ApuntesCompletos 13-14 PDF

Escuela de Ingenieras industriales
Sede Francisco Mendiz

abal
Departamento de Matem
atica
Aplicada
FUNDAMENTOS de MATEMATICAS
APUNTES PARA LA ASIGNATURA
Grado de Ingeniera en Dise

no Industrial y Desarrollo del producto
Profesor
Jos
e Antonio Abia Vian
2 Fundamentos de Matematicas : Contenidos
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
Matrices y sistemas de ecuaciones lineales

4.1 Definiciones b
asicas . . . . . . . . . . . . . . . . .
4.1.1 Operaciones con las matrices . . . . . . . .
4.1.2 Matriz transpuesta . . . . . . . . . . . . .
4.2 Sistemas de ecuaciones lineales . . . . . . . . . . .
4.2.1 Matrices elementales . . . . . . . . . . . .
4.2.2 M
etodo de Gauss . . . . . . . . . . . . . .
4.2.2.1 Sistemas homog
eneos . . . . . . .
4.2.2.2 M
etodo de Gauss-Jordan . . . . .
4.2.3 Rango de una matriz y Teorema de Rouch
e
4.3 Matrices cuadradas . . . . . . . . . . . . . . . . .
4.3.1 Matrices inversibles . . . . . . . . . . . . .
4.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
25
25
25
26
27
27
28
29
30
30
31
31
33
. . . . . . . . . .
. . . . . . . . . .
forma escalonada
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
35
35
36
36
36
37
38
39
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Determinante de una matriz

5.1 Determinante de una matriz cuadrada . . . . . . . . . . . .
5.1.1 Determinantes y operaciones elementales . . . . . .
5.1.1.1 C
alculo de determinantes por reducci
on a la
5.1.2 Otras propiedades del determinante . . . . . . . . .
5.2 Desarrollo por cofactores . . . . . . . . . . . . . . . . . . .
5.3 Rango de una matriz . . . . . . . . . . . . . . . . . . . . .
5.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Anexo 0: Preliminares
Prof: Jos
e Antonio Abia Vian
40
Grado de Ing. en Dise

no Industrial y Desarrollo del producto : Curso 20132014
INDICE DE CONTENIDOS
I
6
C
alculo diferencial en R
48
Funciones, lmites y continuidad

6.1 La recta real . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.1 Los n
umeros reales . . . . . . . . . . . . . . . . . . . . .
6.1.2 Valor absoluto de un n
umero real . . . . . . . . . . . . . .
6.1.3 Intervalos y entornos en R . . . . . . . . . . . . . . . . .
6.1.4 Algunas operaciones con n
umeros reales . . . . . . . . . .
6.1.4.1 Potencias racionales y reales de un n
umero real .
6.1.4.2 Exponencial real de base e . . . . . . . . . . .
6.1.4.3 Logaritmo neperiano real . . . . . . . . . . . . .
6.2 Funciones reales de variable real . . . . . . . . . . . . . . . . . .
6.2.1 Monotona. Funciones inversas . . . . . . . . . . . . . . .
6.3 Lmite y continuidad de una funci
on en un punto . . . . . . . . .
6.3.1 Algunos resultados interesantes . . . . . . . . . . . . . . .
6.3.1.1 Lmites y continuidad con las operaciones b
asicas
6.3.1.2 Lmites laterales . . . . . . . . . . . . . . . . . .
6.3.2 Lmites con infinito . . . . . . . . . . . . . . . . . . . . .
6.3.3 Infinit
esimos e infinitos equivalentes . . . . . . . . . . . .
6.3.4 Asntotas de una funci
on . . . . . . . . . . . . . . . . . .
6.4 Teoremas del lmite y de continuidad . . . . . . . . . . . . . . . .
6.4.1 Teoremas de continuidad en intervalos cerrados . . . . . .
6.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Funciones derivables
7.1 Derivada de una funci
on en un punto . . . . . .
7.1.1 Aplicaciones de la derivada . . . . . . .
7.1.1.1 Crecimiento de una funci
on en
7.2 Teoremas de derivaci
on . . . . . . . . . . . . .
7.2.1 Teorema de la funci
on inversa . . . . .
7.2.2 Representaci
on gr
afica de funciones (1)
7.2.2.1 Monotona y extremos locales
7.2.2.2 Concavidad y convexidad . . .
7.3 Ejercicios . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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

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
11.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Anexo 2: C
alculo integral
III
115
115
117
119
120
121
123
125
Ecuaciones Diferenciales Ordinarias
132
12 EDO de primer orden

12.1 Introducci
on, conceptos e ideas b
asicas . . . . . . . . . . . . . .
12.1.1 Ecuaciones diferenciales ordinarias de primer orden . . .
12.2 M
etodos de resoluci
on . . . . . . . . . . . . . . . . . . . . . . .
12.2.1 Ecuaciones diferenciales separables . . . . . . . . . . . .
12.2.2 Ecuaciones diferenciales exactas . . . . . . . . . . . . .
12.2.3 Factores integrales . . . . . . . . . . . . . . . . . . . . .
12.2.3.1 Factores integrales de la forma (x) o (y)
12.2.3.2 Factores integrales m
as generales . . . . . . .
12.2.4 Ecuaciones lineales . . . . . . . . . . . . . . . . . . . .
12.2.5 Ecuaciones un poco especiales . . . . . . . . . . . . . .
12.2.5.1 Ecuaciones de Bernoulli . . . . . . . . . . . . .
12.2.5.2 Ecuaciones reducibles a separables . . . . . . .
12.3 Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12.3.1 Trayectorias ortogonales . . . . . . . . . . . . . . . . . .
12.3.1.1 Trayectorias de
angulo . . . . . . . . . . . .
12.3.2 Modelado de problemas . . . . . . . . . . . . . . . . . .
12.3.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
133
133
134
134
135
135
137
137
138
138
139
139
139
139
140
140
140
140
13 Ecuaciones diferenciales lineales

13.1 Espacio de soluciones de la ecuaci
on lineal de orden n . . .
13.2 M
etodos generales de resoluci
on parcial . . . . . . . . . . .
13.2.1 M
etodo de reducci
on de orden . . . . . . . . . . . .
13.2.2 M
etodo de variaci
on de los par
ametros . . . . . . . .
13.3 Ecuaciones lineales de coeficientes constantes . . . . . . . .
13.3.1 Soluciones de la ecuaci
on lineal homog
enea . . . . .
13.3.2 Soluciones particulares de la ecuaci
on no homog
enea
13.3.2.1 M
etodo del polinomio aniquilador . . . . .
13.3.2.2 M
etodo de los coeficientes indeterminados
13.3.3 M
etodo de variaci
on de los par
ametros . . . . . . . .
13.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
144
145
146
146
147
148
148
149
149
150
150
150
IV
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Algebra
Lineal
153
14 Espacios vectoriales reales

14.1 Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . .
14.2 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . .
14.3 Base y dimensi
on . . . . . . . . . . . . . . . . . . . . . . . . .
14.3.1 Coordenadas en una base . . . . . . . . . . . . . . . . .
14.3.2 Espacios de las filas y las columnas de una matriz . . . .
14.4 Cambios de base . . . . . . . . . . . . . . . . . . . . . . . . . .
14.5 Espacios vectoriales con producto interior . . . . . . . . . . . .
14.5.1 Producto interior. Norma. Distancia . . . . . . . . . . .
14.5.1.1 El espacio eucldeo n -dimensional Rn . . . .
14.5.2 Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . .
14.5.2.1 Bases ortonormales. Proceso de Gram-Schmidt
14.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1 Fundamentos de Matematicas : Preliminares
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
Conocemos y manejamos ya diversos conjuntos de n

umeros, los naturales N = {0, 1, 2, 3, . . .} , los enteros
n
: n Z, m Z{0}} y los n
umeros reales R (o decimales
Z = {. . . , 2, 1, 0, 1, 2, . . .} , los racionales Q = { m
que completan los huecos entre los racionales con los irracionales R = Q I ). Cumpliendo N Z Q R .
Nota: Un n
umero real puede describirse en la forma e.d1 d2 d3 . . . dn . . . , un n
umero entero seguido de infinitos
decimales. Si, a partir de uno de ellos, todos los decimales son cero o los decimales se repiten periodicamente el
z{
z{
n
umero es racional (as, 13 = 0. 3 = 0.33333 . . . , luego 1 = 0. 9 = 0.99999 . . . ).
Tenemos definidas unas operaciones de suma y producto en cada conjunto que son internas (suma o
producto de naturales es natural, suma o producto de enteros es entero, etc.) y coherentes con la cadena de
contenciones (si sumamos dos enteros como racionales o reales, el resultado es el mismo que si los sumamos
como enteros). A efectos pr
acticos, son las mismas operaciones para todos los conjuntos.
Sin embargo, no tienen en cada conjunto las mismas propiedades: en N ni para la suma ni para el producto
existe inverso (ni la resta ni la divisi
on de naturales es, en general, un natural), en Z existe el inverso para
la suma pero no para el producto (la resta de enteros es entera pero no la division) y tanto en Q como en R
podemos restar y tambien dividir por valores distintos de cero.
La otra operaci
on o manipulaci
on b
asica entre n
umeros, la potencia (una generalizaci
on del producto) nos
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
1.2 El plano complejo
Forma bin
omica de un n
umero complejo
El producto (complejo) tiene por elemento neutro (1, 0) , pues

(1, 0) (a, b) = (a, b) (1, 0) = (1a 0b, 0a + 1b) = (1a, 1b) = (a, b).
De hecho, para cualquier real , se tiene que (, 0) (a, b) = (a 0b, 0a + b) = (a, b) ; como en R2
tambien sabemos que (a, b) = (a, b) , pueden identificarse los elementos (, 0) con los n
umeros reales , es
decir, en C podemos decir que (, 0) = a todos los efectos.
Como (a, b) = (a, 0) + (0, b) = a + (0, b) = a + b(0, 1) , haciendo (0, 1) = i el n
umero complejo se escribe
(a, b) = a + ib, que se denomina forma bin
omica del n
umero complejo. Del elemento i se dice que es la
unidad imaginaria, y se cumple que i2 = ii = (0, 1) (0, 1) = (1, 0) = 1 .
En la forma bin
omica, el producto se efectua como un producto de binomios habitual, pues:
(a+ib)(c+id) = ac + iad + icb + i2 bd = (acbd) + i(ad+cb) = (acbd, ad+cb) = (a, b) (c, d)
Con esta nueva notaci
on, suele escribirse C = {a + ib : a, b R} (a veces C = R + iR) y se denotan los
elementos de C por z = a + ib; y se representan en el plano R2 que se denomina entonces plano complejo, al
eje se abcisas se le denomina eje real y al de ordenadas eje imaginario.
Definici
on 1.- Si z = a + ib es un n
umero complejo, al valor real a se le llama se llama parte real de z ,
Re(z) = a, y al valor real b la parte imaginaria, Im(z) = b, es decir, z = Re(z) + i Im(z) .
Si la parte imaginaria de z es cero, el complejo es un n
umero real y, suele indicarse con z R . Si la parte
real de z es cero se dice que es imaginario puro y, suele indicarse con z iR.
El cero en C es el cero real (0, 0) = 0 + i0 = 0 .
Proposici
on 2.- Sea z C {0} , entonces existe un u
nico w C tal que zw = 1 .
Demostraci
on:
En
efecto,
con
z = a + ib y w = x + iy , zw = ax by + i(ay + bx) y zw = 1 = 1 + i0 el sistema

ax by = 1
b
a
2
2
tiene soluci
on u
nica. Que es cierto, con x = a2 +b
2 e y = a2 +b2 ( a + b 6= 0 pues z 6= 0 ).
bx + ay = 0
Si z = a + ib, el inverso se denota por z 1 =
1.2.2
1
z
y viene dado por la expresion z 1 =
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 .
Nota: Si z es real, z = a + i0 = a, se tiene que |z| = + a2 + 02 = + a2 = |a| , es decir, el modulo complejo

coincide con el valor absoluto real.
Propiedades 6.- Sean z, w C , entonces
a) |z| 0 ;
|z| = 0 z = 0 .
b) |Re(z)| |z| ;
Prof: Jos
e Antonio Abia Vian
|Im(z)| |z| ;
|z| |Re(z)| + |Im(z)| .

c) |z| = |z| :
|z| = zz ;
d) |z + w| |z| + |w| ;
e) |zw| = |z| |w| ;
1
z
z
zz
1.3 Forma polar de un n

umero complejo
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 .
b) d(z, w) d(z, t) + d(t, w) , t C .
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
Al argumento que se encuentra dentro del intervalo de tama

no 2 elegido como preferente suele denominarse
argumento principal y denotarse por Arg(z) . Con este concepto, todos los argumentos de z se pueden describir
mediante:
arg(z) = Arg(z) + 2k , k Z.
Aunque estamos habituados a manejar el angulo en el intervalo [0, 2) o (0, 2] , es mas usual tomar el
intervalo (, ]
o el [, ) como preferente debido sobre todo a:
Operaciones multiplicativas en forma polar 9.- Si z = |z| y w = |w| , se cumple que:

1
n
|z|
a) z = |z|()
b) z 1 = (|z| )()
c) zw = (|z| |w|)+
d) wz = |w|
e) z n = (|z| )n
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
que quedan distribuidos como en la figura aneja.
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
ez+w = ez ew , para todo z, w C .
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)
(uno por cada argumento de 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
1.1 Efectuar las siguientes operaciones, expresando el resultado en forma binomica:
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
del modulo para calcular:

344

5

i (i)231 ;
(1 i)(2 i)(i 3) ;
(1 + i)5 + 1
;
(1 i)5 1

i(1 + i)5

2(1 i)5 ;

1.4 Ejercicios
1.3 Expresar en forma exponencial, z = |z| ei arg(z) , los complejos siguientes:
a) 8
b)
1 i
c)
3+i 3
)
2
h
i2
4 cos( 2 ) + 4i sen( 2 )
d)
1.4 Expresar en forma bin

omica los complejos siguientes (tomar Arg(z) (, ] ):
a)
b) e1i 2
2 ei
c) iei
7
4
Log(i3 )
d)
Log(2e1+i 3 )
e)
1.5 Hallar todos los valores complejos de:

1
a) i 2
b)
86
c)
(1) 3
3
( 3 + i) 5
d)
e)
2
4 cos( 2
3 ) + 4i sen( 3 )
i 34
1.6 Si se sabe que 1 + i es una raz c

ubica de z , hallar z y las demas races.
1.7 Describir geometricamente las regiones del plano complejo:
a)
|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
1.8 Que valores de z verifican que |z + 1| < |z i| ?

