f6 (x)
(f1 f4 f2 )(x)
(xviii)
1
f (x)
es (estric.) decreciente.
1
f (x)
1
x2 +1
x2 1
x2 +1
6.56 Sea f : R R, se dice que f es par si f (x) = f (x) , y que es impar si f (x) = f (x) .
a) Comprobar si sen x , cos x , tg x , sh x , ch x , th x y xn , para n = 0, 1, 2, . . ., son pares o impares.
b) Si f es par y creciente en (0, +) , sera tambien creciente en (, 0) ?
c) Si f es impar y creciente en (0, +) , sera tambien creciente en (, 0) ?
d) Que caracterstica especial cumplen las graficas de las funciones pares? Y las de las funciones
impares? Justificar la respuesta
6.57 Para las funciones que aparecen en el Ejemplo 110 anterior, dibujar su grafica y la de su inversa en los
dominios indicados.
Si una funci
on f : A B es creciente (decreciente) en A , diras que su inversa f 1 : B A tambien
es creciente (decreciente) en B ?
Probarlo en el caso de creer que es cierto, o en el caso de creer que es falso, justificarlo con un ejemplo.
6.58 Sean las funciones f , g y h , funciones reales definidas por:
2 1
2x 2 , si x (, 1]
1, si x 0
1 x2 , si x (1, 0)
f (x) =
; g(x) =
;
1, si x > 0
3
,
si
x
[0,
)
2
1x
Prof: Jos
e Antonio Abia Vian
( x3 1
h(x) =
2x2
2
, si |x + 1| 1
x +2
2x+4 , si
|x + 1| > 1
6.5 Ejercicios
7x3 +4x
lm
2
3
x 3xx 2x
x2 4
lm 2
x2 x (2+x)
lm x2 + 3x
x
14x2
lm
2x+1
1 +
x 2
7x3 +4x
lm 3xx
2 2x3
x
1+4x2
lm
x 4+x
lm (2 x2 )2x
x0
|x|x
lm 2
x0 x 2x
b)
e)
1x
h)
k)
c)
f)
i)
l)
3
lm 7x 2+4x 3
x0 3xx 2x
2
lm senx2 x
x
2x
lm (x2 + 2) x10
x+
lm
x1+
1
x2 x
x+1
x1
6.60 Usar lmites laterales para verificar la existencia o no de los siguientes lmites:
a)
lm
x1
(1x)2
x1
x
x0 |x|
b)
lm
c)
lm
x0
1
x
1
|x|
d)
lm
x0
|x|
x
1 x
2
lm ( x 1) ex +2
lm x2 sen x1
b)
x1
c)
x0
2
lm (xa)
xa |xa|
lm ln
x0
3+
(1x)2
x2 +1
b)
lm tg(ln(cos(e x )))
x0
c)
lm
1
1 + cos2 ( th( |x|
))
a) sen2 1 x2 , cuando x 1+
c) 1q cos((2 x2 )2 ), cuando x 2
1x
e)
3x3 +12x2 , cuando x 0
b)
1 + x2 + 2x4 , cuando x
d) ln(1 x1 ), cuando x
g) ln(x2 ), cuando x 1
i) sen(x), cuando x 2
h) 1 e2x , cuando x 0
j) tg(x6 ), cuando x 0
f)
cos(x), cuando x
ln(cos x)
x2
x0
lm
b)
sen2 x+ex 1
th(2x)
x0
lm
c)
lm x3 sen( x31+x )
d)
7x tg(x3 x5 )
2
x0 (cos(2x)1)
lm
(x)
a) Si f y g son ifinitesimos cuando x a y lm fg(x)
= L 6= 0 , probar que f (x) y L g(x) son
xa
infinitesimos equivalentes cuando x a.
lm f (x) = lm f (a + h)
xa
2
lm ln(x )
x1 x1
b)
3
3
lm x +2
x2 x+2
Prof: Jos
e Antonio Abia Vian
para calcular
h0
c)
lm 3 sen(+x)
1cos(x)
lm (1 + x1 )x = e y que
x+
d)
cos x
lm 2x
x
2
lm (1 + x1 )x = e .
6.5 Ejercicios
lm
x
1 x1
b)
lm
3x
1x
2x
c)
lm
x1
2
x+1
3x
1x
lm (1 + cos x) cos x
d)
x
2
x2 3
x+1
6.69 Considerar las funciones reales de variable real dadas por f (x) =
y g(x) =
x1
3x2
f (x) =
x , si x 6= 0
1, si x = 0
(
c)
f (x) =
x2 +x 2
x1 , si
3 2
4 , si
x2 4
x2 (2+x) , si
x, si |x| > 1
x3 , si |x| 1
b) f (x) =
x 6= 1
x=1
d) f (x) =
x 6= 2
0, si x = 2
ax + 1, si x < 3
a + b, si x = 3 es continua en R ?
6.71 Para que valores de las constantes a y b, f (x) =
2
bx 2, si x > 3
6.72 Sean las funciones f, g, h: R R , definidas a trozos mediante:
f (x) =
1, si x 0
;
1, si x > 0
2 1
2x 2 , si x 1
1 x2 , si 1 < x < 0 ;
g(x) =
3
1+x2 , si x 0
( x3 1
h(x) =
2+x2
, si |x + 1| 1
x2 +2
2x+4 , si
|x + 1| > 1
a x, si x a
si x > a
x(a2 x2 )
a2 +x2 ,
2
x a
a2 +x2 , si x < a
x
b) fa (x) =
2 , si x = a
a2 x , si x > a
2
a +x2
Prof: Jos
e Antonio Abia Vian
Captulo 7
Funciones derivables
7.1
Definici
on 144.- Se dice que f : (a, b) R es derivable en el punto x0 (a, b) si
lm
xx0
f (x) f (x0 )
=LR
x x0
h0
f (x+h)f (x)
h
).
df
dx (x0 ) .
rf (x)
f (x0 )
f (x) f (x0 )
r
|
x0
{z
xx0
}
f (x)f (x0 )
xx0
= tg
Ejemplo
lm
La funci
on constante f : R R , con f (x) = k , es derivable en cada punto de su dominio:
kk
0
= lm xx
= lm xx
= 0 = f 0 (x0 ) ; con lo que f 0 (x) = 0 para todo x R .
0
0
f (x)f (x0 )
xx0
xx0
xx0
xx0
? La funci
on identidad f : R R , con f (x) = x , es derivable en cada punto de R:
(x0 )
0
lm f (x0 +h)f
= lm x0 +hx
= lm 1 = 1 = f 0 (x0 ) , y f 0 (x) = 1 para todo x R.
h
h
h0
h0
h0
? La funci
on polin
omica f : R R dada por f (x) = x2 es derivable en cada punto de su dominio pues
x2 x2
(x0 )
0 )(x+x0 )
= lm xx00 = lm (xxxx
= lm x + x0 = 2x0 = f 0 (x0 ) , y f 0 (x) = 2x en R.
lm f (x)f
xx0
0
xx0
xx0
xx0
xx0
h0
h0
h0
h0
h0
ln(x+h)ln(x)
h
= lm
h0
ln( x+h
x )
h
= lm
h0
ln(1+ h
x)
xh
x
1
x
ln(1+ h
x)
= x1 lm
h
h0
x
1
x
= f 0 (x) .
? La funci
on f (x) = sen x es derivable en cada punto de R y f 0 (x) = cos x
h
2 sen( h
sen(x+h)sen(x) (1)
2 ) cos(x+ 2 )
= lm
h
h
h0
h0
lm
xy
2 )
sen( x+y
= lm cos(x + h2 )
h0
xy
2 )
xy
x+y
xy
= sen( x+y
2 ) cos( 2 ) + cos( 2 ) sen( 2 )
Prof: Jos
e Antonio Abia Vian
sen( h
2)
h
2
xy
x+y
xy
x+y
xy
sen( x+y
2 ) cos( 2 ) cos( 2 ) sen( 2 ) = 2 cos( 2 ) sen( 2 )
? La funci
on f (x) = cos x es derivable en cada punto de R y f 0 (x) = sen x
h
2 sen( h
cos(x+h)cos(x) (2)
2 ) sen(x+ 2 )
= lm
h
h
h0
h0
lm
= lm sen(x + h2 )
sen( h
2)
h
2
h0
(2) An
alogamente al caso del seno, cos x cos y = cos( x+y
+
2
xy
2 )
cos( x+y
xy
2 )
= sen(x) = f 0 (x) .
xy
= 2 sen( x+y
2 ) sen( 2 )
xx0
f (x)f (x0 )
xx0
(x0 )
f (x) = f (x) f (x0 ) + f (x0 ) = f (x)f
(x x0 ) + f (x0 ),
xx0
y tomando lmites se prueba la continudad de f en x0 , ya que:
lm f (x) = lm
xx0
xx0
f (x) f (x0 )
lm (x x0 ) + lm f (x0 ) = f 0 (x0 ) 0 + f (x0 ) = f (x0 ).
xx0
xx0
x x0
Nota: Como consecuencia de este resultado una funcion solo puede ser derivable en los puntos de continuidad.
Pero la continuidad no garantiza la derivacion:
Ejemplo La funci
on f (x) = |x| es continua pero no derivable en 0, ya que
lm
x0+
f (x)f (0)
x0
= lm
x0+
|x|
x
= lm
x0+
x
x
=1
lm
x0
f (x)f (0)
x0
= lm
x0
|x|
x
= lm
x0
x
x
= 1
Como para los lmites y la continuidad, la derivabilidad se extiende bien mediante las operaciones con
funciones:
Propiedades 146.- Sean f y g funciones derivables en un punto x0 , entonces:
a) f + g es derivable en x0
b) f g es derivable en x0
c) f /g es derivable en x0 , si g(x0 ) 6= 0 ,
(f /g)0 (x0 ) =
x2 1
x
f 0 (x) = nxn1
(2x)(x)(x2 1)(1)
x2
x2 +1
x2
Regla de la cadena 147.- Sea f derivable en x0 y g derivable en f (x0 ) , entonces la funcion compuesta g f
es derivable en x0 y adem
as:
(g f )0 (x0 ) = g 0 f (x0 ) f 0 (x0 ).
.
Ejemplo f (x) = x es derivable en (0, +) , pues f (x) = x = e ln(x) donde g(x) = ex y h(x) = ln x
son derivables en sus dominios. Adem
as, f 0 (x) = g 0 (h(x))h0 (x) = e ln x ( x1 ) = x x = x1 .
4
Prof: Jos
e Antonio Abia Vian
7.1.1
Aplicaciones de la derivada
Regla simple de LH
opital 148.- Si f (x0 ) = g(x0 ) = 0 y f y g son derivables en x0 con g 0 (x0 ) 6= 0 .
f (x)
f 0 (x0 )
Entonces,
lm
= 0
.
xx0 g(x)
g (x0 )
Demostraci
on:
Por ser f y g derivables en x0 , y f (x0 ) = g(x0 ) = 0 , se tiene
f (x)
f (x) f (x0 )
lm
= lm
= lm
xx0 g(x)
xx0 g(x) g(x0 )
xx0
Ejemplo lm
x0
sen x
x
f (x)f (x0 )
xx0
g(x)g(x0 )
xx0
xx0
f (x)f (x0 )
xx0
lm
g(x)g(x0 )
xx0
lm
xx0
f 0 (x0 )
g 0 (x0 )
= 1 pues f (x) = sen x y g(x) = x , verifican las condiciones del resultado, f (0) = g(0) = 0 ,
x0
sen x
x
cos(0)
1
=1
ln x
2
x1 cos(x)+e1x
4
.
La funci
on f (x) = ln x verifica que f (1) = 0 y derivable en 1 con f 0 (x) =
1
x
y f 0 (1) = 1 .
La funci
on g(x) = cos(x) + e1x verifica que g(1) = cos() + e0 = 1 + 1 = 0 y derivable en 1 con
2
0
g (x) = sen(x) + e1x (2x) y g 0 (1) = sen() + e0 (2) = 2 6= 0 .
1
ln x
= 2
Luego lm cos(x)+e
1x2
4
x1
Nota: La derivaci
on es una potente herramienta para el calculo de lmites, no solo por el resultado anterior
sino por la m
as u
til Regla General de LH
opital 158 y los polinomios de Taylor, que veremos mas adelante.
7.1.1.1
El significado de la derivada como lo que crece la funcion cerca del punto, queda de manifiento con el siguiente
resultado:
Teorema 149.- Sea f : (a, b) R derivable en el punto x0 (a, b) . Entonces, si f 0 (x0 ) > 0 (resp. f 0 (x0 ) <
0 ) la funci
on f es estrictamente creciente (resp. decreciente) en x0 .
Demostraci
on:
Si f 0 (x0 ) > 0 , como f 0 (x0 ) = lm
xx0
f (x)f (x0 )
xx0
, se tiene que
f (x)f (x0 )
xx0
? si x0 < x, como x x0 > 0 , necesariamente f (x) f (x0 ) > 0 de donde f (x0 ) < f (x)
? y si x < x0 , es x x0 < 0 y debe ser f (x) f (x0 ) < 0 de donde f (x) < f (x0 )
An
alogamente, para f 0 (x0 ) < 0 .
Definici
on 150.- Sea f : (a, b) R , se dice que f alcanza un m
aximo local en el punto x0 (a, b) (o que
f (x0 ) es un m
aximo local de f ) si f (x) f (x0 ) para todos los x de alg
un entorno E(x0 , ) de x0 .
Se dice f alcanza un mnimo local en x0 si f (x0 ) f (x) para todos los x del entorno.
Nota: Diremos extremo local para referirnos indistintamente a un maximo o un mnimo local.
Proposici
on 151.- Sea f : [a, b] R continua y c (a, b) . Si f es decreciente en cada x [a, c) y creciente
en cada x (c, b] , entonces f (c) es un mnimo local de f .
Si f es creciente en cada x [a, c) y decreciente en cada x (c, b] , f (c) es un maximo local de f .
Demostraci
on:
En efecto, en el primer caso, por ser f continua en [a, b] existe el mnimo de f en el conjunto, pero no se puede
alcanzar en un punto de [a, c) ya que todos los puntos son decrecientes (el valor de f en el punto es mayor que
los cercanos de su derecha); y no puede alcanzarse en (c, b] ya que todos los puntos son crecientes (el valor de f
Prof: Jos
e Antonio Abia Vian
en el punto es mayor que los cercanos de su izquierda). Luego necesariamente, el mnimo tiene que alcanzarse
en c.
An
alogamente, para el caso del m
aximo.
Ejemplo La funci
on f (x) = |x| presenta un mnimo local en 0 , pues es continua en
R (luego en cualquier intervalo cerrado como [1, 1] ), decreciente a la izquierda de 0
( f (x) = x ) y creciente a la derecha (f (x) = x ).
4
Nota: La hip
otesis de continuidad de la funcion es imprescindible para
asegurar el resultado. En la figura aneja pueden observarse distintas
situaciones en las que sin continuidad no hay los extremos esperados:
en los dos primeros casos la funci
on no alcanza el maximo esperado y no
hay extremo local; en el tercero, no se tiene el maximo esperado aunque
s un extremo ya que se alcanza un mnimo local en el punto.
Con la continuidad, si f es creciente (o decreciente) en los puntos
a derecha e izquierda de c, tambien se garantiza la no existencia de
extremo. Pero sin continuidad, a pesar de ser creciente antes del punto
y creciente despues del punto puede existir extremo, como en la cuarta
situaci
on de la figura donde tenemos un m
aximo local.
b
r
b
r
b
b
r
r
b
Corolario 152.- Sea f : [a, b] R continua en [a,b] y derivable en (a, b) . Si f 0 (x) < 0 (resp. f 0 (x) > 0 ) para
cada x (a, c) y f 0 (x) > 0 (resp. f 0 (x) < 0) en cada x (c, b) , la funcion f alcanza en c un mnimo local
(resp. m
aximo local).
2
Ejemplo La funci
on f (x) = ex , continua y derivable en R , presenta un maximo local en 0 , pues su
2
derivada f 0 (x) = ex (2x) es positiva si x < 0 y negativa si x > 0 .
4
Teorema 153 (Condici
on necesaria de extremo).- Sea f : (a, b) R . Si f es derivable en el punto
c (a, b) y f alcanza un extremo local en c, entonces f 0 (c) = 0 .
Demostraci
on:
Si f es derivable en c, existe f 0 (c) = lm
xc
f (x)f (c)
xc
= xc
lm
f (x)f (c)
xc
= xc
lm
x<c
f (x)f (c)
xc
. Entonces
x>c
? si f (c) es un m
aximo local, se verifica que f (x) f (c) 0 para los x cercanos a c, luego
f 0 (c) = xc
lm
x<c
f (x) f (c) 0
=
0
xc
0
f 0 (c) = xc
lm
x>c
f (x) f (c) 0
=
0
xc
0
= f 0 (c) = 0
? An
alogamente, si f (c) es mnimo local, f (x) f (c) 0 , luego
f 0 (c) = xc
lm
x<c
f (x) f (c)
0
xc
f 0 (c) = xc
lm
x>c
f (x) f (c)
0
xc
= f 0 (c) = 0
Ejemplo La funci
on f (x) = ex del ejemplo anterior, es derivable en 0 y presenta un maximo local en 0 .
2
Y ciertamente se verifica que f 0 (0) = e0 (2 0) = 0 .
4
La condici
on anterior es s
olo una condici
on necesaria, bajo la hipotesis de derivacion, pero no es suficiente
para asegurar la existencia de extremo. Es decir, de los puntos donde la funcion sea derivable puede alcanzarse
extremo u
nicamente en aquellos donde la derivada se anule, pero tambien puede no alcanzarse extremo en
ellos. Son, de entre los puntos derivables, los u
nicos puntos candidados a albergar extremo.
En consecuencia, para encontar los extremos locales de una funcion, basta con buscarlos entre los puntos
donde sea derivable, con derivada cero, y los puntos donde la funcion no sea derivable.
Ejemplo
La funci
on f (x) = x3 es derivable en R y f 0 (x) = 3x2 se anula en x = 0 , pero no tiene extremo
local en el punto.
Prof: Jos
e Antonio Abia Vian
Ejemplo La funci
on f (x) =
3x4 8x3
16
0
3x2 (x2)
4
y se anula ( f (x) = 0 )
(1, 3) ; su derivada en (1, 3) es f (x) =
en los puntos x = 0 y x = 2 . Entonces los u
nicos puntos candidatos
a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada
y se anula), pero tambien los puntos x = 1 y x = 3 donde la funcion
no es derivable (por ser extremos del intervalo de definicion). De hecho,
el los extremos del intervalo se alcanza extremo local (f (1) y f (3) son
m
aximos locales) y tambien en el punto interior x = 2 (f (2) es mnimo
local); mientras que el otro candidato x = 0 no alberga extremo.
4
7.2
Teoremas de derivaci
on
f (b)f (a)
ba
(a)
de la cuerda entre los puntos (a, f (a)) y (b, f (b)) que tiene por ecuacion y = f (a) + f (b)f
(x a) .
ba
(a)
Consideremos entonces la funci
on g(x) = f (x) f (a) + f (b)f
(x
a)
(la
funci
o
n
menos
la cuerda)
ba
para llevar el problema a las condiciones del teorema de Rolle. En efecto, g: [a, b] R es continua en [a, b] y
(a)
derivable en (a, b) por ser suma de continuas y derivables, ademas, g(a) = f (a) f (a) + f (b)f
(a a) = 0
ba
(a)
(b a) = 0 .
y g(b) = f (b) f (a) + f (b)f
ba
(a)
Entonces, existe c (a, b) tal que g 0 (c) = 0 ; y como g 0 (x) = f 0 (x) f (b)f
, se tiene la igualdad propuesta
ba
ya que 0 = f 0 (c)
f (b)f (a)
ba
El u
ltimo de los teoremas y m
as general es el teorema de Cauchy. Aunque graficamente no tiene un significado
claro, es muy u
til para la extensi
on de la teora:
Prof: Jos
e Antonio Abia Vian
Teorema del valor medio de Cauchy 156.- Sean f y g funciones continuas en [a, b] y derivables en (a, b) .
Si g 0 (x) 6= 0 , x (a, b) , entonces c (a, b) tal que:
f (b) f (a)
f 0 (c)
= 0
g(b) g(a)
g (c)
si existe
0
(x)
lm fg0 (x)
xx0
xx0
se cumple que
f (x)
xx0 g(x)
lm
f 0 (x)
0
xx0 g (x)
= lm
y lm g(x) = +
o , (tambien en este caso x0 puede ser + o ) sin mas que traducir las hip
otesis
xx0
de f y g a entornos de +
o .
Ejemplo
Calcular el lm
x0
sen(x)x
x3
con f (0) = 0 = g(0) ; y sus derivadas son f 0 (x) = cos(x) 1 y g 0 (x) = 3x2 . Entonces, por LHopital, el lmite
inicial existe si existe el del cociente de las derivadas, por lo que hemos trasladado el problema al calculo de un
nuevo lmite lm cos(x)1
. Como tambien es indeterminado y las derivadas son derivables, podemos aplicar de
3x2
x0
nuevo LH
opital para resolver este lmite. Sucesivamente, tendremos que
lm
x0
cos(x) 1
sen(x)
1
sen(x)
1
sen(x) x
= lm
= lm
=
lm
=
3
2
x0
x0
x0
x
3x
6x
6
x
6
La existencia del u
ltimo lmite garantiza la cadena de igualdades.
Ejemplo Calcular lm+
x0
tg(
2 x)
ln x
.
tg( x)
+
Como las funciones del cociente son derivables cerca de 0+ , y ln2 x
, aplicando lHopital
1
cos
(
x)
tg( x)
0
1
2
lm+ ln2 x = lm+
= lm+ cos2x
m+ 2 cos( x)(1
1
( x) = 0+ = l
sen( x))(1) = ( 0+ ) =
x0
x0
x0
2
lm x2 x
x+ x +3x
x0
= 1 , y usando lHopital
2
lm x2 x
x+ x +3x
= lm
2x1
x+ 2x+3
2
x+ 2
= lm
=1
4
4
A
nadamos un resultado que puede parecer irrelevante, pero que resulta de utilidad para las funciones definidas a trozos:
Prof: Jos
e Antonio Abia Vian
Proposici
on 159.- Sea f : (a, b) R tal que f es continua en x0 (a, b) , f es derivable en un entorno
reducido de x0 , y existen los lm+ f 0 (x) y lm f 0 (x) . Entonces:
xx0
xx0
xx0
Demostraci
on:
Por ser f continua en x0 , f (x) f (x0 ) cuando x x0 y, por ser derivable, puede aplicarse la Regla de
LH
opital para obtener las igualdades de lmites siguientes:
lm+
xx0
f (x) f (x0 )
f 0 (x)
= lm+
= lm+ f 0 (x)
x x0
1
xx0
xx0
lm
xx0
f (x)f (x0 )
xx0
xx0
f (x)f (x0 )
y lm+ f 0 (x)
xx0
xx0
xx0
f (x)f (x0 )
(x0 )
= lm+ f (x)f
xx0
xx0
xx0
0
= lm+
f (x) f (x0 )
f 0 (x)
= lm
= lm f 0 (x)
x x0
1
xx0
xx0
xx0
0
= lm f 0 (x) .
xx0
y existe el lmite
xx0
x, si x 0
no es derivable en x = 0 . En efecto, es continua en
x, si x < 0
0
x = 0 y derivable en R {0}, y como lm+ f (x) = lm+ 1 = 1 6= lm f 0 (x) = lm 1 = 1 , la funci
on
Ejemplos
La funci
on f (x) = |x| =
x0
x0
x0
x0
no es derivable en el punto.
2
x , si x 0
? La funci
on f (x) =
es derivable en x = 0 . En efecto, es continua en x = 0 y derivable en
x2 , si x < 0
0
R {0} , y como lm+ f (x) = lm+ 2x = 0 = lm f 0 (x) = lm 2x = 0 , la funcion es derivable en el
x0
punto y f 0 (0) = 0 .
7.2.1
x0
x0
x0
Teorema de la funci
on inversa
El siguiente teorema garantiza de modo sencillo la existencia de funcion inversa en un conjunto y procura un
metodo para obtener las derivadas de la inversa aunque no conozcamos su expresion.
Teorema de la funci
on inversa 160.- Sea f : [a, b] R continua en [a, b] y derivableen (a, b) , con f 0 > 0 o
0
f < 0 en (a, b) . Entonces f admite funci
on inversa derivable en (a, b) y (f 1 )0 f (x) = f 01(x) .
.
Corolario 161.- Si f es estrictamente creciente (resp. estrictamente decreciente), su inversa f 1 es estrictamente creciente (resp. estrictamente decreciente)
Demostraci
on:
Como (f 1 )0 f (x) =
1
f 0 (x)
1
1 + y2
Ejemplo La funci
on f (x) = sh(x) es continua y derivable en R, con f 0 (c) = ch(x) que es continua y mayor
que cero en el conjunto. Luego admite inversa en R y su funcion inversa argsh: R R tiene tambien derivada
1
continua. Como (f 1 )0 (sh(x)) = ch(x)
haciendo y = sh(x) y usando que ch2 x sh2 x = 1 , se tiene
(f 1 )0 (y) = (argsh y)0 = p
Prof: Jos
e Antonio Abia Vian
1
1 + y2
1
1y 2
f (x) = cos x tiene por inversa en [0, ] a arccos: [1, 1] [0, ] y (arccos y)0 = 1
1y 2
f (x) = ch x tiene por inversa en [0, +) a argch: [1, +) [0, +) y (argch y)0 =
f (x) = th x tiene por inversa en R a argth: (1, 1) R y (argth y)0 =
7.2.2
1
y 2 1
1
1y 2
Representaci
on gr
afica de funciones (1)
A lo largo de este tema (y tambien en el anterior) hemos obtenido resultados sobre el comportamiento de la
funci
on: continuidad, monotona, extremos, . . . . Resultados que tambien se reflejan en la grafica de la funci
on,
y que vamos a utilizar, para realizar un esbozo de la misma. La representacion grafica sera mas completa tras
el tema siguiente sobre las derivadas de
ordenes superiores.
7.2.2.1
Basta para ello reunir algunos de los resultados ya obtenidos, en particular: uso del signo de la derivada para
el crecimiento de la funci
on, la condici
on necesaria de extremos locales, la condicion suficiente de extremo que
se da en la Proposici
on 151.
Para el estudio del signo de la funci
on derivada, si esta es continua, puede resultar u
til el Teorema de Bolzano.
Si f 0 (c) = 0 y f 0 (d) = 0 , f 0 continua en [c, d] y no se anula en ning
un otro punto, el signo de
f 0 (x) es el mismo para todos los x (c, d) .
En efecto, si dos puntos de (c, d) , x1 y x2 , con x1 < x2 , verifican que f 0 tiene signos distintos, por ser
continua, tendra que existir un punto x0 (x1 , x2 ) en el que f 0 (x0 ) = 0 en contra de que no se anula en
ning
un punto m
as del conjunto. Luego todos tienen el mismo signo y para conocerlo basta con calcularlo en
uno de los puntos.
Ejemplo La funci
on f (x) =
3x4 8x3
16
0
Concavidad y convexidad
7.3 Ejercicios
Aunque pueden darse definiciones para las que no es necesaria la derivacion (mejores y menos restrictivas que
estas), las que damos a continuaci
on son sencillas de introducir y mas que suficientes para el uso que haremos
de los conceptos, pero tambien incorporann herramientas para una facil manipulacion.
Definici
on 163.- Diremos que una funci
on f : (a, b) R , derivable en x0 (a, b) es convexa en el punto x0
si f (x) f (x0 ) + f 0 (x0 )(x x0 ) para los x de alg
un entorno de x0 .
Diremos que es c
oncava en x0 si f (x) f (x0 ) + f 0 (x0 )(x x0 ) para los x de alg
un entorno de x0 .
Diremos que es c
oncava o convexa es un intervalo si lo es en cada punto.
Un punto de continuidad se dice de inflexi
on si la funcion cambia de concavidad en el.
Nota: En otras palabras, diremos que es convexa (concava) en x0 si, cerca de x0 , la grafica de la funcion est
a
por debajo (encima) de la recta tangente en el punto. Con los comentarios hechos en la introduccion de este
apartado, en los m
aximos donde la funci
on sea derivable la funcion es convexa y en los mnimos concava.
Ejemplo La funci
on f (x) = x2 es c
oncava en cada punto de R. Como es derivable en cada punto x = a y
0
f (x) = 2x , se cumple que f (x) f (a) + f 0 (a)(x a) = x2 a2 2a(x a) = x2 2ax + a2 = (x a)2 0
para todo x , luego f (x) f (a) + f 0 (a)(x a) y es concava en cada punto.
Ejemplo La funci
on f (x) = x2 (x 3) , es convexa en x = 0 , concava en x = 3 y presenta un punto de
inflexi
on en x = 1 .
En efecto, consideremos la funci
on ga (x) = f (x) (f (a) + f 0 (a)(x a)) entonces, si ga (x) 0 en alg
un
entorno de a es c
oncava en a, si ga (x) 0 en alg
un entorno de a es convexa en a y si ga (x) cambia de signo
en a es un punto de inflexi
on. Como ga (a) = 0 y es derivable (pues f lo es), veamos como se comporta cerca
de cada uno de los puntos indicados:
? En x = 0 , se tiene g00 (x) = 3x(x 2) , por lo que es positiva antes
de 0 y negativa depues (y g0 es creciente antes de 0 y decreciente
depues) luego g0 (x) g0 (0) = 0 en alg
un entorno de 0.
q
7.3
Ejercicios
f (x) =
x1
x+1
d) f (x) = ln
g)
b) f (x) =
f (x) = arctg
x1
x+1
c)
e) f (x) = ln(sen x)
2+x
x2
f (x) =
x1
x+1
1
x
x2 2x
b) f (x) =
e)
x x
x2 +1
f (x) = ln |x|
c)
f (x) =
x5
(x+1)3
p
f) f (x) = |x| x
b) f (x) = e x2 , en x = 1 y en x = 0 .
Prof: Jos
e Antonio Abia Vian
c) f (x) =
7.3 Ejercicios
+
2 x2 , en x = 1 y en x = 2 .
x2 4
2 (2+x)
x
x2
7x3 +4x
lm 3xx
2 2x3
x
ln(x2 )
lm
x1 x1
b)
ex
6
x
x
k)
lm
e)
h)
lm
lm
x1
1
ln x
1
x1
n)
x3 +23
x2 x+2
x)
lm ln(cos
x2
x0
c)
cos x
lm 2x
x
2
lm x ln |x|
x0
i)
lm
f)
l)
lm xsen x
o)
x0+
7x3 +4x
2 2x3
3xx
x0
2
x+ex 1
lm senarctg
x
x0
lm
lm (x + 1)( 2 arctg(2x))
lm lnx
x x
R
1
lm (x2 + 1) x2
7.81 Estudiar la derivabilidad y obtener las derivadas, de las funciones del ejercicio 6.70.
7.82 Obtener las asntotas de las funciones del ejercicio 6.70.
7.83 Estudiar la continuidad y derivabilidad de la funcion f (x) =
arctg
1+4x
4x2 , si
2 , si
x 6= 0
, e indicar sus intervalos
x=0
x x
x2 +1
en [1, 3] y en [0, +) .
7.86 Estudiar la monotona de f (x) = x sen x en [0, ] y deducir de ello que x sen x en [0, ] .
7.87 Probar que:
a) Si f es una funci
on estrictamente creciente, entonces
f g alcanza un m
aximo/mnimo en a h alcanza un maximo/mnimo en a
b) Si f es una funci
on estrictamente decreciente, entonces
f g alcanza un m
aximo/mnimo en a g alcanza un mnimo/maximo en a
7.88 Usar los resultados del ejercicio 7.87, para encontrar los extremos locales de las funciones
x+1
a)
f (x) = e x2 +3
b) f (x) =
1
(x2 5)2 +x2
Prof: Jos
e Antonio Abia Vian
7.3 Ejercicios
Como el edificio es cuadrado, ocurre lo mismo en cada lado, por lo que basta estudiar uno de los lados,
por ejemplo el lado inferior (el segmento {(x, 0) : x [0, L]} ).
Luego, para cada x [0, L] , debemos encontrar un funcion f que asigne a cada x el area buscado, es
decir, tal que f (x) =
area-abarcado-atando-en-x .
La soluci
on del problema se obtiene encontrando los puntos donde de alcancen el maximo y el mnimo
global de f en el intervalo [0, L] .
a) Resolver el problema planteado.
b) Repetir el problema para una cuerda de longitud la mitad del permetro del edificio.
7.91 Descomponer 100 en dos sumandos tales que el cuadruplo del primero mas el cuadrado del segundo sea
mnimo.
7.92 Hallar dos n
umeros cuya suma sea a , de modo que la suma de la cuarta potencia de uno, mas el cuadrado
del otro, sea m
axima.
7.93 Entre todos los rect
angulos de
area 50, cual es el de permetro mnimo? y maximo?
7.94 Sean los tri
angulos rect
angulos que tienen la suma de los catetos constante (e igual a k ). Cual de ellos
tiene
area m
axima?
7.95 Dado un tri
angulo is
osceles de base 8 cm y altura 5 cm, hallar las dimensiones de un rectangulo inscrito
en el de
area m
axima.
7.96 Un prisma de 15 cm de altura tiene como base un triangulo rectangulo de hipotenusa igual a 10 cm.
Calcular las longitudes de los catetos para que el volumen sea maximo.
7.97 De entre todos los cilindros con volumen 100 cm 3 , escoger el de area lateral maxima. Cual es el de
area total m
axima?
7.98 Hallar las distancias mnima y m
axima del punto (1, 1) a la circunferencia (x 2)2 + (y 2)2 = 9 .
7.99 Hallar, las dimensiones del cilindro de volumen maximo inscrito en una esfera de radio R
7.100 Hallar, las dimensiones del cilindro de
area total maxima inscrito en una esfera de radio R
7.101 Un pescador en bote de remos se encuentra, mar adentro, a una distancia de 2 km. del punto mas cercano
de una playa recta y desea llegar a otro punto de la playa a 6 km. del primero. Suponiendo que se puede
remar a una velocidad de 3 km/h. y caminar a 5 km/h, que trayectoria debe seguir para llegar a su
destino en el menor tiempo posible? Si tiene una lancha que viaja a 15 km/h, que trayectoria debe seguir
ahora?
7.102 Hay que cortar un hilo de longitud L en dos trozos. Con uno de ellos se forma un crculo, y con el otro
un cuadrado. C
omo hay que cortar el hilo para que la suma de las areas sea maxima? Y para que sea
mnima?.
7.103 Un cami
on ha de recorrer 300 kms en una carretera llana a una velocidad constante de x km/h. Las leyes
de circulaci
on prescriben para la velocidad un maximo de 60 km/h y un mnimo de 30 km/h. Se supone
x2
que el carburante cuesta 3 duros/litro y que el consumo es de 10 + 120
litros por hora. El conductor cobra
10 duros por hora. Teniendo en cuenta que la empresa paga al conductor y el carburante, a que velocidad
tendr
a que viajar el cami
on para que el dinero desembolsado por la empresa sea mnimo.
7.104 Sea f (x) una funci
on derivable en todo R , cuya grafica es simetrica respecto al eje OY .
a) Estudiar la paridad (simetra) de f 0 (x) .
b) Determinar, si es posible, f 0 (0) .
7.105 Sea f una funci
on de clase 1 (derivable con derivada continua) en la recta real R. Supongamos que f
tiene exactamente un punto crtico x0 que es un mnimo local estricto de f . Demostrar que x0 tambien
es un mnimo absoluto para f .
Prof: Jos
e Antonio Abia Vian
Captulo 8
Polinomios de Taylor
Hemos visto el uso de la derivada como aproximacion de la funcion (la recta tangente) y como indicadora del
comportamiento de la funci
on (monotona). En este tema veremos las derivadas de ordenes superiores para
mejorar estos usos.
Una definici
on usada cuando se manejan derivadas de ordenes superiores es la siguiente:
Definici
on 164.- Se dice que f es una funci
on de clase 1 (o que es C 1 ) es x0 si es derivable en el punto y su
derivada es continua en el punto. En general, se dice de clase m (o C m ) si admite derivada hasta orden m
y son todas continuas.
Si admite derivadas de cualquier orden y todas son continuas, se dice de clase (C ).
Ejemplos ? f (x) = ex es continua y derivable en R y su derivada es f 0 (x) = ex continua en R, luego es
C 1 en R. Como su derivada es ella misma, vuelve a ser derivable y su derivada continua y, sucesivamente,
es en realidad de C .