1.9 Resolver las ecuaciones:
z3
2
4
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
1.10 Hallar los z para los que

a) ez R
b)
Re(ez ) = 0
c)
|eiz | < 1
d) ez = 1
e)
e2z = i
f) ez = ez
1.11 Resolver la ecuaci

on z 4 = z .
1.12 Probar que son ciertas las siguientes desigualdades:
|a + bi| |a| + |b|
2 |a + bi| .
1.13 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposicion 13.
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
ai X un polinomio. Si an 6= 0 , diremos que P (X) tiene grado n , Es decir, el
i=0
mayor exponente de X que tenga coeficiente no nulo. Y lo denotaremos por gr(P ) = n .

Los polinomios de grado cero son de la forma P (X) = c, con c K y c 6= 0 . Al polinomio cero, P (X) = 0 ,
no se le asigna ning
un grado.
Definici
on 18.- Diremos que dos polinomios son iguales si tienen el mismo grado y los coeficientes de cada
n
m
P
P
termino son iguales. Es decir, si P (X) =
ai Xi y Q(X) =
bi Xi , entonces:
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
Nota: gr(P Q) = gr(P ) + gr(Q) .

Observaciones:
? El neutro de la suma es el polinomio cero P (X) = 0 y del producto el polinomio 1 , P (X) = 1 .
? El inverso para la suma: de P (X) es (1)P (X) = P (X) .
? No hay inversos para el producto: si el polinomio P (X) = X tuviera un inverso Q(X) , tendra que ocurrir
que P (X)Q(X) = 1 . Pero entonces 0 = gr(1) = gr(P Q) = 1 + gr(Q) 1 .
? Se cumplen las propiedades asociativas y distributivas.
? Si P (X) 6= 0 y P (X)Q(X) = 0 , entonces Q(X) = 0 .
En efecto, si fuera gr(Q) = 0 con Q(X) = k 6= 0 , entonces P (X)Q(X) = kP (X) 6= 0 (absurdo); y si
gr(Q) > 0, entonces gr(P Q) > 0 y P (X)Q(X) 6= 0 (tambien absurdo), luego Q(X) = 0 .
? Si P (X) 6= 0 y P (X)Q(X) = P (X)R(X) , entonces Q(X) = R(X) . (Inmediata de la anterior.)
Prof: Jos
e Antonio Abia Vian

2.2

on
Division eucldea de polinomios. Divisibilidad y factorizaci

on
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
donde qi y ri son respectivamente los cocientes y restos de las divisiones, y rn = mcd(a, b) .

La conclusi
on es correcta, pues por ser a = q1 b + r1 y d un divisor de a y b, a y b se descomponen en
a = da1 y b = db1 , luego r1 = a bq1 = da1 db1 q1 = d(a1 b1 q1 ) y d divide a r1 . Luego cualquier
divisor de a y b lo es tambien de b y r1 . Analogamente b = q2 r1 + r2 y por el mismo proceso los
divisores de b y r1 tambien lo son de r1 y r2 . El proceso es mcd(a, b) = mcd(b, r1 ) = mcd(r1 , r2 ) =
= mcd(rn1 , rn ) = rn pues rn | rn1 y rn | rn .
? Un elemento p Z se dice irreducible si los u
nicos enteros que lo dividen son 1 , 1 , p y p. A los
enteros irreducibles positivos se los llama n
umeros primos. El 1 no suele considerarse primo.
? Todo n
umero entero n admite una descomposicion u
nica (salvo el orden de los factores) de la forma
umero primo i.
n = (1)pt11 pt22 ptrr con pi n
Ejemplo El mcd(711, 243) = 9 y el mcd(300, 432) = 12 pues
2
711 243
225 18
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


on
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
Dado un polinomio P (X) = a0 + a1 X + + an Xn K[X] y K, denotaremos por P () al resultado de

efectuar en K los c
alculos: a0 + a1 + + an n .
Definici
on 26.- Se dice que K es una raz del polinomio P (X) K[X] si P () = 0 .
Teorema 27.- K es raz de P (X) (X ) | P (X) .
Demostraci
on:
Siempre podemos dividir P (X) entre X y su division entera es P (X) = C(X) (X ) + R(X) donde R(X) = 0
o gr(R(X)) < gr(X ) = 1 , es decir R(X) es cero o es una constante distinta de cero luego R(X) = k K y
tenemos que: P (X) = C(X) (X ) + r , luego P () = C() ( ) + r = r . Como P () = r se puede concluir

que
P () = 0 r = 0 P (X) = C(X) (X ) (X ) | P (X)
Corolario 28.- Un polinomio, de grado mayor que 1, irreducible en K[X] no tiene races en K.
Nota: El resultado inverso si no tiene races en K entonces es irreducible en K[X] no es cierto. Por ejemplo,
en R[X] , el polinomio X4 + 5X2 + 4 = (X2 + 1)(X2 + 4) es reducible, pero no tiene races en R.
La condici
on de grado mayor que 1 es obvia, pues los polinomios de grado uno aX + b son siempre
irreducibles y siempre tienen una raz.
Definici
on 29.- Diremos que K es una raz de multiplicidad m del polinomio P (X) K[X] , si se cumple
que P (X) = (X )m Q(X) , con Q() 6= 0 .
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 .
.
Teorema 31.- Un polinomio de grado n posee, a lo mas, n races (contadas con sus multiplicidades).
Demostraci
on:
En efecto, si P (X) tiene r races 1 , 2 , . . . , r , de multiplicidades respectivas m1 , m2 , . . . , mr , entonces P (X) = (X 1 )m1 (X 2 )m2 (X r )mr Q(X) , por el Lema 30 anterior. Luego n = gr(P (X)) =
m1 + m2 + + mr + gr(Q(X)) , por lo que el n
umero de raices, m1 + m2 + + mr , es a lo mas n .
Corolario 32.- Un polinomio de grado n con n + 1 races es el polinomio 0 .
Prof: Jos
e Antonio Abia Vian

2.2.3

on
Factorizaci
on de polinomios de coeficientes complejos
El siguiente resultado (que no es elemental) aporta la informacion necesaria:

Teorema fundamental del Algebra 33.- Todo polinomio con coeficientes complejos, de grado mayor o igual
que uno posee al menos una raiz compleja.
Corolario 34.- En C[X] :
? Un polinomio de grado n tiene n races (contadas con sus multiplicidades).
? Todo polinomio de grado n 1 se descompone en producto de n factores de grado 1.
? Los u
nicos polinomios irreducibles son los de grado 1.
Ejemplos

? 4X2 8X + 13 = 4 X (1 + 32 i) X (1 32 i)
?
1 4
2X
2.2.4
+ 8 = 12 (X4 + 16) = 12 (X 2ei 4 )(X 2ei
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
ai Xi R[X] . Si es una raz compleja (y no real) de P (X) , entonces tambien es
i=0
raz de P (X) , y con la misma multiplicidad que .
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
un polinomio de Q[X] . Entonces, si m es el mnimo com

un m
ultiplo de los denominadores
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 .
debe estar simplificada al maximo, es decir, mcd(p, q) = 1 .)
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


on
? Como 12 = 22 3 , sus divisores son 1, 2, 3, 4 ( 22 ), 6 ( 2 3 ) y 12 ( 22 3 ) y los negativos 1 , 2 , 3 , 4 ,

6 y 12 .
Comprobamos si Q(1) = 0 , si Q(2) = 0 , si Q(1) = 0 , etc. Si lo hacemos usando la division por Ruffini,
tenemos adem
as la descomposicion del polinomio
2
28
+
28
95
41 80 12
56 78
74
12
39 37
6
0= Q(2)
y se tiene Q(X) = (X + 2)(28X3 + 39X2 37X 6)
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)
y se tiene Q(X) = (X + 2)2 (28X2 17X 3)
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 )
y se tiene Q(X) = (X + 2)2 (X + 71 )(28X 21)
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
Nota: Para evaluar un polinomio real a mano o con calculadora, es muy u

til reescribirlo de manera que se
pueda hacer con sumas y productos sucesivos, sin almacenaje. Por ejemplo,
P (X) = a4 X4 + a3 X3 + a2 X2 + a1 X + a0 = (a4 X3 + a3 X2 + a2 X + a1 )X + a0
= ((a4 X2 + a3 X + a2 )X + a1 )X + a0 = (((a4 X + a3 )X + a2 )X + a1 )X + a0
y basta realizar las operaciones, sucesivamente de dentro a fuera.
2.2.5.1
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)
y mcd(P (X), Q(X)) = D(X) 6= 1 , la expresion equivalente
? Si gr(P (X)) gr(Q(X)) , entonces
P (X)
Q(X)
= C(X) +
R(X)
Q(X)
P (X)/D(X)
Q(X)/D(X)
esta simplificada.
, con gr(R(X)) < gr(Q(X)) .
y obtener una fracci

on que s lo cumple.
Consideremos la descomposici
on de Q (eliminamos el soporte X del nombre de los polinomios, por comom2
mr
1
didad) en producto de polinomios m
onicos irreducibles: Q = Qm
1 Q2 Qr . En C[X] , todos los polinomios
irreducibles son de grado 1 luego los Qi son de grado 1, es decir, Qi (X) = X i . Pero en R[X] , los polinomios irreducibles pueden ser de grado 1 o de grado 2, es decir, de la forma Qi (X) = X ai o de la forma
Qi (X) = X2 + bi X + ci .
Prof: Jos
e Antonio Abia Vian

Se plantea entonces la fracci

on
tendr
an mi sumandos, en la forma
P
Q
2.3 Ejercicios
como suma de un cierto n

umero de fracciones: por cada factor Qi se
Tij
Ti1
Ti2
Tim
+ 2 + + j + + mii +
Qi
Qi
Qi
Qi
donde gr(Tij ) < gr(Qi ) . Entonces,

? En C[X] , todos los numeradores son Tij (X) = tij C .
? En R[X] , los numeradores son Tij (X) = tij R si Qi (X) = X ai (si Qi es de grado 1) y de la forma
Tij (X) = pij X + qij R[X] si Qi (X) = X2 + bi X + ci (de grado 2).
Para determinar los coeficientes de los numeradores se realiza la suma indicada, poniendo como denominador
mr
1
com
un Qm
1 Qr , es decir, Q. El polinomio obtenido en el numerador, se iguala a P y, de esta igualdad de
polinomios, se extrae el sistema de ecuaciones que nos permite obtener los valores concretos: este sistema tiene
siempre soluci
on u
nica.
El n
umero de incognitas es siempre igual al gr(Q) y como el polinomio obtenido en el numerador al sumar
es (inicialmente) de grado gr(Q) 1 tambien tiene gr(Q) coeficientes. Luego el sistema de ecuaciones tiene
gr(Q) ecuaciones y gr(Q) inc
ognitas. (Ver ejercicio 19)
P (X)
Q(X)
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
en R[X] , siendo tij , pij , qij R .

X3 (X
t11
t12
t13
+ 2 + 3
X
X
X
t21
X1
p31 X + q31
p32 X + q32
+ 2
X2 + 1
(X + 1)2
Y en C[X] , con los valores tij C, se tiene
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
Para calcular los coeficientes en el caso de R[X] , hacemos:

a
b
c
d
eX + f
gX + h
aX2 +bX+c
d
eX3 + f X2 + (e+g)X + f +h
P
= + 2+ 3+
+ 2
+ 2
=
+
+
2
3
Q X X
X
X1
X +1
(X + 1)
X
X1
(X2 + 1)2

(aX2 +bX+c)(X1)(X2 +1)2 + dX3 (X2 +1)2 + (eX3 +f X2 +(e+g)X+f +h)(X1)X3
C(X)
=
=
X3 (X 1)(X2 + 1)2
Q(X)
=
(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):
3=P (0) =C(0)

0=a+d+e
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
X19 9X18 + 21X17 + X16 30X15
Que races tienen en com

un? Podemos usar esto para obtener todas las races de ambos polinomios?
Son todas sus races reales?
2.18 Cu
antos polinomios reales de grado 2 que tengan por races el 0 y el 1 hay? Cual es su expresion?
2.19 El polinomio, P (X) , de coeficientes reales y grado 3, tiene a 1 y 1 por races. Puede asegurarse que la
tercera raz es tambien real?
Si P (0) = 1 , cu
al sera la tercera raz de P ?
on 2x4 x3 4x2 + 10x 4 = 0 sabiendo que 1 i es una de las races del polinomio
asociado.
2.21 Probar que si es una raz de multiplicidad 5 del polinomio P , entonces es una raz de multiplicidad
4 de P 0 (el polinomio derivado de P ).
2.22 Encontrar la multiplicidad de la raz r :
a) r = 2 , en X5 5X4 + 7X3 2X2 + 4X 8 .
b) r = 2 , en X5 + 7X4 + 16X3 + 8X2 16X 16 .
c) r = 1 , en X5 5X4 + 7X3 2X2 + 4X 5 .

2.23 Sea P (X) = (1 X) X(X + a)(X 1 b) (a + X)(a aX + ba) . Hallar todas las races y estudiar su
multiplicidad en funci
on de los valores de los parametros a y b.
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)
X5 +3X4 +3X3 +3X2 +2X

(X3 3X2 +X3)3
(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
Primitiva de una funci

on
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 .
Es decir, una primitiva de la suma y el
producto por escalares se obtiene como suma de primitivas y como primitivas por escalares.
Demostraci
on:
Sean F 0 (x) = f (x)
G0 (x) = g(x) . Entonces
((F + G)(x))0 = F 0 (x) + G0 (x) = f (x) + g(x) = (f + g)(x),

luego F + G es una primitiva de f + g .
3.1.1
Tabla de integrales inmediatas
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
3.2 Metodos de integraci

on
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
Tabla de integrales casiinmediatas

(v(x))a+1
(v(x)) v (x)dx =
+ C, a 6= 1
a+1
Z
v(x)
a
av(x) v 0 (x)dx =
+C
ln a
Z
sen(v(x))v 0 (x)dx = cos(v(x)) + C
Z
1
v 0 (x)dx = cotg(v(x)) + C
2
sen (v(x))
Z
1
p
v 0 (x)dx = arccos(v(x)) + C
1 (v(x))2
Z
1
v 0 (x)dx = arccotg(v(x)) + C
1 + (v(x))2
Z
sh(v(x))v 0 (x)dx = ch(v(x)) + C
Z
1
p
v 0 (x)dx = argsh(v(x)) + C
(v(x))2 + 1
Z
1
p
v 0 (x)dx = argch(v(x)) + C.
(v(x))2 1
Z
3.2.2
a 0
1 0
v (x)dx = ln |v(x)| + C
v(x)
cos(v(x))v 0 (x)dx = sen(v(x)) + C
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
f (x)dx. Si x = (t), con derivable y existe 1 tambien derivable. Entonces

Z
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
Resumen de resultados conocidos.

ai R.
Sea la ecuacion polinomica P (x) = a0 + a1 x + . . . + an xn = 0 , con
? 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
Sean Q y P funciones polin

omicas reales y
Q(x)
P (x)
la funcion racional cociente de ambas.
? 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)
una fraccion propia.
Como P (x) es el polinomio denominador com

un de los terminos de la descomposicion, el polinomio Q(x)
debe coincidir con el polinomio que se obtiene en el numerador al sumar las fracciones simples. En consecuencia
los nuevos coeficientes que aparecen en la descomposicion son aquellos que hacen iguales ambos polinomios.
3.3.1.2
Integraci
on de funciones racionales
Encontrar una primitiva de
Q(x)
P (x)
, es resolver integrales de los tipos

Z
a)
A
dx
(xr)k
b)
M x+N
dx
(x2 +px+q)k
a) Estas integrales son inmediatas, pues si k = 1 ,

Z
A
dx = A ln |x r|,
xr
y si k > 1 ,
Z
A
dx =
(x r)k
A(x r)k dx = A
(x r)k+1
A
1
=
.
k + 1
1 k (x r)k1
b) Como 4q p2 > 0 , se tiene que

x2 + px + q = (x + p2 )2 + (q
donde R =
Z
q
q
p2
4
y t=
x p
2
R
p2
4 )
= (x p2 )2 + R2 = R2 (t2 + 1) ,
, luego haciendo el cambio x = Rt + p2 , con dx = Rdt, se tiene que
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
integrales que se resuelven de forma inmediata en los siguientes casos:

Z
Z
1
2
dt
=
ln
|t
+
1|
,
I
=
? Si k = 1 , I10 = t22t
1
+1
t2 +1 dt = arctg t .
Z
2t
1
1
? Si k > 1 , Ik0 = (t2 +1)
k dt = 1k (t2 +1)k1 .
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
de donde 1 + x = A + (A + B)x + (A + B + N )x2 + (B + M )x3 , es decir,

1 + x + 0x2 + 0x3 = A + (A + B)x + (A + B + N )x2 + (B + M )x3 ,
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
Cambios de variable especficos.

? Integrales de los tipos:
Z
sen(mx) cos(nx)dx
Z
cos(mx) cos(nx)dx
sen(mx) sen(nx)dx.
se resuelven usando las relaciones

(1) + (2) :
2 sen x cos y = sen(x + y) + sen(x y)
(3) + (4) :
2 cos x cos y = cos(x + y) + cos(x y)
(3) (4) : 2 sen x sen y = cos(x + y) cos(x y)
obtenidas a partir de la f
ormulas trigonometricas:
(1) sen(x + y)=sen x cos y + sen y cos x
(2) sen(x y)=sen x cos y sen y cos x
Prof: Jos
e Antonio Abia Vian
(3) cos(x + y)=cos x cos y sen x sen y

(4) cos(x y)=cos x cos y + sen x sen y

Z
? Integrales de la forma
3.3 Integraci
on seg
un el tipo de funci
on
senm x cosn xdx con m, n Z
Si m es impar se resuelven usando el cambio t = cos x .

Si n es impar con el cambio t = sen x .
Si m y n son pares positivos se resuelven utilizando las formulas del angulo mitad
sen2 x =
Z
1 cos(2x)
2
tgn xdx ,
cos2 x =
Ejemplo Hallar
Z
sen x cos x =
sen(2x)
2
cotgn xdx con n N se calculan mediante las formulas:
tg2 x = sec2 x 1
Z
1 + cos(2x)
2
cotg2 x = cosec2 x 1
sen2 x cos2 xdx .
sen4 x cos2 xdx =

=
=
=
=
=
=
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
R(ax )dx ; siendo R(ax ) una funci

on racional en ax .
El cambio t = ax convierte dicha integral en racional:
t = ax = dt = ax ln adx = dx =
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
R x,
en esas variables y las fracciones
p1
p2
Sea n = mcm(q1 , q2 , . . . , qk ) , el cambio de variable tn =

racional. (Ver ejemplo 3.2.2.)
Z
? Integrales del tipo
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
dx , siendo R una funcion racional
transforma la integral irracional en una
p
a2 x2 )dx
Se resuelven mediante alguno de los cambios: x = a sen t o x = a cos t o x = th t

Z
R(x,
a2 + x2 )dx
Se resuelven mediante alguno de los cambios: x = a tg t o x = a sh t

Z
p
R(x, x2 a2 )dx
Se resuelven mediante alguno de los cambios: x = a sec t o x = a ch t
Z
Ejemplo Encontrar
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
Las integrales binomias, son de la forma
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
? Si r N , entonces se desarrolla (a + bxq )r seg

un el binomio de Newton.
? Si r
/ N , haremos el cambio: t = xq = dx = 1q t
Z
1q
q
1
q
xp (a + bq )r dx =
dt, por tanto

Z
t
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
Z, la integral se ha convertido en un tipo ya estudiado. Si no

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,
+ r Z la integral se ha convertido de nuevo en una del tipo anterior.
x 2 (1 + x 3 ) 2 dx.
1
2
/ N, hacemos el cambio t = xq = x 3 , luego x = t3 y dx = 3t2 dt . Entonces

Z
Z
Z
1
1
1
3
7
21
21 2
2
3
2
x (1 + x ) dx = t (1 + t) 3t dt = 3t 2 (1 + t) 2 dt
1
/ Z, multiplicamos y dividimos por t 2 , obteniendo

7
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
3.27 Usa los metodos de integraci

on por partes e integracion racional para resolver:
Z
10)
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
(x + 1)2 cos xdx
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)
cos x cos2 (3x)dx

Z

tg3 x4 + tg4 x4 dx
Z
cos5 x
sen3 x dx
Z
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)
3 sen x+2 cos x

2 sen x+3 cos x dx
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
Matrices y sistemas lineales

4.1
Definiciones b
asicas
Una matriz es una tabla rectangular de n

umeros, es decir, una distribucion ordenada de n
umeros. Los
n
umeros de la tabla se conocen con el nombre de elementos de la matriz. El tama
no de una matriz
se describe especificando el n
umero de filas y columnas que la forman. Si A es una matriz de m filas y
n columnas, Amn , se usar
a aij para denotar el elemento de la fila i y la columna j y, en general, se
representar
a por
a11 a12 a1n

a21 a22 a2n
A = (aij ) 1im = (aij )mn = .

..
.. .
1jn
..
. .
am1 am2 amn
Dos matrices son iguales si tienen igual tama
no y los elementos correspondientes de ambas matrices iguales.
Una matriz Ann (
o An ) se denomina matriz cuadrada de orden n y de los elementos de la forma a11 ,
a22 , . . . , ann se dice que forman la diagonal principal. De una matriz A1n se dice que es una matriz fila
y de una matriz Am1 que es una matriz columna.
4.1.1
Operaciones con las matrices
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
a21 a22 a23 a24

b31
a31 a32 a33 a34 34
b41
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
.. . . .. , formada por ceros excepto en la diagonal principal que tiene

. .
.
0 0 1
unos, de llama matriz identidad y es el neutro del producto de matrices (tomada del tama
no adecuado). Es
decir, para toda Amn se tiene que Im Amn = Amn y Amn In = Amn .
1
0
La matriz cuadrada I = In = .
..
Propiedades 45.- Suponiendo tama

nos adecuados para que las operaciones sean posibles:
a) A + B = B + A
(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
(asociativas de la suma y del producto).

(distributivas por la izquierda y por la derecha).
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.
En general, NO es cierto que:
? 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 .
(A1 A2 An )t = Atn At2 At1 .
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
4.2 Sistemas de ecuaciones lineales
Sistemas de ecuaciones lineales
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:
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2

..
..
.
.
am1 x1 + am2 x2 + + amn xn = bm

Una n -upla (s1 , s2 , . . . , sn ) es soluci
on del sistema si es solucion de todas y cada una de las ecuaciones.

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
Si un sistema no tiene soluci

on, suele decirse que es incompatible; si existe solucion y es u
nica compatible
determinado y compatible indeterminado si tiene un conjunto infinito de soluciones.
Lenguaje matricial de los sistemas de ecuaciones Un sistema de ecuaciones lineales, tambien puede
escribirse como AX = B donde A = (aij )mn , X = (xi )n1 y B = (bj )m1 .
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
a21 a22 a23 a24

a11 a12 a13 a14
E1 A = a11 a12 a13 a14 , E2 A = 2a21 2a22 2a23 2a24 y
a31 a32 a33 a34
a31 a32 a33 a34
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
El resultado anterior asegura que haciendo sobre el sistema AX = B u

nicamente operaciones elementales
llegamos a un sistema con las mismas soluciones (sistema equivalente). La b
usqueda sistematica de un sistema
equivalente que proporcione las soluciones de manera sencilla se conoce con el nombre de m
etodo de Gauss:
Mediante operaciones elementales, se hacen ceros en la matriz de coeficientes del sistema, para obtener una
matriz escalonada, con ceros por debajo de la escalera. Esta matriz escalonada debe cumplir:
1.- Si una fila consta u
nicamente de ceros debe ir en la parte inferior de la matriz.
2.- Si dos filas seguidas no constan solo de ceros, el primer elemento distinto de cero de la fila inferior debe
encontrarse mas a la derecha que el primer elemento distinto de cero de la fila superior.
El primer elemento distinto de cero de cada fila lo llamaremos elemento principal y las incognitas correspondientes a estos elementos inc
ognitas principales. (Los elementos principales marcan la escalera.)
Definici
on 56.- En un sistema lineal AX = B , se llama matriz ampliada del sistema a la matriz (A|B)
formada a
nadiendo a la matriz de coeficientes A la matriz columna de los terminos independientes B .
Prof: Jos
e Antonio Abia Vian

Ejemplo 57
5x3 + 10x4 + 15x6 = 5
x1 + 3x2 2x3 + 2x5 = 0

2x1 + 6x2 5x3 2x4 + 4x5 3x6 = 1
2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 6

Para aplicar sobre este sistema el metodo de Gauss, debemos hacer operaciones elementales sobre la matriz
A de los coeficientes y, las mismas operaciones sobre B para que se mantenga la equivalencia (Teorema 55).
Luego apliquemos el metodo a la matriz ampliada del sistema (A|B) :
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
2 6 5 2 4 3 1 Por (b) hacemos cero el 2 de F3 (F3 2F1 ) y

el de F4 (F4 2F1 )
6
2 6 0
8 4 18
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
Cambiamos F3 por F4 (F3 F4 )

0 0 0
0 0 0 0
0 0 0
0 0 6 2
1 3 2 0 2 0 0
0 0 5 10 0 15 5
Esta matriz es escalonada, y nos proporciona

0 0 0
0 0 6 2
el sistema equivalente
0 0 0
0 0 0 0
x1 + 3x2 2x3 + 2x5 = 0
x1 = 3x2 + 2x3 2x5
5x3 + 10x4 + 15x6 = 5

x3 = 510x54 15x6
=
6x6 = 2
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
El metodo de Gauss-Jordan contin

ua el metodo de Gauss, haciendo operaciones elementales para conseguir
una matriz escalonada reducida: los elementos principales son 1 y en las columnas de dichos unos todos los
demas elementos son cero; es decir, despeja las incognitas principales.
Ejemplo 59 Continuando con el sistema del ejemplo 57 (quitada la fila de ceros, que no interviene):
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
0 0 1 2 0 3 1 hay que hacer cero el 3 de F2 y C6 (a26 ): F2 3F3

0 0 0 0 0 1 13
1 3 2 0 2 0 0
0 0 1 2 0 0 0 hay que hacer cero el 2 de F1 y C3 (a13 ): F1 + 2F2

0 0 0 0 0 1 13
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
Rango de una matriz y Teorema de Rouch

e
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 3x2 4x4 2x5

0
3
4
2

1
0
0
0 + x2 + 0x4 + 0x5
0
0
0
2
0 + 0x2 2x4 + 0x5

= + x2
+ x4
+ x5 0 = V 0 + t 1 V 1 + t 2 V 2 + t 3 V 3
0
0
1
0
0 + 0x2 + x4 + 0x5

0
0
1
0 + 0x2 + 0x4 + x5 0
1
1
0
0
0
3 + 0x2 + 0x4 + 0x5
3
y X = V0 + t1 V1 + t2 V2 + t3 V3 es solucion para todo t1 , t2 y t3 . Entonces, para t1 = t2 = t3 = 0 , X = V0 es

soluci
on del sistema luego AV0 = B ; para t1 = 1 y t2 = t3 = 0 , X = V0 + V1 es solucion del sistema, luego
B = A(V0 + V1 ) = AV0 + AV1 = B + AV1 de donde AV1 = 0 por lo que V1 es solucion del sistema homogeneo
AX = 0 ; y an
alogamente para V2 y V3 .
Prof: Jos
e Antonio Abia Vian

4.3
4.3 Matrices cuadradas
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:
(AB)(B 1 A1 ) = A(BB 1 )A1 = AIA1 = AA1 = I

(B 1 A1 )(AB) = B 1 (A1 A)B = B 1 IB = B 1 B = I.
La generalizaci
on es inmediata.
Propiedades 66.1.- (A1 )1 = A .
2.- (An )1 = (A1 )n .
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

4.3 Matrices cuadradas
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
4.29 Sean las matrices
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
a) Calcular cuando se pueda: 3C D , (AB)C , A(BC) , ED , DE , (4B)C + CA y CA + B 2 .

Indicar porque no es posible en los otros casos.
b) Calcular, haciendo el menor n
umero de operaciones posible, la fila 1 de CA, la columna 2 de CD y
los elementos 23 y 12 de la matriz CDE .
c) Hallar para cada una de ellas una matriz escalonada e indicar cual es su rango.
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
(teorema 61 de la pag. 30)
6
1 .
0
ABX = BAX .
b) Los sistemas BX = 0 y B X = 0 tienen las mismas soluciones? Justificar la respuesta.