? Los polimonies son de clase es R. En efecto, son continuos y derivables, y su derivada es un polinomio,
que vuelve a ser continua y derivable, etc.
? Las funciones seno y coseno son C , pues salvo signos una es la derivada de la otra y son continuas y
derivables.
4
8.1
Polinomios de Taylor
Cuando en el c
alculo de lmites usamos LH
opital o algunos infinitesimos, estamos sustituyendo el comporta
miento de la funci
on cerca del punto por el de su recta tangente. Esta
aproximacion que usamos, coincide
con la funci
on en su valor y el valor de la derivada en el punto; los polinomios de Taylor que construiremos a
continuaci
on se toman para que coincida con la funcion en todas las derivadas.
Definici
on 165.- Lamaremos polinomio de Taylor de grado n para la funci
on f en el punto a , y
lo denotaremos por Pn,a , al polinomio:
n
X f (k) (a)
f 0 (a)
f 00 (a)
f (n) (a)
(x a) +
(x a)2 + +
(x a)n =
(x a)k
1!
2!
n!
k!
k=0
f (x) = sen(x)
P1, 2 (x)
3
P2, 2 (x)
3
P3, 2 (x)
3
P4, 2 (x)
3
(k)
Prof: Jos
e Antonio Abia Vian
a)n
(n1)
f (n) (a)
(x
1!
a)1
(k)
x
x3
1! 3!
+ x5! x7!
2x
+
1 + x2
1 + x2
1 +2x
1 + x2
2
1
x
1 + 2x x2 2x3
2
2x x
2x
2x3
2
x 2x3
x2
+x4
3
2x +x4
2x3
+2x5
4
x +2x5
Ejemplo Obtener el polinomio de Taylor de grado 3 en 0 de f (x) = sen x + cos x , g(x) = sen x cos x y
x
x3
h(x) = tg x = sen
cos x . Como el polinomio de McLaurin de grado 3 de sen x es P (x) = x 3! y el de cos x es
2
Q(x) = 1 x2! , se tiene
? P (x) + Q(x) = 1 + x
? P (x)Q(x) = x
Prof: Jos
e Antonio Abia Vian
x3
3!
x2
2!
x3
2!
x3
3!
x5
2!3!
4x3
3!
P (x)
Q(x)
x x6
1 x2
= x+
x3
3
1 x2
= x+
x3
3
x5
6
1 x2
= x+
x3
3
x5
6
x7
12
1 x2
, luego x +
x3
3
es el polinomio de
McLaurin de grado 3 de h.
xa
Demostraci
on:
Basta aplicar LH
opital sucesivamente al lmite siguiente ( n 1 veces, que es aplicable por tener la funci
on y
el polinomio de Taylor las mismas derivadas en el punto), y tener en cuenta que existe f (n) (a) :
0
00
f 0 (x) Pn,a
(x)
f 00 (x) Pn,a
(x)
f (x) Pn,a (x)
= lm
= lm
=
n
n1
xa n(x a)
xa n(n 1)(x a)n2
xa
(x a)
lm
(n)
(n1)
f (n1) (x) f (n1) (a) + f 1!(a) (x a)
f (n1) (x) Pn,a (x)
= lm
xa
xa
n 2(x a)
n 2(x a)
(n1)
(n1)
1
f
(x) f
(a)
1
=
lm
f (n) (a) =
f (n) (a) f (n) (a) = 0
n! xa
xa
n!
= lm
Nota: El resultado nos indica que la diferencia entre f (x) y Pn,a (x) se hace peque
na cuando x es cercano a
a incluso en comparaci
on con (x a)n , con lo que los polinomios de Taylor aproximan muy bien a la funci
on,
casi puede decirse que reproducen la funci
on cerca del punto. Por ello, el uso de los polinomios de Taylor en
este sentido, es uno de los metodos m
as sencilos para evaluar funciones de forma aproximada.
1
Es obvio, que si aumentamos el orden del polinomio se prof (x) = 1+x
2
P0,0 (x) = 1
duce una mejor aproximaci
on, no solo porque el valor del
polinomio en un punto sea m
as cercano al valor real de la
P2,0 (x) = 1 x2
r
funci
on (mejor aproximaci
on) sino tambien porque pueP4,0 (x) = 1 x2 + x4
den aumentar los puntos para los cuales la aproximacion
P6,0 (x) = 1 x2 + x4 x6
es buena. No obstante esto no es lineal, es decir, no por
aumentar mucho el grado del polinomio vamos a conseguir
P8,0 (x) = 1 x2 + x4 x6 + x8
una buena aproximaci
on en todo el dominio.
En la figura aneja, podemos ver un ejemplo de lo que estamos diciendo, por mucho que aumentemos el orden
de los polinomios de Taylor en x = 0 la funci
on f (x) = x21+1 no puede aproximarse para los valores de x fuera
de (1, 1) . Por ello, decimos que las aproximaciones de Taylor son aproximaciones locales.
8.1.1
F
ormula de Taylor.
Todas estas ideas y comentarios sobre la aproximacion de funciones con polinomios quedan de manifiesto con
la obtenci
on de la F
ormula de Taylor, que relaciona con igualdad la funcion y el polinomio de Taylor:
F
ormula de Taylor 170.- Si para una funci
on f existen f 0 , f 00 , . . . , f (n) y f (n+1) sobre el intervalo [a, x] .
Entonces,
f (n+1) (c)
f (x) Pn,a (x) =
(x a)n+1 para un cierto c (a, x),
(n + 1)!
llamado resto de Lagrange, o tambien
f (x) Pn,a (x) =
que se denomina resto de Cauchy.
Prof: Jos
e Antonio Abia Vian
f (n+1) (c)
(x c)n (x a) para un cierto c (a, x),
n!
.
Grado de Ing. en Dise
no Industrial y Desarrollo del producto : Curso 20132014
8.2 Representaci
on de funciones (2)
P 0 (a)
P (n) (a)
(x a) + +
(x a)n
1!
n!
a R
La F
ormula de Taylor y el hecho de que la derivada de orden n + 1 para un polinomio de grado n es cero,
garantiza la igualdad de los dos polinomios del corolario. Pero tambien, la igualdad propuesta por la Formula
de Taylor, nos permitir
a sustituir la funci
on por el polinomio de Taylor en el calculo de lmites; esta sustituci
on
ampla el uso de los infinitesimos equivalentes (que son casos simples de los polinomios de Taylor) eliminando
la restricci
on de su uso a los productos y cocientes.
3
Ejemplo
sen xx
x3
x0
lm
= lm
x0
(x x3! +
sen(c)x4
4!
x3
)x
sen(c)x4
4!
x3! +
x3
x0
= lm
1
= lm 3!
+
x0
sen(c)x
4!
1
6
Cuando aproximamos el valor real de una funcion en un punto cercano a a usando el polinomio de Taylor
de la funci
on en a, con la F
ormula de Taylor podemos buscar una cota del error cometido. En efecto, al tomar
(n+1)
como valor de la funci
on el del polinomio, el error cometido sera f (x) Pn,a (x) = f (n+1)!(c) (x a)n+1 , para
alg
un c entre a y x , y aunque no conocemos el valor c, s que podemos intentar acotar el valor del resto
(n+1)
n+1
f
(c)
f (n+1) (c) .
(x a)n+1 = |xa|
(n+1)!
(n+1)|
Ejemplo
x3
3!
sen(c)x4
4!
8.2
Representaci
on de funciones (2)
Monotona y extremos locales El siguiente resultado nos ofrece una condicion suficiente que caracteriza
extremos locales, generalizada al uso de las derivadas de ordenes superiores:
Proposici
on 172.- Sea f una funci
on de clase C n1 en un entorno del punto a , para la que se cumple que
0
00
(n1)
f (a) = f (a) = = f
(a) = 0 , y adem
as existe f (n) (a) 6= 0 . Entonces:
a) Si n es par y f (n) (a) > 0 , f presenta un mnimo local en a .
b) Si n es par y f (n) (a) < 0 , f presenta un maximo local en a.
c) Si n es impar y f (n) (a) > 0 , f es estrictamente creciente en a.
d) Si n es impar y f (n) (a) < 0 , f es estrictamente decreciente en a.
Ejemplo La funci
on f (x) = x4 presenta un mnimo local en 0 , pues f 0 (0) = f 00 (0) = f 000 (0) = 0 y f (4) (0) =
24 > 0 siendo n = 4 par. Mientras que f (x) = x3 es estrictamente creciente en 0 , pues f 0 (0) = f 00 (0) = 0 y
f 000 (0) = 6 > 0 siendo n = 3 impar.
4
Concavidad y convexidad
Con la F
ormula de Taylor, la derivada segunda se convierte en la herramienta para el estudio de la concavidad
y convexidad:
Proposici
on 173.- Sea f : (a, b) R.
a) Si f 00 (x) < 0 , x (a, b) , entonces f (x) es convexa en (a, b) .
b) Si f 00 (x) > 0 , x (a, b) , entonces f (x) es concava en (a, b) .
Demostraci
on:
00
Sea x0 (a, b) , entonces: f (x) = f (x0 ) + f 0 (x0 )(x x0 ) + f 2!(t) (x x0 )2
tanto, si f 00 < 0 en (a, b) ,
f (x) [f (x0 ) + f 0 (x0 )(x x0 )] = f 00 (t)
Prof: Jos
e Antonio Abia Vian
(x x0 )2
0
2!
8.2 Representaci
on de funciones (2)
8.2.1
Representaci
on de funciones en forma explcita: y = f (x)
Prof: Jos
e Antonio Abia Vian
8.3 Ejercicios
8.2.2
8.2.2.1
Dadas , : A R , si consideramos los puntos del plano de la forma ((t), (t)) , para cada valor t A ,
estaremos representando
sobre el plano real una curva. Se dice que la curva viene dada por sus ecuaciones
x = (t)
param
etricas
y al valor t se lo denomina par
ametro.
y = (t)
1
Si la funci
on x = (t) admite inversa, t = (x) , entonces y se podra escribir como funcion de x ,
y = (t) = (1 (x)) = f (x) y tendremos la curva representada por una funcion en forma explcita.
En general, aunque x = (t) no admita inversa para todo t , si admitira inversa por trozos (al menos
siempre que 0 (t) 6= 0 , por el Teorema de la funcion inversa), luego podremos suponer que a la curva en
parametricas se le puede asociar, por trozos, alguna funcion en forma explcita.
Entonces, para estudiar una curva dada en parametricas podemos usar los resultados conocidos para la
forma explcita. En efecto, supuesto y = (t) = (1 (x)) = f (x) , se tiene que
?
tt0
xx0
Sean O un punto del plano, al que llamaremos polo, y una semirrecta, llamada eje polar, que tiene su origen
en O . La posici
on de un punto cualquiera P del plano se determina por dos n
umeros: r y ; el primero de
ellos indica la distancia del punto P al polo y el segundo el angulo formado por el eje polar y la recta OP . Los
n
umeros r y se denominan coordenadas polares del punto P . Si vara entre 0 y 2 , a todo punto P
distinto de O le corresponde un par, bien determinado, de n
umeros r y . El polo es el u
nico punto cuyo r
vale 0 , aunque no est
a determinado.
Una curva en coordendas polares es un curva en el plano descrita por una ecuacion r = f () , una vez
fijados el polo y el eje polar.
Si tomamos el 0 = (0, 0) como poloy el semieje de abcisas positivo como eje polar, cada punto (x, y) del
x = r cos
plano viene descrito por las ecuaciones
, por lo que para un estudio exhaustivo de una curva en
y = r sen
x = f () cos
polares r = f () , podemos realizar el estudio de la curva en parametricas dada por
. Aunque
y = f () sen
para una representaci
on sencilla de la curva basta la propia definicion de las coordendas polares como distancia
al polo y
angulo recorrido.
8.3
Ejercicios
8.106 Escribir cada uno de los polinomios P (x) = x3 2x2 + 3x + 5 y Q(x) = 2x3 6x2 + 8 en potencias de
x 2 y en potencias de x + 1 .
8.107 Construir un polinomio de grado menor o igual que 10 que verifique: P (7) = 1 , P 0 (7) = 2 , P 00 (7) = 3 ,
P (3) (7) = = P (8) (7) = 0 , P (9) (7) = 1 , P (10) (7) = 5 . Hallar la ecuacion de la recta tangente a la
gr
afica de P (x) en el punto de abscisa x = 9 .
8.108 Probar que es una raz de multiplicidad m del polinomio P (x) = an xn + + a1 x + a0 si, y s
olo si
P () = P 0 () = P 00 () = = P m1) () = 0 y P m) () 6= 0 .
8.109 Hallar los polinomios de Taylor de grado 4 de las funciones siguientes en los puntos indicados:
2
a) f (x) = 3x
en = 1
x
d) f (x) = e
en = 1
Prof: Jos
e Antonio Abia Vian
b) f (x) = cos x en = 2
e) f (x) = tg x en = 0
c) f (x) = ln x en = 1
3
f) f (x) = x 4 en = 1
8.3 Ejercicios
8.110 Construir la f
ormula de Taylor para el polinomipo de grado 4 de f (x) = 3 + x en el punto 1 y obtener
una cota del error cometido al aproximar el valor 5 mediante el polinomio de Taylor de orden 4.
8.111 Construir la f
ormula de MacLaurin de f (x) = ex . Si aproximo el valor de e1 mediante un polinomio
de MacLaurin que grado tendr
a que tener al menos, para que el error cometido sea menor que una
diezmilesima ( 104 )?
8.112 Construir la f
ormula de Taylor de f (x) = ln x en el punto 1 . Dar el valor aproximado de ln 32 , con un
error menor que una diezmilesima.
8.113 Considerar los polinomios de MacLaurin de grado 4 de las funciones ex , sen x , cos x , x(1 x) , 1 + x y
ln(1 + x) . Usar las operaciones con los polinomios de Taylor, para calcular los polinomios de MacLaurin
de grado 4 de:
b) ex ln(1 + x)
f) x(1x)
1+x
a) sen x + cos x
1
e) 1+x
d) x(1 x) + ex
2
sen2 x
h)
+ cosex x
1+x
c) x(1 x) ln(1 + x)
x
g) sen
ex + ln(1 + x)
8.114 Usar los desarrollos limitados (polinomios de Taylor) de las funciones f y g en los puntos que se indican,
para encontrar los polinomios de Taylor de la composicion pedidos:
a) f (x) = x2 en = 0 y g(y) = ey en = 0 , hallar el de g f en = 0 de grado 8.
b) f (x) = 1 x en = 1 y g(y) = ln(1 y) en = 0 , hallar el de g f en = 1 de grado 5.
c) f (x) = 2x en = 0 y g(y) = sen y en = 0 , hallar el de g f en = 0 de grado 7.
1
2 + x2
en = 0
1
x(1+x)
b)
en = 1
c)
ln
1+x
1x
en = 0
8.116 Probar que si Pn (x) es el polinomio de Taylor de grado n de f en , entonces f (x)f () y Pn (x)f ()
son infinitesimos equivalentes cuando x .
[Nota: De hecho, para los infinitesimos conocidos se ha tomado el termino de menor grado de Pn (x) f () ]
1x 1
cuando x 0
b)
cuando x
1sen x
c)
1
x 1
cuando x 1
2(1ch x)
x3
8.118 Usar los polinomios de Taylor del grado necesario para calcular:
a)
lm
b)
arctg xtg x
x3
x0
lm
x0
x0
arctg xtg x
xn
1+x
8.122 Encontrar a y b para que ln( 1x
)
lm
x0
1
x
= k 6= 0 y finito.
ex 1+ax
1+bx
x3
x0
c)
sea finito.
x(2+ax2 )
1+bx2
sea equivalente a
8x7
175
ex +ex 2
x2
1 y deducir que
x0
x+22
x+73
3
2
cuando x tiende a 2 .
8.125 Probar que P (x) = x4 + 2x3 3x2 4x + 5 no tiene ninguna raz real.
Prof: Jos
e Antonio Abia Vian
8.3 Ejercicios
x ln x
definida en los intervalos (0, 1) y (1, ) .
x2 1
a) Probar que se pueden dar valores a f (0) y a f (1) para que la funcion sea continua en 0 a la derecha
y para que f sea continua y derivable en 1 .
b) Que vale en 0 la derivada por la derecha supuesto dado a f (0) el valor del apartado anterior?.
8.127 Dada la funci
on f (x) =
xex
|ex 1|
a) Definir la funci
on f en el punto x = 0 de forma que f sea continua en dicho punto, si ello es posible.
b) Hallar las asntotas de f .
8.128 Para las siguientes funciones, encuentra todas sus asntotas e indica, mediante un esbozo grafico, como se
aproxima la funci
on a ellas.
a) f (x) =
d) f (x) =
x1
(x2 +4x)2
3
x
3x2 2
(2x2 2 2 x+1)2
3
x x
sen x
x
b) f (x) =
1
x
e)
f (x) =
c)
f (x) =
1
x
1
x1
f) f (x) = x tg x
x+1
x2 1
b) f (x) =
4
2ln(x2 2 x+ 12 )
c)
f (x) =
x2 +2x
x2 1
d) f (x) =
sen x
1cos x
8.130 Estudia las simetras y periodicidad de las funciones de los ejercicios 8.128 y 8.129 anteriores.
8.131 Sea f : [0, 9] R continua. Si f 0 : (0, 8)(8, 9) R viene dada por la grafica de abajo,
3
0
6
la
-1
Representar
aproximadamente
grafica de f suponiendo f (x) 0 .
-2
a) f (x) = (x 1)2 (x 2)
b) f (x) = 23 8 + 2x x2
d) f (x) = x 2 arctg x
e) f (x) = x2 x + 1
5
g) f (x) =
h) f (x) =
3+x
x3
j) f (x) =
x
ln x
k) f (x) =
x2
2
m)
q
3
(x1)5
(x+1)2
f)
f (x) = 4 x2 (x + 2)2
f (x) = 3 x2 x
i) f (x) =
2x2 +3x4
x2
l) f (x) =
x2
2 ln |x|
2x
o) f (x) = e
sen(2x)
y construir su grafica.
2(x +1)
a)
b)
c)
d)
e)
f)
ln x
c)
, se pide:
Dominio y continuidad de f .
Tiene asntotas?
Ver que f no es derivable en x = 1 . Hallar la derivada a la derecha y a la izquierda del punto x = 1 .
Estudiar crecimiento y decrecimiento, extremos locales y globales de f .
Estudiar concavidad y los puntos de inflexion de f .
Representaci
on gr
afica de f y de f 0 .
Prof: Jos
e Antonio Abia Vian
Anexo 1: Demostraciones
C
alculo diferencial en R
Funciones, lmites y continuidad
Demostraci
on de:
1
c) a1 = |a|
f) |a| |b| |a b|
d) |a| k k a k
e) |a + b| |a| + |b|
Demostraci
on:
a) |a| 0 por la definici
on. Para la segunda parte, si |a| = 0 , o bien a = |a| = 0 , o bien a = |a| = 0 ,
luego necesariamente a = 0 ; la otra implicacion es obvia pues |0| = 0 .
b) Consideremos los casos: si a 0 y b 0 se tiene |ab| = ab = |a| |b| ; si a 0 y b 0 se tiene
|ab| = ab = (a)(b) = |a| |b|; y si a 0 y b 0 , entonces |ab| = ab = (a)b = |a| |b| .
c) De 1 = |1| = a1 a = a1 |a| , se obtiene el resultado.
d) Si |a| k ,
o a = |a| k que cumple la segunda desigualdad o a = |a| k , pero entonces k a y se
cumple la primera. Si k a k , se tiene k a k , por lo que k |a| k .
e) Como x , x |x| ,
o |a + b| = a + b |a| + |b| , o bien |a + b| = a b |a| + |b| = |a| + |b| .
f) |a| = |a b + b| |a b| + |b|, luego |a| |b| |a b| ; y con b se tiene |b| |a| |b a| . Luego
|a b| = |b a| (|b| |a|) = |a| |b| |a b| y por d) se concluye la prueba
Lmites y continuidad
Demostraci
on de:
Proposici
on 116 de la p
agina 56
Proposici
on 116.- Sean f, g, h: A R y x0 un punto de acumulacion de A .
1.- Si f (x) g(x) h(x) en A y lm f (x) = L = lm h(x) , entonces lm g(x) = L
xx0
xx0
xx0
2.- Si g est
a acotada en A y lm f (x) = 0 , entonces lm g(x) f (x) = 0
xx0
xx0
Demostraci
on:
1.- Si lm f (x) = L = lm h(x) , entonces para cada > 0 :
xx0
xx0
xx0
xx0
Prof: Jos
e Antonio Abia Vian
Anexo 1
Como lm f (x) = 0 lm |f (x)| = 0 , para cada > 0 existe > 0 , tal que si 0 < |x x0 | < se
xx0
xx0
=
K
Propiedades 117 de la p
agina 56
xx0
xx0
xx0
xx0
f (x)
xx0 g(x)
c) lm
lm f (x)
xx0
lm g(x)
xx0
xx0
L1
L2
siempre que L2 6= 0 .
Demostraci
on:
1.- Por la definici
on de lmite, tenemos que
lm f (x) = L1 para cada > 0 , 1 > 0 tal que si 0 < |x x0 | < 1 = |f (x) L1 | <
lm g(x) = L2 para cada > 0 , 2 > 0 tal que si 0 < |x x0 | < 2 = |g(x) L2 | <
xx0
xx0
luego tomando = mn{1 , 2 } , tenemos que: para cada > 0 existe = mn{1 , 2 } > 0 tal que si
0 < |x x0 | < (luego menor que 1 y menor que 2 ), entonces
|(f (x) + g(x)) (L1 + L2 )| = |f (x) L1 + g(x) L2 | |f (x) L1 | + |g(x) L2 | <
2.- Como lm f (x)g(x) = L1 L2 lm
xx0
xx0
+ =
2 2
f (x)g(x) L1 L2 = 0 , veamos esto u
ltimo. Pero
xx0
de acotaci
on) y L2 es constante. Por el segundo resultado de la Proposicion 116, lm f (x)(g(x)L2 ) = 0
xx0
y lm L2 (f (x) L1 ) = 0 , luego lm f (x)g(x) L1 L2 = 0 + 0 = 0 .
xx0
xx0
f (x)
g(x)
1
g(x)
la funci
on
= f (x)
L12 =
1
g(x)
1
xx0 g(x)
L2 g(x)
g(x)L2
1
g(x)L2 (L2
1
L2
1
g(x)
est
a acotada en un entorno de x0 , por la Proposicion 116 tendremos que lm
xx0
1
g(x)) = lm g(x)
L12 = 0 , lo que prueba el resultado.
1
g(x)L2 (L2
xx0
En efecto, si L2 6= 0 , por el teorema del signo, o bien K < g(x) < k < 0 si L2 < 0 , o bien
1
1
1
0 < k < g(x) < K si L2 > 0 . Entonces, 0 < k < |g(x)| < K y, por tanto, 0 < K
< |g(x)|
< k1 , luego g(x)
est
a acotada.
Demostraci
on de:
Teorema 119 de la p
agina 56
lm g(f (x)) = g(b) = g lm f (x) .
xa
Prof: Jos
e Antonio Abia Vian
xa
Anexo 1
Demostraci
on:
Como lm f (x) = b,
xa
para cada 1 > 0 existe > 0 tal que si 0 < |x a| < entonces |f (x) b| < 1 .
Por otra parte, si g es continua en b se tiene que:
para cada > 0 existe 1 > 0 tal que si |y b| < 1 entonces |g(y) g(b)| < .
Entonces, haciendo 1 = 1 y reuniendo ambas conclusiones:
para cada > 0 existe > 0 tal que si 0 < |x a| < se tiene |f (x) b| < 1 = 2 y, por tanto,
|g(f (x)) g(b)| < .
En consecuencia, lm g(f (x)) = g(b) = g lm f (x) .
xa
Demostraci
on de:
xa
Proposici
on 121 de la p
agina 57
Proposici
on 121 (Convergencia propia).- Sean f : A R y g: f (A) R. Si lm f (x) = b, con f (x) 6= b
xa
xa
yb
f (x)b
Demostraci
on:
Como lm f (x) = b, para cada 1 > 0 existe 1 > 0 tal que si 0 < |x a| < 1 entonces |f (x) b| < 1 , y
xa
para cada > 0 existe 2 > 0 tal que si 0 < |g(y) L| < 2 entonces |g(y) L| < .
Entonces, haciendo 1 = 2 y reuniendo ambas conclusiones:
para cada > 0 existe > 0 tal que si 0 < |x a| < se tiene 0 < |f (x) b| < 1 = 2 y, por
tanto, |g(f (x)) L| < .
En consecuencia, lm g(f (x)) = L = lm g(y) .
xa
Demostraci
on de:
yb
Proposici
on 123 de la p
agina 57
Proposici
on 123 (Lmites laterales).- Sean a < c < b y f : (a, c) (c, b) R . Entonces
lm f (x) = L
xc
lm f (x) = lm f (x) = L
xc
xc+
Demostraci
on:
Si lm f (x) = L, para cada > 0 existe > 0 tal que si 0 < |x c| < se tiene que |f (x) L| < .
xc
En particular, si 0 < |xc| < y x < c se cumple, luego lm f (x) = L y tambien si x > c , por lo que
xc
lm f (x) = L .
xc+
xc+
para cada > 0 existe 1 > 0 tal que si 0 < |x c| < 1 y x < c se tiene |f (x) L| <
para cada > 0 existe 2 > 0 tal que si 0 < |x c| < 2 y x > c se tiene |f (x) L| <
tomando d = mn{1 , 2 } , para cada x con 0 < |x c| < sea x < c o x > c se cuple la definicion de lmite
en c. Luego lm f (x) = L .
xc
Prof: Jos
e Antonio Abia Vian
Demostraci
on de:
Anexo 1
x+
lm ln x = + .
x+
x0+
? f (x) = sh x es continua en R y
? f (x) = ch x es continua en R y
? f (x) = th x es continua en R y
x+
lm sh x = y
lm sh x = + .
lm ch x = y
lm th x = 1 y
x+
lm ch x = + .
x+
lm th x = 1 .
x+
tg x = .
lm + tg x = y lm
x
2
Demostraci
on:
Ya hemos probado que ex es continua en R y sabemos que
x 2
x+
luego o est
a acotada, o no lo est
a y su lmite es + , pero como 2n + y 2n < en , los valores en no est
an
acotados). Veamos lo dem
as:
?
lm ex = lm ex = lm
1
x
x+ e
x+
=0
lm ln x
x+
lm ln(ex ) , no est
a
ex +
lm ln x = + .
x+
An
alogamente, =
lm x =
e 0
lm+ ln x = .
x0
x0+
< 0: lm x = lm e ln x =
x0+
? sh x = e
? ch x = e
x0+
lm e ln x = +
ln x+
ex
2
, luego continua y
+ex
2
, luego continua y
x
ln x
lm x = lm e ln x =
e ln x = +
lm
lm
ex ex
2
= ( 0
2 ) = y
x+
lm
ex ex
2
= ( 0
2 ) = + .
lm
ex +ex
2
= ( 0+
2 ) = + y
x+
lm
ex +ex
2
= ( +0
2 ) = + .
e ln x = 0
ln x
2x
sh x
e e
e e
e 1
2
? th x = ch
x = ex +ex , luego continua y como th x = ex +ex = e2x +1 = 1 e2x +1 :
2
2
lm th x = lm 1 e2x +1 = 1 0+1 = 1
y
lm th x = lm 1
x
lm
ln x
x+
x+
2
e2x +1
= (1
2
+1 ) =
x0
x0
x>0
sen x
sen x
x<0
Prof: Jos
e Antonio Abia Vian
Anexo 1
Para ver que lm cos(x) = cos(0) = 1 , probemos que lm 1 cos(x) = 0 :
x0
x0
x 2
2 x
lm 1 cos(x) = lm 2 sen ( 2 ) = 2 lm sen( 2 ) = 2 02 = 0
x0
x0
x0
h0
lm cos(x) = lm cos(x0 + h) = lm cos(x0 ) cos(h) sen(x0 ) sen(h)
xx0
h0
h0
= cos(x0 ) lm cos(h) sen(x0 ) lm sen(h) = cos(x0 ) 1 + sen(x0 ) 0 = cos(x0 )
h0
h0
La periodicidad de las funciones asegura que no existe el lmite lm sen x , pues cuando n los puntos
x+
x = 2n y los puntos x =
Demostraci
on de:
sen x
cos x
x0
x0
x0
x0
x0
Demostraci
on:
?
lm
? lm
x0
? Veamos que lm
x0
sen x
x
an1 1
an x
= lm 1 +
x
an n1
x
x0 a1
= lm
+ +
an1 n2
a1 x
a1
1
an xn1
+ +
a0 1
an xn
a2
a1 x
= 1 + 0 + + 0 + 0 = 1
+ 1 = 0 + 0 + + 0 + 1 = 1
En una circunferencia de radio 1, la longitud del arco recorrido coincide con la amplitud del
angulo (en radianes), luego si x (0, 2 ) , se tiene que 0 < sen(x) < x < tg(x)
x
1
de donde, dividiendo por sen(x) , se tiene 1 < sen(x)
< cos(x)
y tomando lmites:
x
1
x
1 lm sen(x) lm cos(x) = 1 . Luego lm sen(x) = 1 .
x0+
x0+
( 2 , 0) ,
x>0
x
tg x
sen x
sen x
x0+
se tiene que 0 > sen(x) > x > tg(x) de donde, dividiendo por sen(x)
Si x
x
1
x
(que es negativo), se tiene 1 < sen(x)
< cos(x)
como antes. Luego lm sen(x)
= 1.
x<0
tg x
x
x0
lm tg x
x0 x
lm sen x 1
x0 x cos x
= 1 1 = 1.
? Considerando y = g(x) =
1
x
x+
1cos x
x0
lm+
x0
x2
2
= lm
ln(1+x)
x
2 sen2 ( x
2)
x2
2
x0
= lm+
x0
1
x
Prof: Jos
e Antonio Abia Vian
sen
x+
sen2 ( x
2)
x 2
x0 ( 2 )
= lm
1
x
1
x
= lm
x+
lm
x0
1
sen( x
2)
x0
x0
1
x y luego
= ln
sen g(x)
g(x)
2
x
2
Considerando en (1)
y = g(x) =1
ln(1+x)
lm x
= ln lm (1 + x) x
x0
lm
(1)
= lm
y0+
sen y
y0 y
lm
lm+ (1+x) x
x0
sen y
y
2
(Idem si x )
= 1.
= 1.
x
2
(1)
= ln
lm (1+ y1 )y = ln(e) = 1
y+
el ejemplo 130.
Analogamente, para x 0 :
lm (1 + y1 )y = ln(e) = 1 .
? Para calcular lm
1 + y = ex y ln(1 + y) = x . Luego:
sh x
x0 x
? lm
? lm
ex ex
2x
x0
= lm
ch(x)1
x0
x2
2
= lm
x0
Demostraci
on de:
Anexo 1
e2x 1
x
x0 e 2x
= lm
ex +ex
2
x2
2
lm
1
x
x0 e
lm
ex +ex 2
2
2 x2
x0
= lm
x0
y
y0 ln(1+y)
= lm
e2x 1
x0 2x
lm
(1)
= 1 lm
ey 1
y0 y
e2x+12ex
ex x 2
x0
= lm
= 1.
(ex1)2
x 2
x0 e x
= lm
= 1.
(1) y = g(x) = 2x .
= lm
1
x
x0 e
2
ex 1
x0 x
lm
= 1.
Teorema de Bolzano 138.- Sea f una funcion continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f (a)f (b) < 0 ) entonces c (a, b) tal que f (c) = 0 .
Demostraci
on:
Podemos suponer que f (a) < 0 y f (b) > 0 . Tomemos c0 =
a+b
2
Si f (c0 ) = 0 , como c = c0 (a, b) , es el punto buscado. Si f (c0 ) 6= 0 pueden darse dos casos:
? si f (c0 ) > 0 , como f (a) < 0 y f continua en [a, c0 ] , el teorema se reduce al intervalo [a, c0 ] ;
? si f (c0 ) < 0 , como f (b) > 0 y f continua en [c0 , b] , el teorema se reduce al intervalo [c0 , b] .
En un caso u otro el teorema queda probado si lo hacemos en el intervalo [a1 , b1 ] [a, b] (bien [a, c0 ] o bien
[c0 , b] ) de longitud b1 a1 = ba
2 , en el cual f es continua, f (a1 ) < 0 y f (b1 ) > 0 .
1
. Si f (c1 ) = 0 es el punto buscado; si f (c1 ) 6= 0 se
En este intervalo, tomamos su punto medio c1 = a1 +b
2
1
puede, como hicimos antes, reducir el teorema al intervalo [a2 , b2 ] [a1 , b1 ] de longitud b2 a2 = b1 a
= ba
2
22
en el cual f es continua, f (a2 ) < 0 y f (b2 ) > 0 .
Repitiendo sucesivamente el proceso anterior, y si ninguno de los puntos medios, cn , verifica que f (cn ) = 0 ,
entonces hemos construido una sucesi
on de intervalos cerrados encajados
con bn an =
ba
2n
f (an ) < 0
f (bn ) > 0 .
Adem
as, los puntos an extremos inferiores verifican que
a a1 a2 an b,
luego el conjunto A = {an : n N} est
a acotado superiormente (por b) y, por tanto, existe c = sup A ; como
a an b se cumple a c b luego c [a, b] . Por ser c = sup A, para cada > 0 existe an0 A con
c < an0 c, y como an crece con n , para cada n n0 se tiene an0 an c. Luego
c < an0 an c < c + ,
ba
n
n 2
Como lm (bn an ) = lm
n
n n0
|an c| < ,
n n0
lm an = c
se tiene que 0 lm f (an ) = f (c) = lm f (bn ) 0 , luego f (c) = 0 . En consecuencia, existe c [a, b] con
n
Corolario 140 de la p
agina 62
Prof: Jos
e Antonio Abia Vian
Anexo 1
c entre a y b tal que f (c) = y , luego y f (I) de donde (, ) f (I) . Pero como es el superior del
conjunto, f (I) = (, )
o f (I) = (, ] (seg
un que el superior sea maximo o no lo sea).
La prueba, para los dos casos que restan, son enteramente analogas.
Demostraci
on de:
Teorema de acotaci
on 141 de la pagina 62
Teorema de acotaci
on 141.- Sea f una funcion continua en el intervalo cerrado [a, b] , entonces f esta acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| M , para todo x [a, b] .
La prueba de este resultado se incluye en la prueba del siguiente; el Teorema de Weierstrass 142.
Demostraci
on de:
Teorema de Weierstrass 142.- Si f es una funcion continua en el intervalo [a, b] , entonces f alcanza un
m
aximo y un mnimo en [a, b] . Es decir, [a, b] tal que f () f (x) , x [a, b] y [a, b] tal que
f (x) f () , x [a, b] .
Demostraci
on:
La demostraci
on de este resultado y del Teorema de acotacion 141 anterior, que vamos a exponer aqu no son
todo lo rigurosas que sera de desear, por dos razones: la primera, que se hace uso del Teorema de BolzanoWeierstrass (Un conjunto infinito y acotado de R, tiene al menos un punto de acumulacion) que no se incluye
en estos apuntes y, en segundo lugar, que simplificaremos del proceso (con una muy breve explicacion) en aras
de entender el sentido de la prueba.
Por el Corolario 140, como J = [a, b] es un intervalo, su imagen f (J) es un intervalo de R.
Veamos primero, que el intervalo f (J) est
a acotado. Supngamos que es un intervalo no acotado superiormente,
en cuyo caso, el conjunto {n N} f (J) y existen puntos xn [a, b] tales que f (xn ) = n . Los puntos son
distintos, pues tienen im
agenes distintas por la aplicacion f y son infinitos, luego el conjunto T = {xn : n
N} [a, b] es infinito y acotado por lo que tiene al menos un punto de acumulacion l (Teorema de BolzanoWeierstrass enunciado arriba). En aras de no complicar el proceso supondremos que es punto de acumulaci
on
de todo el conjunto T , es decir, que lm xn = l (ser punto de acumulacion, significa que nos podemos acercar
n
tanto como queramos al punto l con puntos del conjunto T ; luego que l es el lmite de los puntos de un
subconjunto infinito de T , por lo que tiene un funcionamiento similar a si fuera todo T en cualquier estudio
sobre sucesiones de n
umeros reales puede consultarse con mas detalle esta simplificacion).