4.35 Hallar los valores de los coeficientes de las descomposiciones en fraciones simples del ejercicio 2.25 de
polinomios:
a)
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)
X 5 +3X 4 +3X 3 +3X 2 +2X

(X 3 3X 2 +X3)3
Prof: Jos
e Antonio Abia Vian

4.4 Ejercicios
4.36 Estudiar cada uno de los sistemas siguientes, seg

un los valores de los paramentros:
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
4.38 Sea A un matriz cuadrada antisimetrica

a) Probar que la diagonal principal esta formada u
nicamente por ceros
b) Si es inversible, probar que At A1 + I = 0
4.39 Probar que si A es una matriz cuadrada, la matriz A+At es simetrica y la matriz AAt es antisimetrica
Deducir de ello que cualquier matriz cuadrada puede escribirse como suma de una simetrica y una antisimetrica
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
Determinante de una matriz

5.1
Determinante de una matriz cuadrada
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
5.1 Determinante de una matriz cuadrada
Determinantes y operaciones elementales
Teorema 77.- Sea Ann una matriz. Se tiene que:

a) si A0 es la matriz que resulta de multiplicar una fila de A por una constante 6= 0 , entonces det(A0 ) =
det(A) .
b) si A0 es la matriz que resulta de intercambiar dos filas de A , entonces det(A0 ) = det(A) .
c) si A0 es la matriz que resulta de sumar a la fila k un m
ultiplo de la fila i, entonces det(A0 ) = det(A) .
.
Corolario 78.- Una matriz con dos filas iguales tiene determinante cero.
Corolario 79.a) Si E es la matriz elemental resulta de multiplicar una fila de I por k R, entonces det(E) = k .
b) Si E es la matriz elemental que resulta de intercambiar dos filas de I , entonces det(E) = 1 .
c) Si E es la matriz que resulta de sumar a una fila k un m
ultiplo de la fila i , de I , entonces det(E) = 1 .
Demostraci
on:
a) det(E) = k det(I) = k ;
5.1.1.1
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
1k r11 r22 rnn
pues R es una matriz triangular superior (recordar observacion 69 de pag. 32) y det(R) = r11 r22 rnn .
5.1.2
Otras propiedades del determinante
Teorema 80.- Si A y B son matrices cuadradas de orden n , entonces

det(AB) = det(A) det(B)
Teorema 81.- Sea Ann entonces, A es inversible det(A) 6= 0 .

Demostraci
on:
Si A es inversible I = AA1 , luego det(I) = det(AA1 ) = det(A) det(A1 ) , pero al ser det(I) = 1 6= 0 ,
necesariamente ha de ser det(A) 6= 0 .
Si A no es inversible, por la parte 3 de la demostracion del Teorema 80 (Anexo 0, pag. 45), se tiene que
det(AI) = 0 = det(A) det(I) y como det(I) = 1 , debe ser det(A) = 0 .

1
Corolario 82.- Si A es inversible, A1 = |A| .
Teorema 83.- Si A es una matriz cuadrada, entonces |At | = |A| .
Prof: Jos
e Antonio Abia Vian

5.2
5.2 Desarrollo por cofactores
Desarrollo por cofactores
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,
a11 a12 a1n

C11 C21 Cn1
a21 a22 a2n C12 C22 Cn2
A Adj(A) = AC t = .
.. . .
.. ..
.. . .
.
..
. . .
. ..
.
.
an1 an2 ann
Prof: Jos
e Antonio Abia Vian
C1n C2n Cnn
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
5.3 Rango de una matriz

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
Rango de una matriz
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
5.44 Suponiendo que
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 )
5.45 Hallar el valor exacto del determinante de la derecha:

a) Usando u
nicamente el metodo de Gauss
b) Mediante el desarrollo por cofactores
c) Aplicando simultaneamente ambas tecnicas para resolverlo
m
as r
apida y f
acilmente.
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
5.51 Usar el orlado de menores para calcular el rango de

3 1
1 4
0 6
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
Propiedades 4.- Sean z, w C, entonces

a) z = z ;
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
c) z + z = (a + ib) + (a ib) = 2a = 2 Re(z) ;

z z = (a + ib) (a ib) = i2b = i2 Im(z) .
Demostraci
on de:
agina 4
Propiedades 6.- Sean z, w C, entonces

a) |z| 0 ;
|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| |Re(z)| + |Im(z)| .

=
z
zz
z
|z|2
.

|z w| |z| |w| .
1
z = |z|1 .
e) |zw| = |z| |w|;

Demostraci
on:
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)| = |a| = a2 a2 + b2 = |z| y tambien |Im(z)| = |b| = b2 a2 + b2 = |z| .

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
zz = (a + ib)(a ib) = a2 (b2 ) + i(ab + ab) = a2 + b2 = |z| .

2
d) |z + w| = (z + w)(z + w) = (z + w)(z + w) = zz + ww + zw + zw = |z| + |w| + zw + zw

2
2
2
2
2
2
= |z| + |w| + 2 Re(zw) |z| + |w| + 2 |Re(zw)| |z| + |w| + 2 |zw|
2
2
2
2
2
= |z| + |w| + 2 |z| |w| = |z| + |w| + 2 |z| |w| = (|z| + |w|)
|z| = |z w + w| |z w| + |w| = |z w| |z| |w|
|w| = |w z + z| |w z| + |z| = |z w| + |z| = |z w| |w| |z|

se tiene la otra desigualdad propuesta |z w| |z| |w| .
Como
e) |zw| = (ac bd)2 + (ad + bc)2 = a2 c2 + b2 d2 + a2 d2 + b2 c2 = (a2 + b2 )(c2 + d2 ) = |z| |w| ;

|z| z 1 = zz 1 = |1| = 1 .
Demostraci
on de:
Operaciones multiplicativas en forma polar 9 de la pagina 5
Operaciones multiplicativas en forma polar 9.- Si z = |z| y w = |w| , se cumple que:

1
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)
c) z n = |z| |z| |z| = (|z| )
n)
++
= (|z| )n .
En particular se verifica la f
ormula de Moivre:
(cos + i sen )n = cos n + i sen n.
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
Lema 35.- Sea P (X) =
n
P
ai Xi R[X] . Si es una raz compleja (y no real) de P (X) , entonces tambien es
i=0
raz de P (X) , y con la misma multiplicidad que .

Demostraci
on:
Veamos que es tambien raz de P (X) . Teniendo en cuenta que ai R y que entonces ai = ai ,
P () =
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
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 .
debe estar simplificada al maximo, es decir, mcd(p, q) = 1 .)
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
? a0 q n = p(a1 q n1 + + an1 pn2 q + an pn1 ) luego p | a0 q n pero como no divide a q , entonces p | a0

? an pn = q(a0 q n1 + a1 pq n2 + + an1 pn1 ) luego q | an pn pero como no divide a p , entonces q | an
(Los factores de las u
ltimas igualdades son todos enteros, pues p Z, q Z y los ai Z.)
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
veamos que FiEA = FiA + FjA , pues las demas no cambian:
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 Rouche 61 de la pagina 30
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
0mrr 0mrnr Bmr1

0 0 0
0
0 b0r+1
. .
.
..
..
..
.. .. ..
.
.
.
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
x1 = b01 xr+1 a01r+1 xr+2 a01r+2 xn a01n
x2 = b2 xr+1 a2r+1 xr+2 a2r+2 xn a2n

..
xr = b0r xr+1 a0rr+1 xr+2 a0rr+2 xn a0rn
b0r+2
y la soluci
on, usando par
ametros:
x1 = b01 t1 a01r+1 t2 a01r+2 tnr a01n
x2 = b02 t1 a02r+1 t2 a02r+2 tnr a02n
..
xr = b0r t1 a0rr+1 t2 a0rr+2 tnr a0rn
xr+1 = t1
..
xn = tnr
Prof: Jos
e Antonio Abia Vian
que tambien podemos escribir en forma matricial teniendo en cuenta que

xr+i = 0 + t1 0 + + ti 1 + + tnr 0

0
b1
x1
.. ..
. .

xr b0r

xr+1 = 0

. .
.. ..
0
xn
a01r+1
..
a0rr+1
+t1
..
Anexo 0
a01n
..
+ +tnr arn
0
..
y llamando Vi a las matrices columna, podemos escribir

X = V0 + t1 V1 + + tnr Vnr
como enunciabamos.
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
Teorema 77.- Sea Ann una matriz. Se tiene:

a) que si A0 es la matriz que resulta de multiplicar una fila de A por una constante 6= 0 , entonces
det(A0 ) = det(A) .
b) que si A0 es la matriz que resulta de intercambiar dos filas de A, entonces det(A0 ) = det(A) .
c) que si A0 es la matriz que resulta de sumar a una fila k un m
ultiplo de la fila i, entonces det(A0 ) = det(A) .
Demostraci
on:
a) det(A0 ) =
X
X
(1)N a1j1 aiji anjn = (1)N a1j1 aiji anjn = det(A)
b) Previamente necesitamos el siguiente resultado:

Lema.- Si en el conjunto {j1 , . . . , jn } intercambiamos dos elementos el n
umero de inversiones
de signo cambia de paridad (de par a impar, o viceversa).
Demostraci
on:
Si intercambiamos los elementos consecutivos ji y ji+1 cambia la paridad, pues si antes era
ji < ji+1 ahora es ji+1 > ji , produciendose una inversion donde antes no la haba, y si era
ji > ji+1 ahora ji+1 < ji , con lo que se elimina una inversion que antes haba. Como con el
resto de los elementos no se producen modificaciones, si tenamos N inversiones ahora tendremos
N +1
o N 1 , luego se cambia de paridad.
Si intercambiamos los elementos ji y jk no consecutivos, podemos hacerlo repitiendo el proceso
comentado arriba, yendo paso a paso intercambiando terminos consecutivos. Hacemos por lo
tanto k i intercambios consecutivos para llevar el elemento ji a la posicion k y haremos
k i 1 intercambios para llevar jk (que ahora esta en la posicion k 1 ) a la posicion i . Luego
hay 2(k i) 1 , un n
umero impar, de cambios de paridad y, por tanto, cambia la paridad al
intercambiar dos elementos cualesquiera.
Con este resultado, para probar b) basta observar que los productos elementales que aparecen en el
det(A0 ) son los mismos que aparecen en el det(A) , aunque intercambiadas las posiciones de los elementos de las filas en cuesti
on, es decir, los productos elementales a1j1 akjk aiji anjn de A0 y
a1j1 aiji akjk anjn de A son iguales. Pero como los ndices ji y jk aparecen intercambiando las
posiciones en el desarrollo de los determinantes, tendran signos contrarios, luego det(A0 ) = det(A) .
Corolario.- Una matriz con dos filas iguales tiene determinante cero.
Demostraci
on:
Sea B una matriz cuadrada que tiene la fila i y la fila k iguales, entonces por la parte b)
anterior, si intercambiamos las filas i y k que son iguales se obtiene que det(B) = det(B) es
decir que det(B) = 0 .
Prof: Jos
e Antonio Abia Vian

Anexo 0
(1)N a1j1 aiji (akjk + kaijk ) anjn

X
=
(1)N a1j1 aiji akjk anjn +
(1)N a1j1 aiji kaijk anjn
X
= det(A) + k
(1)N a1j1 aiji aijk anjn .
Como este u
ltimo sumatorio, que es el determinante de una matriz que tiene la fila i y la fila k iguales,
vale 0, se tiene que det(A0 ) = det(A) .
c) det(A0 ) =
Demostraci
on de:
Teorema 80 de la p
agina 36
Teorema 80.- Si A y B son matrices cuadradas de orden n , entonces

det(AB) = det(A) det(B).
Demostraci
on:
La demostraci
on se hace en tres pasos. Primero el caso particular en que A sea una matriz elemental y luego
los casos generales, que A sea una matriz inversible o que no lo sea.
1. Si A es una matriz elemental, por el teorema 77 y corolario 79 anteriores, se tiene que:
a) det(AB) = k det(B) = det(A) det(B)
b) det(AB) = det(B) = (1) det(B) = det(A) det(B)
c) det(AB) = det(B) = 1 det(B) = det(A) det(B)
seg
un el tipo de matriz elemental que sea A .
2. Si A es inversible es producto de matrices elementales (teorema 68) y por la parte 1,
det(AB) = det(Ek Ek1 E1 B) = det(Ek ) det(Ek1 E1 B) =
= det(Ek ) det(E2 ) det(E1 ) det(B) = det(Ek ) det(E2 E1 ) det(B) =
= det(Ek E1 ) det(B) = det(A) det(B).
3. Si A no es inversible, la matriz escalonada reducida, R , obtenida de Ek E1 A = R no es la identidad, luego
A = E11 Ek1 R = E 1 R donde E 1 es inversible (producto de inversibles) y R tiene al menos una fila
de ceros. Luego det(AB) = det(E 1 RB) = det(E 1 ) det(RB) y det(A) det(B) = det(E 1 R) det(B) =
det(E 1 ) det(R) det(B) . Como R tiene al menos una fila de ceros, RB tiene al menos una fila de ceros
y det(R) = 0 = det(RB) . Luego:
det(AB) = det(E 1 ) det(RB) = 0 = det(E 1 ) det(R) det(B) = det(A) det(B) .
Demostraci
on de:
Teorema 83 de la p
agina 36
Teorema 83.- Si A es una matriz cuadrada, entonces |At | = |A| .

Demostraci
on:
Es claro que los productos elementales que aparecen en ambos determinantes son los mismos, luego basta probar
que adem
as tienen el mismo signo.
Si en la matriz A hacemos cero todos los elementos excepto los que intervienen en un producto elemental
dado, obtenemos una matriz B cuyo determinante es precisamente ese producto elemental con signo, es decir
det(B) = (1)N a1j1 anjn ; si en At hacemos cero los elementos que no intervienen en ese mismo producto
0
elemental se obtiene precisamente B t , y det(B t )= (1)N a1j1 anjn . Entonces,

0
0 a3j3 0

..
..
.. 2
..

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 )
(1)N a1k a2j2 anjn =
k=1
n
X
a1k
k=1
(k,j2 ,...,jn )
Por otra parte como C1k = (1)1+k M1k = (1)1+k
(1)N a2j2 anjn
(k,j2 ,...,jn )
(1)Nk a2j2 anjn , basta comprobar que este valor
(j2 ,...,jn )
ji 6=k
coincide con el que aparece entre parentesis en el sumatorio anterior.

Para cada k , en el conjunto {k, j2 , . . . , jn } aparecen k 1 inversiones mas que en {j2 , . . . , jn } , pues est
an
todas aquellas que se producen entre los ji m
as las que se produzcan con el primer elemento k . En efecto, como
en el conjunto {j2 , . . . , jn } aparecen los valores 1 , 2 , . . . , k 1 , y se tiene que k > 1 , k > 2 , . . . , k > k 1 ,
aparecen exactamente k 1 inversiones m
as. Es decir, (1)N = (1)k1 (1)Nk , luego
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 )
(1)Nk a2j2 anjn =
a1k (1)k+1 M1k =
n
X
a1k (1)k1 M1k
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
akj (1)k1 (1)1+j Mkj =
n
X
akj (1)1+j Mkj
j=1
n
X
akj (1)k+j Mkj =
j=1
n
X
akj Ckj .
j=1
Para el desarrollo por columnas basta recordar que |A| = |At | .

Demostraci
on de:
Regla de Cramer 89 de la pagina 38
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
b1 C12 + b2 C22 + + bn Cn2

.. =
. |A|
b
C
+
b2 C2n + + bn Cnn
1
1n
bn
b1 C1j + b2 C2j + + bn Cnj

, como queramos probar.
|A|
Demostraci
on de:
Orlado de menores 93 de la pagina 39
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
M es el menor formado por las primeras r filas y columnas.

a1r+1
..
.
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
a11 a01r a01r+1

a01r+2 a01n
.. . .
.
..
..
..
..
.
. ..
.
.
.
.
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
a11 a01r a01r+1 a01r+2 a01n

..
..
..
..
..
..
..
.
.
.
.
.
.
.
0 a0rr a0rr+1 a0rr+2 a0rn
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

Unidad I
C
Prof: Jos
e Antonio Abia Vian

49 Fundamentos de Matematicas : Calculo diferencial en R
Captulo 6

6.1
6.1.1
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 ,
4.- Si x y , entonces x + z y + z para todo z R
o bien y x .
(si x < y = x + z < y + z ).
5.- Si x y , entonces x z y z para todo z R+
(si x < y = x z < y z ).
6.- Si x y , entonces x z y z para todo z R
(si x < y = x z > y z ).
7.- Si 0 < x < y , entonces 0 <
1
y
<
1
x
Las propiedades de acotaci

on siguientes garantizan que los n
umeros reales llenan la recta real, lo que nos
permite decir que recorremos de manera continua un subconjunto de R .
Definici
on 95.- Sea A R , diremos que el conjunto A esta acotado superiormente si existe alg
un K R
tal que x K , para todo x A; es decir, todos los elementos de A son menores que K . Del valor K diremos
que es una cota superior de A.
An
alogamente, A est
a acotado inferiormente si existe k R tal que k x , para todo x A y diremos
que k es una cota inferior de A. Diremos que A esta acotado si lo esta superior e inferiormente.
Propiedad del extremo superior 96.- Todo subconjunto no vaco A R y acotado superiormente admite una
cota superior mnima, es decir, R tal que:
a) x ; x A
b) Si K < , entonces x A verificando que K < 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
b) Si < k , entonces x A verificando que x < k .
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.
6.1 La recta real
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
b) |ab| = |a| |b|

e) |a + b| |a| + |b|

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
Los subconjuntos de R, est

an formados por puntos separados o por intervalos (trozos) de la recta real o por
uniones de ellos; pero no s
olo eso, sino que la validez de algunos resultados depende del tipo de intervalo usado.
Pero adem
as, los intervalos centrados en un punto (que llamaremos entornos) son basicos en la construcci
on de
la mayora de los conceptos del C
alculo.
Definici
on 100.- Dados los n
umeros reales a y b con a b, se llama intervalo abierto de extremos a y b,
y se representa por (a, b) , al conjunto:
(a, b) = {x R : a < x < b}.
Se llama intervalo cerrado de extremos a y b, y se representa por [a, b] , al conjunto:
[a, b] = {x R : a x b}.
An
alogamente se definen:
y los intervalos no acotados:
(a, b] = {x R : a < x b} y [a, b) = {x R : a x < b}

(a, +) = {x R : a < x} y [a, +) = {x R : a x}
(, b) = {x R : x < b} y (, b] = {x R : x b}
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
Algunas operaciones con n

umeros reales
6.1.4.1
Potencias racionales y reales de un n

umero real
6.2 Funciones reales de variable real
Las potencias racionales, xr , se definen paulatinamente a partir de las potencias naturales:

n)
? 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
(3) (xr )s = xrs
(4) Si 0 < x < y , entonces 0 < xr < y r si r > 0
(5) Si r < s se tiene que xr < xs cuando x > 1
0 < y r < xr si r < 0
xs > xr cuando 0 < x < 1 .
Antes de terminar, un peque

no apunte sobre las raices n -esimas, n x para x 0 : si n es impar, existe un
u
nico n
umero real > 0 tal que n = x ; y si n es
par, existe un
u
nico n
umero real > 0 tal que n = x y
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
Exponencial real de base e
La exponencial de base e que a cada x R le asigna el n

umero real ex . Las propiedades de las potencias,
establecen la validez de:
(1) ex+y = ex ey
(2) Si x < y se tiene que ex < ey
(3) ex > 0
(Genericamente, tenemos exponenciales de base a, para cualquier a > 0 , con propiedades similares.)
6.1.4.3
Logaritmo neperiano real
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
(3) Si 0 < x < y se tiene ln x < ln y
(Genericamente, para cada exponencial ax , tenemos el logaritmo en base a , loga x .)
6.2
Funciones reales de variable real
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}
Ejemplo Sea f : [1, 1] R dada por f (x) = 1 x2 . Se tiene que:
Dom(f ) = [1, 1] : pues x [1, 1] = 0 x2 1 = 1 x2 0 = 1 x2 = f (x) R.

Prof: Jos
e Antonio Abia Vian

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] .
Para f dada por f (x) =
1
1x2
1x2 1 y,
, su dominio se obtendra de:

1
R 1 x2 6= 0 x2 6= 1 x 6= 1
1 x2
f (x) R
luego Dom(f ) = R {1, 1} = (, 1) (1, 1) (1, +) .
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 )
Ademas, Img(f ) = R [0, 1) .
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)
(f +g)(x) = f (x) + g(x)

f (x)
f
3.- (Cociente)
g (x) = g(x)
(f g)(x) = f (x) g(x)
4.- (Composicion)
(g f )(x) = g(f (x))
en los conjunto donde tenga sentido. Es decir:

Dom(f /g) = Dom(f ) Dom(g) {x : g(x) = 0}
n
o
Dom(g f ) = x Dom(f ) : f (x) Dom(g)
Dom(f +g) = Dom(f ) Dom(g)

Dom(f g) = Dom(f ) Dom(g)
Ejemplo Sean f (x) =
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)
Luego el dominio de (f + g)(x) = 2 x + x2 1 es

Dom(f + g) = Dom f Dom g = (, 2] (, 1] [1, +) = (, 1] [1, 2]
que coincide con el de (f g)(x) = 2 x x2 1 .

Para el dominio de ( fg )(x) = x2x
, como g(x) = 0 si x2 1 = 0 , es decir, si x = 1 ,
2 1

Dom fg = (Dom f Dom g) {1, 1} = (, 1] [1, 2] {1, 1} = (, 1) (1, 2]
y, finalmente el dominio de (g f )(x) =
( 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
Dominio de algunas funciones elementales 105.

? Raz: f (x) = n x y Dom f = [0, +) .
? Potencia real:
? Exponencial:
f (x) = x
f (x) = ex
? Logaritmo neperiano:
Prof: Jos
e Antonio Abia Vian
y
y
x = 0 x = 0 .
Con x > 0 para todo x .

Con ex > 0 para todo x .
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:
Con sen x = 0 x = k con k Z,
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 .
Con ch x 1 para todo x .
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
? El seno y el coseno est

an acotadas en R, pues |sen x| 1 y |cos x| 1 para todo x R.
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
Monotona. Funciones inversas
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


on en un punto
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
en el), que es f 1 : [0, ) (, 0] dada por f 1 (y) = y .

[ f 1 (f (x)) = x2 = |x| = x ]
? La funci
on f : (0, +) R con f (x) = x , tiene inversa en el conjunto (es estr. creciente si > 0 y
1
1
decreciente si < 0 ), que es f 1 : (0, ) R dada por f 1 (y) = y . [ f 1 (f (x)) = (x ) = x1 = x ]
? La funci
on f : R (0, ) con f (x) = ex , tiene inversa en R (es estrictamente creciente en el), que es
1
f : (0, ) R dada por f 1 (y) = ln y .
[ f 1 (f (x)) = ln(ex ) = x ln(e) = x ]
? La funci
on f (x) = sen x , tiene inversa en el conjunto [ 2 , 2 ] (es estrictamente creciente en el), la funci
on
1
f : [1, 1] [ 2 , 2 ] que llamaremos arcoseno y denotaremos f 1 (y) = arcsen y .
(El seno no tiene inversa en [0, 2] , pues no es inyectiva en ese conjunto)
? La funci
on f (x) = cos x , tiene inversa en el conjunto [0, ] (es estrictamente decreciente en el), la funci
on
f 1 : [1, 1] [0, ] que llamaremos arcocoseno y denotaremos f 1 (y) = arccos y .
on
? La funci
on f (x) = tg x , tiene inversa en el conjunto [ 2 , 2 ] (es estrictamente creciente en el), la funci
1
f : R [ 2 , 2 ] que llamaremos arcotangente y denotaremos f 1 (y) = arctg y .
? La funci
on f (x) = sh x , f : R R , tiene inversa en R (es estrictamente creciente en ep
l), la funci
on
f 1 : R R que llamaremos argumento del sh y denotaremos f 1 (y) = argsh y = ln(y + y 2 + 1) .
? La funci
on f (x) = ch x , tiene inversa en [0, ) (estrictamente creciente), la funci
on f 1 : [1, ) [0, )
p
que llamaremos argumento del ch y denotaremos f 1 (y) = argch y = ln(y + y 2 + 1) .
1
? La funci
on th: R (1, 1) , tiene inversa en R (estrictamente creciente), la
qfuncion f : (1, 1) R
que llamaremos argumento de la th y denotaremos f 1 (y) = argth y = ln
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
Lmite y continuidad de una funci

on en un punto
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
(tambien con f L, cuando x x0 )
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


on en un punto
El significado de esta farragosa definici

on sera lo siguiente: el lmite en x0 de f es L si la imagen de cada x
cercano a x0 est
a cerca de L. Puede quedar un poco mas claro expresando esta crecana mediante entornos:
La definici
on anterior es, evidentemente, equivalente a:
L+
Diremos que el lmite de la funci

on f cuando x tiende a
x0 es L si, y s
olo si, para cada entorno de L, E(L, ) ,
existe un entorno reducido de x0 , E (x0 , ) tal que si
x A E (x0 , ) , entonces f (x) E(L, ) .
En la figura de la derecha vemos que, en efecto, para los puntos

cercanos a x0 (en fondo rojo) sus im
agenes (en fondo rojo) estan
dentro de la cercana de L fijada (en fondo verde).
x0
Ejemplo Para f : [0, +) R dada por f (x) = x , se tiene que lm f (x) = 0 .
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
Nota: Para el lmite no importa la funci

on en el punto, sino su valor
en puntos cercanos
(ponemos
0<
|x
x
on).
0 | < en la definici
n
As, f (x) =
x, x6=1
2, x=1
tiene lm f (x) = 1 aunque f (1) = 2 , ya que

x1
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
no es continua en 1 , pues lm f (x) = 1 6= f (1) ;

x1
mientras que la funci

on g(x) = x s lo es pues lm g(x) = 1 = g(1) .
x1
Tambien es continua en 0 la funci

on f (x) = x del ejemplo anterior, pues lm x = 0 = 0 .
x0
Ejemplo 114 La funci

on f (x) = ex es continua en 0 .
En efecto, por ser ex estrictamente creciente:
x
x
x
si 0 < x < , es 1 < e < e , luego 0 < e 1 = |e 1| < e 1
si < x < 0 es e < ex < 1 , luego 0 < 1 ex = |ex 1| < 1 e = e e1

< e 1 .
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
Algunos resultados interesantes
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
c) Si h = x x0 , entonces lm f (x) = L lm f (x0 + h) = L

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


on en un punto
para el segundo termino de la 2 a equivalencia:

para cada > 0, existe > 0 tal que si 0 < |x x0 | < = ||f (x)| 0| = |f (x)| <
y para el segundo termino de la 3 a equivalencia:
para cada > 0, existe > 0 tal que si 0 < |h| = |x x0 | < = |f (x0 + h) L| = |f (x) L| <
coinciden con la definici
on de los lmites para los respectivos primeros terminos de la equivalencias.
Los resultados a) y c) anteriores deben considerarse definiciones equivalentes de la definicion de lmite y
nos permiten transformar un lmite en un lmite de valor 0 o a un lmite en el punto 0 . Con el apartado b)
cambiamos la funci
on por otra acotable, lo que cobra interes tras los resultados siguientes:
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
Ejemplo El lm x sen x1 = 0 , pues lm x = 0 y el seno esta acotado (|sen y| 1 , para cualquier y R ). 4

x0
x0
6.3.1.1
Lmites y continuidad con las operaciones b

asicas
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
a) lm [f (x) + g(x)] = lm f (x) + lm g(x) = L1 + L2 .

xx0
xx0
xx0
b) lm [f (x) g(x)] = lm f (x) lm g(x) = L1 L2 .

f (x)
xx0 g(x)
c) lm
xx0
xx0
xx0
lm f (x)
xx0
lm g(x)
xx0
L1
L2
siempre que L2 6= 0 .
Corolario 118.- Sean f y g funciones continuas en un punto x0 A, entonces:

1.- f + g es continua en el punto x0 .
2.- f g es continua en el punto x0 .
3.-
f
g
es continua en el punto x0 siempre que g(x0 ) 6= 0 .
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
? En general, si P (X) es un polinomio, lm P (x) = P (x0 ) , luego continuo en todo R .

xx0
? Y una funci
on racional, f (x) =
P (x)
Q(x)
, sera continua en los puntos de su dominio (salvo en aquellos a con

P (x)
xx0 Q(x)
Q(a) = 0 , pero esos no pertenecen al dominio) y en todos ellos lm
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
Teorema 119.- Sean f : A R y g: f (A) R . Si lm f (x) = b y g es continua en b, entonces

xa

lm g(f (x)) = g(b) = g lm f (x) .
xa
xa
Corolario 120.- Si f es continua en a y g continua en f (a) , entonces g f es continua en a .
Prof: Jos
e Antonio Abia Vian


on en un punto
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
Imponiendo condiciones sobre la funci

on f , podemos dar una variante del teorema 119 anterior que prescinde
de la condici
on de continuidad de g :
Proposici
on 121 (Convergencia propia).- Sean f : A R y g: f (A) R. Si lm f (x) = b, con f (x) 6=
xa
b para todos los x de un entorno reducido E (a, 0 ) de a , entonces

lm (g f )(x) = lm g(f (x)) = lm g(y).
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
g(f (x)) = g(ex ) = ex si ex 6= 1 , se tiene lm g(f (x)) = lm ex = 1 ).