Como a xn b se tiene que a lm xn b, luego que l [a, b] . Entonces, por ser f continua en [a, b] ,
n
lm f (xn ) = f lm xn = f (l) R ; pero por su construccion, lm f (xn ) = lm n =
/ R, lo que es
lm f (xn ) = lm d
1
n
An
alogamente, se prueba que c = mn f (J) . Lo que concluye la prueba.
Demostraci
on de:
Corolario 143 de la p
agina 62
acotada en (a, b) .
xb
Demostraci
on:
Para que el resultado sea cierto no es necesario que exista el lmite en los extremos del intervalo, basta con que
la funci
on este acotada en alg
un entorno de ellos. La razon de poner el enunciado con lmites esta en que es
una manera c
omoda de asegurar la acotaci
on y suficiente en la mayora de los casos.
Prof: Jos
e Antonio Abia Vian
Anexo 1
Si lm+ f (x) = l1 R y lm f (x) = l2 R , por el Teorema de acotacion para lmites 136, existe E(a, 1 )
xa
xb
y M1 > 0 tal que |f (x)| M1 para todo x (a, a + 1 ) y existe E(b, 2 ) y M2 > 0 tal que |f (x)| M2
para todo x (b 2 , b) . Entonces, (a, b) = (a, a + 1 ) [a + 1 , b 2 ] (b 2 , b) y al ser f continua en
el intervalo [a + 1 , b 2 ] est
a acotada en el (Th 141), luego existe M3 > 0 , tal que |f (x)| M3 para todo
x [a + 1 , b 2 ] . En consecuencia, f est
a acotada en cada uno de los tres trozos en que hemos dividido el
intervalo, por lo que est
a acotada; es decir, tomando M = max{M1 , M2 , M3 }, para todo x (a, b) , |f (x)| M .
Si a =
o b = + , la prueba es identica, tomando entornos de o + .
Funciones derivables
Demostraci
on de:
Propiedades 146 de la p
agina 67
Demostraci
on:
a) Es cierta, pues
(f + g)(x) (f + g)(x0 )
f (x) + g(x) f (x0 ) g(x0 )
= lm
xx0
x x0
x x0
f (x) f (x0 )
g(x) g(x0 )
= lm
+ lm
= f 0 (x0 ) + g 0 (x0 ).
xx0
xx0
x x0
x x0
(f + g)0 (x0 ) = lm
xx0
f (x0 )
g(x0 )
x x0
=
g(x)g(x0 )
x x0
1
f (x) f (x0 )
g(x) g(x0 )
=
g(x0 ) f (x0 )
g(x)g(x0 )
x x0
x x0
es v
alida en los valores de x pr
oximos a x0 , y tomando lmites se obtiene el resultado.
Demostraci
on de:
Regla de la cadena 147.- Sea f derivable en x0 y g derivable en f (x0 ) , entonces la funcion compuesta g f
es derivable en x0 y adem
as:
(g f )0 (x0 ) = g 0 f (x0 ) f 0 (x0 ).
Prof: Jos
e Antonio Abia Vian
Anexo 1
Demostraci
on:
Si f (x) = f (x0 ) en un entorno de x0 , tambien se verifica que g(f (x)) = g(f (x0 )) y, por tanto, f y g f son
constantes en dicho entorno, luego g f es derivable en x0 y (g f )0 (x0 ) = 0 . Ademas, como f es constante,
se tiene g 0 (f (x0 ))f 0 (x0 ) = g 0 (f (x0 )) 0 = 0 obteniendose la igualdad propuesta.
Si f (x) f (x0 ) 6= 0 en un entorno de x0 , podemos escribir
g(f (x)) g(f (x0 )) f (x) f (x0 )
g(f (x)) g(f (x0 )) g(f (x)) g(f (x0 )) f (x) f (x0 )
=
.
x x0
x x0
f (x) f (x0 )
f (x) f (x0 )
x x0
Como y = f (x) 6= f (x0 ) = y0 y lm f (x) = f (x0 ) , por la proposicion 121, se tiene
xx0
(g f )0 (x0 ) = lm
xx0
Demostraci
on de:
Teorema del valor medio de Cauchy 156.- Sean f y g funciones continuas en [a, b] y derivables en (a, b) . Si
g 0 (x) 6= 0 , x (a, b) , entonces c (a, b) tal que:
f 0 (c)
f (b) f (a)
= 0
g(b) g(a)
g (c)
Demostraci
on:
Como en la demostraci
on del teorema del valor medio de Lagrage 155,
construyamos unafuncion para aplicar
el teorema de Rolle. Sea h: [a, b] R dada por h(x) = f (b) f (a) g(x) g(b) g(a) f (x) .
Entonces, h es continua en [a, b] y derivable en (a, b) por ser suma de funcines continuas y derivables, y
h(a) = f (b) f (a) g(a) g(b) g(a) f (a) = f (b)g(a) g(b)f (a)
h(b) = f (b) f (a) g(b) g(b) g(a) f (b) = f (a)g(b) + g(a)f (b).
Luego tambien se cumple que h(a) = h(b) y por el teorema de Rolle, existe c (a, b) tal que h0 (c) = 0 ; es
0
(b)f (a)
(c)
decir, 0 = f (b) f (a) g 0 (c) g(b) g(a) f 0 (c) de donde se obtiene el resultado fg(b)g(a)
= fg0 (c)
.
Notar, que al ser g 0 (x) 6= 0 para cada x (a, b) , se tiene que g 0 (c) 6= 0 y g(b) 6= g(a) .
Demostraci
on de:
Regla General de LHopital 158.- Sean f y g funciones derivables en un entorno reducido de x0 , E (x0 , ) ,
con g(x) 6= 0 y g 0 (x) 6= 0 , x E (x0 , ) y lm f (x) = 0 = lm g(x) . Entonces,
xx0
si existe
0
(x)
lm fg0 (x)
xx0
xx0
se cumple que
f (x)
xx0 g(x)
lm
f 0 (x)
0
xx0 g (x)
= lm
Demostraci
on:
Por comodidad, denotaremos por E = E (x0 , ) y por E = E(x0 , ) .
Como lm f (x) = 0 = lm g(x) , podemos ampliar estas funciones hasta E , con continuidad. En efecto,
xx
xx0
0
f (x), si x 6= x0
g(x), si x 6= x0
sean F (x) =
y G(x) =
; que son continuas en E por serlo f y g y continuas
0, si x = x0
0, si x = x0
en x0 por su contrucci
on ( lm F (x) = lm f (x) = 0 = F (x0 ) y lo mismo para G).
xx0
xx0
Para cada x E con x < x0 , el intervalo [x, x0 ] E , luego F y G son continuas en el y derivables
en (x, x0 ) , donde se cumple que F 0 = f 0 y G0 = g 0 . Entonces, por el teorema de Cauchy 156, existe x con
x < x < x0 tal que
F 0 (x )
F (x) F (x0 )
= 0
,
G(x) G(x0 )
G (x
Prof: Jos
e Antonio Abia Vian
f (x) 0
f 0 (x )
= 0
g(x) 0
g (x )
Anexo 1
xx0
f 0 (x )
f 0 (x )
f 0 (x)
f (x)
= lm 0
= lm 0
= lm 0
g(x) xx0 g (x ) x x0 g (x ) xx0 g (x)
En consecuencia, si lm
f (x)
xx0 g(x)
lmite lm
f 0 (x)
0
xx0 g (x)
= lm
xx0
f 0 (x)
g 0 (x)
lm
f (x)
g(x)
xx+
0
0
(x)
lm+ fg0 (x)
xx0
= lm
xx+
0
f 0 (x)
g 0 (x)
Para la justificaci
on del funcionamiento de la Regla de LHopital en los demas casos, en que decimos que
tambien funciona, s
olo indicamos como se obtendra esta o en que se basa:
Para el caso x0 = , con el cambio x = 1t se tiene que las funciones F (t) = f ( 1t ) y G(t) = g( 1t ) verifican
(x)
F (t)
que lm fg(x)
existe si y s
olo si lm G(t)
existe, y si ocurre son iguales. Aplicando el caso anterior a estas
x
t0
Para la indeterminaci
on lm
f (y)f (x)
g(y)g(x)
f 0 (x )
g 0 (x )
f (x)
g(x)
f (y)f (x)
g(y)g(x)
g(y)
1
g(x)
f (y)
1
f (x)
ser
a cierto (la prueba exaustiva no es tan inmediata).
Demostraci
on de:
Teorema de la funci
on inversa 160 de la pagina 72
Teorema de la funci
on inversa 160.- Sea f : [a, b] R continua en [a, b] y derivable en (a, b) , con f 0 > 0
o
0
f < 0 en (a, b) . Entonces f admite funci
on inversa derivable en (a, b) y (f 1 )0 f (x) = f 01(x) .
Demostraci
on:
Por ser f 0 > 0 en (a, b) (resp. f 0 < 0 en (a, b) ) la funcion f es estrictamente creciente (resp. estrictamente
decreciente) en [a, b] , luego es inyectiva y existe f 1 : f ([a, b]) [a, b] tal que f 1 (f (x)) = x para cada
x [a, b] (recordar la definici
on 109 y ver los ejemplos siguientes). De hecho, si f es estrictamente creciente,
f ([a, b]) = [f (a), f (b)] y si es estrictamente decreciente, f ([a, b]) = [f (b), f (a)] .
Veamos primero, que si f es continua en x0 , entonces
f 1 es continua en y0 = f (x0 ) . Supongamos
que f es estrictamente creciente
y sea y0 f (a), f (b) . Tomemos un > 0 de manera que el intervalo
f 1 (y0 ) , f 1 (y0 ) + = (x0 , x0 + ) (a, b) ; entonces f (x0 ) < f (x0 ) < f (x0 + ) y existen y1 e
y2 tales que y1 = f (x0 ) < y0 < f (x0 + ) = y2 . Sea > 0 , tal que E(y0 , ) (y1 , y2 ) , entonces, para cada
y E(y0 , ) , se cumple que y1 y0 < y < y0 + y2 y se tiene que cumplir que f 1 (y1 ) < f 1 (y) < f 1 (y2 )
pues de no ser as, si f 1 (y1 ) f 1 (y)
o f 1 (y) f 1 (y2 ) por ser f estr. creciente sera y1 y o y y2 lo
()
1
que es absurdo . Por consiguiente, f (y1 ) < f 1 (y) < f 1 (y2 ) , es decir x0 < f 1 (y) < x0 + , es decir
f 1 (y0 ) < f 1 (y) < f 1 (y0 ) + y f 1 es continua en y0 . Si el punto es un extremo del intervalo o para f
estrictamente decreciente, basta adaptar la prueba.
Veamos ahora que si f es derivable en x0 (a, b) , entonces f 1 es derivable en y0 = f (x0 ) , pero esto es
sencillo, pues si y 6= y0 ,
f 1 (y) f 1 (y0 )
f 1 (f (x)) f 1 (f (x0 ))
x x0
=
=
=
y y0
f (x) f (x0 )
f (x) f (x0 )
f (x) f (x0 )
x x0
1
Si y y0 , x = f 1 (y) tender
a hacia x0 = f 1 (y0 ) con x 6= x0 por ser f 1 inyectiva, en consecuencia,
f (x)f (x0 )
0
f (x0 ) con lo que f 1 es derivable en y0 y su derivada es (f 0 (x0 ))1 .
xx0
Nota: Durante la demostraci
on, se ha probado () que: si f es estrictamente creciente (o decreciente), f 1
tambien lo es.
Prof: Jos
e Antonio Abia Vian
Anexo 1
Polinomios de Taylor
Demostraci
on de:
F
ormula de Taylor 170 de la pagina 79
F
ormula de Taylor 170.- Sea una funci
on f existen f 0 , f 00 , . . . , f (n) y f (n+1) sobre el intervalo [a, x] . Entonces,
f (n+1) (c)
f (x) Pn,a (x) =
(x a)n+1 para un cierto c (a, x),
(n + 1)!
llamado resto de Lagrange, o tambien
f (x) Pn,a (x) =
f (n+1) (c)
(x c)n (x a) para un cierto c (a, x),
n!
Demostraci
on:
Consideremos la funci
on G: [a, x] R, definida por
(x t)1
(x t)2
(x t)3
(x t)n1
(x t)n
(1)
(2)
(3)
(n1)
(n)
G(t) = f (x) f (t) + f (t)
+ f (t)
+ f (t)
+ + f
(t)
+ f (t)
1!
2!
3!
(n 1)!
n!
La funci
on G verifica que G(x) = 0 y G(a) = f (x) Pn,a (x) y es derivable en [a, x] , por ser suma y producto
de derivables. Y su derivada es
"
(x t)1
1(x t)0 (1) (3) (x t)2
2(x t)1 (1)
0
G (t) = f (1) (t) + f (2) (t)
+ f (1) (t)
+ f (t)
+ f (2) (t)
1!
1!
2!
2!
2
n1
3
3(x t) (1)
(x t)
(n 1)(x t)n2 (1)
(x t)
+ f (3) (t)
+ + f (n) (t)
+ f (n1) (t)
+ f (4) (t)
3!
3!
(n 1)!
(n 2)!
#
n
n1
(x t)
n(x t)
(1)
+ f (n+1) (t)
+ f (n) (t)
n!
(n 1)!
"
(x t)1
(x t)2
(x t)1
= f (1) (t) + f (2) (t)
f (1) (t) + f (3) (t)
f (2) (t)
1!
2!
1!
2
3
n1
(x t)
(x t)n2
(x t)
(x t)
f (3) (t)
f (n1) (t)
+ f (4) (t)
+ + f (n) (t)
3!
2!
(n 1)!
(n 2)!
#
n
n1
(x t)
(x t)
+ f (n+1) (t)
f (n) (t)
n!
(n 1)!
quitando
" los parentesis internos y cambiando el orden de los sustraendos, se tiene:
(x t)1
(x t)1
(x t)2
= f (1) (t) f (1) (t) + f (2) (t)
f (2) (t)
+ f (3) (t)
1!
1!
2!
(x t)3
(x t)n2
(x t)n1
(x t)2
+ f (4) (t)
+ f (n1) (t)
+ f (n) (t)
2!
3!
(n 2)!
(n 1)!
#
n1
n
(x t)
(x t)
f (n) (t)
+ f (n+1) (t)
(n 1)!
n!
f (3) (t)
y cada termino que resta se anula con el anterior, luego solo queda el u
ltimo termino:
(x t)n
(n+1)
= f
(t)
.
n!
Entonces:
? Por el teorema del valor medio de Lagrange,
G(x) G(a) = G(a) = f (n+1) (c)
Prof: Jos
e Antonio Abia Vian
(x c)n
(x a)
n!
f (n+1) (c)
(x c)n (x a)
n!
Anexo 1
? Tomando la funci
on g(t) = (x t)n+1 , continua en [a, x] y derivable en (a, x) , por el teorema del valor
0
medio de Cauchy G(x) G(a) = Gg0(c)
un c (a, x) . Luego
c) g(x) g(a) , para alg
G(a) =
f (n+1) (c)(xc)n
n!
(n + 1)(x c)n (1)
(x a)n+1
f (n+1) (c)
(x a)n+1
(n + 1)!
Proposici
on 172 de la p
agina 80
Proposici
on 172.- Sea f una funci
on de clase C n1 en un entorno del punto a , para la que se cumple que
0
00
(n1)
f (a) = f (a) = = f
(a) = 0 , y adem
as existe f (n) (a) 6= 0 . Entonces:
a) Si n es par y f (n) (a) > 0 , f presenta un mnimo local en a.
b) Si n es par y f (n) (a) < 0 , f presenta un maximo local en a.
c) Si n es impar y f (n) (a) > 0 , f es estrictamente creciente en a .
d) Si n es impar y f (n) (a) < 0 , f es estrictamente decreciente en a.
Demostraci
on:
Si f 0 (a) = f 00 (a) = = f (n1) (a) = 0 , el polinomio de Taylor de grado n de f en a se reduce al primer y
(n)
u
ltimo termino, Pn,a (x) = f (a) + f n!(a) (x a)n .
f (x)Pn,a (x)
= 0 , luego
Por la proposici
on 169 anterior, lm
(xa)n
xa
f (x) f (a) +
0 = lm
xa
(n)
(a)
n! (x
a)n
(x a)n
f (x) f (a) f (n) (a)
f (x) f (a)
f (n) (a)
=
l
m
=
xa (x a)n
xa (x a)n
n!
n!
= lm
luego
? si f (n) (a) > 0 , debe ser
f (x)f (a)
(xa)n
si n es par, (x a)n > 0 de donde f (x) f (a) > 0 y f (x) f (a) , por lo que f (a) es mnimo local.
si n es impar, para los x < a se tiene que (x a)n < 0 de donde f (x) f (a) < 0 y f (x) < f (a) ; y
para los x > a se tiene que (x a)n > 0 de donde f (x) f (a) > 0 y f (x) > f (a) . En consecuencia,
f es estrictamente creciente en a .
Y se cumplen (a) y (c).
? si f (n) (a) < 0 , debe ser
f (x)f (a)
(xa)n
si n es par, (x a)n > 0 de donde f (x) f (a) < 0 y f (x) f (a) , por lo que f (a) es maximo local.
si n es impar, para los x < a se tiene que (x a)n < 0 de donde f (x) f (a) > 0 y f (x) > f (a) ; y
para los x > a se tiene que (x a)n > 0 de donde f (x) f (a) < 0 y f (x) < f (a) . En consecuencia,
f es estrictamente decreciente en a.
Y se cumplen (b) y (d).
Prof: Jos
e Antonio Abia Vian
97 Fundamentos de Matematicas
Unidad II
C
alculo integral en R
Prof: Jos
e Antonio Abia Vian
Captulo 9
Integral de Riemann
9.1
9.1.1
Definici
on 177.- Se llama partici
on de un intervalo cerrado [a, b] a cualquier conjunto finito de puntos P =
{x0 , x1 , . . . , xn } tales que a = x0 < x1 < < xn = b. Una particion divide al intervalo como union de
intervalos m
as peque
nos, es decir,
[a, b] = [a, x1 ] [x1 , x2 ] [xn2 , xn1 ] [xn1 , b] = dni=1 [xi1 , xi ]
La longitud de estos subintervalos se denomina incremento de xi y se representa por xi = xi xi1 .
Denotaremos por P[a, b] al conjunto de todas las particiones del intervalo cerrado [a, b] . Considerando en el
conjunto la relaci
on de orden de inclusi
on, diremos que P2 es m
as fina que P1 , si P1 P2 .
Como P2 tiene todos los puntos de P1 y quizas alguno mas, cada subintervalo obtenido con P2 est
a
contenido en alguno de los dados por P1 , es decir, la particion dada por P2 es m
as fina que la dada por P1 .
Ejemplo
n
o
0, 14 , 24 , 34 , 1 es una particion de [0, 1] , que parte el intervalo en 4
1 2
2 3
[ 34 , 1] , de igual longitud xi =
trozos [0, 1] = [0, 14 ] [n
4, 4] [4, 4] o
1 1 2 3
4, 3, 4, 4, 1
1
4
La partici
on P1 = 0,
partici
on P . Es decir, P2 P P1 . n
o
2(ba)
Sea [a, b] , entonces la partici
on P = a, a + ba
, . . . , a + (n1)(ba)
, b divide al intervalo [a, b]
n , a+
n
n
h
i
n
(k1)(ba)
k(ba)
:
[a,
b]
=
a
+
,
a
+
.
en n subintervalos de longitud ba
n
n
n
4
k=1
9.1.2
Definici
on 178.- Sea f : [a, b] R una funcion acotada y P P[a, b] . En cada subintervalo [xi1 , xi ] ,
considemos el inferior y el superior de f en el:
mi = inf{f (x) : xi1 x xi }
L(f, P ) =
n
P
U (f, P ) =
i=1
Si la funci
on es positiva, gr
aficamente las sumas inferiores
significan dar una cota por defecto del valor del area que
encierra la funci
on con el eje de abcisas (es la suma de las
areas de los rect
de dicha zona m
as las
areas de los rect
angulos superiores.
Puede observarse como el
area que encierra la curva esta
precisamente entre ambos valores.
Prof: Jos
e Antonio Abia Vian
n
P
mi (xi xi1 ) =
i=1
Mi (xi xi1 ) =
n
P
n
P
mi xi
i=1
Mi xi .
i=1
M
m
1
3
n
o
0, 13 , 23 , 1 , se tiene que
. Luego
m1 = inf{2x : x [0, 13 ]} = 0
M1 = sup{2x : x [0, 13 ]} =
m2 = inf{2x : x [ 13 , 23 ]} =
M2 = sup{2x : x [ 13 , 23 ]} =
m3 = inf{2x : x [ 23 , 1]} =
L(f, P ) = 0
1
3
2
3
1
3
4
3
1
3
2
3
4
3
2
3
4
3
M3 = sup{2x : x [ 23 , 1]} = 2
2
3
U (f, P ) =
2
3
1
3
4
3
1
3
+2
1
3
4
3
Como el
area encerrada por la funci
on es 1 (es el area de un triangulo de altura 2 y base 1 ), se verifica que
L(f, P ) = 23 1 43 = U (f, P ) .
4
Propiedades 180.- Sea f : [a, b] R una funcion acotada.
a) Para toda P P[a, b] , se verifica que
L(f, P ) U (f, P ) .
U (f, P2 ) U (f, P1 ) .
L(f, P ) U (f, Q) .
Corolario 181.- Sean f : [a, b] R una funcion acotada y P0 P[a, b] . Entonces, para toda P P[a, b] con
P0 P , se verifica que
0 U (f, P ) L(f, P ) U (f, P0 ) L(f, P0 ) .
Demostraci
on:
Usando las propiedades b) y a) anteriores, se tiene la cadena de desigualdades
L(f, P0 ) L(f, P ) U (f, P ) U (f, P0 ) ,
entonces, restando entre si los elementos extremos y los centrales, se tiene
0 U (f, P ) L(f, P ) U (f, P0 ) L(f, P0 ).
9.2
son no vacos. Por la propiedad c) de 180, el conjunto A esta acotado superiormente (cualquier suma superior
es cota superior de A) y por tanto tiene extremo superior, que denotamos por I , y al que denominaremos
integral inferior de f en [a, b] . Es decir,
n
o
I = sup A = sup L(f, P ) : P P[a, b] .
An
alogamente el conjunto B est
a acotado inferiormente (cualquier suma inferior es cota inferior de B ) y por
tanto tiene extremo inferior, que denotamos por I , y al que denominaremos integral superior de f en [a, b] .
Es decir,
n
o
I = inf B = inf U (f, P ) : P P[a, b] .
Como cualquier elemento de A es menor o igual que cualquier elemento de B , se tiene que I I .
Definici
on 182.- Sea f : [a, b] R una funcion acotada. Se dice que f es integrable si y solo si I = I .
El valor I = I = I , se denomina integral de Riemann de la funcion f en [a, b] , y se representa por
Z
I=
Z
f
Prof: Jos
e Antonio Abia Vian
I=
f (x) dx
I L(f, P2 ) <
.
2
=c
Recprocamente, supongamos que para cualquier > 0 existe una particion P P[a, b] tal que
U (f, P ) L(f, P ) < . Sabemos tambien que
I U (f, P )
y
L(f, P ) I ,
restando entonces ambas expresiones obtenemos
0 I I U (f, P ) L(f, P ) < ,
luego I = I .
Propiedades 184.- Sean f, g: [a, b] R integrables en [a, b] , R y a < c < b. Entonces
Z b
Z b
Z b
1.- f + g es integrable en [a, b] y
(f + g) =
f+
g.
a
Z
2.- f es integrable en [a, b] y
Z
f =
f.
a
c
a
Z
Definici
on 185.- Por convenio,
Z
f (x) dx = 0 ;
Z b
f (x) dx = f (x) dx.
Z
f (x) dx =
Z
f (x) dx +
f (x) dx,
siempre que las integrales existan (es decir, que f sea integrable en los intervalos correspondientes).
Demostraci
on:
Sea a b c (an
alogamente si c a b). Si f es integrable en [a, c] , por la propiedad (3),
Z c
Z b
Z c
f (x) dx =
f (x) dx +
f (x) dx,
a
luego
Z
Prof: Jos
e Antonio Abia Vian
Z
f (x) dx
f (x) dx =
a
Z
f (x) dx =
Z
f (x) dx +
f (x) dx.
c
9.2.1
Sumas de Riemann
Definici
on 187.- Sea f : [a, b] R una funcion acotada. Para cada particion P P[a, b] elijamos un conjunto
E = {e1 , e2 , . . . , en } tal que ei [xi1 , xi ] para todo i = 1, . . . , n . Se llama suma de Riemann de la funci
on
f para la partici
on P y el conjunto E al n
umero
S(f, P, E) =
n
X
f (ei )xi .
i=1
Observaci
on: Es claro que para cualquier P y cualquier conjunto E elegido,
L(f, P ) S(f, P, E) U (f, P ),
pues, para todo i = 1, . . . , n , se verifica que mi f (ei ) Mi para cualquier ei [xi1 , xi ] .
Mi
f (ei )
mi
Lema 188.- Sean f : [a, b] R acotada y P P[a, b] . Para cualquier > 0 es posible elegir dos conjuntos
E1 y E2 asociados a P de forma que
S(f, P, E1 ) L(f, P ) <
Demostraci
on:
Probaremos solamente la primera ya que la segunda se prueba de forma analoga.
Sea > 0 . Para cada i = 1, . . . , n , por ser mi = inf{f (x) : x [xi1 , xi ]} existe ei [xi1 , xi ] tal que
f (ei ) mi < ba
, y sea E1 el conjunto formado por estos ei . Entonces
S(f, P, E1 ) L(f, P ) =
n
X
(f (ei ) mi ) xi <
n
X
i=1
i=1
X
xi =
xi = .
ba
b a i=1
Proposici
on 189.- Sea f : [a, b] R una funcion acotada. Entonces f es integrable en [a, b] y el valor de
su integral es I si y s
olo si para cada > 0 existe P P[a, b] tal que para toda P mas fina, P P , y
cualquier elecci
on del conjunto E asociado a P se cumple que |S(f, P, E) I| < .
.
9.2.2
Z
Proposici
on 190.- Sea f : [a, b] R integrable en [a, b] y tal que f 0 en [a, b] , entonces
f 0.
a
Demostraci
on:
Z
Es claro, pues para cualquier P P[a, b] se tiene que 0 L(f, P ) I =
f.
a
Z
Corolario 191.- Sean f y g integrables en [a, b] tales que f g en [a, b] . Entonces
Z
f
Prof: Jos
e Antonio Abia Vian
g.
a
Demostraci
on:
Z
Z
g
(g f ) =
Como 0 (g f ) , se tiene 0
g.
a
Z
f
f . Luego
Proposici
on 192.- Sea f integrable en [a, b] , entonces |f | es integrable en [a, b] y se verifica que
Z
Z
b
b
|f (x)| dx .
f (x) dx
a
a
Corolario 193.- Sea f : [a, b] R integrable en [a, b] . Para cualesquiera c, d [a, b] se verifica que
Z
Z
d
d
|f (x)| dx .
f (x) dx
c
c
Demostraci
on:
En efecto, si c d es la proposicion 192. Si d c, se tiene
Z
|f (x)| dx,
c
f (x) dx
|f (x)| dx
|f (x)| dx =
luego
f (x) dx
|f (x)| dx
Z
Z
d
d
|f (x)| dx .
f (x) dx
c
c
Proposici
on 194.- Si f y g son integrables en [a, b] , entonces f g es integrable en [a, b] .
9.2.3
Proposici
on 195.- Sea f : [a, b] R una funcion monotona. Entonces f es integrable en [a, b] .
Demostraci
on:
Supongamos que f es mon
otona creciente (analogo para decreciente). Entonces, para cualquier partici
on
P P[a, b] se tiene que mi = f (xi1 ) y Mi = f (xi ) , para todo i = 1, 2, . . . , n . En particular, si Pn es la
partici
on equiespaciada de [a, b] , con xi = a + i ba
n , es decir,
Pn = a, a +
y xi =
ba
n
ba
n ,
ba
ba
a + 2 ba
n , . . . , a + (n 1) n , a + n n = b
n
X
f (xi )xi
i=1
n
X
f (xi1 )xi =
i=1
n
X
f (xi ) f (xi1 )
b a
i=1
b a
b a X
f (xi ) f (xi1 ) =
f (b) f (a) .
n i=1
n
ba
n
<
f (b)f (a)
, entonces
b a
Prof: Jos
e Antonio Abia Vian
9.3
9.3 Integraci
on y derivaci
on
Integraci
on y derivaci
on
Teorema 198.- Sea f : [a, b] R integrable en [a, b] , con a < b , y m f (x) M para todo x [a, b] .
Entonces
Z b
1
f (x) dx M.
m
ba a
Demostraci
on:
Por ser m f (x) M para todo x [a, b] , se tiene que
Z
Z
m dx
Z
f (x) dx
M dx,
a
Z
entonces (ver ejercicio 9.135) m(b a)
f (x) dx M (b a) , luego
a
1
m
ba
Nota: Como
1
ba
f (x) dx =
a
1
ab
f (x) dx M.
a
a
1
ab
f (x) dx M .
b
Teorema de la media 199.- Sea f : [a, b] R una funcion continua en [a, b] , entonces existe [a, b] tal
que
Z b
f (x) dx = f ()(b a).
a
Demostraci
on:
Al ser f continua en [a, b] , alcanzar
a el mnimo y el maximo en [a, b] . Sean estos m y M respectivamente.
Z b
1
Por el teorema anterior 198, m ba
f (x) dx M y, por ser f continua, toma todos los valores entre el
a
Z b
1
mnimo y el m
aximo; por consiguiente, existe [a, b] tal que f () = ba
f (x) dx.
a
Definici
o
Znx200.- Sea f : [a, b] R integrable en [a, b] . La funcion F : [a, b] R definida de la forma
F (x) =
f (t) dt recibe el nombre de funci
on integral de la funcion f .
a
Teorema 201.- Sea f : [a, b] R integrable en [a, b] . Entonces su funcion integral es continua en [a, b] .
Demostraci
on:
Como f est
a acotada en [a, b] , existe M R tal que |f (x)| M , para todo x [a, b] .
Sea entonces x [a, b] , la funci
on F estara definida en todos los puntos de la forma x + h siempre que
a < x + h < b, luego
Z
x+h
F (x + h) F (x) =
Z
f (t) dt
x+h
f (t) dt =
a
f (t) dt.
x
Como M f (x) M para todo x [a, b] , por el teorema 198 y la observacion posterior, se tiene que
1
M
h
x+h
f (t) dt M,
x
y, por tanto,
Z
1 x+h
|F (x + h) F (x)| = |h|
f (t) dt M |h| .
h x
Tomando lmites, cuando h 0 ,
lm F (x + h) F (x) = 0.
h0
Prof: Jos
e Antonio Abia Vian
h9.1i
9.3 Integraci
on y derivaci
on
f (t) dt su
a
funci
on integral. Si f es continua en [a, b] , entonces
a) F es derivable en [a, b] .
b) F 0 (x) = f (x) , para todo x [a, b] .
Demostraci
on:
Sea x (a, b) . La funci
on F estar
a definida en todos los puntos de la forma x + h siempre que a < x + h < b,
entonces
Z x+h
f (t) dt
F (x + h) F (x)
f ()h
lm
= lm x
= lm
= lm f () = f (x),
h0
h0
h0
h0
h
h
h
ya que, por el teorema de la media 199, es un punto comprendido entre x y x + h; y f es continua en [a, b] .
As pues F es derivable para todo x (a, b) y F 0 (x) = f (x) .
Como F y f son continuas en [a, b] , F es derivable por la derecha en a y por la izquierda en b,
verific
andose que F 0 (a) = f (a) y F 0 (b) = f (b) .
Regla de Barrow 203.- Sea f : [a, b] R integrable en [a, b] . Si G: [a, b] R es una primitiva de f en
[a, b] , entonces
Z b
f (x) dx = G(b) G(a).
a
Demostraci
on:
Sea > 0 . Por ser f integrable en [a, b] existe P P[a, b] , tal que U (f, P ) L(f, P ) < . Aplicando el
teorema del valor medio de Lagrange a la funcion G , para cada i = 1, 2, . . . , n existe ei (xi1 , xi ) tal que
G(xi ) G(xi1 ) = G0 (ei )(xi xi1 ) = f (ei )(xi xi1 ) .
Puesto que mi = inf{f (x) : xi1 x xi } y Mi = sup{f (x) : xi1 x xi }, se tiene que
mi f (ei ) Mi ,
de donde
mi (xi xi1 ) f (ei )(xi xi1 ) Mi (xi xi1 )
mi (xi xi1 ) G(xi ) G(xi1 ) Mi (xi xi1 )
n
n
n
X
X
X
mi xi
G(xi ) G(xi1 )
Mi xi
i=1
i=1
i=1
Z
b
f (x) dx G(b) G(a) <
a
y, por tanto,
Z
Teorema del Cambio de variable 204.- Sean f : [a, b] R continua en [a, b] y x = (t) siendo (t) y 0 (t)
funciones continuas en [, ] (
o [, ] ), con () = a y () = b. Entonces:
Z
f (x) dx =
a
Prof: Jos
e Antonio Abia Vian
9.4 Ejercicios
Demostraci
on:
f ((t))0 (t) es tambien continua, luego las funciones
x
Z
F (x) =
Z
f (u) du
G(t) =
f ((v))0 (v) dv
f (x) dx =
9.4
Ejercicios
f (x) dx = 2 .
1
Z 1
f (x) dx = 10 .
1
Z
9.138 Se sabe que
Z
f (x) dx = 6 ,
Z
f (x) dx = 4 y
siguientes integrales:
Z
a)
Z
f (x) dx
b)
Z
f (x) dx
c)
1
Z
9.140 Sea f (x) =
a
f (x) dx.
x
1
1+sen2 t
Z
c)
f (x) =
a
Prof: Jos
e Antonio Abia Vian
x3
1
1+sen2 t dt.
Z
b) f (x) =
sen x
1
1+sen2 t dt.
Z
d) f (x) =
a
3
1
1+sen2 t dt
aR
x
1
dt
a 1+sen2 t
.
1
1+sen2 t dt.
9.4 Ejercicios
47
1
t
a) f (x) =
1
x
Z
dt
sec x
1
t
b) f (x) =
x2
dt
c)
cos x
sen(t2 ) dt
f (x) =
x3
xf (t) dt.
a+T
a R.
f (x) dx
f (x) dx =
0
a) La funci
on f (t) = t2 para a = 1 . Repetirlo, tomando ahora a = 1 , porque son iguales/distintas?
0, si t < 0
b) La funci
on f (t) =
y a=0
2, si t 0
c) La funci
on f (t) = |t| y a = 0
2t, si t 1
d) La funci
on f (t) =
, para a = 1 y tambien para a = 0
1, si t > 1
Comprobar que se cumplen las tesis de los teoremas 201 y 202 anteriores.
9.146 Sea f : R R estrictamente creciente y continua, con f (0) = 0 . Calcular los extremos de la funci
on
Z (x+3)(x1)
f (t) dt.
0
Z
9.149 Sea f : [a, b] R de clase 1, tal que f (a) = f (b) = 0 y
a
b
1
xf (x)f 0 (x) dx = .
2
Z
f (x) dx =
g(x) dx.
a
Prof: Jos
e Antonio Abia Vian
m1
n B(n + 1, m 1)
Captulo 10
Aplicaciones de la integral
10.1
Areas
de superficies planas
10.1.1
A la vista del estudio de la integral definida realizado en el Tema 9, parece razonable la siguiente definici
on:
Definici
on 205.- Sea f : [a, b] R una funcion continua y positiva, y consideremos la region R del plano
cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y la grafica de f (ver figura debajo).
Entonces el
area de la regi
on R est
a definida por
Z
A(R) =
f (x) dx.
a
En efecto, en su momento hemos comentado como las sumas inferiores y sumas superiores nos ofrecen aproximaciones por defecto y
por exceso del
area encerrado por la curva y = f (x) , es decir, el
valor de ese
area est
a siempre entre el
area calculado por defectoo y
el calculado por exceso. Entonces, cuando la funcion es integrable,
el inferior de las cotas superiores y el superior de las cotas inferiores
coinciden, y como el valor del
area indicado por la funcion esta entre ambos valores, necesariamente debe conincidir con el valor de la
integral.
y = f (x)
R
a
Ejemplo Calcular el
area de la regi
on limitada por la curva f (x) = x3 + 1 , los ejes coordenados y la recta
x = 3.
Soluci
on:
La funci
on es positiva en todo R . En particular, lo es en el dominio de
integraci
on y, por tanto, el valor del
area que buscamos vendra dado por
2
f (x) = x3 +1
Z 3
A(R) =
f (x) dx.