x0
x0

1, si x 6= 0
Sin embargo, si tomamos la funci
on f (x) =
, que no verifica la condicion de la proposici
on
0, si x = 0
( lm f (x) = 1 = f (x) si x 6= 0 ), se tiene que:
lm g(f (x)) = lm g(1) = 2 6= lm g(y) = 1 .
4
x0
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,
pues en los puntos a la izquierda de 0 no est

a definida la funcion.
Definici
on 124.- Si f no es continua en un punto x0 , pero se cumple que
lm f (x) = f (x0 ) o que
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


on en un punto
r
b
b
b
r
b
b
r
La discontinuidad de la primera funci

on suele denominarse evitable (porque basta rellenar el hueco para hacerla continua), de la quinta se dice de salto infinito y de las tres restantes de salto finito.
4
6.3.2
Lmites con infinito
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+
Ejemplo Para a > 0 ,
lm ax = +
x+
x+
lm
x0
1
x
= .
En efecto:
K
a
? para cada K > 0 tomamos M =

> 0 y si x > M , entonces f (x) = ax > aM = a K
a =K
1
1
? para cada K > 0 tomamos = K
> 0 y si < x < 0 , entonces f (x) = x1 <
= K
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 =
+
+
y f g , se obtiene de las siguientes tablas:
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)
(que en el fondo se reducen a dos (i) e (ii)):

(iv)
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

on en un punto
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+
teniendo en cuenta que cuando x + , ser

a x > 0 y por tanto x = |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
0 , existe n N con n < x n + 1 , luego con

desigualdad y de n < x n + 1 , tenemos que:
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
si x + , entonces n y n+1 + , por lo que se cumple que
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) = ln x es continua en (0, +) y lm+ ln x = y

x0
? f (x) = x continua en (0, ) y lm x = 0 y

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
Prof: Jos
e Antonio Abia Vian
lm x = si > 0 (resp. y 0 si < 0 ).
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+


on en un punto
? f (x) = sen x y f (x) = cos x son de periodicas de periodo 2 , continuas en R y 6 lm f (x) .

x
? f (x) = tg x es de periodo , continua en su dominio y
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)
Dos infinitos en x0 , f y g , se dicen equivalentes en x0 si lm
= 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
g para indicar que f y g son

a1 x cuando x 0
x
cuando x 0
x2
cuando
x0
2
x
cuando x 0
x2
cuando x 0
2
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

on en un punto
Asntotas de una funci

on
Una buena ayuda para la representaci

on de la grafica de las funciones son las asntotas. La grafica de f es
una representaci
on en el plano R2 formada por los puntos (x, y) con la condicion y = f (x) luego de la forma
(x, f (x)) ; por consiguiente, la gr
afica puede tener puntos que se alejan hacia el infinito. Basta tener en cuenta
que si el dominio es R , cuando x + los puntos de la grafica se alejan hacia + , lm f (x) .
x+
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
Asntotas horizontales e inclinadas Aunque la b

usqueda de asntotas horizontales e inclinadas pueden
verse como procesos distintos, en ambos casos la variable x se aleja hacia el infinito (x, f (x)) , lm f (x)
x
y tambien, la recta es de la forma y = mx + n (con m = 0 para las horizontales).

Si buscamos una recta y = mx + n cumpliendo que f (x) (mx + n) 0 cuando x + , tambien se
n
cumplir
a que f (x)mxn
0 , de donde f (x)
a que m = lm f (x)
x
x m x 0 luego se tendr
x . Y conocido
x+
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+
, tiene por dominio, Dom(f ) = (, 1) (1, 3) (3, +) .

La funci
on f (x) = (x1)(x+2)|x|
2
2
(x 1)(x3)
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+
Luego las asntotas verticales son x = 1 (cuando x 1 , f (x) ) y x = 3 (cuando x 3 ,

f (x) + y cuando x 3+ , f (x) + ).
Estudiamos las asntotas en +,
(x 1)(x + 2)
|x|
f (x)
= lm p
lm
=11=1
2
2
x+
x+
x
x
(x 1)(x 3)
p
(x 1)(x + 2)x x (x2 1)(x 3)2
p
n = lm f (x) x = lm
x+
x+
(x2 1)(x 3)2
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
luego y = x+4 es asntota de f cuando x + . Analogamente,

se obtiene que y = x 4 es asntota cuando x .
4
Prof: Jos
e Antonio Abia Vian

6.4
6.4 Teoremas del lmite y de continuidad
Teoremas del lmite y de continuidad
Teorema 136 (de acotaci

on y del signo para lmites).- Sean f : A R R y x0 un punto de acumulaci
on de A. Si lm f (x) = L R , existe un entorno E(x0 , ) tal que f esta acotada en E (x0 , ) A.
xx0
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
Teoremas de continuidad en intervalos cerrados
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
(Tambien es cierto cuando a es y cuando b es + .)
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
i) si 0 < x < y , entonces 0 < x < y
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
y < x < 0 , entonces 0 < x2 < y 2

y < x < 0 , entonces 0 < |x| < |y|
1 < x, entonces 1 < x < x2
1
1
y < x < 0 , entonces 0 < |y|
< |x|
j) si 0 < x < y , entonces y < x < 0
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
(xi) f8 (x) = ln(f6 (x))
(xiii) f3 (x) f3 (x)

(xvi)
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)
a) Expresar la funciones f2 y f4 como funciones definidas a trozos.

b) Por que los dominios de f3 y de f7 son distintos?
c) Cu
al ser
a el dominio de la funci
on f2 f2 ? Obtener su expresion.
6.54 Sean f y g dos funciones reales de variable real monotonas. Probar que:
a) Si f es (estrictamente) creciente, las funciones f (x) y f (x) son (estric.) decrecientes.
b) Si f es (estrictamente) decreciente, las funciones f (x) y f (x) son (estric.) crecientes.
c) Si f es (estric.) creciente y positiva, la funcion
1
f (x)
d) Si f es (estric.) decreciente y positiva, la funcion

caso y en el anterior si la funci
on f es negativa?
es (estric.) decreciente.
1
f (x)
es (estric.) creciente. Que ocurrira en este
e) Si f y g son crecientes (decrecientes), f + g es creciente (decreciente).

f) Buscar una funci
on f creciente y una g decreciente tales que f + g sea creciente; y otras para que
f + g sea decreciente.
g) Si g es creciente y f es creciente (decreciente), g f es creciente (decreciente).
h) Si g es decreciente y f es creciente (decreciente), g f es decreciente (creciente). Que ocurrira si
la monotona de g es estricta? Y si lo es la de f ? Y si lo son ambas?
6.55 Usar los resultados del ejercicio anterior, para probar lo siguente:
a) Probar que f (x) =
b) Sabiendo que e
crecientes.
1
x2 +1
es creciente en (, 0) y decreciente en (0, +) .
es esctirtamente creciente en R y que x = eln x , probar que sh(x) y ln(x) son
c) Probar que f (x) =
x2 1
x2 +1
es creciente en (0, +) y usarlo para probar que th(x) es creciente en R .
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
a) Describir la casustica de f y h mediante la pertenencia de x a intervalos (como la funcion g )

b) Describir la casustica de g y h mediante desigualdades de x (como la funcion f )
c) Obtener su dominio y el de las funciones |f | , |g| , f +g y f h.
d) Hallar las expresiones de |f | , |g| , f +g y f h, como funciones definidas a trozos.
e) Encontrar el dominio y la expresi
on de las funciones compuestas f (x2 ) y g(2 x) .
f) Encontrar el dominio y la expresi
on de las funciones g f y f g .
6.59 Calcular los siguientes lmites:
a)
d)
g)
j)
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
6.61 Probar, razonadamente, que los siguientes lmites valen 0 :

a)
2
lm ( x 1) ex +2
lm x2 sen x1
b)
x1
c)
x0
2
lm (xa)
xa |xa|
6.62 Usar la continuidad de las funciones, para hallar:

a)
lm ln
x0
3+
(1x)2
x2 +1
b)
lm tg(ln(cos(e x )))
x0
c)
lm
1
1 + cos2 ( th( |x|
))
6.63 Encontrar infinitesimos e infinitos equivalentes a:
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
6.64 Calcular, si existe, el valor de:

a)
6.65
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.
b) Si es una raz de multiplicidad m del polinomio P (x) = an xn + + a1 x + a0 , probar que P (x)

y k(x )m son infinitesimos equivalentes cuando x , para alg
un valor k 6= 0 .
6.66 Usar el resultado
a)
lm f (x) = lm f (a + h)
xa
2
lm ln(x )
x1 x1
b)
3
3
lm x +2
x2 x+2
6.67 Usar el logaritmo neperiano, para probar que
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
6.68 Calcular, si existe, el valor de:

a)
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
Estudiar la continuidad de f y g en sus dominios de definicion (indquese tambien la continuidad lateral,

si ha lugar).
6.70 Estudiar la continuidad de las siguientes funciones en su dominio:
sen x
a)
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) Estudiar la continuidad de cada una de ellas (indquese tambien la continuidad lateral).

b) Hallar las expresiones de |f | , |g| , f +g y f h, como funciones definidas a trozos.
c) Estudiar la continuidad de las funciones anteriores. Que ocurre en los casos donde no puede aplicarse
la regla general?
d) Realizar lo pedido en los apartados b) y c) para la funcion g f .
6.73 Estudiar la continuidad de las siguientes funciones seg
un los valores del parametro a :
(
a) fa (x) =
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
6.74 Probar que las gr

aficas de las funciones f (x) = ex y g(x) = 3x , se cortan al menos en dos puntos del
intervalo [0, 2] .
6.75 Estudiar si las funciones del ejercicio 6.70 estan acotadas superior e inferiormente.
Prof: Jos
e Antonio Abia Vian

Captulo 7
7.1
Derivada de una funci

on en un punto
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
es decir, si existe y es finito ese lmite (

o el lmite equivalente, lm
h0
f (x+h)f (x)
h
).
Al valor de dicho lmite se lo denomina derivada de f en el punto x0 y se representa por f 0 (x0 ) o

La derivada nos indica lo que crece la funcion alrededor del
punto, puesto que en el cociente usado para definirla nos aparece el incremento f (x) f (x0 ) de la funci
on en relacion con el
incremento x x0 de la variable.
(x0 )
, para cada x , es la pendiente
El valor del cociente f (x)f
xx0
de la cuerda entre los puntos (x0 , f (x0 )) y (x, f (x)) (ver figura
aneja), por lo que en el lmite se obtendr
a la pendiente de la recta
tangente a la gr
afica de la funci
on en el punto. Es decir, la recta
y = f (x0 ) + f 0 (x0 )(x x0 ) resulta ser la recta tangente a la
gr
afica de f en el punto (x0 , f (x0 )) .
df
dx (x0 ) .
y = f (x0 ) + f 0 (x0 )(x x0 )
rf (x)
f (x0 )
f (x) f (x0 )
r
|
x0
{z
xx0
}
f (x)f (x0 )
xx0
= tg
Diremos que f : A R es derivable en un conjunto A1 A, si lo es en cada punto de A1 . Entonces, se

puede construir la funci
on que asocia a cada punto x A1 la derivada de la funcion f en el punto x ; A esta
funci
on se le llama funci
on derivada de f y se le representa por f 0 , donde f 0 : A1 R .
Si a su vez, f 0 : A1 R es derivable en un conjunto A2 A1 , se puede construir la derivada de la funci
on
f en cada punto x A2 . A esta funci
on se le llama funci
on derivada segunda de f y se le representa por
(f 0 )0 = f 00 , donde f 00 : A2 R . An
alogamente se tienen la derivadas de ordenes superiores, f 000 , . . . , f n) .
0
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
? La exponencial f (x) = e es derivable en cada punto de R y f 0 (x) = ex , pues

x h
x+h
x
h
h
lm e he = lm e (eh 1) = lm ex ( e h1 ) = ex lm e h1 = ex 1 = ex = f 0 (x) .
x
h0
h0
h0
h0
? f (x) = ln x , es derivable en (0, +) y f 0 (x) =

lm
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
(1) sen xsen y = sen( x+y

+
2
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
= cos(x) 1 = cos x = f 0 (x) .

xy
x+y
xy
x+y
xy
sen( x+y
2 ) cos( 2 ) cos( 2 ) sen( 2 ) = 2 cos( 2 ) sen( 2 )


on en un punto
? 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 )
? La recta y = cos 0 sen 0(x 0) = 1 es la recta tangente a cos(x) en el punto 0. Analogamente, la

recta y = sen 0 + cos 0(x 0) = x es la tangente a sen(x) en el 0.
4
Para que una funci
on sea derivable, debe existir lm
xx0
f (x)f (x0 )
xx0
. Ahora bien, el denominador siempre
tiende hacia 0, por lo que s

olo puede existir
el lmite si el lmite del denominador tambien es cero; puesto que
f (x)f (x0 )
si f (x) f (x0 ) 6 0 entonces xx0 o no existe. Luego debe cumplirse que lm f (x) = f (x0 ) , es
xx0
decir que f sea continua en x0 :

Teorema 145.- Si f es derivable en un punto x0 entonces f es continua en dicho punto.
Demostraci
on:
Veamos que lm f (x) = f (x0 ) . Para cada x 6= x0 , la funcion f (x) puede escribirse en la forma
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
(f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ) .
(f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ) .
c) f /g es derivable en x0 , si g(x0 ) 6= 0 ,
(f /g)0 (x0 ) =
f 0 (x0 )g(x0 ) f (x0 )g 0 (x0 )

.

2
g(x0 )
Ejemplos ? Si g derivable en x0 y k una constante, f (x) = k g(x) es derivable en x0 y f 0 (x0 ) = k g 0 (x0 ) .