0
1
Z
A(R) =
0
x=3
3
3
x2
x
= (3 + 3) (0 + 0) = 6,
+ 1 dx =
+x
3
9
0
nos ofrece el
area del recinto R de la figura.
10.1.1.1
Funciones negativas
Cuando la funcion f : [a, b] R que limita R , es continua y negativa, es decir, f (x) 0 para todo x [a, b] , el valor de la integral ser
a
Z b
f (x) dx 0 , por lo que no puede representar el valor del area de R
y = f (x)
R0
a
R
y = f (x)
Prof: Jos
e Antonio Abia Vian
10.1 Areas
de superficies planas
Definici
on 206.- Sea f : [a, b] R una funcion continua y negativa. Consideremos la region R del plano
cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y la grafica de f . Entonces el area de
la regi
on R est
a definida por
Z b
Z b
f (x) dx.
f (x) dx =
A(R) =
a
Observaci
on 207.- Es claro entonces, que para calcular el area de regiones planas debe analizarse el signo de
la funci
on en el intervalo de integraci
on. De no hacerlo as, la parte negativa de la funcion restara el
area
que encierra del
area encerrado por la parte positiva.
Contraejemplo.- Hallar el
area encerrado por la funcion f (x) = sen x , en el intervalo [0, 2] .
Z 2
i2
El valor
sen x dx = cos x
= ( cos(2)) ( cos 0) = 0 , es claro que no representa el
area
0
R2
Ahora bien, teniendo en cuenta que la funci
on sen x es positiva en [0, ] y negativa en [, 2] , el valor real del
area encerrado ser
a por tanto
Z
Z 2
i
i2
A(R) = A(R1 ) + A(R2 ) =
sen x dx +
sen x dx = cos x + cos x
= 2 + 2 = 4.
4
0
Ejemplo Hallar el
area determinada por la curva f (x) = (x1)(x2) ,
las rectas x = 0 , x = 52 y el eje de abcisas.
Como la funci
on f (x) es menor o igual a cero en [1, 2] y positiva en el
resto, se tendr
a que
Z
A(R) =
0
x3
3
Z
f (x) dx
5
2
Z
f (x) dx +
f (x) = (x1)(x2)
f (x) dx.
2
3x2
2
Como G(x) =
10.1.1.2
R1
1
54+5+54
7
= .
6
6
R3
R2
2
2.5
Area
entre dos funciones
En las definiciones anteriores puede considerarse, que el area calculado esta encerrado por la funcion y = f (x)
y la funci
on y = 0 , cuando la f es positiva, y por la funcion y = 0 y la funcion y = f (x) , cuando la f es
negativa. En ambos casos, se tiene que
Z
A(R) =
Z
f (x) dx
(f (x) 0) dx y A(R) =
0 dx =
a
Z
0 dx
(0 f (x)) dx,
f (x) dx =
a
es decir, que el area encerrado por ambas funciones es la integral de la funcion mayor menos la integral de la
funci
on menor. En general, se tiene que:
Proposici
on 208.- Si f, g: [a, b] R son funciones continuas, con f (x) g(x) para todo x [a, b] . Entonces,
si R es la regi
on del plano cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y las gr
aficas
de f y g , el
area de R se obtiene como
Z
A(R) =
Z
f (x) dx
Prof: Jos
e Antonio Abia Vian
Z
g(x) dx =
f (x) g(x) dx.
10.2 Vol
umenes de cuerpos s
olidos
En efecto, si las funciones verifican que 0 g(x) f (x) , es claro que el area encerrado por f y g es el
area
encerrado por f menos el
area encerrado por g (ver figura siguiente), es decir,
Z b
Z b
A(Rf g ) = A(Rf ) A(Rg ) =
f (x) dx
g(x) dx.
a
Z
A(Rf g ) = A(Rf +k ) A(Rg+k ) =
Z
f (x) dx
=
a
(g(x) + k) dx
y = f (x)
k dx
y = g(x)+k
g(x) dx
k dx
f (x) dx +
R0
(f (x) + k) dx
a
y = f (x)+k
y = g(x)
g(x) dx.
a
Observaci
on 209.- De forma an
aloga, si la region esta limitada por funciones x = f (y) , x = g(y) y las rectas
y = c e y = d , siendo g(y) f (y) para todo y [c, d] , el area de la region puede encontrarse mediante la
f
ormula
Z d
f (y) g(y) dy.
A(R) =
c
Ejemplo Calcular el
area de la regi
on acotada comprendida entre las parabolas de ecuaciones y 2 + 8x = 16
e y 2 24x = 48 .
Las par
abolas pueden escribirse como funciones de y , de la forma
x = g(y) =
16 y 2
8
x = f (y) =
y 2 48
24
24
x = f (y)
x = g(y)
y 2 48
16 y 2
=
= y = 24.
8
24
Como en el intervalo [ 24, 24] es f (y) g(y) , se tiene que
Z 24 2
Z 24
16y 2
y 48
y2
A(R) =
dy
dy =
4
dy
8
24
6
24
24
24
24
16
y3
=
= 4y
24.
4
18 24 3
Z
10.2
24
24
Vol
umenes de cuerpos s
olidos
Prof: Jos
e Antonio Abia Vian
A(x1)
A(x2)
A(x3)
a
x = x1
x = x2
x = x3
10.2 Vol
umenes de cuerpos s
olidos
n
X
Mi 4xi
L(A, P ) =
i=1
n
X
mi 4xi ,
i=1
donde cada termino de las sumas representa el volumen de un cuerpo con area de la base mi o Mi y altura
xi xi1 = 4xi .
Por tanto, ambas sumas corresponden a volumenes que aproximan por exceso y por defecto, respectivamente,
al verdadero volumen de S (fig 10.1).
Considerando todas las particiones de [a, b] y razonando de forma analoga a como se hizo en el Tema 9,
para la construcci
on de la integral de Riemann, estamos en condiciones de dar la siguiente definicion:
Definici
on 210.- Sea S un s
olido acotado comprendido entre los planos x = a y x = b. Para cada x [a, b] ,
sea A(x) el
area de la secci
on que produce sobre S el plano perpendicular al eje de abcisas en el punto x . Si
A(x) es continua en [a, b] definimos el volumen de S como
b
Z
V(S) =
A(x) dx.
a
Z
A(x) dx =
V (S) =
0
10.2.1
(1 x)2
dx =
2
(1 x)
6
1
3
=
0
1
6
y = 1x
Vol
umenes de revoluci
on
f 2 (x) dx =
f 2 (x) dx.
Observaciones 211.? An
alogamente, si tenemos una funcion x = f (y) y hacemos rotar su grafica alrededor del eje de ordenadas, el volumen del solido sera
Z
V (S) =
f 2 (y) dy.
V (S) =
f 2 (x) dx
Z
a
g 2 (x) dx =
f 2 (x) g 2 (x) dx.
Nota: Si sucede que g(x) 0 f (x) , al girar alrededor del eje de abcisas la superficie comprendida entre
las gr
aficas, debe tenerse en cuenta u
nicamente la superficie (por encima o por debajo del eje de giro) de
mayor radio de giro, pues el volumen que engendra al girar la parte mayor contiene al volumen engendrado
por la parte menor. Es decir, si |g(x)| |f (x)| se gira solo la parte superior y si |g(x)| |f (x)| se gira
u
nicamente la parte inferior.
10.3
Otras aplicaciones
10.3.1
Longitudes de arcos
La integral definida se puede usar tambien para encontrar la longitud de una curva dada por la grafica de una
funci
on f (x) derivable y con derivada continua en [a, b] .
Definici
on 212.- Sea f : [a, b] R derivable y con derivada continua en [a, b] , entonces la longitud L de de
la gr
afica de f , est
a dada por
Z bp
1 + (f 0 (x))2 dx.
L=
a
Pxi1
Px0
Pxn
Pxi
Fig. 10.2.
i=1
Por el teorema del valor medio de Lagrange, en cada subintervalo [xi1 , xi ] existe un ei (xi1 , xi ) tal que
f (xi ) f (xi1 ) = f 0 (ei )(xi xi1 ) , luego
n q
n q
X
2 X
2
L(QP ) =
(xi xi1 )2 + f 0 (ei )(xi xi1 ) =
1 + f 0 (ei ) (xi xi1 )
h 10.1 i
i=1
i=1
Para particiones m
as finas P P1 P2 se verifica que L(Qp ) L(QP1 ) L(QP2 ) por lo que si tomamos
particiones cada vez m
as finas se tendr
a que L(QP ) L(f ) .
p
Por otra parte, la expresi
on final de h10.1 i es la suma de Riemann de la funcion g(x) = 1 + (f 0 (x))2 , en
n p
n p
P
P
la partici
on P y el conjunto E , es decir S(g, P, E) =
1 + (f 0 (ei ))2 (xi xi1 ) =
1 + (f 0 (ei ))2 4xi .
i=1
i=1
i=1
Ejemplo Determinar la longitud del arco de la grafica de f (x) = x 2 sobre el intervalo [0, 4] .
Soluci
on:
1
f es continua en [0, 4] y f 0 (x) = 32 x 2 es tambien continua en [0, 4] , luego
#4
Z 4r
Z 4
3
3
3
1 2
1
(4 + 9x) 2
40 2 4 2
3 2
L=
1 + 2x
dx =
4 + 9x dx =
=
.
27
27
0
0 2
10.3.2
Area
de una superficie de revoluci
on
Definici
on 213.- Sea f : [a, b] R con derivada continua en [a, b] , entonces el area de la superficie engendrada
por la rotaci
on alrededor del eje de abcisas del arco de curva f (x) entre x = a y x = b, se obtiene de
Z
S = 2
p
f (x) 1 + (f 0 (x))2 dx.
Ejemplo Calcular el
area de la superficie esferica x2 + y 2 + z 2 = 4 .
Soluci
on:
Prof: Jos
e Antonio Abia Vian
10.4
10.4 Ejercicios
Ejercicios
10.152 Hallar el
area de la figura limitada por la curva y = x(x 1)(x 2) y el eje de abcisas.
10.153 Probar que el
area encerrado por la curva f (x) = pxn , con x [0, a] , p R y n N es
a|f (a)|
n+1
10.154 Calcular el
area de la figura limitada por la curva y = x3 , la recta y = 8 , y el eje OY .
10.155 Calcular el
area de la figura limitada por la curva y 3 y + 2 = x , la recta x = 8 , y el eje OX.
10.156 Hallar el
area encerrado por la elipse
x2
a2
y2
b2
= 1.
x2
2
10.157 Hallar el
area de la figura comprendida entre las parabolas y = x2 , y =
, y la recta y = 2x .
10.158 Calcular el
area de las dos partes en que la parabola y 2 = 2x divide al crculo x2 + y 2 = 8 .
10.159 Calcular el
area de la figura limitada por la hiperbola
x2
a2
y2
b2
= 1 y la recta x = 2a.
10.160 Calcular el
area de cada una de las partes en que las curvas 2y = x2 y 2x = y 2 dividen al crculo
2
2
x + y 3.
10.161 Calcular el
area limitada por las curvas f (x) =
10.162 Calcular el
area encerrada por la curva y =
ex
1+ex
y g(x) =
1 x2 + arcsen
1
(x+1)2 +1)
cuando x [0, 1] .
x y el eje de abcisas.
10.163 La curva que aparece en la figura de la derecha, llamada astroide, viene dada
por la ecuaci
on
2
2
2
x3 + y3 = a3
x3 + y3 = a3
Hallar el
area encerrada por la astroide.
10.164 Calcular el
area de la figura limitada por la curva a2 y 2 = x2 (a2 x2 ) .
2
10.165 Calcular el
area de la figura comprendida dentro de la curva ( x5 )2 + ( y4 ) 3 = 1 .
10.166 Comprobar usando la integraci
on, que el volumen de una esfera de radio r es
10.167 Hallar el volumen del elipsoide
x2
a2
y2
b2
z2
c2
4
3
3 r
= 1.
10.168 Considerar el s
olido V formado al cortar el cilindro x2 + y 2 22 por los
planos z = 0 e y +z = 2 (ver la figura de la derecha), que analticamente
viene descrito por:
V = (x, y, z) : x2 + y 2 22 ; 0 z 2 y
Describir y calcular el
area de las secciones de V perpendiculares a cada
uno de los ejes.
Calcular el volumen de V mediante las secciones correspondientes a dos
de los ejes.
10.169 Hallar el volumen encerrado por el paraboloide elptico
y2
4
x2
a2
y2
b2
10.171 Hallar el volumen del cuerpo engendrado al girar alrededor del eje OY , la parte de la parabola y 2 = 12x ,
que intercepta la recta x = 3 .
10.172 Hallar volumen del toro engendrado por la rotacion del crculo (x b)2 + y 2 a2 , con b > a, alrededor
del eje OY .
Prof: Jos
e Antonio Abia Vian
10.4 Ejercicios
y2
a2
z2
c2
1; 0 z h}.
10.176 Hallar el volumen del cono elptico recto, de base una elipse de semiejes a y b y cuya altura es h.
10.177 Hallar el volumen del cuerpo limitado por la superficies de los cilindros
parab
olicos z = x2 y z = 1 y 2 (ver figura de la derecha) a partir de
las
areas formadas al seccionar el cuerpo por planos paralelos al plano
z = 0.
10.178 Hallar el volumen del cuerpo limitado por los cilindros: x2 + z 2 = a2 e y 2 + z 2 = a2 .
10.179 Calcular el volumen de cada una de las partes en que queda dividido un cilindro circular recto de radio 2
y de altura 8 por un plano que, conteniendo un diametro de una de las bases, es tangente a la otra base.
2
10.180 Sobre las cuerdas de la astroide x 3 +y 3 = 2 3 , paralelas al eje OX , se han construido unos cuadrados, cuyos
lados son iguales a las longitudes de las cuerdas y los planos en que se encuentran son perpendiculares al
plano XY . Hallar el volumen del cuerpo que forman estos cuadrados.
10.181 El plano de un tri
angulo m
ovil permanece perpendicular al diametro fijo
de un crculo de radio a. La base del triangulo es la cuerda correspondiente de dicho crculo, mientras que su vertice resbala por una recta
paralela al di
ametro fijo que se encuentra a una distancia h del plano
del crculo. Hallar el volumen del cuerpo (llamado conoide, ver figura
aneja) engendrado por el movimiento de este triangulo desde un extremo
del di
ametro hasta el otro.
B(p) = {(x, y) S : y p x2 }.
Prof: Jos
e Antonio Abia Vian
Captulo 11
Integrales impropias
En el tema anterior se ha definido la integral de Riemann con las siguientes hipotesis
? Dom(f ) = [a, b] es un conjunto acotado.
? f : [a, b] R est
a acotada en [a, b] .
Si alguna de estas condiciones no se cumple denominaremos a la integral correspondiente integral impropia.
11.1
Definici
on 214.- Sea f : [a, +) R integrable en [a, t] , para todo t a , y sea entonces F : [a, +) R
Z t
la funci
on definida por F (t) =
f (x) dx .
a
El par (f, F ) se denomina integral impropia de primera especie en [a, +) y se designa por
+
Z
f (x) dx
f.
a
+
Z
Definici
on 215.- Diremos que la integral impropia
Z
lm F (t) = lm
t+
f (x) dx
t+
f.
Z
Ejemplo La integral
Z
t+
Ejemplo
x dx es divergente, pues lm
Z
x dx = lm
Z
lm
t+
este u
ltimo lmite no existe
Z
1
1+x2
dx =
x2
2
it
t2
t+ 2
= lm
1
2
= +
t+
Ejemplo
t+
La integral
Z
f (x) dx
Z
, pues
lm
Z
Ejemplo 216 Estudiar el car
acter de
1
0
1
1+x2
dx
x
, para R .
Como la funci
on tiene primitivas distintas para = 1 y 6= 1 , las estudiamos por separado:
Prof: Jos
e Antonio Abia Vian
Si = 1 ,
t
Z
lm
t+
it
1
dx = lm ln x = lm (ln t ln 1) = lm ln t = +,
t+
t+
t+
x
1
luego diverge.
Si 6= 1 ,
Z
lm
t+
x dx = lm
t+
x+1
+ 1
t
= lm
t+
t+1
1+1
+ 1 + 1
t1 1
=
t+ 1
= lm
1
y
converge
si
>
1
.
En
este
u
ltimo
caso,
x
1
1
1 ,
si > 1
+, si < 1
dx
x
1
1 .
Definici
on 217.- Sea f : R R integrable en todo intervalo cerrado de R. Diremos que
convergente si existe alg
un a R tal que
Z alas integrales Z +
f (x) dx y
f (x) dx,
Z +a
Z
son ambas convergentes. En ese caso su valor es
f (x) dx =
f (x) dx es
Z
f (x) dx +
f (x) dx
a
Z 0
Z
Z t
t
1
1
1
Ejemplo Como
dx
=
y
dx
=
l
m
lm (arctg x]0 = lm arctg t 0 = 2 ,
1+x2
2
1+x2
1+x2 dx = t
t
t
0
Z 0
Z 0
Z
Z
1
1
1
1
la integral
1+x2 dx converge y
1+x2 dx =
1+x2 dx +
1+x2 dx = 2 + 2 =
4
Observaciones
Z
Z
2.- Sea f : R R integrable en todo intervalo cerrado. Si
f converge, entonces
f = lm
f.
t+
La implicaci
on contraria es falsa. Es decir, puede existir ese lmite y la integral ser divergente.
Z +
Contraejemplo
2x dx no es convergente, pues
2x dx = lm
t+
2x dx = lm
t+
x2
t
0
= lm t2 = +
t+
lm
t+
t+
x2
t
t
= lm t2 (t)2 = 0.
t+
Al valor del lm
t+
2x dx = lm
Definici
on 218.- Diremos que dos integrales impropias tienen el mismo car
acter, y lo representaremos por
, si son simult
aneamente convergentes, divergentes u oscilantes.
Prof: Jos
e Antonio Abia Vian
Propiedades 219.1.- Sea f : [a, +) R integrable en [a, t] para todo t a y sea b a. Entonces
+
Z
f (x)dx
f (x)dx.
b
Z
f (x) dx
f (x) dx.
a
+
Z
3.- Sean f, g: [a, +) R integrables en [a, t] , t a. Si
(f + g)
converge y
(f + g)(x) dx =
a
convergen, entonces:
f (x) dx +
a
g(x) dx.
a
Demostraci
on:
1.- Como
Z
t+
t+
f (x) dx
f (x) dx +
f (x) dx = lm
lm
Z
t+
f (x) dx
f (x) dx + lm
a
Z
=
el lmite de la izquierda es finito, infinito o no existe si el lmite de la derecha es finito, infinito o no existe
respectivamente. Y viceversa.
Z t
Z t
2.- Como lm
f (x) dx = lm
f (x) dx , ambos lmites son simultaneamente finitos, infinitos o no
t+
existen.
t+
Z
3.- Basta considerar que lm
t+
existen.
Z
Z
(f + g)(x) dx = lm
t+
Z
f (x) dx + lm
t+
1
1
dx es convergente, ya que x+2
x3 = x2 + 2 x3 y por las propiedades 219 anteZ
Z
Z
(P.2)
(P.1)
1
1
1
y
2 x13 dx
x2 dx
x3 dx
x3 dx , que son ambas convergentes
2
1
2
1
2
Z
x+2
(ejemplo 216). Luego por la propiedad (P.3) la integral
x3 dx es convergente por ser suma de integrales
2
Z
Z
Z
x+2
1
convergentes y
2 x13 dx
x3 dx =
x2 dx +
4
Ejemplo La integral
Z
Z
(P.1)
1
riores,
x2 dx
x+2
x3
Proposici
on 220.- Sea f : [a, +) R integrable en [a, t] para todo t [a, +) . Si
Z
entonces
f (x) dx diverge.
lm f (x) = L 6= 0
x+
Observaci
on 221.- Como consecuencia de este resultado, si una funcion tiene lmite en + , su integral s
olo
puede ser convergente cuando el lmite es cero. (Si el lmite no existe no se puede asegurar nada.)
El recproco de la proposici
on 220 no es cierto, una integral puede ser divergente, aunque su lmite sea 0 .
Z
dx
Contraejemplo
lm x1 = 0 .
x diverge (ver ejemplo 216) y sin embargo,
1
11.1.1
x+
Criterios de comparaci
on para funciones no negativas
Lema 222.- Sea f : [a, +) R integrable y no negativa en [a, t] , para todo t R. Entonces la funci
on
Z t
F (t) =
f (x) dx es creciente en [a, +) .
a
Prof: Jos
e Antonio Abia Vian
Demostraci
on:
La funci
on F es creciente ya que si t1 , t2 [a, +) , con t1 t2 , entonces
Z t2
F (t2 ) F (t1 ) =
f (x) dx 0
t1
Z
f (x) dx
es convergente F (t) =
f (x) dx
a
+
f (x) dx diverge
b) Si
a
Demostraci
on:
Por la propiedad 1 de 219,
Z +
Z
f (x) dx
a
f (x) dx
g(x) dx
g(x) dx,
b
Z
f (x) dx
F (t) =
b
g(x) dx = G(t),
b
Z
luego F (t) est
a acotada superiormente y
f (x) dx es convergente.
b
b) Si
Ejemplo
1Z
Z
1
x2 +1 dx
1
1
1+x2
<
1
x2
tambien.
. Luego
4
Z
Ejemplo
Z
Z1
1 1
2 x dx
1
1
2
x2 +1 dx es convergente, pues en [1, +) , 0 < x
1
x2 dx y como la mayor es convergente, la menor
1
x+1 dx es
1
x+1 dx y
Prof: Jos
e Antonio Abia Vian
1
2x
<
1
x+1
. Luego
4
f (x) dx
a) Si 0 < L < + =
g(x) dx.
b) Si L = 0 , se tiene:
Z +
Z
[i] si
g(x) dx converge =
a
Z
[ii] si
f (x) dx converge.
a
+
f (x) dx diverge =
g(x) dx diverge.
c) Si L = + , se tiene:
Z +
Z
[i] si
f (x) dx converge =
a
Z
[ii] si
g(x) dx converge.
a
+
g(x) dx diverge =
a
f (x) dx diverge.
Z
1
Ejemplo
dx es convergente, pues [2, +) es positiva y
x2 x
2
Z
Z
1
1
dx
Luego
x2 dx que converge.
x2 x
lm
x+
x2 x
1
x2
x2
2 x
x
x+
lm
= 1 6= 0 .
4
Observaci
on: Aunque losZ criterios Zdados son v
alidos u
nicamente para funciones positivas en un entornoZde + ,
+
11.1.2
f.
a
Convergencia absoluta
Z
Definici
on 226.- Sea f : [a, +) R integrable en [a, t] para todo t a . Diremos que
Z +
absolutamente convergente si
|f (x)|dx converge.
f (x)dx es
a
Z
|f (x)|dx converge, entonces
Si
a
f (x)dx converge.
a
Z
(f (x) + |f (x)|) dx
f (x)dx =
a
|f (x)|dx
a
converge.
Nota: El recproco no es cierto.
Z
sen x
Contraejemplo
x dx converge pero no converge absolutamente.
Prof: Jos
e Antonio Abia Vian
sen x
x
Veamos que
dx converge.
t+
=
| cos x|
x2
1
x2
sen x
du = 1
u = x1
x2 dx
dx =
dv = sen x dx
v = cos x
x
!
t Z t
Z t
cos x
cos x
1
cos t
cos x
dx = lm
dx
lm
2
t+
t+
x
x
t
x2
sen x
dx = lm
t+
x
= lm
Como
cos x
dx
x2
1
x2
cos x
x2
dx converge,
sen x
1
dx =
x
converge.
Z
puesto que
cos x
dx
x2
Z
| sen x|
x
dx convergiera, entonces
| cos x|
x
dx convergera,
Z
Z
| sen(x + 2 )|
| sen t|
| sen(t)|
dt
dx =
dt
3
x
t
2
2
Z
| sen x|+| cos x|
dx convergera. Pero esto es absurdo
(por el segundo criterio de comparaci
on); en consecuencia,
x
Z
Z
cos x|
| sen x|+| cos x|
1
puesto que | sen x|+|
x1 y como
dx ha de ser divergente.
x
x dx diverge, necesariamente
x
Z
Z
| sen x|
sen x
dx diverge y
Luego
x
x dx no converge absolutamente.
4
Z
| cos x|
dx =
x
Observaci
on 228.- Los criterios establecidos para integrales impropias de primera especie en [a, +) as como
la convergencia absoluta admiten versiones analogas para integrales impropias de primera especie en (, b]
(se construyen similarmente a como se hace en la seccion 11.2.1).
Z
f (x)dx
g(u)du.
b
Z +
Z +
Z 1
1
1
1
Como
dx
=
dx
que
converge,
la
integral
(x)2
x2
x2 dx converge.
(1)
11.2
Definici
on 229.- Sea f : (a, b] R integrable en [t, b] , para todo t (a, b] , y no acotada. Sea F : (a, b] R
Z b
la funci
on definida por F (t) =
f (x)dx.
t
El par (f, F ) se denomina integral impropia de segunda especie en (a, b] y se designa por
Z
Z
f (x)dx
a+
Prof: Jos
e Antonio Abia Vian
f.
a+
Z
Definici
on 230.- Diremos que la integral impropia
Z
lm F (t) = lm
ta+
f (x)dx
ta+
f (x)dx.
L=
a+
Si el lmite anterior es infinito se dice que la integral impropia es divergente y si no existe se denomina
oscilante.
De forma an
aloga se definen las integrales impropias de segunda especie en intervalos de la forma [a, b) para
funciones f : [a, b) R integrables en [a, t] , t [a, b) y no acotadas. Las representaremos por
b
Z
f (x)dx
f.
Definici
on 231.- Sea f : (a, b) R integrable en todo intervalo cerrado contenido en (a, b) y no acotada.
Z b
Z c
Z b
f (x)dx
Diremos que
f (x)dx es convergente si existe alg
un c R tal que las integrales
f (x)dx y
a+
a+
f (x)dx =
a+
f (x)dx.
c
b
dx
(xa)
f (x)dx +
a+
Z
Soluci
on:
Si = 1 ,
y de
a
dx
(bx)
, para los R.
ib
dx
= lm+ ln |x a| = lm+ ln |b a| ln |t a| = +
ta
ta
t
ta
t xa
Z t
it
dx
lm
= lm ln |b x| = lm ln |b a| ln |b t| = +
tb
tb
a
tb
a bx
lm+
Si 6= 1 ,
b
Z
lm
ta+
Z
lm
tbb
b
1
1
1 (x a)1 t
1
1
1
1
(1)(ba)1 ,
= lm
=
+,
(b a)1
(t a)1
ta+ 1
t
dx
1
1
= lm
(b x) tb 1 (b x)1 a
1
1
1
1
1 ,
= lm
= (1)(ba)
1
1
+,
(b t)
(b a)
tb 1
dx
= lm
(x a) ta+
si < 1
si > 1
si < 1
si > 1
11.2.1
b
dx
(bx)
Criterios de comparaci
on para funciones no negativas
Las integrales impropias de segunda especie para funciones no negativas, admiten criterios analogos a los dados
para las integrales de primera especie. En este sentido, observese que el Teorema 234 siguiente es identico a su
hom
ologo para integrales de primera especie.
Prof: Jos
e Antonio Abia Vian
Por ello, enunciaremos los criterios omitiendo sus demostraciones, que tienen un desarrollo parejo a las
demostraciones de los criterios para las integrales de primera especie. Vease la observacion 238 posterior, que
identifica las integrales de segunda especie con las de primera especie, donde se aporta mas informacion sobre
estos comentarios.
Lema 233.- Sea f : (a, b] R integrable en [t, b] , para todo t (a, b] , no negativa y no acotada. Entonces,
Z b
la funci
on F (t) =
f (x)dx es decreciente.
t
Teorema 234.- Sea f : (a, b] R integrable en [t, b] , para todo t (a, b] , no negativa y no acotada. Entonces
Z
Z
f (x)dx
es convergente F (t) =
a+
f (x)dx
a+
f (x)dx diverge =
b) Si
a+
a+
a) Si L 6= 0 entonces,
f (x)dx
g(x)dx.
a+
a+
b) Si L = 0 , se tiene:
Z b
Z
[i] Si
g(x)dx converge =
a+
Z b
[ii] Si
a+
b
f (x)dx diverge =
a+
Z
|f (x)|dx
Si
convergente =
a+
f (x)dx
es convergente.
a+
Cambio de variable
f (x)dx
t=
a+
f (x)dx
a
Prof: Jos
e Antonio Abia Vian
1
xa
t=
1
bx
Primera especie
Z
+
1
ba
+
1
ba
f ( 1t +a)
dt
t2
f (b 1t )
dt
t2
11.3 Ejercicios
11.3
Ejercicios
Z
+
dx
1+x2
ex dx y
11.188 Calcular
ex dx.
2x1
1+x2 dx
y hallar V P
2x1
1+x2 dx.
sen x dx?
a)
Z
(2 + sen x)dx
e (2x 4x)dx
ex dx
sen x
1+cos x+ex dx
i)
0
j)
1
g)
Z
dx
x
1+x4 dx
x2 +1
x4 +1 dx
xex dx
h)
0
dx
1
ch x dx
k)
d)
f)
c)
e)
Z
2x
b)
l)
0
x ln x
(1+x2 )2 dx
a)
1
Z
d)
0
Z
11.193 Probar que
0
x1
(x+1)2 dx
dx
1cos x
b)
Z
e)
0
dx
x(1x)
1
sen
x+cos x dx
x(1x)
c)
0
ex
ex 1 dx
f)
0
e
dx
sen x
+
dx
x
a)
sen2 x
x2 dx
+
dx
ln x ,
b)
para > 1
Z
d) Si
Prof: Jos
e Antonio Abia Vian
Z
f (x)dx
1000
f (x)dx
a
11.3 Ejercicios
Z
Z
(f (x) + g(x))dx converge, entonces
f (x)dx y
g(x)dx convergen necesariamente.
a
a
a
Z 1
Z 1
Z 1
f (x)g(x)dx converge necesariamente
g(x)dx convergen, entonces
f (x)dx y
f) Si
Z
e) Si
sen x
x2 dx
0
Z 2
x
a)
d)
4
(x2 1) 5
b)
0
e)
1
c)
dx
x ln x
f)
dx
1
x+(x3 +1) 2
Z
ln x ln(x + 1)dx
h)
ln x
x4 x3 x2 +x dx
sen2 x1 dx
sen2 2x
x2 dx
Z
dx
g)
i)
0
ex
ex +1 dx.
a)
3
2
(
4 x)
(1tg x) sen x
arctg(x1)
g)
0
dx
b)
0
d)
Z
3
x2
(x1)4
2
1ex
x2 cos x
2
2
Z
dx
Z
h)
Z
dx
1ex
x2 cos x
c)
sen (x1)
dx
x ln3 x
e)
1 dx
4 arcsen x
1
3
x 2 ( 12 x) 2
ex
ex 1 dx
x sen x12
ln(1+x)
f)
1 dx
ex
ex +1
i)
dx
x2
1+ x
2 8 1+sen x
7
x2
dx
11.198 Encontrar los valores de , para que las integrales siguientes sean convergentes.
Z
a)
0
Z
e)
0
1cos x
dx
x
b)
dx
x1 3 1x2
f)
x
x2 +1
1
1+2x2
1
2x+1
x+1
Z
dx
c)
0
Z
dx
1
x
1e
x
g)
Z
dx
sen2 x
x2 1 dx
xsen x
dx
x
d)
0
h)
x
x4 1 dx
xp ex dx .
x+
Prof: Jos
e Antonio Abia Vian
1
s2
y que L{sen(ax)} =
a
s2 +a2
Anexo 2: Demostraciones
C
alculo integral en R
Integral de Riemann
Demostraci
on de:
Propiedades 180 de la p
agina 99
L(f, P ) U (f, P ) .
U (f, P2 ) U (f, P1 ) .
L(f, P ) U (f, Q) .
Demostraci
on:
L(f, P ) =
n
P
mi xi
i=1
n
P
Mi xi = U (f, P ) .
i=1
b) Probaremos s
olo la desigualdad para las sumas superiores (la demostracion es analoga para las sumas
inferiores).
Supongamos primero que P2 tiene exactamente un punto mas que P1 , es decir,
P1 = {a = x0 , x1 , . . . , xj1 , xj , . . . , xn = b} y P2 = {x0 , x1 , . . . , xj1 , c, xj , . . . , xn }.
Si M 0 = sup{f (x) : x [xj1 , c]} y M 00 = sup{f (x) : x [c, xj ]}, se tiene que
U (f, P2 ) =
j1
P
Mi xi + M 0 (c xj1 ) + M 00 (xj c) +
i=1
n
P
Mi xi .
i=j+1
Mj = M 0
m0
M 00
mj = m00
xj1
xj
Fig. 11.1. A
nadir un punto a la partici
on.
j1
X
Mi xi + Mj (c xj1 ) + Mj (xj c) +
i=1
j1
X
i=1
n
X
Mi xi
i=j+1
Mi xi + Mj xi +
n
X
Mi xi = U (f, P1 ).
i=j+1
Supongamos ahora que P2 tiene exactamente k puntos mas que P1 . Construimos k particiones del
intervalo [a, b] de forma que cada una de ellas contenga un punto mas que la anterior, P1 Q1 Q2
Qk1 P2 . Entonces,
U (f, P2 ) U (f, Qk1 ) U (f, Q2 ) U (f, Q1 ) U (f, P1 ) .
Prof: Jos
e Antonio Abia Vian
Anexo 2
Propiedades 184 de la p
agina 100
Z
2.- f es integrable en [a, b] y
f =
a
f.
a
Demostraci
on:
1.- Como f y g son integrables en [a, b] , existen P1 y P2 particiones de [a, b] , tales que U (f, P1 )L(f, P1 ) <
2 y U (g, P2 ) L(g, P2 ) < 2 ; luego tomando P = P1 P2 , al ser mas fina que P1 y P2 , se verifica que
U (f, P ) L(f, P ) =
n
X
i=1
U (g, P ) L(g, P ) =
n
X
i=1
.
2
Sea P = {x0 < x1 < < xn } , y sean mi y Mi el inferior y superior de f + g en [xi1 , xi ] . Entonces,
como m0i f (x) Mi0 y m00i g(x) Mi00 , se tiene que m0i + m00i f (x) + g(x) Mi0 + Mi00 , luego que
m0i + m00i mi Mi Mi0 + Mi00 . En consecuencia,
U (f + g, P ) L(f + g, P ) =
=
n
X
(Mi mi )xi
n
X
i=1
i=1
n
X
n
X
i=1
(Mi0 + Mi00 ) (m0i + m00i ) xi
i=1
+ = .
2 2
2.- Basta con tener en cuenta que U (f, P ) L(f, P ) = U (f, P ) L(f, P ) y usar que f es integrable.
3.- Sea > 0 . Si f integrable en [a, b] existe P P[a, b] tal que U (f, P ) L(f, P ) < .
A
nadiendo, si no est
a, el punto c a P obtenemos la particion de [a, b]
P = {a = x0 , x1 , . . . , xi1 , c, xi , . . . , xn = b}
m
as fina que P , luego se verifica que U (f, P ) L(f, P ) U (f, P ) L(f, P ) < .
Tomando P1 = {a, x1 , . . . , xi1 , c} , particion de [a, c] y P2 = {c, xi , . . . , b}, particion de [c, b] , se verifica
que
L(f, P ) = L(f, P1 ) + L(f, P2 )
y, por tanto,
U (f, P ) L(f, P ) = (U (f, P1 ) L(f, P1 )) + (U (f, P2 ) L(f, P2 )) < .
Luego
U (f, P1 ) L(f, P1 ) < y
Anexo 2
= ,
L(f, P ) I U (f, P )
L(f, P1 ) I1 U (f, P1 )
L(f, P2 ) I2 U (f, P2 )
y, por tanto,
|I (I1 + I2 )| U (f, P ) L(f, P ) < ,
> 0.
En consecuencia, I = I1 + I2 .
Demostraci
on de:
Proposici
on 189 de la p
agina 101
Proposici
on 189.- Sea f : [a, b] R una funcion acotada. Entonces f es integrable en [a, b] y el valor de su
integral es I si y s
olo si para cada > 0 existe P P[a, b] tal que para toda P P y cualquier eleccion del
conjunto E asociado a P se cumple que |S(f, P, E) I| < .
Demostraci
on:
Z
=c
Si f integrable en [a, b] e I =
a
o mejor
U (f, P ) I L(f, P ),
sumando ambas
(U (f, P ) L(f, P )) S(f, P, E) I U (f, P ) L(f, P ),
de donde
|S(f, P, E) I| U (f, P ) L(f, P ),
P P[a, b].
En particular, si P P se tendr
a que
|S(f, P, E) I| U (f, P ) L(f, P ) U (f, P ) L(f, P ) < .
=c Supongamos que dado > 0 existe P P[a, b] tal que para todo P P y cualquier eleccion de E
asociado a P se tiene que |S(f, P, E) I| < 4 .
Aplicando el lema 188 a la partici
on P , existiran dos conjuntos E1 y E2 asociados a la particion tales que
S(f, P , E1 ) L(f, P ) <
,
4
entonces
|U (f, P ) L(f, P )| |U (f, P ) S(f, P , E2 )| + |S(f, P , E2 ) I| +
+ |I S(f, P , E1 )| + |S(f, P , E1 ) L(f, P )|
< + + + = .
4 4 4 4
Z b
Z b
Luego f es integrable en [a, b] y existe el valor de
f (x) dx. Veamos que
f (x) dx = I .
Existe P tal que
Prof: Jos
e Antonio Abia Vian
h 11.1 i
h 11.2 i
Anexo 2
se tiene que
Z
b
f (x) dx S(f, P , E) U (f, P ) L(f, P ) <
a
2
luego
<
2
,
2
sumando ambas
Z
f (x) dx I <
<
a
Z
y, por tanto I =
f (x) dx.
a
Demostraci
on de:
Proposici
on 192 de la p
agina 102
Proposici
on 192.- Sea f integrable en [a, b] , entonces |f | es integrable en [a, b] y se verifica que
Z
Z
b
b
|f (x)| dx .
f (x) dx
a
a
Demostraci
on:
f (x), si f (x) 0
Como |f (x)| =
, si tomamos las funciones definidas por
f (x), si f (x) < 0
f (x), si f (x) 0
0, si f (x) > 0
+
f (x) =
y
f (x) =
,
0, si f (x) < 0
f (x), si f (x) 0
entonces |f | = f + + f y ser
a integrable si f + y f son integrables.
Veamos que f + es integrable en [a, b] :
f es integrable, luego existe P tal que
y, para esa misma partici
on,
U (f, P ) L(f, P ) =
U (f + , P ) L(f + , P ) =
n
P
n
P
i=1
Ahora bien:
i=1
|f |
f
|f |
a
a
a
Z Z
b
b
y, por tanto, f
|f | .
a
a
Demostraci
on de:
Prof: Jos
e Antonio Abia Vian
Proposici
on 194 de la p
agina 102
Anexo 2
Proposici
on 194.- Si f y g son integrables en [a, b] , entonces f g es integrable en [a, b] .
Demostraci
on:
Como puede escribirse f g = 41 (f + g)2 (f g)2 y las funciones f + g y f g son integrables, basta probar
que el cuadrado de una funci
on integrable es integrable.
Sea entonces h integrable en [a, b] . Por ser acotada, existe K > 0 tal que |h(x)| < K , para todo x [a, b] ,
y por ser integrable, existe P P[a, b] tal que
U (h, P ) L(h, P ) =
n
X
i=1
U (h2 , P ) L(h2 , P ) =
n
P
.
2K
i=1
entonces,
i=1
n
X
n
X
i=1
i=1
= ,
2K
Integrales impropias
Demostraci
on de:
Proposici
on 220 de la p
agina 117
Proposici
on 220.- Sea f : [a, +) R integrable en [a, t] para todo t [a, +) . Si
Z
entonces
f (x) dx diverge.
lm f (x) = L 6= 0
x+
Demostraci
on:
Supongamos que
lm f (x) = L > 0 . Entonces, para cualquier > 0 existe k > 0 tal que si x k se verifica
x+
Demostraci
on de:
Prof: Jos
e Antonio Abia Vian
Teorema 223 de la p
agina 118
Anexo 2
Demostraci
on:
Z
Si
f (x) dx converge, entonces
a
t
f (x) dx = lm F (t) = L R.
lm
t+
t+
Sea > 0 . Entonces, por ser un extremo superior, existe t0 [a, +) tal que < F (t0 ) , luego
si t t0 , como F es creciente, se tiene que < F (t0 ) F (t) . Ademas, para todo t , se verifica que
F (t) < + .
En consecuencia, para cualquier > 0 existe t0 tal que si t t0 , < F (t) < + , es decir, |F (t)| < ,
luego lm F (t) = .
t+
Demostraci
on de:
f (x) dx converge.
a
+
f (x) dx diverge =
g(x) dx diverge.
c) Si L = + , se tiene:
Z +
Z
[i] si
f (x) dx converge =
a
g(x) dx.
a
b) Si L = 0 , se tiene:
Z +
Z
[i] si
g(x) dx converge =
[ii] si
f (x) dx
a) Si 0 < L < + =
[ii] si
g(x) dx diverge =
a
g(x) dx converge.
a
+
f (x) dx diverge.
a
Demostraci
on:
1.- Si 0 < L < + , tomamos =
donde
L
2
(x)
, luego existe K > 0 tal que si x K se tiene que fg(x)
L <
L
2
. De
L
f (x)
L
+L<
< +L
2
g(x)
2
L
2g
f (x) y f (x)
3L
2 g(x)
y tener en
2.- Si L = 0 , tomando = 1 , se tiene que existe K > 0 tal que si x K entonces 0 f (x) < g(x) .
De nuevo, basta con aplicar 224.
Prof: Jos
e Antonio Abia Vian
3.- Si L = + , entonces
Demostraci
on de:
lm g(x)
x+ f (x)
Anexo 2
Teorema 234 de la p
agina 122
Teorema 234.- Sea f : (a, b] R integrable en [t, b] , para todo t (a, b] , no negativa y no acotada. Entonces
Z
Z
f (x)dx
es convergente F (t) =
a+
f (x)dx
Demostraci
on:
Z b
Si
f (x)dx converge, entonces
a+
Z
lm+
ta
a+
Sea > 0 . Entonces, por ser un extremo superior, existe t0 (a, b] tal que < F (t0 ) , luego si
t t0 , como F es decreciente, se tiene que < F (t0 ) F (t) . Ademas, para todo t , se verifica que
F (t) < + .
En consecuencia, para cualquier > 0 existe t0 tal que si t t0 , < F (t) < + , es decir, |F (t)| < ,
luego lm+ F (t) = .
ta
Prof: Jos
e Antonio Abia Vian
Unidad III
Prof: Jos
e Antonio Abia Vian
Captulo 12
Introducci
on, conceptos e ideas b
asicas
Las ecuaciones diferenciales surgen en muchas aplicaciones de la ingeniera como modelos matematicos de
diversos sistemas fsicos y de otros tipos, y muchas de las leyes y relaciones se modelan matematicamente como
ecuaciones diferenciales. Siempre que intervenga la razon de cambio de una funcion, como la velocidad, la
aceleraci
on, la desintegraci
on, etc., se llegar
a a una ecuacion diferencial.
Definici
on 239.- Una ecuaci
on diferencial ordinaria (EDO) es aquella que contiene una o varias derivadas
de una funci
on desconocida de una variable, y se quiere determinar a partir de la ecuacion
Suele denominarse por y = y(x) a esa funci
on buscada y por x la variable sobre la que se deriva. As, por
dy
):
ejemplo, (se usan indistintamente las notaciones y 0 e dx
? y 0 = cos x
?
d2 y
dx2
+ 4y =
dy
dx
x
, y se cumple que es una solucion explcita
Igualmente, para f (x) = 25 x2 es f 0 (x) = 25x
2
x + f (x) f 0 (x) = x +
25 x2
x
=xx=0
25 x2
Algunas ecuaciones resolubles Disponemos de algunas ecuaciones diferenciales que podemos resolver y ya
hemos resuelto, por ejemplo y 0 = cos(x) . Es evidente que la podemos resolver, pues
Z
y 0 = cos(x) = y = cos(x)dx = sen(x) + C
No solo hemos encontrado una soluci
on sino que hemos encontrado todas las soluciones posibles. Para cada
valor concreto de la contante C tendremos una soluci
on particular de la ecuacion diferencial, y a la expresi
on
parametrica que las define se le denomina soluci
on general.
Si lo que buscamos es una soluci
on concreta, que por ejemplo en x = 0 valga 5 (y(0) = 5 ), la soluci
on
pedida ser
a la que cumpla ambas condiciones: en este caso, y = sen(x) + 5 . Como la solucion general depende
de un u
nico par
ametro, un u
nica condici
on a
nadida determina su valor; incluir mas condiciones a cumplir que
par
ametros a fijar supone que o bien hay condiciones superfluas o no hay solucion.
Prof: Jos
e Antonio Abia Vian
Definici
on 241.- Este tipo de ecuaciones diferenciales con condiciones adicionales que se refieren todas al
mismo punto, se denominan problemas de valores iniciales o problemas de Cauchy y se expresan en la
forma
y 00 = f (x; y, y 0 )
0
y = f (x, y)
y(x0 ) = y0
;
;
y(x0 ) = y0
0
y (x0 ) = y1
Cuando las condiciones se refieren a m
as de un punto se dicen Problemas de contorno (y que no trataremos).
Nota: En general, una ecuaci
on diferencial de orden n tiene soluciones dependientes de n parametros.
Z
y 00 = cos(x) = y 0 = sen(x) + C1 = y = (sen x+C1 )dx = cos(x) + C1 x + C2
12.1.1
Antes de seguir buscando nuevos metodos de resolucion, fijemos notaciones, condiciones y recursos que nos
aseguren soluciones y resultados. Para ello comencemos por las mas sencillas?, las de primer orden:
Definici
on 242.- Las ecuaciones diferenciales de primer orden pueden escribirse mediante las expresiones:
F (x; y, y 0 ) = 0
y 0 = f (x, y)
que suelen denominarse la forma general o implcita, la forma normal y la forma diferencial, todas ellas
v
alidas y puede usarse una u otra seg
un interese en cada caso (ver nota siguiente)
Nota: La manipulaci
on de los terminos de la ecuacion diferencial para cambiar de una forma a otra que pueda
facilitarnos la resoluci
on, no cambia el grueso de las soluciones, aunque s puede eliminar alguna soluci
on
concreta o a
nadirla
1
1
1
y2
ecuaci
on diferencial, pero la funci
on y(x) = 0 no puede ser una solucion en la forma diferencial y s lo es de las
otras formas (ver el 2 o ejemplo de la subsecci
on 12.2.1 de Ecuaciones diferenciales separables)
Teorema de existencia y unicidad 243.- Sea la ecuacion diferencial y 0 (x) = f (x, y) . Si f es una funci
on
continua en un abierto y conexo D de R2 y si f
es
tambi
e
n
continua
en
D
y
(x
,
y
)
D
,
entonces
existe
0
0
y
una u
nica funci
on y = (x) definida en un entorno de x0 que es solucion del problema de Cauchy
y 0 = f (x, y)
y(x0 ) = y0
(Muy burdamente, conexo significa un conjunto en un solo trozo). Es evidente que si no se cumplen las hipotesis,
ni existencia ni unicidad est
a garantizada (aunque puedan ocurrir) como en el siguiente ejemplo:
1
Identicamente, y22 =
12.2
x2
4
e y20 =
x3
4
, luego
x3
4
M
etodos de resoluci
on
La resoluci
on de estas ecuaciones diferenciales se basa en la b
usqueda de primitivas (en un sentido amplio),
de funciones de una variable y de funciones de dos variables. Los dos primeros metodos que veremos marcan
estas dos pautas de resoluci
on (y todos los demas han de reducirse a alguno de ellos)
Prof: Jos
e Antonio Abia Vian
12.2.1
Definici
on 244.- Si la ecuaci
on diferencial y 0 = f (x, y) puede escribirse en la forma
g(y) y 0 = f (x)
o mejor g(y) dy = f (x) dx
se denomina ecuaci
on diferencial separable o de variables separables
Y como parece indicar la segunda opci
on, se resuelven mediante integraciones independientes en cada una de
las variables x e y :
Una soluci
on y(x) debe cumplir la ecuaci
on g(y(x)) y 0 (x) = f (x) , luego ambos terminos seran funciones de x ,
por lo que integrando en x ambos lados de la igualdad (y un sencillo cambio de variable)
Z
Z
Z
Z
y(x) = t
0
g(y(x)) y (x) dx = f (x) dx
g(t) dt = f (x) dx
y 0 (x)dx = dt
Z
Z
y(x) = y
(que en el fondo es)
g(y) dy = f (x) dx
y 0 (x)dx = dy
Luego, si denotamos por las may
usculas a sendas primitivas, se tiene que G(y) = F (x) + C . Por lo que la
funci
on G(y) F (x) = C es la soluci
on general implcita de la ecuacion diferencial
dy
Ejemplo La ecuaci
on diferencial x + y dx
= 0 es separable pues y y 0 = x o
Z
y dy = x dx
x2
y2
= + C = x2 + y 2 = 2C = K
2
2
Z
x dx
y dy =
que es la soluci
on general, con K 0 .
1
dy
Ejemplo La ecuaci
on diferencial y 0 = xy 2 (1) es separable, pues puede escribirse como y 2 dx
=x
Z
y
21
Z
dy =
x dx
y la soluci
on general de (2) es y(x) =
y2
1
2
x2
4
x2
+C
2
+K
2
y2 =
x2
+ 2C
4
y=
x2
4
+K
(2)
2
para todo K R .
1
Ahora bien, para obtener (2) hemos dividido (1) por y 2 y, puesto que buscamos una solucion de la forma
y = y(x) , la funci
on constantemente 0 no puede ser solucion de (2), pero s resulta ser una solucion de (1). Es
2
2
decir, todas las soluciones de la ecuaci
on inicial (1) son y(x) = 0 e y(x) = x4 + K , para cada K R.
Las soluciones, como esta y(x) = 0 , que no aparecen incluidas en la expresion con parametros de la soluci
on
suelen denominarse soluciones singulares.
12.2.2
=0
y x
x x
con expresiones m
as comunes:
Prof: Jos
e Antonio Abia Vian
f2 (x, y) y 0 + f1 (x, y) = 0
dy
+
= 0,
y dx
x
f1 (x, y) dx + f2 (x, y) dy = 0
Definici
on 245.- Una ecuaci
on de primer orden dada en la forma diferencial por
M (x, y) dx + N (x, y) dy = 0
se dice que es exacta en un abierto y conexo D si existe tal que
(x, y) = M (x, y)
x
(x, y) = N (x, y)
y
x (x, y)
= M (x, y) y
M
y (x, y)
y (x, y)
N
x (x, y)
Calculo de : Si sabemos que existe, podemos hacerlo sencillamente obligando a que cumpla lo que tiene
que cumplir. Para ilustrar el metodo, consideremos el siguiente ejemplo de ecuacion diferencial exacta:
(y 2 +y cos x)dx + (2xy+3y 2 +sen x)dy = 0
ya que
2
y (y +y cos x)
= 2y+cos x =
2
x (2xy+3y +sen x)
2
? debe verificar que
x (x, y) = M (x, y) = y +y cos x , luego considerando y como constante, debe
ser una primitiva de M , es decir,
Z
Z
(x, y) = M (x, y) dx = y 2 + y cos x dx = xy 2 + y sen x + K(y)
y (x, y)
2xy+3y 2 +sen x =
y (x, y)
2
y (xy
Prof: Jos
e Antonio Abia Vian
12.2.3
Factores integrales
Desgraciadamente, las ecuaciones diferenciales no son habitualmente exactas, pero en ocasiones lo son si se
multiplican por una funci
on adecuada.
Definici
on 247.- Se dice que la funci
on (x, y) no nula en un abierto, es un factor integrante de la ecuaci
on
M (x, y) dx + N (x, y) dy = 0 si la ecuaci
on diferencial
(x, y) M (x, y) dx + N (x, y) dy = 0 (x, y)M (x, y) dx + (x, y)N (x, y) dy = 0
es exacta.
Observar que si (x, y) es no nula, las soluciones de la nueva ecuacion solo pueden ser soluciones de la ecuaci
on
inicial. En caso de no ser as, deben comprobarse aquellas soluciones que provengan de (x, y) = 0 .
Buscar factores integrantes cualesquiera no es tarea facil, pero no es excesivamente complejo si el factor
depende de una sola variable:
12.2.3.1
(x)M (x, y) =
(x)N (x, y)
y
x
M (x, y)
(x)
N (x, y)
(x)
= N (x, y)
+ (x)
y
x
x
M (x, y) N (x, y)
(x)
Ejemplo La ecuaci
on
En efecto,
0 (y)
(y)
N
x
M
M
y
= f (y) .
M
N
N
x
N
de donde
ln (x) =
3
x
dx = ln x3 = (x) = x3 .
(x, y) =
y
4
x4
2
M
N
x4
sen(y 2 ) + K(y)
2
cos(y 2 )2y + K 0 (y) = K 0 (y) = 0
Z
M (x, y)dx =
x4 y cos(y 2 ) = N (x, y) =
x4
2
K(y) = C
de donde,
sen(y ) = C
o x sen(y ) = C
es la solucion general.
Comprobar que tambien admite un factor integral de la forma (y) y resolverla.
Prof: Jos
e Antonio Abia Vian
12.2.3.2
Factores integrales m
as generales
12.2.4
Ecuaciones lineales
Un caso de factor integrante son las ecuaciones lineales, que admiten siempre un factor (x) . Pero que son
reconocibles por:
Definici
on 248.- Se dice que una ecuaci
on diferencial de orden uno es lineal, si puede escribirse en la forma
dy
+ P (x) y = Q(x)
dx
Z
R
(x) = exp
P (x)dx = e( P (x)dx) .
N
M
P (x) 0
0 (x)
y x
=
= P (x) =
de donde
P (x)y Q(x) dx + dy = 0 se tiene
N
1
(x)
Z
R
se llega al resultado ln((x)) = P (x)dx = (x) = e( P (x)dx) . Entonces, como (x)P (x) = 0 (x) , se tiene
En efecto, si
1
y=
(x)
Z
(x)Q(x) dx
Luego no s
olo estas ecuaciones lineales ofrecen una solucion alcanzable con un metodo sencillo, sino que adem
as
la soluci
on viene directamente dada de forma explcita (algo no excesivamente habitual como hemos visto).
Las ecuaciones diferenciales lineales aparecen con mucha frecuencia en las aplicaciones practicas y, al igual
que aqu, su generalizaci
on a
ordenes superiores ofrece uno de los pocos tipos de ecuaciones resolubles por
metodos generales (siempre y cuando podamos encontrar las primitivas, claro!).
x
e
Ejemplo La
on x2 y 0 + x(x + 2)y = ex es lineal, si la escribimos en la forma y 0 + x+2
x y = x2 .
Z ecuaci
2
Adem
as,
(1 + x2 )dx = x + 2 ln |x| = x + ln(x2 ) y su factor integrante es (x) = ex+ln(x ) = ex x2 . De
donde
x2 ex y 0 + xex (x + 2)y = e2x (x2 ex y)0 = e2x x2 ex y =
y=
Prof: Jos
e Antonio Abia Vian
e2x dx =
e2x
+C
2
ex
ex
ex + Kex
+ C 2 y =
2
2x
x
2x2
12.2.5
12.2.5.1
Ecuaciones de Bernoulli
12.3 Aplicaciones
1
(x, y) = exp
y
Z
(1)P (x)dx
e(1)( P (x)dx)
=
y
Proposici
on 250.- Si una ecuaci
on diferencial y 0 = f (x, y) puede expresarse en la forma
y
y 0 = f (x, y) = g
x
el cambio y = x la convierte en una ecuaci
on de variables separables en x y
N (1, y )
(x,y)
Nota: Una caracterizaci
on sencilla para este tipo es comprobar si se cumple que M (1, yx) = N
M (x,y) , pues
x
entonces obtenemos g( xy ) directamente. En particular, se obtiene rapidamente este resultado si M y N son
polinomios cuyos monomios son todos del mismo grado (ver ejemplo siguiente).
Ejemplo La ecuaci
on (x2 3y 2 )dx + 2xy dy = 0 es reducible a separables, pues
2xy
2 xy
2xy
N (x, y)
x2
= 2
=
=
2
2
2
x 3y
M (x, y)
x 3y 2
1 3 xy 2
x2
Entonces haciendo el cambio y = x, con dy = dx + x d , se tiene
(x2 3y 2 )dx + 2xy dy = 0 (x2 3(x)2 )dx + 2x(x)( dx + x d) = 0
x2 (1 3 2 )dx + 2x2 2 dx + 2x3 d = 0
x2 (1 2 )dx + 2x3 d = 0 2x3 d = x2 (1 2 )dx
Z
Z
2
x2
2
1
=
d
=
dx
=
d
=
dx
1 2
x3
1 2
x
2
x2 y 2
Luego ln 1 2 = ln |x| + C ( C R) = ln 1
= C (C R) =
x = ln K ( K > 0 ) =
x3
x2 y 2 = x3 C con C R .
Las soluciones = 1 (dividimos por 1 2 ), es decir y = x han sido eliminadas, sin embargo est
an
incluidas en la soluci
on general con C = 0 .
Ejercicio Comprobar que, en el ejemplo, las soluciones y(x) = x e y(x) = x lo son de la ecuaci
on
diferencial inicial y no contradicen el Teorema de existencia y unicidad para un problema de valores iniciales en
(1, 1) , ni en (1, 1) y tampoco en (0, 0) .
12.3
Aplicaciones
Como ya hemos comentado que muchas de las leyes y relaciones cientficas obtienen su expresion mediante este
tipo de ecuaciones y, en particular, casi todas las expresiones de los sucesos con variaciones de magnitudes
relacionadas (variaci
on de la velocidad en funcion del tiempo, crecimiento de cultivos seg
un la temperatura, ...)
Prof: Jos
e Antonio Abia Vian
12.3.1
12.3 Aplicaciones
Trayectorias ortogonales
Un f
acil ejemplo del uso de las ecuaciones diferenciales lo encontramos en la b
usqueda de trayectorias ortogonales
(curvas que intersecan a otras con
angulos rectos), cuya dualidad aparece con frecuencia: meridianos y paralelos
terr
aqueos, curvas de fuerza y lneas equipotenciales de los campos electricos, ...
Dada una familia uniparametrica de curvas F (x, y, c) = 0 (para cada valor de c la ecuacion representa
una curva en R2 ), puede representarse mediante una ecuacion diferencial de la forma
y 0 = f (x, y)
derivando implcitamente F (x, y, c) = 0 y eliminando el parametro entre ambas ecuaciones
Definici
on 251.- Si una familia de curvas viene representada por y 0 = f (x, y) , entonces las trayectorias
ortogonales de la familia deben cumplir la ecuacion diferencial
y0 =
1
f (x, y)
Nota: : Baste recordar que en una curva y = g(x) , la pendiente en un punto x0 viene dada por m = g 0 (x0 ) y
la recta ortogonal tiene que tener de pendiente
12.3.1.1
1
m
Trayectorias de
angulo
Estas trayectorias se puede generalizar a cualquier angulo, aunque no sea un angulo recto. Si buscamos las
trayectorias que formen un
angulo con la familia y 0 = f (x, y) , como esto significa que y 0 = f (x, y) = tg ,
para que las curvas buscadas formen con ellas un angulo deben cumplir la condicion y 0 = tg( + ) . Luego,
al ser = arctg(f (x, y)) , se tiene que
y 0 = tg( + ) =
tg + tg
f (x, y) + tg
=
1 tg tg
1 f (x, y) tg
es la ecuaci
on a resolver.
12.3.2
Modelado de problemas
Hay muchos problemas que pueden modelarse como ecuaciones diferencuiales: velocidad de caida de un paracaidista, desintegraci
on radiactiva, variaciones de temperatura, . . . o por ejemplo variaciones de las mezclas, que
es el ejemplo que vamos a usar. Quiz
a sea la manera mas sencilla de verlo.
Ejemplo Un tanque contiene 200 l de agua en los que hay disueltos 40 kg de sal. Al tanque, le entran
10 l/min cada uno de los cuales contiene 2 kg de sal disuelta y, la mezcla homogenea sale a razon de 5 l/min.
Encontrar la cantidad de sal y(t) que hay en el tanque en cualquier tiempo t .
La variaci
on de sal en la unidad de tiempo, y 0 = dy
dt , es por supuesto la cantidad entrante menos la saliente:
Kg
l
entran 10 l/min a 2 Kg/l que suponen 10( min ) 2( kg
l ) = 20 min y salen 5 l/min de una salmuera formada
por los y(t) kilos de sal que hay en este momento disueltos en los 200 + 10t 5t litros actuales (en cada unidad
de tiempo a
nadimos 10 litros y quitamos 5, por lo que aumentamos a razon de 5 litros por unidad de tiempo).
Luego tenemos el problema de valores iniciales
y 0 (t) = 20
y(t)
200 + 5t
y(0) = 40
12.3.3
Ejercicios
12.202 Usar el teorema de existencia y unicidad para probar que el problema de valor inicial
y(1) = 0 , tiene una soluci
on u
nica definida en alg
un intervalo de 1.
dy
dx
y2
x2
con
Prof: Jos
e Antonio Abia Vian
12.3 Aplicaciones
12.205 Para que valores de la constante m sera y = emx solucion de la ecuacion 2y 000 + y 00 5y 0 + 2y = 0
12.206 Comprobar que las siguientes ecuaciones son exactas y resolverlas:
a) (3x2 y + ey )dx + (x3 + xey 2y)dy = 0
b) (x2 y 3
c)
y dx+x dy
1x2 y 2
1
dx
1+9x2 dy
+ x3 y 2 = 0
+ x dx = 0
dy
dx
x
= y 1 xex+y
e yy 0 = ey + e2xy
(y 2 + yx)dx x2 dy = 0
x2 y 0 = y 2 + 2xy
(2x + 3y 1)dx 4(x + 1)dy = 0
x2 y 0 3xy 2y 2 = 0
x sen( xy )y 0 = y sen( xy ) + x
(x2 + 2xy y 2 )dx + (y 2 + 2xy x2 )dy = 0
b)
d)
f)
h)
j)
l)
n)
y 0 = xy+3xy3
(x+4)(y2)
p
dy
x dx
y = x2 + y 2
dy
1xy
dx = x+y
yx
0
y = x+y
dy
yx+4
dx = y+x6
2
(x + y 2 )dx + (x2 xy)dy = 0
(2x 2y)dx + (y 1)dy = 0
y 00 + (y 0 )2 = 0
(x4 + y 4 )dx xy 3 dy = 0
yx
x+y
12.214 Resolver (3y 2 + 10xy)dx + (5xy + 12x2 )dy = 0 sabiendo que admite un factor integrante de la forma
(x, y) = xa y b .
12.215 Encontrar la soluci
on general de la ecuacion (2xy 2 + y)dx + (2y 3 x)dy = 0 .
12.216 Resolver las siguientes ecuaciones:
a) x2 y 0 + x(x + 2)y = ex
d) (y 2xy x2 )dx + x2dy = 0
g) (1 + x4)y 0 + 8x3 y = x
1
b) y 0 + y = 1+e
2x
e) xy 0 + y = x4 y 3
h) 2xy 0 = y + 10x3 y 5
c) y 0 + y cos x = sen 2x
f) y 0 + xy + xy 3 = 0
12.217 Demostrar que el cambio de variable z = g(y) convierte a la ecuacion g 0 (y)y 0 + g(y)p(x) = f (x) en una
ecuaci
on lineal en z .
2
1
x2
12.3 Aplicaciones
P
x
1
P 2 +Q2
Q
y
P
y
= Q
x .
12.3 Aplicaciones
Prof: Jos
e Antonio Abia Vian
Captulo 13
dn y
dn1 y
d2 y
dy
+
a
(x)
+
+
a
(x)
+ a1 (x)
+ a0 (x)y = F (x)
n1
2
n
n1
2
dx
dx
dx
dx
dy
dn y
+ + a1 (x)
+ a0 (x)y = 0
dxn
dx
se denomina ecuaci
on lineal homog
enea asociada a la ecuacion anterior.
Nota: Generalmente se usa en la forma normal; basta dividir por an (x) para tener
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = F (x)
Proposici
on 253.- Si y1 (x) e y2 (x) son dos soluciones de la ecuacion lineal
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = F (x)
h Li
h Hi
Demostraci
on:
k)
k)
En efecto, por la linealidad de la derivaci
on, y1 y2 = (y1 y2 )k) , luego se tiene que
(y1 y2 )n) + + a1 (x)(y1 y2 )0 + a0 (x)(y1 y2 ) =
n)
n)
= y1 + +a1 (x)y10 +a0 (x)y1 y2 + +a1 (x)y20 +a0 (x)y2 = F (x) F (x) = 0
Teorema de existencia y unicidad 254.- Si las funciones a0 , a1 , . . . , an1 y F son continuas en un intervalo
I R, para cada x0 y cualesquiera constantes arbitrarias c0 , c1 , . . . , cn1 , el problema de Cauchy
(
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = F (x)
y(x0 ) = c0 ; y 0 (x0 ) = c1 ; ; y n1) (x0 ) = cn1
tiene soluci
on u
nica en el intervalo.
Corolario 255.- La u
nica soluci
on y(x) de la ecuacion lineal homogenea de orden n hHi tal que
y(x0 ) = y 0 (x0 ) = = y n1) (x0 ) = 0
en alg
un punto de I , es la funci
on identicamente nula en I .
Corolario 256.- Si y1 e y2 son dos soluciones en I de una ecuacion lineal de orden n hL i, tales que
y1 (x0 ) = y2 (x0 );
n1)
y1
n1)
(x0 ) = y2
(x0 )
en alg
un punto x0 I , entonces y1 (x) = y2 (x) en I
Prof: Jos
e Antonio Abia Vian
145 Fundamentos de Matematicas : Ecuaciones Diferenciales Ordinarias13.1 Espacio de soluciones de la ecuacion lineal de orden n
13.1
La proposici
on 253 anterior nos insin
ua claramente la importancia de las soluciones de la ecuacion homogenea
en la soluci
on de la no homogenea. Conozcamoslas un poco mas.
Proposici
on 257.- Si f1 (x) y f2 (x) son soluciones de la ecuacion diferencial lineal homogenea h Hi , entonces
cualquier combinaci
on lineal c1 f1 (x) + c2 f2 (x) es tambien solucion de hHi .
Basta sustituir en la ecuaci
on h Hi para comprobarlo. Pero como consecuencia de ello hemos dotado al espacio
de soluciones de esta ecuaci
on de una estructura:
Corolario 258.- El conjunto de soluciones de la ecuacion lineal homogenea h Hi , es un espacio vectorial
Entonces todas las soluciones de h Hi se generaran como combinaciones lineales de una base y, recordando la
proposici
on 253, es evidente el siguiente resultado para las soluciones de hLi :
Teorema 259.- Sean las funciones a0 , a1 , . . . , an1 y F continuas en un intervalo I R , y sea yp (x) una
soluci
on particular de hL i,
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = F (x)
entonces, la soluci
on general de la ecuaci
on lineal es
ecuaci
on lineal homogenea h Hi .
Yg = yp + YH
Encaminemos nuestros esfuerzos en conseguir esa base con una definicion imprescindible:
Definici
on 260.- Las funciones f1 , f2 , . . . , fk son linealmente dependientes en I si existen constantes
c1 ,. . . ,ck no todas nulas, tal que c1 f1 (x) + c2 f2 (x) + + ck fk (x) = 0 en cada x de I .
Se dicen linealmente independientes, si no son linealmente dependientes.
Nota: Las funciones son o no linealmente independientes en un intervalo. As, f1 (x) = sen x y f2 (x) = 2 sen x
son dependientes en R, pues 2 f1 (x) + 1 f2 (x) = 0 en R ; mientras que g1 (x) = x y g2 (x) = |x| son linealmente
independientes en R , pero dependientes en (0, +) y dependientes en (, 0) .
Cuando le a
nadimos la condici
on de derivabilidad hasta el orden n (evidente si queremos que sea soluci
on
de una ecuaci
on diferencial de orden n ), situaciones como la anterior no se dan y tenemos un buen criterio:
Definici
on 261.- Sean f1 , f2 , . . . , fn de clase n 1 en un intervalo
. . . , fn a la funci
on definida en I por el determinante
f1 (x)
f2 (x)
f10 (x)
f20 (x)
W [f1 , f2 , . . . , fn ](x) =
..
..
.
.
n1)
n1)
f
(x) f2
(x)
1
I . Se denomina wronskiano de f1 , f2 ,
n1)
fn (x)
..
.
fn (x)
fn0 (x)
..
.
Proposici
on 262.- Sean y1 , y2 , . . . , yn soluciones de la ecuacion diferencial homogenea h Hi, en un entorno
I. Entonces, o bien
a) W [y1 , y2 , . . . , yn ](x) = 0 , para todo x I ,
o bien
y (x)
c1 y1 (x) + c2 y2 (x) + + cn yn (x) = 0
y2 (x) yn (x)
c1
0
1
0
0
0
0
0
0
.. ..
.
.
.
.
.
.
.
n1)
c1 y1
n1)
(x) + c2 y2
n1)
(x) + + cn yn
(x) = 0
n1)
y1
tiene soluci
on no trivial, luego para cada x I , se cumple que
Prof: Jos
e Antonio Abia Vian
n1)
(x) y2
n1)
(x) yn
(x)
cn
W [y1 , y2 , . . . , yn ](x) = 0 .
146 Fundamentos de Matematicas : Ecuaciones Diferenciales Ordinarias 13.2 Metodos generales de resolucion parcial
y1 (x0 )
y2 (x0 ) yn (x0 )
c1
0
0
0
y1 (x0 )
c2
y
(x
)
y
(x
)
0
0
n
2
..
..
..
..
..
.
.
.
.
.
n1)
n1)
n1)
cn
y1
(x0 ) y2
(x0 ) yn (x0 )
x0 de I , el sistema
0
0
= ..
.
0
y(x0 ) = 0
y 0 (x0 ) = 0
y 0 (x0 ) = 1
y 0 (x0 ) = 0
y 0 (x0 ) = 0
y 00 (x0 ) = 0
y 00 (x0 ) = 0
y 00 (x0 ) = 1
y 00 (x0 ) = 0
y n1) (x0 ) = 0
y n1) (x0 ) = 0
y n1) (x0 ) = 0
y n1) (x0 ) = 1
=
=
=
y1
y2
y3
yn
y, por construcci
on esas n soluciones tienen su wronskiano en x0 no nulo (la matriz identidad), luego son n
soluciones independientes. Adem
as, toda solucion f (x) de h Hi es una combinacion lineal de esas n , puesto
que la soluci
on
f (x0 )y1 (x) + f 0 (x0 )y2 (x) + f 00 (x0 )y3 (x) + + f n1) (x0 )yn (x)
es tambien f ya que coinciden en las n 1 derivadas en x0 . En consecuencia, forman una base del espacio de
soluciones y la soluci
on general ha de ser YH (x) = c1 y1 (x) + c2 y2 (x) + + cn yn (x)
13.2
M
etodos generales de resoluci
on parcial
Bajo este ttulo encuentran acomodo dos metodos de resolucion, que no suponen una resolucion completa, si no
que complementan otras maneras de resolver. La mejor manera de entenderlo, es seguramente entrar en ellos.
13.2.1
M
etodo de reducci
on de orden
La idea del metodo es ir reduciendo el orden de la ecuacion lineal, hasta resolverlo completamente; la pr
actica
es mucho m
as limitada, pero a
un as es u
til en diversas circunstancias.
El m
etodo 264.- Dada una ecuaci
on lineal h Li de orden n , de la que conocemos una solucion particular
y0 = f (x) de la ecuaci
on lineal homogenea hHi .
Entonces, haciendo en h Li el cambio de variable y = vy0 , se transforma en una ecuacion lineal en v 0 de
orden n 1 (es decir, lineal de orden n en v , pero solo aparecen v 0 , v 00 ,. . . v n) y no aparece v ).
Luego haciendo w = v 0 es lineal de orden n 1 en w .
Nota: Este metodo es usado, sobre todo en orden 2 , pues encontrando una solucion particular del homogeneo,
se resuelve completamente la ecuaci
on.