En efecto, basta aplicar la f
ormula del producto, f 0 (x0 ) = 0g(x0 ) + k g 0 (x0 ) = k g 0 (x0 ) .
? La funci
on f (x) = x3 es derivable en cada x R , por ser producto de funciones derivables.
f (x) = x3 = x2 x = g(x)h(x) , y f 0 (x) = (gh)0 (x) = g 0 (x)h(x) + g(x)h0 (x) = 2x x + x2 1 = 3x2 .
En general, f (x) = xn es derivable en R con
? f (x) =
x2 1
x
f 0 (x) = nxn1
y los polinomios son derivables en R .
, cociente de derivables, es derivable en su dominio y f 0 (x) =
(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

on en un punto
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 ,
f (0) = cos(0) y g (0) = 1 . Luego lm
x0
sen x
x
cos(0)
1
=1
ln x
2
x1 cos(x)+e1x
Ejemplo Calcular el valor del lmite lm
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
Crecimiento de una funci

on en un punto. Extremos locales
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
> 0 para los x cercanos a x0 . Entonces
? 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


on en un punto
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

on
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
es continua en [1, 3] y derivable en

r
r
r
Teoremas de derivaci
on
Los tres teoremas siguientes son b

asicos para pasar los resultados de derivacion sobre puntos a todo un intervalo,
lo que nos servir
a adem
as para contruir mejores herramientas de trabajo.
Teorema de Rolle 154.- Sea f : [a, b] R tal que f es continua en [a, b] y derivable en (a, b) y adem
as
f (a) = f (b) , entonces c (a, b) tal que f 0 (c) = 0 .
Demostraci
on:
Por ser f continua en [a, b] , el Teorema de Weierstrass (142) garantiza que se alcanzan el maximo y el mnimo
en el conjunto. Entonces,
? si se alcanza uno de los extremos en alg
un c (a, b) , por ser f derivable en (a, b) , se cumple que f 0 (c) = 0
? si los extremos se alcanzan en a y b, por ser f (a) = f (b) , el maximo y el mnimo deben coincidir, por lo
que la funci
on es constante en [a, b] y f 0 (c) = 0 para todo c (a, b) .
Ejemplo La funci
on polin
omica f (x) = x4 4x2 se anula en x = 0 y x = 2 , luego f (0) = 0 = f (2) y es
continua y derivable en [0, 2] . Entonces, el polinomio f 0 (x) = 4x3 8x tiene alguna raz entre 0 y 2 .
4
Nota: Si la funci
on no es constante, el teorema de Rolle tiene otra lectura: se asegura la existencia de al menos
un extremo en el intervalo. Geometricamente, el teorema de Rolle significa que existe un punto con tangente
horizontal.
f (b)f (a)
El teorema siguiente, conocido como de los
f 0 (c) =
ba
incrementos finitos o del valor medio de Laf 0 (c) = 0
r
r
grange, generaliza el Teorema de Rolle. Y, en
q
f (b)
sentido geometrico, significa que hay un punto
q
q
q
f (a) = f (b)
f (a)
cuya recta tangente tiene la misma pendiente
que la cuerda que une los puntos extremos de
a
c
a
c
b
b
(a)
0
la gr
afica f (b)f
=
f
(c)
.
Teorema de Rolle
Teorema de Lagrange
ba
Teorema del valor medio de Lagrange 155.- Sea f : [a, b] R tal que f es continua en [a, b] y derivable en
(a, b) , entonces c (a, b) tal que:
f (b) f (a) = f 0 (c)(b a)
Demostraci
on:
Como a 6= b, podemos escribir f 0 (c) =
f (b)f (a)
ba
, es decir, buscamos un c (a, b) tal que f 0 (c) sea la pendiente
(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


on
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)
Con los teoremas anteriores y la derivaci

on, ya se puede asegurar la monotona por intervalos:
Proposici
on 157.- Si f es un funci
on continua en [a, b] y derivable en (a, b) y f 0 (x) > 0 , x (a, b) , entonces
f es estrictamente creciente en [a, b] .
Si f es una funci
on continua en [a, b] y derivable en (a, b) y f 0 (x) < 0 , x (a, b) , entonces f es
estrictamente decreciente en [a, b] .
Demostraci
on:
Para cualesquiera x1 , x2 [a, b] , con x1 < x2 , consideremos el intervalo [x1 , x2 ] . Podemos aplicar el teorema
del valor medio de Lagrange en este intervalo, luego c (x1 , x2 ) tal que f (x2 ) f (x1 ) = f 0 (c)(x2 x1 ) .
Entonces,
? si f 0 > 0 en (a, b) , tambien f 0 (c) > 0 y se tiene que f (x2 ) f (x1 ) = f 0 (c)(x2 x1 ) > 0 por lo que
f (x1 ) < f (x2 ) y, en consecuencia, f es estrictamente creciente en [a, b] .
? si f 0 < 0 en (a, b) , tambien f 0 (c) < 0 y se tiene que f (x2 ) f (x1 ) = f 0 (c)(x2 x1 ) < 0 por lo que
f (x1 ) > f (x2 ) y, en consecuencia, f es estrictamente decreciente en [a, b] .
Y tambien podemos obtener el resultado de la Regla General de LHopital para el calculo de lmites:
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
Nota: Esta regla es tambien v

alida en los casos en que x0 sea + o y cuando lm f (x) = + o
xx0
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
Las funciones f (x) = sen(x) x y g(x) = x3 son derivables en R ,
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
Ejemplo Sabemos que
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


on
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
f es de derivable en x0 si y solo si lm+ f 0 (x) = lm f 0 (x) .

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
Entonces, si f es derivable en x0 , f 0 (x0 ) = lm

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+
Recprocamente, si lm+ f (x) = lm f (x), entonces lm

xx0
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
global, por lo que f es derivable en x0 y f 0 (x0 ) = lm+ f (x) = lm f (x) .

xx0
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)
, su signo es el mismo que el de f 0 .
Corolario 162.- Si f 0 es continua, entonces la derivada de la inversa es tambien continua.

Ejemplo La funci
on f (x) = tg x es continua y derivable en ( 2 , 2 ) , con f 0 (x) = 1 + tg2 x que es mayor que
cero en cada punto. Luego f es estrictamente creciente en el intervalo y su funcion inversa arctg: R ( 2 , 2 )
1
es tambien estrictamente creciente y (f 1 )0 (tg(x)) = 1+tg
2 x luego haciendo y = tg x , se obtiene que
(f 1 )0 (y) = (arctg y)0 =
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


on
Inversas de las dem

as funciones trigonom
etricas e hiperb
olicas
f (x) = sen x tiene por inversa en [ 2 , 2 ] a arcsen: [1, 1] [ 2 , 2 ] y (arcsen y)0 =
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
Monotona y extremos locales
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
es continua en [1, 3] y derivable en
(1, 3) ; su derivada en (1, 3) es f (x) = 3x (x2)

y se anula u
nicamente
4
r
en x = 0 y x = 2 . Como la funci
on derivada f 0 (x) = 43 x2 (x 2) es continua
en (1, 3) y en (1, 0] s
olo se anula en 0 , tiene el mismo signo en todos los
r
15
puntos de (-1,0); como f 0 ( 1
2 ) = 32 < 0 en (1, 0) es siempre negativa y
la funci
on f es decreciente en (1, 0) .
f 0 (x) es continua en [0, 2] y s
olo se anula en los extremos, luego tiene el
r
mismo signo en (0, 2) . Como f 0 (1) = 3
4 < 0 es siempre negativa y f es
decreciente en (0, 2) .
f 0 (x) es continua en [2, 3) y s
olo se anula en 2, luego tiene el mismo signo en (2, 3) . Como f 0 ( 25 ) = 75
32 > 0 es
siempre positiva y f es creciente en (2, 3) .
Los u
nicos puntos candidatos a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada y
se anula), y los puntos x = 1 y x = 3 donde la funcion no es derivable por ser extremos del dominio.
Como f es continua en 1 y es decreciente en (1, 0) , f (1) es un maximo local. Como f es continua
en 0 y es decreciente en (1, 0) y decreciente en (0, 2) , f (0) no es un extremo. Como f es continua en 2 y es
decreciente en (0, 2) y creciente en (2, 3) , f (2) es un mnimo local. Como f es continua en 3 y es creciente en
(2, 3) , f (3) es un m
aximo local.
4
7.2.2.2
Concavidad y convexidad
Hemos visto en la condici

on necesaria de extremo local como, cuando es derivable, la derivada en el punto es
cero; o lo que es lo mismo, la recta tangente a la grafica en el punto es horizontal. Si el extremo es un maximo,
para valores cercanos al punto los valores de la funcion son menores que el maximo local luego, graficamente,
los puntos de la gr
afica est
an por debajo de la recta tangente; y si es un mnimo los puntos de la grafica est
an
por encima de la recta tangente. Pero, tambien eso puede ocurre en cualquier otro punto (ver la grafica que
ilustra los teoremas de Rolle y del valor medio de Lagrange en pag 70) y nos lleva a las definiciones de funci
on
c
oncava y convexa.
Prof: Jos
e Antonio Abia Vian

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
? En x = 3 , se tiene g30 (x) = 3(x + 1)(x 3) , por lo que es negativa

antes de 3 y positiva depues (y g3 es decreciente antes de 3 y
creciente depues) luego g3 (x) g3 (3) = 0 en alg
un entorno de 3.
? En x = 1 , se tiene g10 (x) = 3(x 1)2 , por lo que es positiva antes

de 1 y tambien depues (y g1 es creciente antes de 1 y creciente
depues) luego g1 (x) g1 (1) = 0 para los x menores que 1 y
g1 (x) 0 para los x mayores que 1.
Luego es convexa en x = 0 , c
oncava en x = 3 y tiene un punto de inflexion en x = 1 .
7.3
Ejercicios
7.76 Aplicar las reglas de derivaci

on, para encontrar la expresion de f 0 en:
a)
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
h) f (x) = ln(arccos(tg(x2 )))
f (x) =
x1
x+1
f) f (x) = (ln(2 x2 ))1

5
3
i) f (x) = x1
x+1
7.77 Encontar la expresi

on de las funciones derivadas, indicando el conjunto donde tienen validez:
a) f (x) =
d) f (x) =
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
7.78 Hallar la recta tangente a las gr

aficas de las funciones siguientes en los puntos que se indican:
a) f (x) = x3 x , en x = 0 y en x = 1 .
1
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 .
7.79 Probar que la par

abola y = (x + 1)2 + 1 tiene recta tangente en todos sus puntos.
En que puntos la recta tangente pasa por (0, 0) ?
7.80 Usar la regla de LH
opital, para calcular
a)
d)
g)
j)
m)
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
de crecimiento y decrecimiento. Tiene asntotas?
1+4x
4x2 , si
2 , si
x 6= 0
, e indicar sus intervalos
x=0
7.84 Para las funciones f , g y h del ejercicio 6.72:

a) Estudiar su derivabilidad en los puntos del dominio.
b) Dar la expresi
on de las funciones derivadas.
c) Obtener los intervalos de monotona.
d) Estudiar la existencia de extremos locales.
e) Estudiar la existencia de asntotas.
f) Estudiar la continuidad y derivabilidad de las funciones f 0 , g 0 y h0 .
7.85 Hallar los extremos locales y globales de f (x) =
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
7.89 Si f es par y alcanza un extremo en x = a, alcanzara tambien un extremo en x = a ?

Que ocurrir
a si f es impar? Y si es periodica de periodo T ?
7.90 Problema: Con una cuerda atamos una vaca al exterior de un edificio de planta cuadrada situado en el
centro de un prado. Si la longitud de la cuerda es la misma que el lado del edificio, en que punto debemos
atar la vaca para que tenga la mayor
area posible de pasto? y la menor?
Modelado del problema: Representamos el edificio por un cuadrado de lado L, por ejemplo el de vertices
(0, 0) , (L, 0) , (L, L) y (0, L) .
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
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
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
Pn,a (x) = f (a) +
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
Los polinomios de Taylor en el punto a = 0 , suelen denominarse polinomios de McLaurin.

Nota: Observamos que el polinomio de grado 1, P1,a (x) =
0
f (a) + f 1!(a) (x a) es la recta tangente a f en el punto a,
de manera que los polinomios de Taylor ser
an una especie
de polinomios tangentes a la funci
on en el punto. Al
tener mayor grado que la recta tangente se espera que se
parezcan m
as a la funci
on que esta, aunque dado que para
su construcci
on u
nicamente usamos los valores de f y sus
derivadas en el punto a , ser
a una aproximaci
on local (cerca
de a ).
f (x) = sen(x)
P1, 2 (x)
3
P2, 2 (x)
3
P3, 2 (x)
3
P4, 2 (x)
3
(k)
En efecto, para todo k = 1, . . . , n , se cumple que Pn,a (a) = f (k) (a) :

(n)
f 0 (a)
f 00 (a)
f 000 (a)
f (n1) (a)
1
2
3
n1
+ f n!(a) (x
1! (x a) + 2! (x a) +
3! (x a) + + (n1)! (x a)
00
000
(n1)
(n)
(a)
(a)
0
Pn,a
(x) = f 0 (a) + f 1!(a) (x a)1 + f 2!(a) (x a)2 + + f (n2)!
(x a)n2 + f(n1)!
(x a)n1
000
(n1)
(n)
(a)
(a)
00
Pn,a
(x) = f 00 (a) + f 1!(a) (x a)1 + + f (n3)!
(x a)n3 + f(n2)!
(x a)n2
(n1)
(n)
(a)
(a)
000
Pn,a
(x) = f 000 (a) + + f (n4)!
(x a)n4 + f(n3)!
(x a)n3
Pn,a (x) = f (a) +
Prof: Jos
e Antonio Abia Vian
a)n

8.1 Polinomios de Taylor
(n1)
Pn,a (x) = f (n1) (a) +

(n)
Pn,a (x) = f (n) (a)
f (n) (a)
(x
1!
a)1
(k)
Y sustituyendo, se ve que Pn,a (a) = f (k) (a) , para todo k .