Ejemplo Para la ecuaci
on lineal xy 00 (2x + 1)y 0 + (x + 1)y = (x2 + x 1)e2x , x > 0
Podemos comprobar que y0 (x) = ex es solucion de la ecuacion homogenea, con y00 = y000 = ex ,
xex (2x + 1)ex + (x + 1)ex = x (2x + 1) + x + 1 ex = 0ex = 0
Haciendo y = ex v en la ecuaci
on, con y 0 = ex v + ex v 0 = ex (v + v 0 ) e y 00 = ex (v + 2v 0 + v 00 ) se tiene que
xex (v + 2v 0 + v 00 ) (2x + 1)ex (v + v 0 ) + (x + 1)ex v = (x2 + x 1)e2x
Prof: Jos
e Antonio Abia Vian
147 Fundamentos de Matematicas : Ecuaciones Diferenciales Ordinarias 13.2 Metodos generales de resolucion parcial
13.2.2
M
etodo de variaci
on de los par
ametros
En el segundo metodo se trata de buscar la solucion particular de la ecuacion h Li que hay que sumar a la
soluci
on general de la hHi para obtener la solucion general.
Aunque el metodo es v
alido en cualquier orden, vamos a ilustrarlo en orden 3, esperando que as se vean
todos los matices.
El m
etodo
Sea
h Li
y supongamos que
yp = v1 y1 + v2 y2 + v3 y3
derivando
yp0 = v1 y10 + v10 y1 + v2 y20 + v20 y2 + v3 y30 + v30 y3 = v1 y10 + v2 y20 + v3 y30 + (v10 y1 + v20 y2 + v30 y3 )
e imponemos la primera condici
on (1) v10 y1 + v20 y2 + v30 y3 = 0 . La derivada segunda sera
yp00 = v1 y100 + v10 y10 + v2 y200 + v20 y20 + v3 y300 + v30 y30 = v1 y100 + v2 y200 + v3 y300 + (v10 y10 + v20 y20 + v30 y30 )
e imponemos la segunda condici
on (2) v10 y10 + v20 y20 + v30 y30 = 0 . Y la derivada tercera
yp000 = v1 y1000 + v10 y100 + v2 y2000 + v20 y200 + v3 y3000 + v30 y300 = v1 y1000 + v2 y2000 + v3 y3000 + (v10 y100 + v20 y200 + v30 y300 )
e imponemos la tercera y u
ltima condici
on (3) v10 y10 + v20 y20 + v30 y30 = F . Con esas tres condiciones, yp es
soluci
on de h Li , pues
yp000 + a2 yp00 + a1 yp0 + a0 (x)yp = (v1 y1000 + v2 y2000 + v3 y3000 + F ) + a2 (v1 y100 + v2 y200 + v3 y300 )
+a1 (v1 y10 + v2 y20 + v3 y30 ) + a0 (v1 y1 + v2 y2 + v3 y3 )
agrupando los terminos de cada vi , y sacandolo factor com
un, se tiene
= (v1 y1000 + a2 v1 y100 + a1 v1 y10 + a0 v1 y1 ) + (v2 y2000 + a2 v2 y200 + a1 v2 y20 + a0 v2 y2 )
+(v3 y3000 + a2 v3 y300 + a1 v3 y30 + a0 v3 y3 ) + F
= (y1000 + a2 y100 + a1 y10 + a0 y1 )v1 + (y2000 + a2 y200 + a1 y20 + a0 y2 )v2
+(y3000 + a2 y300 + a1 y30 + a0 y3 )v3 + F
= 0v1 + 0v2 + 0v3 + F = F
Luego es soluci
on y es la que cumple las condiciones (1), (2) y (3)
0
0
y1 y2 y3
v1
0
v1 y1 + v20 y2 + v30 y3 = 0
v10 y10 + v20 y20 + v30 y30 = 0 = y10 y20 y30 v20 = 0
0 00
v1 y1 + v20 y200 + v30 y300 = F
y100 y200 y300
v30
F
Prof: Jos
e Antonio Abia Vian
148 Fundamentos de Matematicas : Ecuaciones Diferenciales Ordinarias13.3 Ecuaciones lineales de coeficientes constantes
y se tiene
0
x2 ex
2xex (2x + x2 )ex
2xex x2 ex
0
=
= x2
v1 = x
2 x
2xe2x
x e
ex
e (2x + x2 )ex
3
v20 =
x
e
x 0x
e 2xe
ex
x2 ex
x
e (2x + x2 )ex
2xex ex
=
=1
2xe2x
13.3
La ecuaciones lineales para las que si hay solucion generica son aquellas cuyos coeficientes son contantes. Permiten usar un metodo para obtener todas las soluciones de la ecuacion homogenea, con lo que ya solo queda
obtener la soluci
on particular.
13.3.1
Soluciones de la ecuaci
on lineal homog
enea
La idea se basa en usar polinomios de derivaciones. Ejemplifiquemos: supongamos que la ecuacion lineal
homogenea de orden tres siguiente la escribimos en base a las derivaciones efectuadas sobre y , es decir
y 000 + 2y 00 y 0 2y = 0
149 Fundamentos de Matematicas : Ecuaciones Diferenciales Ordinarias13.3 Ecuaciones lineales de coeficientes constantes
Pueden usarse los metodos anteriores para comprobar que se obtienen esas soluciones indicadas aqu, y el
wronskiano para comprobar que adem
as son, como decimos, soluciones linealmente independientes.
Ejemplo En la ecuaci
on de arriba, D3 + 2D2 D 2 = (D 1)(D + 1)(D + 2) , luego y1 = ex , y2 = ex e
2x
y3 = e
son las tres soluciones que se obtienen
de la races.
x
1 1 1
e
ex
e2x
x
= 1 1 2 = 6 , y son tantos
Son linealmente independientes, pues e (1)ex (2)e2x
1 1 4
ex (1)2 ex (2)2 e2x
x=0
como la dimensi
on del espacio, por lo que forman una base. Luego la solucion general es
Y0 = c1 ex + c2 ex + c3 e2x
13.3.2
M
etodo del polinomio aniquilador
El polinomio caracterstico asociado a la ecuacion lineal homogenea aplicado sobre y , la anula, la hace cero.
Cojamos la ecuaci
on del ejemplo anterior con un termino independiente como
y 000 + 2y 00 y 0 2y = xex + 2x2
y sabemos que los factores del polinomio anulan y , cuando y es una de las soluciones (D 1)[ex ] = 0 o
(D + 2)[e2x ] = 0 . Entonces lo que hacemos con este metodo es seguir aplicando factores para eliminar (anular)
el termino independiente, de manera que ahora alguna de las soluciones de la ecuacion resultante sera la soluci
on
particular buscada. Como D3 [2x2 ] = 0 y (D 1)2 [xex ] = 0 , tenemos que
(D1)(D+1)(D+2)[y] = xex + 2x2 (D1)(D+1)(D+2)D3 [y] = D3 [xex + 2x2 ] = D3 [xex ]
(D1)(D+1)(D+2)D3 (D 1)2 [y] = D3 (D 1)2 [xex ] = 0
y ser
a una de las soluciones de esta nueva ecuacion homogenea:
yp = c1 ex + c2 xex + c3 x2 ex + c4 ex + c5 e2x + c6 + c7 x + c8 x2
como las soluciones de la homogenea inicial no son solucion de la no homogenea, las eliminamos
yp = c2 xex + c3 x2 ex + c6 + c7 x + c8 x2
y buscamos los valores de los coeficientes c2 , c3 , c6 , c7 y c8 que la hacen solucion particular, obligando a que
cumpla la ecuaci
on, con
yp0 = c2 (1 + x)ex + c3 (2x + x2 )ex + c7 + 2c8 x
yp00 = c2 (2 + x)ex + c3 (2 + 4x + x2 )ex + 2c8
yp000 = c2 (3 + x)ex + c3 (6 + 6x + x2 )ex
de donde
xex + 2x2 = yp000 + 2yp00 yp0 2yp
= c2 (3 + x)ex + c3 (6 + 6x + x2 )ex + 2 c2 (2 + x)ex + c3 (2 + 4x + x2 )ex + 2c8
c2 (1 + x)ex + c3 (2x + x2 )ex + c7 + 2c8 x 2 c2 xex + c3 x2 ex + c6 + c7 x + c8 x2
= 6c2 + 10c3 + (6c2 + 12c3 )x ex + 4c8 c7 2c6 2(c8 + c7 )x 2c8 x2
Prof: Jos
e Antonio Abia Vian
0 = 4c8 c7 2c6
0 = 2(c8 + c7 )
obtenemos los sistemas
y
2 = 2c8
1
recen las incognitas separadas) y de soluci
on c2 = 5
6 , c3 = 2 , c6 =
1 2 x
5
5
x
2
la solucion particular buscada.
yp = 6 xe + 2 x e 2 + x x
0 = 6c2 + 10c3
1 = 6c2 + 12c3
13.4 Ejercicios
, c7 = 1 y c8 = 1 . Luego es
Proposici
on 265.- Si y1 es soluci
on de la ecuacion lineal
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = F1 (x)
e y2 es soluci
on de
entonces, y1 + y2 es soluci
on de
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = F1 (x) + F2 (x)
Cuando el termino independiente genera un polinomio aniquilador de grado muy alto, puede resultar mas manejable trocear el problema usando este resultado.
13.3.2.2
M
etodo de los coeficientes indeterminados
Esta versi
on del metodo suele ser la m
as habitual en los libros, al menos en los mas clasicos, pero como ya he
comentado, es en el fondo el mismo que el anterior, se llega a la misma funcion (o una similar) de coeficientes
indeterminados que hay que determinar, s
olo que en lugar de construirla, como hemos hecho nosotros, se elige
de una lista de posibilidades seg
un sea el termino independiente.
De hecho, los razonamientos y pruebas que se hacen para llegar a esa lista, estan basados en la misma
filosofa que el polinomio anulador.
13.3.3
M
etodo de variaci
on de los par
ametros
Incumos este apartado aqu para recordar que este metodo existe y funciona con caracter general en las lineales,
luego en particular tambien para ecuaciones con coeficientes constantes.
De hecho, cuando el termino independiente no esta formado por soluciones de ecuaciones homogeneas, no
puede aplicarse el polinomio aniquilador y debe aplicarse otro metodo. Como por ejemplo este de variaci
on de
los p
arametros, que no tiene esas limitaciones.
No obstante, es farragoso de usar e involucra integracion a
nadida por lo que no suele merecer la pena usarlo
cuando puede usarse el otro.
Ejemplo Resolver la ecuaci
ob diferencial lineal y 00 + y = cos1 x
1
Como cos x no es una soluci
on posible de homogenea, debemos usar variacion de los parametros: el polinomio
caracterstico de la homogenea es D2 + 1 = (D 0)2 + 12 , luego Y0 = c1 cos x + c2 sen x es la solucion general
del homogeneo e yp = v1 cos
solucion particular
x + v2 sen x la
0 buscada.
cos x sen x
v1 cos x + v20 sen x = 0
= 1 , con
, se tiene
Como W [cos x, sen x] =
sen x cos x
v10 sen x + v20 cos x = cos1 x
0 sen x
cos x
0
1
sen x 1
cos x
sen x
cos x
cos x
v10 = cos x
=
= v1 = ln |cos x|
v20 =
=
= v2 = x
W [cos x, sen x]
cos x
W [cos x, sen x]
cos x
de donde
13.4
Ejercicios
Prof: Jos
e Antonio Abia Vian
13.4 Ejercicios
13.241 Sabiendo que y(x) = x sen(ln x) es una solucion de la ecuacion x2 y 00 xy 0 + 2y = 0 encontrar la soluci
on
general.
13.242 Dada la ecuaci
on diferencial lineal homogenea: y 00 + xf (x)y 0 f (x)y = 0 , se pide:
a) Demostrar que y = x es soluci
on de dicha ecuacion, para cualquier funcion f (x)
b) Hallar la funci
on f (x) sabiendo que la ecuacion tiene otra solucion u(x) tal que el wronskiano de
y = x y u(x) es x2 ex y u(1) = e .
13.243 Probar que si y1 = eax es soluci
on de y 00 2ay 0 + a2 y = 0 , cualquier otra solucion es de la forma
y2 (x) = (c + dx)eax . Adem
as, y1 e y2 son linealmente independientes en R si y solo si d 6= 0 .
13.244 Usar la proposici
on 262 para comprobar que las funciones de los conjuntos siguientes son linealmente
independientes en R
n
o
n
o
b) x2 , xex , sen(x)
a) x2 ex , xex , e2x
n
o
c) eax cos(bx), eax sen(bx), xeax cos(bx), xeax sen(bx)
13.245 Resolver las siguientes ecuaciones diferenciales homogeneas:
a) y 00 2y 0 = 3y
d) y (iv) 5y 00 = 36y
g) y (vi) + 2y iv) + y 00 = 0
b) y 00 + y = 2y 0
c) y 00 + y 0 + y = 0
(v)
0
e) y = y
f) y (iv) + 8y 00 = 16y
(vi)
(v)
(iv)
h) y
2y + 3y
+ 3y 00 2y 0 + y = 4y 000
n
o
x7 , x2 ex , 0
n
o
(iv)
2ex , ex , cos x, sen x
n
o
(vi)
x2 cos 2x, x2 ex sen x
(i)
(ii)
a) Cu
al es el orden mnimo de una ecuacion diferencial lineal homogenea con coeficientes constantes
que tenga entre otras soluciones particulares los conjuntos anteriores?
b) Construir dichas ecuaciones diferenciales de orden mnimo
c) Resolver las ecuaciones diferenciales resultantes
13.247 Resolver las siguientes ecuaciones diferenciales utilizando el metodo que se crea mas conveniente para el
c
alculo de la soluci
on particular:
a) y 000 + y 0 = x3
d) y 000 y = sen(x)
3x
g) y 6y + 9y = ex2
b) y 00 + y 0 = cos1 x
e) y 00 + 4y = tg(2x)
h) y 00 + 3y 0 + 2y = ex1+1
c) y 00 + 4y 0 + 4y = e2x ln(x)
f) y (vi) y 00 = cos(3x) + ex e2x
i) y (iv) y = cos(x) ex
a) Obtener la soluci
on general de la ecuacion y 00 + y = 2t + 1
Prof: Jos
e Antonio Abia Vian
b) Resolver el problema de valores iniciales
x
y 000 + y 0 = 2t + 1,
y(0) = 2; y 0 (0) = 1;
13.4 Ejercicios
y 00 (0) = 2
Prof: Jos
e Antonio Abia Vian
y 00 + ay 0 + by = 0
y(0) = 0 ; y 0 (0) = 1
(2)
y 00 + ay 0 + by = sen 2x
y(0) = 0 ; y 0 (0) = 1
Unidad IV
Algebra
Lineal
Prof: Jos
e Antonio Abia Vian
154 Fundamentos de Matematicas : Algebra
Lineal
Captulo 14
Espacios vectoriales
Definici
on 266.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones, una que recibe el nombre de suma de vectores y otra que recibe el nombre de producto de
vectores por n
umeros reales o producto por escalares, que verifican las siguientes propiedades:
(1) u + v V ;
u, v V .
(2) u + v = v + u ;
u, v V .
(3) u + ( v + w ) = ( u + v ) + w ;
u, v , w V .
(4) Existe un vector, llamado vector cero y denotado por 0 , tal que: 0 + u = u + 0 = u ;
u V.
(5) Para cada u V , existe un vector de V , llamado opuesto de u y denotado por u , tal que
u + ( u ) = 0 .
(6) k u V ;
k R y u V .
(7) k( u + v ) = k u + k v ;
(8) (k + l)u = k u + l u ;
(9) (kl) u = k(l u ) ;
(10) 1 u = u ;
k R y u, v V .
k, l R y u V .
k, l R y u V .
u V.
Por ser los escalares de R , se dice que V es un R -espacio vectorial. Se pueden considerar espacios vectoriales
sobre otros cuerpos de escalares, como C .
Ejemplo Los conjuntos Rn , los conjuntos de polinomios Pn [X] = {P (X) R[X] : gr(P ) n} y los conjuntos
de matrices reales Mmn = {matrices de tama
no mn } , con las operaciones usuales en cada uno de ellos, son
espacios vectoriales reales.
Propiedades 267.- Algunas propiedades que se deducen de las anteriores son:
(i) 0 u = 0 .
(iii) (1)u = u .
(ii) k 0 = 0 .
(iv) k u = 0 k = 0
o u = 0.
(v) El vector cero de un espacio vectorial es u
nico.
(vi) El vector opuesto de cada vector del espacio vectorial es u
nico.
14.2
Subespacios vectoriales
Definici
on 268.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de
V , si W es un espacio vectorial con las operaciones definidas en V .
Como W V , todos los vectores de W verifican las propiedades 2 a 5 y 7 a 10, por tanto es suficiente
probar que las operaciones suma y producto por escalares son internas en W , es decir, que se verifican las
propiedades (1) y (6) en W :
(1 ) u + v W ;
u, v W
( 6 ) k u W ;
u W y k R
Prof: Jos
e Antonio Abia Vian
155 Fundamentos de Matematicas : Algebra
Lineal
k u + l v W ; u , v W y k, l R.
Nota: Es claro, que si W es un subespacio de V , entonces 0 W .
Ejemplo P2 [X] es un subespacio de P4 [X] , pues es un subconjunto suyo y si P (X), Q(X) P2 [X] , el grado de
kP (X) + lQ(X) es gr(kP + lQ) = m
ax{gr(kP ), gr(lQ)} max{gr(P ), gr(Q)} 2 , por lo que esta en P2 [X] .
Sin embargo, {P (X) : gr(P ) = 2} no es un subespacio de P4 [X] , por dos razones: primero, porque no contiene
al polinomio cero; y segundo, no verifica la propiedad (1 ) ya que X2 y 2X X2 son polinomios del conjunto
pero su suma X2 + (2X X2 ) = 2X es un polinomio de grado 1 que no esta en el conjunto.
4
Definici
on 269.- Se dice que un vector v V es una combinaci
on lineal de los vectores v1 , v2 , . . . , vn si,
y s
olo si, c1 , c2 , . . . , cn R tales que v = c1 v1 + c2 v2 + + cn vn .
Definici
on 270.- Dado un conjunto de vectores S = { v1 , v2 , . . . , vk } de un espacio vectorial V , llamaremos
subespacio lineal generado por S y que denotaremos por lin S o lin{v1 , v2 , . . . , vk } , al conjunto de
todas las combinaciones lineales que se pueden formar con los vectores de S :
n
o
lin S = lin{v1 , v2 , . . . , vk } = c1 v1 + c2 v2 + + ck vk : ci R
y se dir
a que S genera lin S o que v1 , v2 , . . . , vk generan lin S .
Naturalmente lin S es un subespacio vectorial de V y, de hecho, es el mas peque
no que contiene a los
vectores de S (ver ejercicio 14.256).
Definici
on 271.- Dado un conjunto S = {v1 , v2 , . . . , vk } de vectores del espacio vectorial V , la ecuaci
on
vectorial c1 v1 + c2 v2 + + ck vk = 0 tiene al menos una solucion, a saber: c1 = c2 = = ck = 0 . Si esta
soluci
on es u
nica, entonces se dice que S es un conjunto linealmente independiente (o que los vectores
de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente
dependiente (los vectores son linealmente dependientes).
Ejemplo El vector 2X X2 de P2 [X] est
a generado por los vectores X 1 y X2 2
:
2 = 0
=2
2X X2 = (X 1) + (X2 2) = X + X2 2 = ( 2) + X + X2 =
= 1
luego 2X X2 = 2(X 1) + (1)(X2 2) .
Ejemplo Los polinomios X + 2 y X2 de P2 [X] son linealmente independientes: si (X + 2) + X2 = 0 (al
polinomio cero), se tiene que 0 = (X + 2) + X2 = 2 + X + X2 = 2 = 0 , = 0 y = 0 , ya que los
coeficientes de ambos polinomios deben coincidir.
4
Nota: Si los vectores { v1 , v2 , . . . , vk } son linealmente dependientes, al menos uno de ellos se puede escribir
como una combinaci
on lineal de los restantes; y si son linealmente independientes ninguno de ellos puede ser
generado por los restantes. Es decir, se tiene la siguiente caracterizacion para que un conjunto de dos o m
as
vectores sea linealmente dependiente (ver ejercicio 14.257):
Un conjunto de dos o m
as vectores es linealmente dependiente si, y solo si, al menos uno
de los vectores es una combinaci
on lineal de los restantes.
14.3
Base y dimensi
on
Prof: Jos
e Antonio Abia Vian
156 Fundamentos de Matematicas : Algebra
Lineal
Observaci
on: El comentario anterior a esta definicion nos indica la manera de reducir un conjunto generador
del espacio a una base.
Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores: si
S es linealmente independiente y lin S 6= V , tomando v V pero que v
/ lin S , el conjunto S { v } es
linealmente independiente (ver el Lema 274 siguiente); y as, se a
naden vectores a S hasta generar V .
Lema 274.- Si S es un conjunto linealmente independiente de vectores de V y v V lin S , entonces S{v }
es linealmente independiente.
.
De cierta forma, estamos diciendo que una base tiene el menor n
umero posible de generadores y el mayor
n
umero posible de vectores linealmente independientes (ver Lema 275 siguiente); luego no tendra una base un
n
umero fijo de vectores? La respuesta la proporciona el Teorema de la base.
Lema 275.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto { v1 , v2 , . . . , vm } de vectores de V, con m > n, es linealmente dependiente.
.
Teorema de la base 276.- Cualesquiera dos bases de un espacio vectorial tienen el mismo n
umero de elementos.
Demostraci
on:
La demostraci
on es muy sencilla si tenemos en cuenta el Lema anterior, pues si B1 es una base de n elementos
y B2 es una base de m elementos, por ser B1 base y B2 linealmente independiente, m 6> n y por ser B2 base
y B1 linealmente independiente n 6> m, luego n = m .
Definici
on 277.- Un espacio vectorial V se dice de dimensi
on finita si tiene un conjunto finito de vectores
que forman una base, y llamaremos dimensi
on de V , dim V , al n
umero de vectores de cualquier base de V .
Al espacio vectorial V = {0 } le consideramos de dimension finita, de dimension cero, a
un cuando no tiene
conjuntos linealmente independientes.
Si no existe un conjunto finito de este tipo, se dice que V es de dimensi
on infinita (y no nos son ajenos pues
R[X] es un espacio vectorial de dimensi
on infinita).
Ejemplo P2 [X] = {P (X) R[X] : gr(P ) 2} tiene dimension 3, pues B = {1, X, X2 } forman una base. En
general, dim(Pn [X]) = n + 1 y B = {1, X, . . . , Xn } es una base suya.
Ejemplo 278 Los conjuntos Rn = RR R = {(x1 , . . . , xn ) : xi R, i} con las operaciones habituales de suma y producto por escalares
x + y = (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
x = (x1 , . . . , xn ) = (x1 , . . . , xn )
son espacios vectoriales con dim Rn = n , ya que cualquier vector x Rn puede escribirse de la forma
x = (x1 , x2 , . . . , xn ) = x1 (1, 0, . . . , 0) + x2 (0, 1, . . . , 0) + + xn (0, 0, . . . , 1)
y este conjunto de vectores
n
o
B = e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)
es linealmente independiente. A esta base se la denomina base can
onica de Rn .
14.3.1
Definici
on 280.- Sean V un espacio vectorial de dimension finita y B = {v1 , v2 , . . . , vn } una base de V .
Para cada vector v V , se llaman coordenadas de v en la base B a los n u
nicos n
umeros reales
c1 , c2 , . . . , cn tales que v = c1 v1 + c2 v2 + + cn vn .
Fijando un orden para los vectores de la base, el vector de Rn , de las coordenadas de v en B se denota
por ( v )B = (c1 , c2 , . . . , cn ) y m
as usualmente por [v ]B cuando lo escribimos como vector columna en las
operaciones con matrices: [ v ]B = (c1 , c2 , . . . , cn )t .
Prof: Jos
e Antonio Abia Vian
157 Fundamentos de Matematicas : Algebra
Lineal
o tambien
1
1
0
0
[v]B = 1
[v1 ]B = 0
[v2 ]B = 1
[v3 ]B = 0
2
0
0
1
Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo
anterior, tomamos como base B1 = { v2 , v3 , v1 } , tenemos que (v )B1 = (1, 2, 1) que es un vector de
coordenadas distinto de (v )B = (1, 1, 2) .
Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un u
nico vector de Rn , de manera
que disponer de las coordenadas es, en el fondo, disponer del vector. Ademas, se cumple (ver ejercicio 14.264):
[ v + w ]B = [v ]B + [ w ]B
[ v ]B = [v ]B ,
luego
[1 v1 + +n vn ]B = 1 [ v1 ]B + + n [vn ]B
14.3.2
De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, fijada una base,
podemos trasladar todo el trabajo operativo sobre los vectores de Rn ; por lo que resulta muy interesante conocer
esta secci
on.
Definici
on 281.- Consideremos la matriz Amn = .
..
.. .
..
.
...
.
am1 am2 . . . amn
Los m vectores de Rn : r1 = (a11 , . . . , a1n ) , r2 = (a21 , . . . , a2n ) , . . . , rm = (am1 , . . . , amn ) , se denominan
vectores fila de A y al subespacio lineal generado por ellos, Ef (A) = lin{ r1 , r2 , . . . , rm }, espacio de las
filas de A. Por supuesto Ef (A) Rn .
Los n vectores de Rm : c1 = (a11 , . . . , am1 ), c2 = (a12 , . . . , am2 ) , . . . , cn = (a1n , . . . , amn ) , se denominan
vectores columna de A y el subespacio lineal generado por ellos, Ec (A) = lin{c1 , c2 , . . . , cn }, espacio de
las columnas de A. Por supuesto Ec (A) Rm .
Proposici
on 282.- Si A es una matriz de tama
no mn , entonces las operaciones elementales sobre las filas
(resp. columnas) de A no cambian el espacio de las filas (resp. columnas) de A.
Demostraci
on:
Puesto que hacer operaciones elementales sobre las filas es hacer combinaciones lineales de los vectores fila, el
subespacio lineal generado es el mismo. (Igual para las columnas.)
Corolario 283.- Sea A una matriz, entonces:
a) Los vectores no nulos de una forma escalonada de la matriz A , forman una base de Ef (A) .
b) Los vectores no nulos de una forma escalonada de la matriz At , forman una base de Ec (A) .
Demostraci
on:
Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se
comprueba f
acilmente ya que debajo de cada elemento principal solo hay ceros.
Prof: Jos
e Antonio Abia Vian
158 Fundamentos de Matematicas : Algebra
Lineal
Demostraci
on:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(At ) , y que el rango coincide con el n
umero de
vectores no nulos en la forma escalonada, as como el resultado anterior.
Estos resultados nos permiten usar el metodo de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para
comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases.
Ejemplo Los vectores X 1 , X + 1 y X2 1 de P2 [X] son linealmente independientes?
Tomemos la base B = {1, X, X2 } de P2 [X] , entonces formamos por filas la matriz:
F2 +F1
1 1 0
(X 1)B
1 1 0
1 1 0 F + 1 F
F3 F1
2 2
0 2 0
0 2 0 3
A = (X + 1)B = 1 1 0
2
0 0 1
(X 1)B
1 0 1
0 1 1
Por lo anterior, los vectores fila de la u
ltima matriz son linealmente independientes y dim Ef (A) = 3 . En
consecuencia, los tres vectores fila de la matriz A inicial que generan Ef (A) son tambien base, luego linealmente
independientes y los polinomios del enunciado tambien son linealmente independientes.
Adem
as, forman una base de P2 [X] (por que?).
4
14.4
Cambios de base
[un ]B2
P =
,
es decir, la columna i-esima est
a constituida por las coordenadas en la base B2 , del vector ui de la base B1 .
En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de
los vectores de la base de partida.
El porque la matriz de paso se contruye as, puede observarse en la prueba de la proposicion siguiente:
Proposici
on 286.- Sea P la matriz de paso de una base B1 en otra base B2 de un espacio V . Entonces:
1.- x V se tiene que [ x ]B2 = P [ x ]B1 .
2.- P es inversible y su inversa, P 1 , es la matriz de paso de la base B2 a la base B1 .
Demostraci
on:
Sea B1 = {u1 , u2 , . . . , un } y sea x = c1 u1 + c2 u2 + + cn un . Entonces, Apartado 1:
c1
c
2
P [x]B1 = [u1 ]B2 [u2 ]B2 [un ]B2 .
..
cn
= c1 [u1 ]B2 + c2 [u2 ]B2 + + cn [un ]B2 = [c1 u1 + c2 u2 + + cn un ]B2 = [x]B2
Apartado 2: como los vectores de la base B1 son linealmente independientes, sus vectores de coordenadas en
la base B2 tambien lo son. Luego las columnas de P son vectores linealmente independientes y rg(P ) = n ,
por lo que P es inversible.
Adem
as, [ x ]B2 = P [ x ]B1 = P 1 [x ]B2 = P 1 P [x ]B1 = P 1 [ x ]B2 = [ x ]B1
y P 1 es la matriz
de cambio de la base B2 en la base B1 .
Prof: Jos
e Antonio Abia Vian
159 Fundamentos de Matematicas : Algebra
Lineal
1 1
1 1 1
2
2
P = [X 1]B [X + 1]B [X2 1]B = 1 1 0 y P 1 = 12 12
0 0 1
0 0
1
2
1
2
la matriz de paso de B a B1 .
Ejemplo Consideremos en R3 la base can
onica Bc = { e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} y la base
B1 = { v1 = (1, 0, 1), v2 = (2, 1, 1), v3 = (0, 1, 1)} .
Como v1 = 1(1, 0, 0) + 0(0, 1, 0) 1(0, 0, 1) = e1 e3 , se tiene que ( v1 )Bc = (1, 0, 1) ; y lo mismo para
los otros vectores, luego la matriz de paso de la base B1 a la base Bc sera:
P =
[v1 ]Bc
[v2 ]Bc
[v3 ]Bc
1 2 0
= 0 1 1
1 1 1
1
1 2 0
= 0 1 1
1 1 1
P 1
Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de Rn en la base canonica de Rn
es inmediato, pues ( x )Bc = x . Pero ciudado!, al trabajar con vectores de Rn no hay que confundir el vector
con las coordenadas en una base, pues la igualdad anterior u
nicamente es cierta en la base canonica.
14.5
14.5.1
Definici
on 287.- Un producto interior en un espacio vectorial real V es una funcion que a cada par de
vectores u , v V le asocia un n
umero real, que denotaremos por h u , v i , de tal manera que se cumplen las
siguientes propiedades:
1.- h u , v i = h v , u i; u , v V .
2.- h u + v , w i = hu , w i + h v , w i ; u , v , w V .
3.- hk u , v i = khu , v i ; u , v V y k R.
4.- h u , u i 0 ; u V
h u , u i = 0 u = 0 .
2.- hu , v + w i = h u , v i + hu , w i
3.- hu , k v i = kh u , v i
Prof: Jos
e Antonio Abia Vian
160 Fundamentos de Matematicas : Algebra
Lineal
2
2
2
(4) hP (X), P (X)i = P (1)P (1) + P 0 (1)P 0 (1) + P 00 (1)P 00 (1) = P (1) + P 0 (1) + P 00 (1) 0 .
Y, se da la igualdad si y s
olo si, P (1) = P 0 (1) = P 00 (1) = 0 . Entonces, sea P (X) = a + bX + cX2 , de donde
00
P (X) = b + 2cX y P (X) = 2c; de las igualdades se
tiene:
a+b+c=0
b + 2c = 0
P (1) = P 0 (1) = P 00 (1) = 0
a = b = c = 0 P (X) = 0 .
2c = 0
Luego tenemos un producto interno definido en P2 [X] .
4
0
A partir de un producto interior sobre un espacio V se definen los conceptos de norma, distancia y angulo.
Definici
on 288.- Si V es un espacio vectorial con producto interior, entonces la
m
odulo) de un vector v V se denota mediante k v k y se define como
p
kv k = + h v , v i.
norma (o longitud o
o en la forma
Propiedades b
asicas de la distancia 291.-
1.- k u k 0 ; u V
1.- d(u , v ) 0 ; u , v V
2.- k u k = 0 u = 0
2.- d(u , v ) = 0 u = v
3.- kk u k = |k| ku k; u V y k R
3.- d(u , v ) = d( v , u ) ; u , v V
4.- k u + v k ku k+kv k ; u , v V
hu1 , u1 i hu1 , un i
b1
..
..
..
t
..
= a1 an
. = (v)B QB [w]B = [v]B QB [w]B
.
.
.
hun , u1 i hun , un i
bn
luego, fijada una base, un producto interior se puede obtener a partir de las coordenadas en la base. La matriz
QB obtenida se denomina matriz de Gram o matriz metrica. Por las propiedades del producto interior, QB
es simetrica y los elementos de la diagonal positivos.
14.5.1.1
Definici
on 292.- Sobre el espacio vectorial Rn definimos la funcion que a cada x , y Rn le asocia
n
P
hx , y i = x y = (x1 , . . . , xn ) (y1 , . . . , yn ) = x1 y1 + + xn yn =
xi yi
i=1
161 Fundamentos de Matematicas : Algebra
Lineal
Nota: Si la matriz metrica del producto interior en la base B , QB , es la identidad, el producto interior se
reduce al producto escalar eucldeo de los vectores de coordenadas. Esto ocurre precisamente para las bases
ortonormales que se estudian en la siguiente seccion.
14.5.2
Ortogonalidad
Definici
on 293.- Si u y v son vectores distintos de cero de un espacio con producto interior, como conse,v i
cuencia de la desigualdad de Cauchy-Schwarz se tiene que 1 khuukk
nico
v k 1 y, por tanto, existe un u
Definici
on 298.- Sean V un espacio vectorial de dimension n con producto interior. Se dice que la base
B = { v1 , v2 , . . . , vn } es una base ortonormal de V , si B es un conjunto ortogonal y kvi k = 1 , i .
n
o
1 1
1 , 1 ,
,
son ortonormales en R2 con el producto escalar
Ejemplo Las bases can
onica y B1 =
2
2
2
2
eucldeo. La base B2 = {(2, 0), (0, 2)} es ortonormal para el producto interior hx, yi = x14y1 + x22y2 . 4
Teorema 299.- Si B = { v1 , v2 , . . . , vn }es una base ortonormal para un
espacio V con producto interior,
entonces v V se tiene que ( v )B = hv , v1 i, h v , v2 i, . . . , h v , vn i . Es decir,
v = hv , v1 i v1 + h v , v2 i v2 + + h v , vn i vn ,
Demostraci
on:
Si v = c1 v1 + + ci vi + + cn vn , para cada i , se tiene que
hv, vi i = hc1 v1 + + ci vi + + cn vn , vi i
2
162 Fundamentos de Matematicas : Algebra
Lineal
14.6 Ejercicios
v1
tiene norma 1 y lin{ u1 } = lin{v1 }.
k v1 k
14.6
Ejercicios
Prof: Jos
e Antonio Abia Vian
163 Fundamentos de Matematicas : Algebra
Lineal
14.6 Ejercicios
14.252 Cu
ales de los siguientes conjuntos son subespacios vectoriales de R3 o R4 ?
a) {(a, 1, 1) R3 : a R} R3
b) {(a, b, c) R3 : b = a + c} R3
c) {(a, b, c, d) R4 : a + 2d = 7} R4
d) {(a, b, c, d) R4 : ba = 0} R4
E F = {v V : v E y v F } es un
164 Fundamentos de Matematicas : Algebra
Lineal
14.6 Ejercicios
14.265 En una cierta base { u1 , u2 , u3 , u4 } de un espacio vectorial V , un vector w tiene por coordenadas
(3, 1, 2, 6) . Hallar las coordenadas de W en otra base { v1 , v2 , v3 , v4 } cuyos vectores verifican que
v1 = u1 + u2 ,
v2 = 2 u4 u1 ,
v3 = u2 u3
y
v4 = 2 u1 u2 .
14.266 En R3 se consideran las bases B = {v1 = (2, 0, 0), v2 = (0, 1, 2), v3 = (0, 0, 3)} y la base can
onica
Bc = {e1 , e2 , e3 }. Hallar las coordenadas respecto de la base B del vector x = 4e1 + e2 5 e3 .
14.267 Se consideran en R3 las bases B = {u1 , u2 , u3 } y B 0 = {v1 , v2 , v3 }, siendo
u1 = (3, 0, 3) , u2 = (3, 2, 1) , u3 = (1, 6, 1) y
v1 = (6, 6, 0) , v2 = (2, 6, 4) , v3 = (2, 3, 7) .
a) Hallar la matriz de paso de B a B 0 .
b) Calcular la matriz de coordenadas, [ w ]B , siendo w = (5, 8, 5) .
c) Calcular [ w ]B 0 de dos formas diferentes
14.268 Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) . Determinar si hu , v i = u1 v1 u2 v2 + u3 v3 define un producto
interior en R3 .
14.269
a) Encontrar dos vectores de R2 con norma eucldea uno y cuyo producto interior eucldeo con (2, 4)
sea cero.
b) Demostrar que hay un n
umero infinito de vectores en R3 con norma eucldea uno y cuyo producto
interior eucldeo con (1, 7, 2) es cero.
1
14.270 Sean a = ( 15 ,
) y b = ( 230 , 330 ) . Demostrar que { a, b } es ortonormal si R2 tiene el producto
5
interior h u , v i = 3u1 v1 + 2u2 v2 donde u = (u1 , u2 ) y v = (v1 , v2 ) , y que no lo es si R2 tiene el producto
interior eucldeo.
14.271 Sea V un espacio con producto interior. Demostrar que si w es ortogonal a cada uno de los vectores
v1 , v2 , . . . , vk entonces es ortogonal a lin{v1 , v2 , . . . , vk }.
14.272 Considera R3 con el producto interior euclideo. Utiliza el proceso de Gram-Schmidt para transformar, en
cada caso, la base { u1 , u2 , u3 } en una base ortonormal.
a) u1 = (1, 1, 1) , u2 = (1, 1, 0) , u3 = (1, 2, 1) .
b) u1 = (1, 0, 0) , u2 = (3, 7, 2) , u3 = (0, 4, 1) .
14.273 Sea R3 con el producto interior h u , v i = u1 v1 + 2u2 v2 + 3u3 v3 . Utilizar el proceso de Gram-Schmidt
para transformar la base formada por los vectores u1 = (1, 1, 1) , u2 = (1, 1, 0) y u3 = (1, 0, 0) en una
base ortonormal.
14.274 Sea B = { v1 , v2 , v3 } una base ortonormal de un espacio V con producto interior. Probar que:
2
a) k w k = hw , v1 i2 + hw , v2 i2 + hw , v3 i2 ;
b) h u , w i = (u )B (w )B = [u ]tB [ w ]B ;
w V.
u, w V .
Prof: Jos
e Antonio Abia Vian
165 Fundamentos de Matematicas : Algebra
Lineal
14.6 Ejercicios
Prof: Jos
e Antonio Abia Vian
166 Fundamentos de Matematicas : Algebra
Lineal
Captulo 15
Aplicaciones lineales
15.1
Definici
on. N
ucleo e imagen
Definici
on 304.- Sea f : V W una aplicacion entre los espacios vectoriales reales V y W . Se dice que f
es una aplicaci
on lineal si:
(1)
f (u + v ) = f ( u ) + f ( v ); u , v V,
(2)
f (k u ) = kf (u ); u V y k R.
ki R
Si V = W la aplicaci
on lineal tambien se dice que es un operador lineal.
Ejemplos 305 Las siguientes aplicaciones son aplicaciones lineales
1.- f : V V definida por f (v ) = 2v :
f (v + w ) = 2( v + w ) = 2 v + 2 w = f ( v ) + f ( w )
2.- Dada A =
0 1 1
1 0 1
, la aplicaci
on f : R3 R2 con f (x ) = Ax =
0 1 1
1 0 1
x1
x2 :
x3
f ( x + y ) = A( x + y ) = A( x ) + A(y ) = A x + Ay = f ( x ) + f ( y )
Proposici
on 306.- Si f : V W es una aplicacion lineal, entonces:
a) f ( 0 ) = 0;
b) f (v ) = f (v );
v V
Definici
on 307.- Dada una aplicaci
on lineal f : V W , se define el n
ucleo o ker(nel) de f , que se denota
por ker(f )
o ker f , como el conjunto:
ker f = {v V : f (v ) = 0 }
y se define la imagen de f , que se denota por Img(f ) o Img f (a veces f (V ) ), como el conjunto
Img f = {w W : v V tal que w = f ( v )}
El ker f es un subespacio vectorial de V y la Img f es subespacio vectorial de W (ver ejercicio 15.281).
Definici
on 308.- Si f : V W es una aplicacion lineal, entonces la dimension del n
ucleo se denomina la
nulidad de f y la dimensi
on de la imagen de f se denomina el rango de f .
Proposici
on 309.- Sea f : V W es una aplicacion lineal y B = {v1 , v2 , . . . , vn } una base de V , entonces
Img f = lin{f ( v1 ), f ( v2 ), . . . , f (vn )}
Demostraci
on:
En efecto, todo v V puede escribirse como v = k1 v1 + k2 v2 + + kn vn , luego
f ( v ) = f (k1 v1 + k2 v2 + + kn vn ) = k1 f (v1 ) + k2 f (v2 ) + + kn f (vn )
En consecuencia, si w Img f , w = f ( v ) = k1 f ( v1 ) + k2 f ( v2 ) + + kn f ( vn ) , para alg
un v .
Prof: Jos
e Antonio Abia Vian
167 Fundamentos de Matematicas : Algebra
Lineal
Teorema de la dimensi
on 310.- Si f : V W es una aplicacion lineal entre espacios vectoriales,
dim V = dim(ker f ) + dim(Img f )
Demostraci
on:
Si la dim(ker f ) = n = dim V , entonces ker f = V , y f ( v ) = 0 v V , luego Img f = {0 } que tiene
dimensi
on cero, por lo que se cumple
dim(ker f ) + dim(Img f ) = dim V
(n + 0 = n)
Si la dim(ker f ) = r < n, tomemos Bker = { u1 , . . . , ur } una base del ker f V que podemos completar con
n r vectores hasta una base de V , BV = { u1 , . . . , ur , vr+1 , . . . , vn }, y el conjunto imagen sera por tanto
n
o
Img f = lin f (u1 ), . . . , f (ur ), f (vr+1 ), . . . , f (vn )
n
o
n
o
= lin 0, . . . , 0, f (vr+1 ), . . . , f (vn ) = lin f (vr+1 ), . . . , f (vn )
Si probamos que el conjunto formado por esos n r vectores es linealmente independiente, sera una base de la
Img f y habremos probado que
dim(ker f ) + dim(Img f ) = dim V
( r + nr = n )
como queramos. Veamoslo: por ser f una aplicacion lineal,
r+1 f ( vr+1 ) + + n f (vn ) = 0 f (r+1 vr+1 + + n vn ) = 0 r+1 vr+1 + + n vn ker f
luego en la base Bker se expresa con r+1 v r+1 + + n vn = 1 u1 + + r ur , para ciertos i . Luego
1 u1 r ur + r+1 v r+1 + + n vn = 0
y 1 = = r = r+1 = = n = 0 por formar esos vectores una base de V . En particular, con
r+1 = = n = 0 se prueba que el conjunto {f (v r+1 ), . . . , f (vn )} es un conjunto linealmente independiente
de vectores, que por ser tambien generador de la Img f es una base de ella.
15.2
Teorema 311.- Sean V y W espacios vectoriales con dim V = n y dim W = m , y sea f : V W , una
aplicaci
on lineal. Si B1 = { v1 , v2 , . . . , vn } es una base de V y B2 = { w1 , w2 , . . . , w m } una base de W ,
entonces la matriz
Amn = [f (v1 )]B2 [f (v2 )]B2 [f (vn )]B2
es la u
nica matriz que verifica que [f (v )]B2 = A[ v ]B1 , para cada v V .
Demostraci
on:
Todo v V se escribe de forma u
nica como una combinacion lineal de los vectores de la base,
k1 v1 + k2 v2 + + kn vn , luego su imagen f ( v ) = k1 f ( v1 ) + k2 f ( v2 ) + + kn f ( vn ) .
Como los vectores f ( v1 ) , f ( v2 ) , . . . , f ( vn ) son de W , sean sus coordenadas en la base B2 :
f (v1 )
= (a11 , a21 , . . . , am1 )
f (v )
B2
f
(v
)
=
a
n
1n w1 + a2n w2 + + amn w m
f (vn )
= (a1n , a2n , . . . , amn )
v =
B2
Prof: Jos
e Antonio Abia Vian
168 Fundamentos de Matematicas : Algebra
Lineal
..
..
.
.
k1 am1 + k2 am2 + + kn amn
am1 am2
[f ( v )]B2
a1n
a2n
.
..
amn
k1
k2
..
.
= A[ v ]B1
kn
y A, tiene por columnas las coordenadas en la base B2 de las imagenes de los vectores de la base B1 .
Definici
on 312.- Sean B1 una base de V , B2 base de W y f : V W una aplicacion lineal. A la u
nica
matriz A, tal que [f ( v )]B2 = A[v ]B1 , para cada v V , se le llama matriz de f respecto de las bases
B1 y B2 .
Si f : V V es un operador lineal y consideramos que tenemos la misma base B en el espacio de partida
y en el de llegada, entonces se habla de matriz de f respecto de la base B .
Ejemplo Sea f : P2 [X] P1 [X] dada por f (P (X)) = P 0 (X) . Sean B1 = {1, X, X2 } y B2 = {1, X} bases
respectivas de P2 [X] y P1 [X] . Entonces, comof (1) = 0, f (X) = 1 y f (X2 ) = 2X se tiene que
0 1 0
es la matriz de f asociada a B1 y B2 .
A = [f (1)]B2 [f (X)]B2 [f (X2 )]B2 =
0 0 2
En efecto
a
b
0
1
0
2
2
b
=
= [b + 2cX]B2
f (a + bX + cX ) = b + 2cX y A[a + bX + cX ]B1 =
4
2c
0 0 2
c
Observaci
on 313.- Si f : V W es una aplicacion lineal y A la matriz de f respecto de B1 y B2 , entonces
n
o n
o n
o
ker f = v V : f (v ) = 0 = v V : [f ( v )]B2 = [0 ]B2 = v V : A[v ]B1 = 0
luego las coordenadas en la base B1 de los vectores del ker f son las soluciones del sistema homogeneo Ax = 0 .
n
o
n
o
w Img f = lin f (v1 ), f ( v2 ), . . . , f (vn ) [ w ]B2 lin [f ( v1 )]B2 , [f ( v2 )]B2 , . . . , [f ( vn )]B2
luego el espacio de las columnas de la matriz A, Ec (A) , esta compuesto por las coordenadas en la base B2 de
los vectores de la Img f . En consecuencia, dim(Img f ) = dim Ec (A) = rg(A) .
Sean
B1 =
{v1 , v2 , v3 } base de V , B2 = { w1 , w2 , w3 } base de W , f : V W aplicaci
on
1 0 1
lineal y A = 1 1 1 la matriz de f asociada a B1 y B2 . Encontrar una base de ker f y otra de Img f .
1 1 3
Como A[v ]B1 = [f ( v )]B2 , v0 ker f A[v0 ]B1 = 0 , luego resolviendo el sistema AX = 0 :
1 0 1
1 0 1
1 0 1
x
1
x = z
A = 1 1 1 0 1 2 0 1 2 = y = 2z = [v0 ]B1 = y = z 2
1 1 3
0 1 2
0 0 0
z=z
z
1
Ejemplo
el vector (1, 2, 1) genera las coordenadas en B1 de los vectores del ker f . Luego ker f = lin{v1 2 v2 + v3 } .
Adem
as, dim(ker f ) = 1 luego dim(Img f ) = 3 1 = 2 = rg(A) . Y una base de la imagen se obtendr
a de
una base del espacio de las columnas de A (para operar sobre las columnas de A, operamos es las filas de At ):
1 0 1
1 1 1
1 1 1
1 1 1
At = 1 1 1 = 0 1 1 0 1 1 0 1 1
1 1 3
1 1 3
0 2 2
0 0 0
luego los vectores (1, 1, 1) y (0, 1, 1) generan las coordenadas en la base B2 de los vectores de la Img f . En
consecuencia, Img f = lin{w1 w2 + w3 , w2 + w3 } .
4
Prof: Jos
e Antonio Abia Vian
169 Fundamentos de Matematicas : Algebra
Lineal
Observaci
on 314.- Pueden obtenerse de una sola vez una base para ker(f ) y otra para la Img(f ) . Basta para
ello, tener en cuenta que las operaciones elementales realizadas sobre las columnas de la matriz, son operaciones
sobre los vectores imagen.
1 2 1 1 0 1
1 1 2 2 1 0
Ejemplo Sea A =
2 1 1 1 1 1 la matriz de la aplicacion f : V W , referida a las bases
1 6 9 7 4 0
B1 = { v1 , v2 , v3 , v4 , v5 , v6 } y B2 = { w1 , w2 , w3 , w4 } . Para obtener una base de la imagen, hacemos
operaciones elementales en las filas de At (en las columnas de A):
1 1 2 1 : C1
1 1 2 1 : C1
1 1 2 1 : C1
1
0 1 3 0 : C6 C1
2 1 1 6 : C2 FF232F
+F1
0 3 5 4 : C2 2C1
F4 F
1
F
F
1 8 : C3 +C1
0
3
1
8
:
C
+
C
1
2
1
9
:
C
F
F
6 0 3
6
1
3
1 2
3
t
A =
0 3 3 6 : C4 C1 0 3 3 6 : C4 C1
1 2 1 7 : C4
0 1 1 4 : C5
0 1 1 4 : C5
0 1 1 4 : C5
0 3 5 4 : C2 2C1
0 1 3 0 : C6 C1
1 0 1 1 : C6
1 1 2 1 : C1
1 1 2 1 : C1
F3 +3F2
0 1 3 0 : C6 C1
0 1 3 0 : C6 C1
F4 3F2
F5 F2
F6 3F2 0
0
0
4
4
:
C
C
+
C
0
8
8
:
C
+
C
+
3(C
C
)
F
F
3
5
5
6
1
3
1
6
1
0
0
6
6
:
C
+
2C
3C
0
0
6
6
:
C
3(C
C
)
4
1
6
4
1
6
1
0 0 8 8 : C3 2C1 + 3C6
0 0 4 4 : C5 (C6 C1 )
0 0 4 4 : C2 + C1 3C6
0 0 4 4 : C2 2C1 3(C6 C1 )
1 1 2 1 : C1
F4 3 F3 0
1 3 0 : C6 C1
2
F5 +2F3
0 0 4 4 : C5 C6 + C1
F6 F3
3
3
1
C
0
0
0
0
:
C
+
4
2 1
2 6
2 5
0 0 0 0 : C3 + C6 + 2C5
0 0 0 0 : C2 2C6 C5
La matriz final es escalonada, luego las tres primeras filas son linealmente independientes, pero estas en realidad
son: C1 = [f
n( v1 )]B2 , C6 C1 = [f ( v6 )]B2 [f ( v1 )]oB2 = [f ( v6 v1 )]B2 y C5 C6 +C1 = [f (v5 v6 + v1 )]B2 .
luego los vectores v4 + 12 v1 32 v6 32 v5 , v3 +v6 +2v5 y v2 2v6 v5 son vectores de ker(f ) . Como
son linealmente independientes (ver justificacion en Anexo 1, pag 190) y dim(ker f ) = 6 dim(Img f ) = 3 ,
forman una base del ker(f ) .
Definici
on 315.- Si f : Rn Rm es una aplicacion lineal, a la matriz de f asociada a las bases canonicas de
n
m
andar.
R y R , se le llama la matriz est
Definici
on 316.- Para cada matriz Amn , la aplicacion f : Rn Rm definida por f (x ) = Ax es lineal y A
es la matriz est
andar de f . Se dice que f es una aplicaci
on matricial.
15.2.1
Composici
on de aplicaciones lineales
Aplicaci
on y funci
on tienen el mismo significado (aunque esta u
ltima denominacion es la que suele usarse en los
temas de C
alculo) por lo que la definici
on siguiente no debe plantear sorpresas:
Definici
on 317.- Sean f : V W y g: W U aplicaciones lineales. Llamaremos aplicaci
on compuesta
de f y g , a la aplicaci
on g f : V U definida por
(g f )(v ) = g(f (v )),
Prof: Jos
e Antonio Abia Vian
v V.
170 Fundamentos de Matematicas : Algebra
Lineal
Proposici
on 318.- Sean f : V W y g: W U aplicaciones lineales, con dim V = n , dim W = m y
dim U = p , y sean B1 , B2 y B3 bases de V , W y U , respectivamente. Entonces:
a) g f es una aplicaci
on lineal.
b) Si Amn es la matriz asociada a f respecto de las bases B1 y B2 , y Cpm es la matriz asociada a g
respecto de B2 y B3 , entonces CApn es la matriz asociada a g f respecto de las bases B1 y B3 .
Demostraci
on:
a) (g f )(u + v) = g(f (u + v)) = g(f (u) + f (v)) = g(f (u)) + g(f (v))
= (g f )(u) + (g f )(v).
b) Teniendo en cuenta que [g( w )]B3 = C[w ]B2 y [f ( v )]B2 = A[ v ]B1 ,
[(g f )(v)]B3 = [g(f (v))]B3 = C[f (v)]B2 = CA[v]B1 ;
15.3
v V.
Teorema de Semejanza
Proposici
on 319.- Sea f : V W una aplicacion lineal entre espacios vectoriales, B1 y B1 dos bases de V
y B2 y B2 dos bases de W . Si A1 es la matriz de f asociada a las bases B1 y B2 , P la matriz de cambio
de base la base B1 a la base B1 y Q la matriz de cambio de base de B2 a B2 ; entonces la matriz, A , de f
asociada a las bases B1 y B2 viene dada por
A = QAP
Demostraci
on:
QAP [ v ]B1 = QA[v ]B1 = Q[f ( v )]B2 = [f ( v )]B2 = A [ v ]B2 ,
v V.
Luego A = QAP .
Teorema de semejanza 320.- Sean f : V V , un operador lineal, A1 la matriz de f respecto de una base
B1 de V , A2 la matriz de f respecto de otra base B2 y P la matriz de paso de B2 a B1 . Entonces
A2 = P 1 A1 P
Observaci
on: Una manera de recordar bien este proceso es tener en cuenta los diagramas siguientes, donde la
obtenci
on de las nuevas matrices se reduce a la b
usqueda de caminos alternativos:
V
A = QAP
P
B1 B2
|
|
B1 B2
1
B1
B1
|
|
P 1
A2 = P 1 A1 P
2
B2
B2
No hay que olvidar, que las matrices se operan en orden inverso (las matrices multiplican a los vectores por la
izquierda, sucesivamente). Obviamente, el Teorema de Semejanza es un caso particular de la Proposicion 319.
Definici
on 321.- Dadas dos matrices A y B de orden n , se dice que A y B son semejantes si existe una
matriz P inversible tal que B = P 1 AP .
Corolario 322.- Dos matrices A y B son semejantes si y solo si representan al mismo operador lineal respecto
a dos bases.
Corolario 323.- Si A y B son matrices semejantes, entonces tienen el mismo rango.
Prof: Jos
e Antonio Abia Vian
171 Fundamentos de Matematicas : Algebra
Lineal
15.4
15.4 Ejercicios
Ejercicios
1 3 4
x
15.284 Sea T : R3 R3 la aplicaci
on lineal dada por la formula T (x, y, z) = 3 4 7 y .
2 2 0
z
a) Demostrar que el n
ucleo de T es una recta y encontrar sus ecuaciones parametricas.
b) Demostrar que la imagen de T es un plano y hallar su ecuacion (cartesiana).
15.285 Sea B = { v1 = (1, 2, 3), v2 = (2, 5, 3), v3 = (1, 0, 10)} una base de R3 y f : R3 R2 una aplicaci
on
lineal para la que f ( v1 ) = (1, 0) , f (v2 ) = (0, 1) y f ( v3 ) = (0, 1) .
a) Encontrar una matriz de la aplicacion f indicando las bases a las que esta asociada.
b) Calcular f ( v3 v2 2 v1 ) y f (1, 1, 1) .
15.286 Encontrar la matriz est
andar de cada una de las aplicaciones lineales siguientes:
x1
x4
x1
x1 + 2x2 + x3
x1
x2 x1
x2
a) f x2 = x1 + 5x2
b) f
c) f
x3 = x3
x3
x3
x3
x4
x1 x3
x4
x4 x1
= x1 + x2
x2 x3
Encontrar una base del nucleo y otra de la imagen, para cada una de ellas
15.287 Sea T : R3 W la proyecci
on ortogonal de R3 sobre el plano W que tiene por ecuacion x + y + z = 0 .
Hallar una f
ormula para T y calcular T (3, 8, 4) .
15.288 Se dice que una aplicaci
on lineal es inyectiva si a cada vector de la imagen le corresponde un u
nico
original (es decir, si f ( u ) = f (v ) = u = v ). Demostrar que f es inyectiva si y solo si ker f = { 0} .
15.289 Sea T : R2 R3 la transformaci
on lineal definida por T (x1 , x2 ) = (x1 + 2x2 , x1 , 0) .
a) Encontrar
la matriz de la aplicaci
bases:
n
o on T en las n
o
B1 = u1 = (1, 3), u2 = (2, 4)
y B2 = v1 = (1, 1, 1), v2 = (2, 2, 0), v3 = (3, 0, 0) .
b) Usar la matriz obtenida en el apartado anterior para calcular T (8, 3) .
a11 a12
1 2
a11 a12
15.290 Sea f : M22 M22 definida por: f
=
y sean las bases Bc
a21 a22
0 1
a21 a22
(hace
el papel
de
la can
onica)
:
y B de M22
1 0
0 1
0 0
0 0
1 0
0 2
0 1
0 0
Bc =
,
,
,
B=
,
,
,
0 0
0 0
1 0
0 1
0 0
1 0
2 0
0 1
Prof: Jos
e Antonio Abia Vian
172 Fundamentos de Matematicas : Algebra
Lineal
15.4 Ejercicios
3 2 1 0
15.291 Sea A = 1 6 2 1 la matriz de la aplicacion lineal T : R4 R3 respecto de las bases:
3 0 7 1
n
o
B = v1 = (0, 1, 1, 1), v2 = (2, 1, 1, 1), v3 = (1, 4, 1, 2), v4 = (6, 9, 4, 2) y
n
o
B 0 = w1 = (0, 8, 8), w2 = (7, 8, 1), w3 = (6, 9, 1) .
a) Hallar [T (v1 )]B 0 , [T ( v2 )]B 0 , [T ( v3 )]B 0 y [T (v4 )]B 0 .
b) Encontrar T (v1 ) , T (v2 ) , T (v3 ) y T ( v4 ) .
c) Hallar T (2, 2, 0, 0) .
x1
x1 + 7x2
15.292 Sea T : R R la aplicaci
on lineal definida por T
=
.
x2
3x1 + 4x2
Hallar la matriz de T respecto de la base B y aplicar el teorema de semejanza para calcular la matriz de
T respecto de la base nB 0 , siendo
o
n
o
B = u1 = (2, 2), u2 = (4, 1)
y B 0 = v1 = (1, 3), v2 = (1, 1) .
2
x1
x1 + x2 + x3
T = x2 = x1 + x2 + x3 . Se pide:
x3
x1 + x2 + x3
a) Encontrar los valores de y para los cuales la imagen de T sea R3 . Quien es en ese caso el
n
ucleo?
b) Para = 1 , encontrar una base del n
ucleo.
c) Sea = 1 y = 0 . Se pide:
(c.1) Encontrar
la matriz de T respecto de la base
n
o
B = u1 = (1, 0, 1), u2 = (0, 1, 0), u3 = (4, 1, 2) .
n
o
(c.2) Dada la base B1 = v1 = (1, 1, 2), v2 = (1, 1, 0), v3 = (1, 1, 1) , encontrar la matriz de paso
de B a B1 .
(c.3) Encontrar la matriz de T en la base B1 aplicando el teorema de semejanza.
15.298 Sea T : R3 R2 una aplicaci
on lineal tal
que:
0
x + 2y + z = 0
0
(i) ker(T ) =
(ii) T 0 =
2x + y + z = 0
1
1
Prof: Jos
e Antonio Abia Vian
1
2
(iii) T 0 =
1
1
173 Fundamentos de Matematicas : Algebra
Lineal
15.4 Ejercicios
1 1 0
b) Es 1 0 0 la matriz de paso, Pc1 , de la base canonica de R3 a B1 ? Justificar la respuesta
1 0 1
y, en caso negativo, hallar Pc1 .
n
o
c) Sea Bq = q1 = X X3 , q2 = X2 1, q3 = 1 X, q4 = X2 + X otra base de P3 [X] para la cual, las
2 0 0 0
6 5 3 0
1 3 2 0
Prof: Jos
e Antonio Abia Vian
174 Fundamentos de Matematicas : Algebra
Lineal
Captulo 16
Diagonalizaci
on
16.1
16.1.1
16.1.2
PD =
p11 p12
p21 p22
..
..
.
.
pn1 pn2
p1n
p2n
..
..
. .
pnn
1 0 0
0 2 0
.. .. . .
.
. ..
. .
0 0 n
p1
p2
1 p11 2 p12
1 p21 2 p22
= .
..
..
.
1 pn1 2 pn2
pn
n p1n
n p2n
..
..
.
.
n pnn
=
Ap1
Ap2
Apn
= 1 p1
2 p2 n pn
y, como son iguales: Api = i pi , para todo i = 1, . . . , n . Es decir, han de existir n vectores linealmente
independientes pi ( P es inversible) y n n
umeros i que lo verifiquen.
Definici
on 325.- Si A es una matriz de orden n , diremos que es un valor propio, valor caracterstico,
eigenvalor o autovalor de A si existe alg
un p Rn , p 6= 0 , tal que Ap = p .
Del vector p diremos que es un vector propio, vector caracterstico, eigenvector o autovector de
A correspondiente al valor propio .
Del comentario anterior, obtenemos la primera caracterizacion para la diagonalizacion de la matriz:
Teorema 326.- Sea A una matriz de orden n , entonces:
A es diagonalizable
A tiene n vectores propios linealmente independientes
Prof: Jos
e Antonio Abia Vian
175 Fundamentos de Matematicas : Algebra
Lineal
16.2 Diagonalizaci
on
Demostraci
on:
Por lo anterior, se tiene que:
Apn
=
1 p1 2 p2 n pn
= PD
16.2
Diagonalizaci
on
La primera simplificaci
on de la b
usqueda se produce, no sobre los vectores propios, sino sobre los autovalores
correspondientes:
Teorema 327.- Si A es una matriz de orden n , las siguientes proposiciones son equivalentes:
a) es un valor propio de A.
b) El sistema de ecuaciones (I A)x = 0 tiene soluciones distintas de la trivial.
c) det(I A) = 0 .
Demostraci
on:
es un valor propio de A existe un vector x Rn , x 6= 0 , tal que A x = x
x Ax = (I A)x = 0 tiene soluciones distintas de la trivial |I A| = 0
el sistema
Definici
on 328.- Sea A una matriz de orden n . Al polinomio en de grado n , P() = |I A| , se le
denomina polinomio caracterstico de la matriz A.
Si nun valor propio de A, llamaremos
espacio caracterstico de A correspondiente a al conjunto
o
V () = x Rn : (I A)x = 0 . Es decir, V () es el conjunto formado por todos los vectores propios de
A correspondientes a , m
as el vector cero.
As pues, los autovalores son las raices del polinomio caracterstico y los vectores propios, los vectores
distintos de cero del espacio caracterstico asociado.
Observaci
on 329.- V () es un subespacio y dim V () 1 :
En efecto, es un subespacio por ser el conjunto de soluciones de un sistema homogeneo y como es valor
propio de A, existe x 6= 0 en
() y 1 = dim(lin{ x }) dim V () .
n V () , luego lin{x } V o
Adem
as, dim V () = dim x Rn : (I A) x = 0
= n rg(I A) .
Antes de seguir: en el estudio realizado hasta ahora, hemos buscado la diagonalizacion de matrices, separandolo
del operador lineal que aparece en el planteamiento inicial del problema. Sin embargo, todo lo anterior (y lo
siguiente) es v
alido y aplicable en los terminos del operador. Pueden verse los resultados que lo justifican en el
Anexo 1, p
ag 191.
Teorema 330.- Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores propios 1 ,
2 , . . . , k respectivamente, siendo i 6= j , i 6= j . Entonces el conjunto de vectores { v1 , v2 , . . . , vk } es
linealmente independiente.
.
Corolario 331.- Una matriz de orden n con n autovalores distintos, es diagonalizable.
Demostraci
on:
Si la matriz tiene n autovalores distintos 1 , 2 , . . . , n y de cada espacio caracterstico V (k ) podemos
tomar un vector propio vk 6= 0 , tenemos n vectores propios, v1 , v2 , . . . , vn que son, por el resultado
anterior, linealmente independientes.
Prof: Jos
e Antonio Abia Vian
176 Fundamentos de Matematicas : Algebra
Lineal
16.2 Diagonalizaci
on
Proposici
on 332.- Sea A de orden n y k un autovalor de A de multiplicidad mk . Entonces
1 dim V (k ) mk .
0 0 4
Ejemplo 334 Para la matriz A = 0 4 0 , su polinomio caracterstico es:
4 0 0
0
4
4
= ( 4)(2 42 ) = ( 4)2 ( + 4)
P () = |I A| = 0 4 0 = ( 4)
4
4
0
con multiplicidad
4 0 4
4 0 4
dim V (4) = 3 rg(4I A) = 3 rg 0 0 0 = 3 rg 0 0 0 = 3 1 = 2 = m1
4 0 4
0 0 0
luego tambien se cumple y, en consecuencia, la matriz diagonaliza.
Como los elementos de V (4) son las soluciones del sistema homogeneo (4I A)X = 0 , tenemos que
V (4) = lin{(1, 0, 1), (0, 1, 0)} ; y los elementos V (4) las soluciones del sistema (4I A)X = 0 , tenemos
que V (4) = lin{(1, 0, 1)}. En consecuencia, los tres vectores son autovectores y linealmente independientes,
cumpliendose que:
1
1 0 1
0 0 4
1 0 1
4 0 0
P 1 AP = 0 1 0 0 4 0 0 1 0 = 0 4 0 = D
1 0 1
4 0 0
1 0 1
0 0 4
0 2 4
Ejemplo La matriz A = 0 4 0 tiene por polinomio caracterstico P () = ( 4)2 ( + 4) , luego tiene
4 2 0
por autovalores 1 = 4 con m1 = 2 y 2 = 4 con m2 = 1 .
Como m1 + m2 = 2 + 1 = 3 se cumple el primer punto; y por ser m2 = 1 , tambien se cumple que
dim V (4) = 1 .Veamos para
el otro autovalor:
4 2 4
4 2 4
rg(4I A) = rg 0 0 0 = rg 0 0 0 = 2 = 3dim V (4) luego dim V (4) = 32 = 1 6= m1 = 2 .
4 2 4
0 4 0
En consecuencia, la matriz A no diagonaliza.
(Si dim V (4) = 1 y dim V (4) = 1 de cada uno de ellos podemos conseguir, a lo mas, un vector propio linealmente independiente; luego en total, podremos conseguir a lo mas dos autovectores linealmente independientes.
No conseguimos los tres necesarios, luego no diagonaliza.)
4
Prof: Jos
e Antonio Abia Vian
177 Fundamentos de Matematicas : Algebra
Lineal
16.3
16.3 Diagonalizaci
on ortogonal
Diagonalizaci
on ortogonal
0 0 4
Ejemplo La matriz A = 0 4 0 del Ejemplo 334, es simetrica luego diagonaliza ortogonalmente y
4 0 0
V (4) = lin{(1, 0, 1), (0, 1, 0)} y V (4) = lin{(1, 0, 1)} .
Si tomamos una base ortonormal en cada uno de ellos, por ejemplo V (4) = lin{( 12 , 0, 12 ), (0, 1, 0)} y
1
V (4) = lin{( 12 , 0,
)} , los tres vectores juntos forman un conjunto ortonormal, cumpliendose que:
2
t
1
0 12
0 12
0 0 4
4 0 0
2
P t AP = 0 1 0 0 4 0 0 1 0 = 0 4 0 = D
1
1
1 0
1 0
4 0 0
0 0 4
2
2
2
2
16.4
1
2
Ejercicios
16.300 Hallar los polinomios caractersticos, los valores propios y bases de los espacios caractersticos de las
siguientes matrices:
5 6
2
4 0 1
2 7
a)
b) 0 1 8 c) 2 1 0
1
2
1 0 2
2 0 1
Prof: Jos
e Antonio Abia Vian
178 Fundamentos de Matematicas : Algebra
Lineal
16.4 Ejercicios
3 0 0
1 4 2
14
12
a) 0 2 0 b)
c) 3 4 0
20 17
0 1 2
3 1 3
x1
2x1 x2 x3
. Hallar una base de R3 respecto
x1 x3
16.306 Sea T : R3 R3 el operador lineal T x2 =
x3
x1 + x2 + 2x3
de la cual la matriz de T sea diagonal.
16.307 Sea P1 [X] el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T : P1 [X] P1 [X] el
operador lineal T (a0 + a1 X) = a0 + (6a0 a1 )X. Hallar una base de P1 [X] respecto de la cual la matriz de
T sea diagonal.
16.308 Sea A una matriz de orden n y P una matriz inversible de orden n . Probar que (P 1 AP )k = P 1 Ak P ,
para k = 2 y k = 3 . Deducir de ello que es cierto k N .
1 0
40
16.309 Calcular A siendo A =
.
1 2
16.310
Estudiar la diagonalizabilidad
de la matriz A , dada en funcion de los parametros a y b, siendo
5 0 0
0 1 a . En los casos posibles diagonalizarla.
3 0 b
A=
16.311 Hallar una matriz P que diagonalice ortogonalmente a A y calcular P 1 AP para cada una de las
siguientes matrices:
5 2 0
0
2 1 1
2 2
7 24
0
0
a)
b) 1 2 1 c)
0
24 7
0
5 2
1 1 2
0
0 2 2
16.312 Probar que A y At tienen los mismos valores propios siendo A una matriz de orden n .
16.313 Sea A una matriz de orden n inversible, demostrar que los valores propios de A1 son los inversos de los
valores propios de A .
16.314 Sea A una matriz de orden n ortogonal, probar que todos los valores propios de A son uno o menos uno.
16.315 Se sabe que (1, 0, 0) , (1, 1, 0) , (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de orden 3 y que hay
vectores de R3 que no lo son. Calcular todos los vectores propios de la matriz.
un = 3un1 + 3vn1
16.316 Se dan las siguientes ecuaciones de recurrencia:
. Utilizar la diagonalizacion para
vn = 5un1 + vn1
calcular un y vn en funci
on de n , sabiendo que u0 = v0 = 1 .
16.317 Los dos primeros terminos de una sucesion son a0 = 0 y a1 = 1 . Los terminos siguientes se generan a
partir de ak = 2ak1 + ak2 ; k 2 . Hallar a127 .
16.318 El propietario de una granja para la cra de conejos observo en la reproduccion de estos que:
Prof: Jos
e Antonio Abia Vian
179 Fundamentos de Matematicas : Algebra
Lineal
16.4 Ejercicios
i). Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada mes.
ii). Una pareja recien nacida tarda dos meses en tener la primera descendencia.
Si partimos de una pareja adulta y siendo an el n
umero de parejas nacidas en el n -esimo mes (a0 = 0 ),
se pide:
a) Obtener una f
ormula recurrente para an en funcion de terminos anteriores.
(1 + 5)n (1 5)n
b) Probar que an =
2n 5
an+1
c) Calcular, si existe: lm
.
n an
16.319 Sea el determinante nn siguiente:
Dn =
0 0 0 0 3 1
0 0 0 0 1 3
3
1
0
0
..
.
1
3
1
0
..
.
0
1
3
1
..
.
0
0
1
3
..
.
..
.
0
0
0
0
..
.
0
0
0
0
..
.
a
16.322 Dada la matriz A = a
b
a
a
0
son
a
2
0
diagonalizables
simult
las matrices
aneamente
b
1 a b
c
y
B= 0 1 c
2
0 0 2
c 2a 0
a
b y c es diagonalizable la matriz A = b 0
0 2b c
0
0 . Estudiar para que valores de a y b la matriz A es diagonalizable.
2b
m 0
A= 0 m
1 n
la base
canonica es:
0
1
m
a) Determinar para que valores de m y n existe una base de R3 de tal forma que la matriz en esa base
sea diagonal. En los casos que f sea diagonalizable calcular una base en la cual la matriz de f sea
diagonal.
b) Si n = 0 , observando la matriz A y sin hacer ning
un calculo, determinar un valor propio y un vector
propio asociado a dicho valor propio, razonando la respuesta.
1 0 0 0
a 1 0 0
. Encontrar para que valores de los parametros a, b, c, d, e, f R
16.324 Dada la matriz A =
b
d 1 1
c
e f 1
la matriz A es diagonalizable. Para dichos valores encontrar las matrices P y D tales que P 1 AP = D ,
donde D es una matriz diagonal.
16.325 En R4 consideramos el subconjunto: S = {(x1 , x2 , x3 , x4 ) / x2 x4 = 0}. Sea T : R4 R4 el operador
lineal que verifica:
(i) ker(T ) = { x R4 / < x , y >= 0, y S} .
(ii) T (1, 0, 0, 0) = (1, 3, 1, 2) .
Prof: Jos
e Antonio Abia Vian
180 Fundamentos de Matematicas : Algebra
Lineal
16.4 Ejercicios
x1 + x2 + x3 + x4 = 0
x2 + 2x3 + 2x4 = 0
correspondientes a un mismo valor propio de T.
Se pide:
a) Probar que S es un subespacio vectorial de R4 .
b) Hallar ker(T ) .
c) Encontrar una base para el subespacio de vectores propios de la propiedad (iv).
d) Una matriz de T , indicando las bases de referencia.
16.326 Sean f : R4 R4 un operador lineal, y B = {e 1 , e 2 , e 3 , e 4 } la base canonica de R4 , verificando lo
siguiente:
(i) f ( e 1 ) H = {x R4 / x2 = 0}
(ii) f ( e 2 ) S = { x R4 / x2 = 1 y x4 = 0}
(iii) f ( e 3 ) = (, , 1, 2) ; f (e 4 ) = (1, 0, 2, )
x1 x2 x3 + 3x4 = 0
(v) Las ecuaciones implcitas de la imagen de f son y1 2y3 y4 = 0 .
(vi) El operador f es diagonalizable.
Prof: Jos
e Antonio Abia Vian
181 Fundamentos de Matematicas : Algebra
Lineal
Captulo 17
Formas cuadr
aticas
Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudr
aticas
ya ha sido estudiado, pues el cuadrado de la norma de un vector no es mas que una forma cuadratica (como
veremos definida positiva). Aqu, las estudiaremos de forma general.
Definici
on 338.- Sean V un espacio vectorial de dimension n
aij R , con 1 i, j n , se denomina forma cuadr
atica sobre
la forma
a11 a12
n
X
a21 a22
Q(x) =
aij xi xj = x1 x2 xn .
..
..
.
i,j=1
an1 an2
x1
a1n
x2
a2n
.. ..
..
. . .
xn
ann
= [x]tB A [x]B
[x ]tB A [x ]B =
aij xi xj = [x ]tB
A+At
2
[ x ]B
i,j=1
y la matriz S =
A+At
2
t
es simetrica (S t = ( A+A
2 ) =
At +(At )t
2
n
X
At +A
2
= S) . En efecto:
Si en la expresi
on de la forma cuadr
atica, Q(x) =
i,j=1
aij + aji
aij + aji
xi xj +
xj xi = sij xi xj + sji xj xi
2
2
1 1 0
1 2 0
x
x
Q( x ) = (x, y, z) 0 2 3 y = (x, y, z) 1 2 23 y = [x ]tB A [ x ]B
0 0 5
z
z
0 32 5
y la matriz simetrica A es la matriz de Q en la base B .
Prof: Jos
e Antonio Abia Vian
182 Fundamentos de Matematicas : Algebra
Lineal
17.1 Diagonalizaci
on de una forma cuadr
atica
Demostraci
on:
Como P es matriz de cambio de base verifica que [x]B = P [x]B 0 , y , sustituyendo en Q, tenemos que
Q(x) = [x]tB A[x]B = (P [x]B 0 )t A(P [x]B 0 ) = [x]tB 0 (P t AP )[x]B 0
x V
Definici
on 342.- Dos matrices simetricas se dice que son congruentes cuando son matrices asociadas a la
misma forma cuadr
atica en distintas bases.
Es decir, A y A0 simetricas son congruentes, si existe P inversible tal que A0 = P t AP .
Nota: Las matrices congruentes no son, en general, semejantes (solo coinciden congruencia y semejanza cuando
la matriz P es ortogonal, P t = P 1 ).
17.1
Diagonalizaci
on de una forma cuadr
atica
17.1.1
Diagonalizaci
on ortogonal
Sea B una base de V y Q(x) = [x]tB A [x]B la expresion matricial de una forma cuadratica sobre V . Puesto
que A es simetrica, existe una base B tal que la matriz P de cambio de base de B a B es ortogonal y
D = P 1 AP = P t AP , con D diagonal
es decir, que D y A son congruentes (adem
as de semejantes). Luego en B , se tiene que
Q(x) = [x]tB P t AP [x]B = [x]tB D [x]B = 1 y12 + . . . + n yn2
es decir, la forma cuadr
atica se expresar
a como una suma de cuadrados, donde (y1 , . . . , yn ) = [x]tB y 1 , . . . , n
son los valores propios de A .
Ejemplo 343 Reducir asuma de cuadrados
Q(x) 1= xy +
yz .
la forma cuadratica
0 12 0
0
x
2
1
1
1
1
y
Q(x) = (x, y, z) 2 0 2
y |I A| = 2 2 = ( 12 )( + 12 )
0 1
z
0 12 0
2
1
0 0
2
1
1
0 , y existir
luego 12 ,
y 0 son los valores propios de A. Entonces, A es congruente con D = 0
a,
2
2
0 0 0
por tanto, una base B en la cual Q(x) = [x ]tB D[ x]B = 12 x2 12 y2 .
4
17.1.2
Diagonalizaci
on mediante operaciones elementales
La diagonalizaci
on ortogonal, propuesta para hallar una matriz asociada a la forma cuadratica que sea diagonal,
puede ser dificil de llevar a cabo (o imposible en ocasiones) pues supone encontrar las raices de un polinomio.
Sin embargo, como se buscan matrices diagonales que sean congruentes y no es necesario que tambien sean
semejantes, es posible disponer de otros metodos mas sencillos pero igualmente eficaces para obtener una matriz
diagonal.
El m
as interesante para nosotros, se basa de nuevo en hacer operaciones elementales sobre la matriz. La idea
del metodo es la siguiente: haciendo operaciones elementales en las filas de la matriz podemos conseguir una
matriz triangular inferior, pero como necesitamos que la matriz obtenida sea simetrica (debe ser congruente
con la inicial), despues de cada operaci
on que hagamos en las filas repetiremos la misma operaci
on sobre las
columnas. Tras cada doble paso (operacion sobre las filas y misma operacion sobre las columnas) la matriz
obtenida ser
a simetrica y congruente con la inicial y, al final obtendremos la matriz diagonal.
Prof: Jos
e Antonio Abia Vian
183 Fundamentos de Matematicas : Algebra
Lineal
La justificaci
on no es dificil si usamos las matrices elementales que representan a cada operacion elemental
(ver la subsecci
on 4.2.1 sobre matrices elementales en la pagina 27), pues: si E es una matriz elemental, la
matriz EA realiza la operaci
on elemental sobre las filas de A y tomando la traspuesta de A, EAt realiza la
operaci
on sobre las columnas de A. Entonces: la matriz E(EA)t realiza la operacion sobre las columnas de la
matriz en la que ya hemos realizado la operacion de las filas; pero como E(EA)t = EAt E t = EAE t (por ser
A simetrica), esta matriz es simetrica y congruente con A (pues E es inversible). Luego repitiendo el proceso
hasta obtener una matriz diagonal:
t
D = Ek Ek1 E1 A E1t Ek1
Ekt = (Ek Ek1 E1 ) A (Ek Ek1 E1 )t = P t A(P t )t = P t AP
que ser
a congruente con A pues P es inversible al ser producto de inversibles.
Podemos utilizar el siguiente procedimiento para diagonalizar la matriz A y obtener la matriz del cambio
de base simult
aneamente.
Diagonalizaci
on congruente mediante operaciones elementales 344.- Se sit
ua a la derecha de A la matriz
I del mismo orden que A, (A | I) y efectuamos en A las mismas operaciones elementales en sus filas y en sus
columnas y en la matriz identidad s
olo en sus columnas, al cabo de un n
umero finito de pasos obtendremos
(D | P ) .
(Si en I efectuamos las operaciones en las filas, al final obtendremos (D | P t ) en lugar de P .)
Ejemplo 345 Se considera Q(x) = 2x2 + 2xy + 2yz + 3z 2 una forma cuadratica sobre R3 , reducir Q a suma
de cuadrados y hallar la matriz del cambio de base.
2 1 0
Soluci
on: Si x = (x, y, z) , se tiene que A= 1 0 1 , es la matriz de Q en la base canonica. Para obtener
0 1 3
una matriz congruente con A que sea diagonal, hacemos el proceso de (A|I) (D|P ) , detallando la primera
vez como deben darse los pasos de efectuar cada operacion:
2 1 0 1 0 0
2 1 0 1 0 0
2 0 0 1 0 0
A 1 A
A 1 A
1
1
(A|I) = 1 0 1 0 1 0 F2 2 F1 0 2 1 0 1 0 C2 2 C1 0 2 1 0 1 0
0 1 3 0 0 1
0 1 3 0 0 1
0 1 3 0 0 1
A
2 0 0 1 1
2 0 0 1 1
0
1
F3A + 2F2A
2
2
I 1 I
1
1
C
+
2C
3
2
C2 2 C1 0 2 1 0 1 0
0 2 0 0 1 2 = (D|P )
I
I
C3 + 2C2
0 1 3 0 0 1
0 0 5 0 0 1
2 0 0
1 21 1
Tenemos entonces la matriz diagonal, D = 0 21 0 , y la matriz, P = 0 1 2 , de paso de
0 0 5
0 0 1
o
n
1
t
la base B = (1, 0, 0), ( 2 , 1, 0), (1, 2, 1) a la canonica, que verifican que P AP = D . Por tanto, si
17.2
Hemos visto distintos metodos de encontrar matrices diagonales asociadas a una forma cuadratica, por lo que
existir
an tambien distintas matrices diagonales. Sin embargo, todas ellas tienen algunas cosas en com
un: tienen
el mismo n
umero de elementos distintos de cero en la diagonal (el mismo rango) y tienen el mismo n
umero de
elementos positivos y de elementos negativos en la diagonal (la misma signatura).
En este captulo veremos como estos valores permanecen invariantes para cualquier diagonalizacion que
hagamos, lo que nos permitir
a, posteriormente, dar una clasificacion de las formas cuadraticas.
Teorema 346.- Dos matrices congruentes tienen el mismo rango.
Demostraci
on:
Sea A una matriz simetrica de rango n y A0 = P t AP con P inversible. Consideremos la aplicacion lineal
f : Rn Rn dada por f (x ) = Ax , luego A es la matriz de f en la base canonica, Bc . Como P es inversible,
sus columnas forman una base B 0 de Rn y P es la matriz de cambio de base de B 0 a Bc ; y como (P t )1 es
inversible, sus columnas forman una base B 00 de Rn y (P t )1 es la matriz de cambio de base de B 00 a Bc , por
lo que P t es la matriz de paso de Bc a B 00 .
Prof: Jos
e Antonio Abia Vian
184 Fundamentos de Matematicas : Algebra
Lineal
17.2.1
Clasificaci
on de las formas cuadr
aticas
Definici
on 350.- Se dice que una forma cuadratica Q es
a) Nula si Q(x) = 0 para todo x.
b) Definida positiva si Q(x) > 0 , para todo x no nulo.
c) Semidefinida positiva si Q(x) 0 , para todo x y Q no es nula ni definida positiva.
d) Definida negativa si Q(x) < 0 , para todo x no nulo.
e) Semidefinida negativa si Q(x) 0 , para todo x y Q no es nula ni definida negativa.
f) Indefinida si Q(x) alcanza tanto valores positivos como negativos, es decir, si x1 6= 0 tal que
Q( x1 ) > 0 y x2 6= 0 tal que Q( x2 ) < 0 .
Para las formas cuadr
aticas sobre R2 , podemos dar una representacion de ellas usando superficies en R3
asignando a z el valor de la forma cuadr
atica en (x, y) , es decir, haciendo z = d1 x2 + d2 y 2 . Con estas premisas,
hemos realizado la figura 17.1 que aparece en la pagina 185.
Teorema de clasificaci
on 351.- Sea Q una forma cuadratica en un espacio vectorial de dimension n . Se
verifica:
a) Q es nula Sig(Q) = (0, 0)
b) Q es definida positiva Sig(Q) = (n, 0) .
c) Q es semidefinida positiva Sig(Q) = (p, 0) con 0 < p < n .
d) Q es definida negativa Sig(Q) = (0, n) .
e) Q es semidefinida negativa Sig(Q) = (0, q) con 0 < q < n .
f) Q es indefinida Sig(Q) = (p, q) con 0 < p, q .
185 Fundamentos de Matematicas : Algebra
Lineal
17.3 Ejercicios
Fig. 17.1. Gr
aficas de las formas cuadr
aticas de R2 : definida positiva, definida negativa, indefinida, semidefinida positiva,
semidefinida negativa y nula
Para finalizar y aunque puede obtenerse sin mucho coste una matriz diagonal mediante operaciones elementales
damos, sin demostraci
on, una proposici
on que puede ser u
til por su version practica, pues engloba varios
resultados para clasificar una forma cuadr
atica usando la matriz inicial:
Proposici
on 352.- Sea Q una forma cuadr
atica y A su matriz asociada. Denotemos por k , el k -esimo
menor principal de A, para cada 1 k n :
a11 a1k
a a
1 = |a11 |
2 = 11 12
k = ... . . . ...
n = |A|
a21 a22
ak1 akk
Entonces:
a) Q es definida positiva si, y s
olo si, k > 0 , para 1 k n .
b) Q es definida negativa si, y s
olo si, (1)k k > 0 , para 1 k n .
c) Si n = det(A) 6= 0 y no se est
a en alguno de los casos anteriores, entonces Q es indefinida.
d) Si existe i tal que aii 0 (resp. aii 0 ), entonces Q no es definida positiva (resp. no es definida
negativa).
e) Si existen i y j , con i 6= j , tales que aii = 0 y aij 6= 0 , entonces Q es indefinida.
17.3
Ejercicios
Prof: Jos
e Antonio Abia Vian
186 Fundamentos de Matematicas : Algebra
Lineal
17.3 Ejercicios
d) Q(x) = x2 + 2y 2 + z 2 + 2xy + xz .
e) Q(x) = x2 + 2xy + 3y 2 + 4xz + 6yz + 5z 2 .
f) Q(x) = 3x2 + 4y 2 + 5z 2 + 4xy 4yz .
g) Q(x) = 2x2 + 5y 2 + 5z 2 + 4xy 4yz 8zx.
h) Q(x) = x2 + y 2 + 2z(x cos + y sen ) .
17.328 Sean las formas cuadr
aticas Qi : Rn R dadas por Qi ( x ) = x t Ai x , con x = (x1 , . . . , xn ) , siendo
2 0 0 0
5 2 0 1
1 1 0
3 2 1
1 3 2 0
2 2 0 1
A1 = 1 0 1
A2 = 1 6 2
A4 =
A3 =
1 2 1 0
0 3 1 2
1 0 0
3 0 7
0 0 0 1
0 0 2 2
Obtener, para cada Qi , la matriz asociada a la base canonica del espacio correspondiente, una matriz
diagonal congruente y la base respecto de la que es diagonal.
6 5 3 0
17.329 Sean B1 y B2 bases respectivas de los espacios V y W y sea A = 3 1 0 3 la matriz de una aplica3 3 2 1
cion lineal f : V W en las bases B1 y B2 . Tomemos Q: V R dada por Q( v ) = [f ( v )]tB2 [f ( v )]B2 .
a) Cuales son las dimensiones de V y W ?
b) Obtener la matriz de Q en la base B1 y comprobar que es una forma cuadratica.
c) Cu
al es su clasificaci
on?
17.330 Clasificar, seg
un los valores de m , la familia de formas cuadraticas:
Q(x) = x2 + y 2 + z 2 + 2m(xy + xz).
a 0 c
17.331 Se considera la familia de formas cuadr
aticas Q(x) = xt Ax, siendo A = 0 a + c 0 . Utilizando dos
c 0 a
metodos diferentes, expresar Q como suma de cuadrados.
a 1 1
17.332 Sea A = 1 a 1 .
1 1 a
a b 0
n
o
17.333 Sean A = b a b y B = v1 = (1, 1, 1), v2 = (1, 1, 0), v3 = (0, 1, 1) . Se pide
0 b a
a) Clasificar la forma cuadr
atica Q(x) = [x]tB A[x]B , seg
un los valores de a y b.
b) Para a = 0
a 0
17.334 Sea A = 0 a
b 0
y b = 1 , hallar una base B 0 tal que Q(x) = [x]tB 0 D[x]B 0 , con D diagonal.
b
0
a
187 Fundamentos de Matematicas : Algebra
Lineal
17.3 Ejercicios
Prof: Jos
e Antonio Abia Vian
188 Fundamentos de Matematicas : Algebra
Lineal
Anexo 3: Demostraciones
Algebra
lineal
Espacios vectoriales
Demostraci
on de:
Propiedades 267 de la p
agina 154
(iii) (1)u = u .
(ii) k 0 = 0 .
(iv) k u = 0 k = 0
o u = 0.
(v) El vector cero de un espacio vectorial es u
nico.
(vi) El vector opuesto de cada vector del espacio vectorial es u
nico.
Demostraci
on:
(i) Como 0u = (0 + 0)u = 0u + 0u , si sumamos a cada lado de la igualdad el opuesto de 0u , tenemos que
0 u + (0 u ) = 0u + 0 u + (0u ) luego 0 = 0u + 0 = 0u .
(ii) Como k 0 = k( 0 + 0 ) = k 0 + k 0 , si sumamos a cada lado de la igualdad el opuesto de k 0 , tenemos que
k 0 + (k 0 ) = k 0 + k 0 + (k 0 ) luego 0 = k 0 + 0 = k 0 .
(v) Si w verifica que w + u = u , entonces w + u + (u ) = u + (u ) de donde w + 0 = 0 y w = 0 .
En consecuencia, el vector cero es u
nico.
(vi) Si w verifica que w + u = 0 , entonces w + u +(u ) = 0 +( u ) de donde w + 0 = u y w = u .
En consecuencia, el vector opuesto es u
nico.
(iii) Veamos que (1)u es el opuesto u : u + (1)u = 1u + (1)u = (1 + (1))u = 0u = 0 .
(iv) Si k u = 0 y k 6= 0 , entonces
1
kku
1
k
0 = 0 . Luego 0 = k1 k u = ( k1 k)u = 1u = u .
La implicaci
on en el otro sentido es evidente por (i) y (ii).
Demostraci
on de:
Lema 274 de la p
agina 156
h 17.1i
Lema 275 de la p
agina 156
Lema 275.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto { v1 , v2 , . . . , vm } de vectores de V , con m > n, es linealmente dependiente.
Prof: Jos
e Antonio Abia Vian
189 Fundamentos de Matematicas : Algebra
Lineal
Anexo 3
Demostraci
on:
Sea B = { w1 , w2 , . . . , wn } la base de V . Cada vector vk del conjunto { v1 , v2 , . . . , vm } puede expresarse
como combinaci
on lineal de los vectores de B , en la forma
vk = ak1 w1 + ak2 w2 + + akn wn , para cada k = 1, . . . , m
El conjunto es linealmente dependiente si la ecuacion 1 v1 + 2 v2 + + m vm = 0 tiene m
ultiples
soluciones. Sustituyendo:
0 = 1 (a11 w1 + a12 w2 + + a1n wn ) + 2 (a21 w1 + a22 w2 + + a2n wn )
+ + m (am1 w1 + am2 w2 + + amn wn )
= (1 a11 + 2 a21 + + m am1 )w1 + (1 a12 + 2 a22 + + m am2 )w2
+ + (1 a1n + 2 a2n + + m amn )wn
Como B es un conjunto linealmente independiente de vectores, se tiene el sistema lineal
= 0
Proposici
on 279 de la p
agina 156
Proposici
on 279.- Si V es un espacio vectorial, con dim V = n . Entonces, un conjunto de n vectores de V es
base de V ,
b) si genera a V .
a) si el conjunto es linealmente independiente, o
Demostraci
on:
Sea S el conjunto de n vectores.
Si S es linealmente independiente, tiene que generar V , pues si no: podran a
nadirse vectores linealmente
independientes con lo anteriores hasta formar una base de V (existira al menos un vector vn+1 V lin S ,
tal que S {vn+1 } es linealmente independiente, ver comentarios previos al Lema 275 anterior) que tendra
al menos n + 1 vectores, lo que es absurdo.
An
alogamente si S genera V , tiene que ser linealmente independiente, pues si no: podran eliminarse
vectores dependientes de S hasta conseguir una base que tendra menos de n vectores (Lema 272), lo que
tambien es absurdo.
Demostraci
on de:
Desigualdad de Cauchy-Schwarz 289.- Para todo u , v V, espacio con producto interior, se tiene
2
h u , v i2 ku k k v k
|hu , v i| k u k kv k .
o en la forma
Demostraci
on:
2
2
Si v = 0 , es claro que 0 = h u , 0 i2 ku k k0 k = 0 , u V .
Si v 6= 0 , para todo k R , se verifica que
2
0 ku k v k = h u k v , u k v i = h u , u i 2kh u , v i + k 2 h v , v i
en particular, para k =
hu, vi
hv, vi
. Luego
0 hu, ui 2
de donde
hu, vi2
kvk2
Demostraci
on de:
Prof: Jos
e Antonio Abia Vian
ku k
hu, vi
hu, vi2
hu, vi2
hu, vi2
hu, vi +
hv,
vi
=
hu,
ui
2
+
hv, vi
hv, vi2
hv, vi
hv, vi
2
hu, vi
hu, vi2
2
= hu, ui
= kuk
2
hv, vi
kvk
y por consiguiente
Teorema 297 de la p
agina 161
190 Fundamentos de Matematicas : Algebra
Lineal
Anexo 3
Teorema 297.- Si S = {v1 , v2 , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos, entonces
S es linealmente independiente.
Demostraci
on:
Veamos que en la igualdad 1 v1 + + i vi + + k vk = 0 , cada i tiene que ser cero:
0 = hvi , 0i = hvi , 1 v1 + + i vi + + k vk i = 1 hvi , v1 i + + i hvi , vi i + + k hvi , vk i
2
= 0 + + i hvi , vi i + + 0 = i kvi k
Lema 302 de la p
agina 162
Lema 302.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base ortonormal
de W . Entonces para cada v V , el vector v ProyW (v ) es ortogonal a cada vector de W .
Demostraci
on:
Por la Proposici
on 296, para probar que un vector es ortogonal a todos los vectores de un subespacio, basta
probarlo para los vectores de una base. Sea B = { w1 , w2 , . . . , wk }, para cada wi de B , por ser B ortonormal,
h wi , wi i = 1 y h wi , wj i = 0 , si i 6= j , entonces
hvProyW (v), wi i = hv hv, w1 iw1 hv, wi iwi hv, wk iwk , wi i
= hv, wi i hv, w1 ihw1 , wi i hv, wi ihwi , wi i hv, wk ihwk , wi i
= hv, wi i 0 hv, wi i 1 0 = hv, wi i hv, wi i = 0
Luego es ortogonal a los vectores de B y, por consiguiente, a todos los vectores de W .
Unicidad de la proyecci
on ortogonal.- Sea V un espacio con producto interior y W un subespacio de V . Para
cada v V , la proyecci
on ortogonal de v en W no depende de la base ortonormal elegida.
Es decir, si B1 = { u1 , u2 , . . . , uk } y B2 = { v1 , v2 , . . . , vk } son dos bases ortonormales de W , entonces,
para cada v V , los vectores
(1)
Aplicaciones lineales
Justificaci
on del metodo descrito en la Observacion 314, de la pagina 169
Usaremos en la justificaci
on el mismo ejercicio del ejemplo, pero la prueba es valida en cualquier caso.
t
Haciendo las operaciones
tiene por filas las [f (vi )]B2 , hemos obtenido la
elementales sobre la matriz A , que
[f (v1 )]B2
[f (v6 v1 )]B2
[f
(v
5 v6 + v1 )]B2
v
)]
[f
(v
+
4
2 1
2 6
2 5 B2
Prof: Jos
e Antonio Abia Vian
191 Fundamentos de Matematicas : Algebra
Lineal
[v1 ]B1
[v2 ]B1
[v3 ]B1
[v4 ]B1
[v5 ]B1
[v6 ]B1
Anexo 3
[v1 ]B1
[v
v1 ]B1
6
[v
v
+
v1 ]B1
5
6
obtendramos K =
[v4 + 1 v1 3 v6 3 v5 ]B1
2
2
2
Ahora bien, como la matriz J es la identidad, que tiene rango 6, la matriz K tambien tiene rango 6, por lo
que sus filas son linealmente independientes y en consecuencia los tres u
ltimos vectores (los vectores de ker(f ) )
tambien son linealmente independientes.
Diagonalizaci
on
Justificaci
on de la observaci
on en Antes de seguir de la pagina 175
Definici
on.- Sea f : V V un operador lineal, diremos que un escalar es un valor propio de f si existe
un vector v V , diferente de cero, tal que f (v) = v .
Al vector v se le denomina vector propio de f correspondiente a .
Teorema.- Sea f : V V un operador lineal, siendo V un espacio vectorial de dimension n . Entonces,
existe una base de V con respecto a la cual la matriz de f es diagonal si y solo si f tiene n vectores propios
linealmente independientes.
Demostraci
on:
Si la matriz de f en la base B = {v1 , v2 , . . . , v1 } es D diagonal, los mismos vectores de la base son vectores
propios y son linealmente independientes, pues:
[f (v1 )]B
[f (v2 )]B
[f (vn )]B
=D=
1 0 0
0 2 0
1 [v1 ]B
=
.. .. . .
.
. ..
. .
0 0 n
2 [v2 ]B
n [vn ]B
[f (v1 )]B
[f (v2 )]B
[f (vn )]B
=
1 [v1 ]B
2 [v2 ]B
n [vn ]B
1 0 0
0 2 0
.. .. . .
.
. ..
. .
0 0 n
Prof: Jos
e Antonio Abia Vian
192 Fundamentos de Matematicas : Algebra
Lineal
Anexo 3
Teorema.- Los vectores propios de f correspondientes al valor propio , son los vectores distintos de cero del
n
ucleo de la aplicaci
on Id f (denotamos por Id la aplicacion identidad, Id (v ) = v ).
Llamaremos a dicho n
ucleo, espacio caracterstico de f correspondiente al valor propio .
Demostraci
on:
v un vector propio correspondiente a f (v) = v f (v) = Id (v) Id (v) f (v) = 0
(Id f )(v) = 0 v ker(Id f ) .
Demostraci
on de:
Teorema 330 de la p
agina 175
Teorema 330.- Sean v1 , v2 , . . . , vk vectores propios de una matriz A asociados a los valores propios 1 ,
2 , . . . , k respectivamente, siendo i 6= j , i 6= j . Entonces el conjunto de vectores { v1 , v2 , . . . , vk } es
linealmente independiente.
Demostraci
on:
Supongamos que v1 , v2 , . . . , vk son linealmente dependientes.
Por definici
on, un vector propio es distinto de cero, luego el conjunto {v1 } es linealmente independiente.
Sea r el m
aximo entero tal que {v1 , v2 , . . . , vr } es linealmente independiente. Puesto que hemos supuesto
que { v1 , v2 , . . . , vk } es linealmente dependiente, r satisface que 1 r < k . Ademas, por la manera en que
se defini
o r , {v1 , v2 , . . . , vr , vr+1 } es linealmente dependiente. Por tanto, existen escalares c1 , c2 , . . . , cr+1 ,
al menos uno diferente de cero, tales que
c1 v1 + c2 v2 + + cr+1 vr+1 = 0 .
h 17.2i
h 17.3i
Multiplicando los dos lados de (17.2) por r+1 y restandole a (17.3) la ecuacion resultante se obtendra
c1 (1 r+1 ) v1 + c2 (2 r+1 ) v2 + + cr (r r+1 )vr = 0 .
Y dado que los vectores v1 , v2 , . . . , vr son linealmente independientes, necesariamente
c1 (1 r+1 ) = c2 (2 r+1 ) = = cr (r r+1 ) = 0
Como los 1 , 2 , . . . , r+1 son distintos entre si, se deduce que c1 = c2 = = cr = 0 .
Sustituyendo estos valores en (17.2) resulta que cr+1 vr+1 = 0 , y como vr+1 6= 0 se deduce que cr+1 = 0 ,
lo que contradice el hecho de que al menos uno de los escalares c1 , c2 , . . . , cr+1 deba de ser distinto de cero.
Luego los vectores v1 , v2 , . . . , vk han de ser linealmente independientes, que prueba el teorema.
Demostraci
on de:
Proposici
on 332 de la p
agina 176
Proposici
on 332.- Sea A de orden n y k un autovalor de A de multiplicidad mk . Entonces
1 dim V (k ) mk .
Demostraci
on:
Como ya observamos anteriormente, dim V (i ) 1 .
Supongamos que dim V (k ) = d , y consideremos el operador lineal f : Rn Rn definido por f ( v ) = A v .
Sea { v1 , . . . , vd } una base del espacio caracterstico V (k ) , que podemos completar hasta obtener una base
de Rn , B = { v1 , . . . , vd , vd+1 , . . . , vn } . La matriz A0 , del operador en la base B , sera de la forma
A0 =
[f (v1 )]B
[f (vd )]B
[f (vd+1 )]B
[f (vn )]B
=
Prof: Jos
e Antonio Abia Vian
k [v1 ]B
k [v2 ]B
[f (vd+1 )]B
[f (vn )]B
k
..
.
0
0
..
.
0
0
.
..
. .. A012
k
0
.
.. A022
0
193 Fundamentos de Matematicas : Algebra
Lineal
Anexo 3
de donde |I A0 | = (k )d |I A022 |. Pero como A y A0 son matrices semejantes, tienen el mismo polinomio
caracterstico, y ( k )d |I A022 | = |I A0 | = |I A| = ( k )mk Q() , de donde se obtiene que d mk ,
pues mk es la multiplicidad de la raz.
Demostraci
on de:
n
X
xj xj =
j=1
t
n
X
|xj |
j=1
t
n
X
|xj |
j=1
Prof: Jos
e Antonio Abia Vian
194 Fundamentos de Matematicas : Algebra
Lineal
y, al ser x 6= 0 ,
n
P
Anexo 3
j=1
[f
(x
)]
[f
(x
)]
[f
(x
)]
A =
1 B
d B
d+1 B
n B
j 0
.. . . ..
. . A012
.
0 j
.
.. .. A0
22
0 0
donde A012 = 0 , puesto que A0 es simetrica y A022 cuadrada de orden n d . Luego la matriz j I A0 nos
queda
j j
0
0 0
.. . . ..
..
..
..
.
. .
0
0
.
.
0
j
j
0
j I A =
= 0 0
..
..
.
.
.
0
0
j I A22
.
.
. . j I A22
0
0
0 0
por lo que rg(j I A0 ) = rg(j I A022 ) . Por ser A y A0 semejantes rg(j I A) = rg(j I A0 ) (ver demostraci
on
del Teorema 333), y se tiene que rg(j I A022 ) = rg(j I A) = ndim V (j ) = nd por lo que |j I A022 | =
6 0.
Entonces, |I A| = |I A0 | = ( j )d |I A022 | , con |j I A022 | =
6 0 , luego d = mj .
En resumen, A diagonaliza, y tomando una base ortonormal de cada uno de los espacios caractersticos,
tendremos n vectores propios de norma 1 y, que por el Lema 336, son ortogonales entre s.
Formas cuadr
aticas
Demostraci
on de:
Teorema de Sylvester o Ley de inercia 348.- Si una forma cuadratica se reduce a la suma de cuadrados en
dos bases diferentes, el n
umero de terminos que aparecen con coeficientes positivos, as como el n
umero de
terminos con coeficientes negativos es el mismo en ambos casos.
Demostraci
on:
Supongamos que respecto a una base B1 = { b1 , b2 , . . . , bn } la matriz de la forma cuadratica Q es una matriz
diagonal y tiene p elementos positivos y s elementos negativos en su diagonal principal, luego la expresi
on de
la forma cuadr
atica ser
a
Q(x ) = a1 x21 + + ap x2p ap+1 x2p+1 ap+s x2p+s
con ai > 0 para todo i , y (x1 , . . . , xp , xp+1 , . . . , xp+s , xp+s+1 , . . . , xn ) = [x ]tB1 ; y que respecto a otra base
B2 = {d1 , d2 , . . . , dn } la matriz de la forma cuadratica es tambien diagonal con q elementos positivos y r
negativos, por lo que Q se expresar
a en la forma
2
2
Q( x ) = c1 y12 + + cq yq2 cq+1 yq+1
cq+r yq+r
195 Fundamentos de Matematicas : Algebra
Lineal
Anexo 3
Por el teorema 346 anterior, sabemos que las matrices congruentes tienen el mismo rango, luego tienen que
ser p + s = q + r . Veamos que p = q , con lo que tendremos tambien que s = r .
Si p 6= q , uno de ellos es mayor que el otro, supongamos que es p > q y consideremos los conjuntos de
vectores { b1 , . . . , bp } y { dq+1 , . . . , dn } . Si p > q , el conjunto {b1 , . . . , bp , dq+1 , . . . , dn } tiene p+(nq) =
n + (p q) > n vectores y, por lo tanto, es un conjunto linealmente dependiente y en la igualdad
1 b1 + + p bp + q+1 dq+1 + + n dn = 0
alguno de los coeficientes no es cero. Entonces, el vector
1 b1 + + p bp = q+1 dq+1 n dn = x
no es el cero (si es cero, todos los i son cero por ser los bi de B1 , y todos los j = 0 por ser los dj B2 ),
con alg
un i y alg
un j distintos de cero. Tenemos as que
[x ]tB1 = (1 , . . . , p , 0, . . . , 0)
Teorema de clasificaci
on 351 de la pagina 184
Teorema de clasificaci
on 351.- Sea Q una forma cuadratica en un espacio de dimension n . Se verifica:
a) Q es nula Sig(Q) = (0, 0)
b) Q es definida positiva Sig(Q) = (n, 0) .
c) Q es semidefinida positiva Sig(Q) = (p, 0) con 0 < p < n .
d) Q es definida negativa Sig(Q) = (0, n) .
e) Q es semidefinida negativa Sig(Q) = (0, q) con 0 < q < n .
f) Q es indefinida Sig(Q) = (p, q) con 0 < p, q .
Demostraci
on:
Sea B = {v1 , . . . , vn } una base en la cual, la expresion de Q es Q(x ) = d1 x21 + d2 x22 + + dn x2n
donde (x1 , . . . , xn ) = [ x ]tB . Luego, Q(vi ) = di , para todo i = 1, . . . , n , ya que los vectores de B tiene por
coordenadas [ v1 ]tB = (1, 0, 0, . . . , 0) , [ v2 ]tB = (0, 1, 0, . . . , 0) , . . . , [vn ]tB = (0, 0, 0, . . . , 1) . Entonces:
a) Si Q( x ) = 0 , para todo x , se tiene que di = Q(vi ) = 0 , para todo i, luego Sig(Q) = (0, 0) .
Reciprocamente, si di = 0 para todo i , entonces Q(x ) = 0 para todo x .
b) Si Q( x ) > 0 para todo x 6= 0 , se tiene que di = Q(vi ) > 0 , para todo i, luego Sig(Q) = (n, 0) .
Recprocamente, si di > 0 para todo i , entonces Q(x ) > 0 para todo x 6= 0 .
c) Si Q(x ) 0 para todo x 6= 0 , es di = Q( vi ) 0 para todo i. Como no es nula existe alg
un dj > 0 y
como no es definida positiva existe alg
un dk = 0 , luego Sig(Q) = (p, 0) con 0 < p < n .
Recprocamente, si di 0 para todo i, con alg
un dj > 0 y alg
un dk = 0 , se tiene que Q( x ) 0 para
todo x , que Q( vj ) = dj > 0 , por lo que no es nula, y que Q(vk ) = dk = 0 , por lo que no es definida
positiva.
d) y e) An
alogos a los casos de definida y semidefinida positiva.
f) Por ser indefinida, Q( x ) 6 0 para todo x , luego di 6 0 para todo i , por lo que existira un dj < 0
y Q( x ) 6 0 para todo x , luego di 6 0 para todo i por lo que existira un dk > 0 . En consecuencia,
Sig(Q) = (p, q) con p, q > 0 .
Recprocamente, si existe dj < 0 y dk > 0 , seran Q( vj ) = dj < 0 y Q( vk ) = dk > 0 , luego es indefinida.
Prof: Jos
e Antonio Abia Vian