Ejemplo La funci
on f (x) = sen x es C en R, y sus derivadas son f 0 (x) = cos x , f 00 (x) = sen x ,
(3)
(4)
f (x) = cos x y f (x) = sen x = f (x) de nuevo, luego f (0) = 0 , f 0 (0) = 1 , f 00 (0) = 0 , f (3) (0) = 1 y se
repiten f (4) (0) = f (0) = 0 , f (5) (0) = f 0 (0) = 1 , etc. Por lo que
0
0
1
0
1
1
3
4
5
6
7
(x0)+ 2!
(x0)2 + 1
P7,0 (x) = 0+ 1!
3! (x0) + 4! (x0) + 5! (x0) + 6! (x0) + 7! (x0) =
es su polinomio de Taylor de grado 7 en x = 0 .
x
x3
1! 3!
+ x5! x7!
Por la propia contrucci

on de los polinomios de Taylor, resulta evidente el siguiente resultado
Proposici
on 166.- Si P (x) es el polinomio de Taylor de grado n de f en a, entonces P 0 (x) es el polinomio
de Taylor de grado n 1 de f 0 en a .
Ejemplo La funci
on f (x) = cos x es la derivada del seno y el polinomio de Taylor de g(x) = sen x en 0 de
3
5
7
x
grado 7 es P (x) = 1!
x3! + x5! x7! . Entonces, el polinomio de MacLaurin de grado 6 de f (x) = cos x en 0 ,
2
4
6
es P6,0 = P 0 (x) = 1 x2! + x4! x6! .
4
Como es habitual, la obtenci
on de polinomios de Taylor se amplia con las operaciones algebraicas basicas:
Propiedades 167.- Sean f y g dos funciones y Pn,a y Qn,a los polinomios de Taylor de grado n en a
respectivos. Se tiene
1.- El polinomio de Taylor de grado n para f + g en a es Pn,a + Qn,a
2.- El polinomio de Taylor de grado n para f g en a es la parte hasta grado n del polinomio producto de
Pn,a y Qn,a .
3.- El polinomio de Taylor de grado n para f /g en a se obtiene dividiendo el polinomio Pn,a entre el
polinomio Qn,a , pero ordenados de la potencia menor a la potencia mayor, hasta llegar al grado n en el
cociente.
Proposici
on 168.- Si Pn,a es el polinomio de Taylor de grado n para f en a y Qn,f (a) es el polinomio de
Taylor de grado n para g en f (a) , entonces el polinomio de Taylor de grado n para g f en a se obtiene
tomando la parte hasta el grado n del polinomio Qn,f (a) [Pn,a (x)] , composicion de los de f y g .
Nota: La divisi
on entre polinomios comenzando por los
terminos de menor grado a que se hace referencia en el
resultado anterior, la vemos ejemplificada a la derecha,
dividiendo 1+2x entre 1+x2 . Nos hemos detenido tras
obtener 4 terminos del cociente, pero se puede dividir
tanto como se quiera, mientras el resto no se anule.
Puede comprobarse que es cierto que
1 + 2x
x4 + 2x5
2
3
=
1
+
2x
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!
es el polinomio de McLaurin de grado 3 de f .

, luego x
4x3
3!
es el polinomio de McLaurin de grado 3 de g .

P (x)
Q(x)
x x6
1 x2
= x+
x3
3
1 x2
= x+
x3
3
x5
6
1 x2
= x+
8.1 Polinomios de Taylor
x3
3
x5
6
x7
12
1 x2
, luego x +
x3
3
es el polinomio de
McLaurin de grado 3 de h.
Ejemplo El polinomio de Taylor de grado 4 de f (x) = x2 en 0 es P (x) = x2 y el polinomio de Taylor de

2
3
4
x
grado 4 de g(x) = ex en f (0) = 0 es Q(x) = 1 + 1!
+ x2! + x3! + x4! , luego el polinomio de Taylor de grado 4
4
6
8
2
2
de (g f )(x) = ex ser
a: la parte hasta grado 4 del polinomio Q(P (x)) = 1 + x1! + x2! + x3! + x4! , es decir, el
2
4
polinomio 1 + x1! + x2! .
4
Un primer resultado en el sentido de que el polinomio de Taylor es una buena aproximacion de la funci
on f
en un entorno del punto:
Proposici
on 169.- Sea f es una funci
on de clase C n1 en un entorno de a y existe f (n) (a) . Sea Pn,a (x) el
polinomio de Taylor de grado n para la funcion f en el punto a, entonces:
lm
xa
f (x) Pn,a (x)

=0
(x a)n
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!
.
8.2 Representaci
on de funciones (2)
Corolario 171.- Cualquier polinomio de grado n , P (x) = a0 + a1 x + + an xn , se puede escribir como

P (x) = P (a) +
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
Sabemos que sen(x) = x

(0.4)3
3!
x3
3!
sen(c)x4
4!
cerca de a = 0 , entonces si decimos que el valor de

4
= 0.389333 el error cometido lo podemos acotar con |sen(c)||0.4|

1|0.4|
= 0.00106 .
sen(0.4) (0.4)
4!
24
Como sabemos que sen x < x, y como c (0, 0.4) , es mejor aproximacion sen(c) < c < 0.4 que sen(c) 1 ,
4
|0.4|4
luego |sen(c)| |0.4|
4! < |0.4| 24 = 0.000426 es una cota del error cometido (el error real cometido es menor que
0.0001 ).
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
para un cierto t entre x y x0 . Por
(x x0 )2
0
2!

8.2 Representaci
on de funciones (2)
luego f es convexa ya que esto se dar

a para todo x, x0 (a, b) , y significa que todos los puntos de la curva
est
an por debajo de la tangente a la curva en cualquier punto x0 (a, b) .
An
alogamente, ser
a c
oncava si f 00 > 0 en (a, b) .
Ejemplo La funci
on f (x) = x2 es c
oncava en todos los puntos, pues f 00 (x) = 2 > 0 . Analogamente,
2
f (x) = x es convexa en todo R.
4
Corolario 174.- Si f 00 (x) existe en un entorno de x0 y es continua en x0 , entonces una condicion necesaria
para que x0 sea un punto de inflexi
on de f es que f 00 (x0 ) = 0 .
Demostraci
on:
Si x0 es un punto de inflexi
on de f , entonces:
Si f es c
oncava a la derecha de x0 (luego f 00 (x) > 0 en (x0 , b) ), sera convexa a la izquierda de x0
(luego f 00 (x) < 0 en (a, x0 ) ), y viceversa.
Como f 00 es continua en x0 , se tiene que lm f 00 (x) = f 00 (x0 ) de donde puede concluirse que f 00 (x0 ) = 0 .
xx0
Ejemplo f (x) = x3 presenta un punto de inflexion en x = 0 , pues es C 2 es R y f 00 (x) = 6x se anula en

x = 0 , por lo que verifica la condici
on necesaria. Como es continua en 0 y f 00 < 0 en (, 0) y f 00 > 0 en
(0, ) es punto de inflexi
on.
4
8.2.1
Representaci
on de funciones en forma explcita: y = f (x)
Dada una funci

on y = f (x) , nos proponemos hacer su estudio y representacion grafica. Para ello se deben
estudiar en terminos generales los siguientes aspectos:
1.- Dominio y continuidad de la funci
on.
2.- Simetras (par e impar) y periodicidad.
Definici
on 175.- Una funci
on f se dice par si f (x) = f (x) ( f simetrica respecto al eje OY ).
Una funci
on f se dice impar si f (x) = f (x) ( f simetrica respecto al origen (0, 0) ).
Definici
on 176.- Una funci
on f se dice peri
odica de periodo T , si T es el menor n
umero real tal que
f (x + T ) = f (x) , x .
3.- Comportamiento asint
otico.
4.- Derivabilidad de la funci
on.
5.- Intervalos de crecimiento y decrecimiento.
6.- Extremos locales y globales.
Generalmente, al estudiar una funci
on f sobre un conjunto A va a interesar conocer los valores m
as
extremos que puede tomar f en la totalidad del conjunto A, es decir, el maximo global y el mnimo
global. Estos extremos globales (tambien llamados extremos absolutos) pueden existir o no, seg
un sean
f y A; sin embargo el teorema de Weierstrass (Th. 142) garantiza, bajo ciertas condiciones su existencia.
Es claro que los extremos globales han de buscarse entre los extremos locales y los posibles valores de f
en la frontera de A.
7.- Intervalos de concavidad y convexidad.
8.- Puntos de inflexi
on.
Prof: Jos
e Antonio Abia Vian

8.3 Ejercicios
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 = (t) .
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
?
lm f (x) = y0 , si se cumple que lm (t) = x0 y lm (t) = y0

tt0
tt0
xx0
? f 0 (x) = 0 [1 (x)] (1 )0 (x) = 0 (t)(1 )0 (x) = 0 (t) 01(t)

h 0 i
h 0 i
h 0 i
00
0
(t)
(t)00 (t) 0 (t) 1
d (t) dt
d (t)
d
1 0
=
=
) (x) = (t) (
? f 00 (x) = dx
0
0
0 (t))2
(t)
dt (t) dx
dt 0 (t) (
0 (t)
luego todos los conceptos y resultados tratados para la representacion en explcitas son estudiables para las
parametricas: continuidad, asntotas, monotona, extremos, convexidad, etc.
8.2.2.2
Curvas dadas en coordenadas polares
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.
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 )?
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
d) f (x) = x2 en = 0 y g(y) = (1 + y) 2 en = 0 , hallar el de g f en = 0 de grado 6.

e) f (x) = x2 + 4x + 5 en = 2 y g(y) = ln y en = 1 , hallar el de g f en = 2 de grado 6.
8.115 Hallar los 4 primeros terminos (no nulos) de los polinomios de Taylor de:
a)
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 () ]
8.117 Hallar polinomios que sean infinitesimos equivalentes de las funciones:

a)
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)
x(2+cos x)3 sen x

x5
x0
lm
b)
arctg xtg x
x3
x0
lm
8.119 Para que valores de a y de b es finito el lmite: lm
x0
8.120 Hallar n N tal que lm
x0
arctg xtg x
xn
1+x
8.122 Encontrar a y b para que ln( 1x
)
x(1+a cos x)b sen x

x3
lm
x0
1
x
= k 6= 0 y finito.
ex 1+ax
1+bx
x3
x0
8.121 Encontrar a y b para que lm
c)
sea finito.
x(2+ax2 )
1+bx2
sea equivalente a
8x7
175
cuando x tiende a cero.
8.123 Encontrar una funci

on equivalente, cuando x 0 , a la funcion: g(x) =
lm g(x) = 0 .
ex +ex 2
x2
1 y deducir que
x0
8.124 Encontrar una funci

on equivalente a la funcion f (x) =
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

8.126 Se considera la funci

on f (x) =
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
8.129 Encuentra todas las asntotas de las funciones siguientes:

a) f (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
Estudiar: intervalos de monotona y

concavidad, puntos crticos y de inflexion de la funcion f (supondremos
que existe f 00 en los puntos donde lo
parece).
0
6
la
Cual es el dominio de f 00 y que se

puede decir de ella?
-1
Representar
aproximadamente
grafica de f suponiendo f (x) 0 .
-2
8.132 Estudiar las funciones siguientes y construir sus graficas
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) =
x 10x +20x 15x+4

32
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
8.134 Dada la funci

on f (x) = arcsen 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
n) f (x) = sen3 x + cos3 x
f (x) = sen(3x) 3 sen x
8.133 Estudiar la funci

on f (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

C
Demostraci
on de:
Propiedades del valor absoluto 99 de la pagina 50
Propiedades del valor absoluto 99.a) |a| 0 , a y |a| = 0 a = 0

1
c) a1 = |a|

f) |a| |b| |a b|
b) |ab| = |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
existe 1 tal que si 0 < |x x0 | < 1 , entonces L < f (x) < L +

existe 2 tal que si 0 < |x x0 | < 2 , entonces L < h(x) < L +
luego tomado = mn{1 , 2 } , si 0 < |x x0 | < , entonces L < h(x) g(x) f (x) < L + .
2.- Si g est
a acotada, existe K > 0 tal que |g(x)| K , para todo x , luego se verifica que
0 |g(x)f (x)| K |f (x)| , para todo x
Por el apartado anterior, si probamos que lm K |f (x)| = 0 , entonces lm |g(x)f (x)| = 0 y se tiene que
xx0
xx0
lm g(x)f (x) = 0 (por la proposici

on 115).
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
verifica que |f (x)| <
xx0
. Entonces, si 0 < |x x0 | < se tiene que

|K |f (x)| 0| = K |f (x)| < K
=
K
lo que concluye la prueba.

Demostraci
on de:
agina 56
Propiedades 117.- Si lm f (x) = L1 R y lm g(x) = L2 R , entonces:

xx0
xx0
a) lm [f (x) + g(x)] = lm f (x) + lm g(x) = L1 + L2 .

xx0
xx0
xx0
b) lm [f (x) g(x)] = lm f (x) lm g(x) = L1 L2 .

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
f (x)g(x) L1 L2 = f (x)g(x) L2 f (x) + L2 f (x) L1 L2 = f (x)(g(x) L2 ) + L2 (f (x) L1 )

y sabemos que lm (f (x)L1 ) = 0 , lm (g(x)L2 ) = 0 , f (x) esta acotada en alg
un entorno de x0 (Th
xx0
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
3.- Por ser

Como
f (x)
g(x)
1
g(x)
la funci
on
= f (x)
L12 =
1
g(x)
1
xx0 g(x)
, por el apartado anterior, basta probar que lm
L2 g(x)
g(x)L2
1
g(x)L2 (L2
1
L2
g(x)) , lm (g(x) L2 ) = 0 y L2 es constante, si probamos que

xx0
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
Teorema 119.- Sean f : A R y g: f (A) R. Si lm f (x) = b y g es continua en b, entonces

xa

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
para todos los x de un entorno reducido E (a, 0 ) de a, entonces

lm (g f )(x) = lm g(f (x)) = lm g(y).
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
como f (x) 6= b en E (a, 0 ) , si tomamos = mn{0 , 1 } , se tiene que:

para cada 1 > 0 existe > 0 tal que si 0 < |x a| < entonces 0 < |f (x) b| < 1 .
Por otra parte, si L = lm g(y) se tiene que:
yb
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+
Recprocamente, si lm f (x) = lm f (x) = L, se tiene que

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
Continuidad de algunas funciones elementales 131 de la pagina 59
Continuidad de algunas funciones elementales 131.? f (x) = ex es continua en R y lm ex = 0 y lm ex = + .

x
x+
? f (x) = ln x es continua en (0, +) y lm ln x = y
lm ln x = + .
x+
x0+
? f (x) = x continua en (0, ) y lm+ x = 0 y

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
lm x = si > 0 (resp. y 0 si < 0 ).
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+
? f (x) = sen x es peri

odica de periodo 2 , continua en R y 6 lm sen x .
x
? f (x) = cos x es de periodo 2 , continua en R y 6 lm cos x .

x
? f (x) = tg x es de periodo , continua en su dominio y
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
lm ex = + (basta recordar que ex es creciente,
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
? Para cada a (0, ) , eln a = a = lm x = lm eln x = exa

; y como la exponencial es estrictamente
xa
xa
creciente, debe ser ln a = lm ln x . Luego ln es continua en a .
xa
Como ln x es estrictamente creciente y continua, y + = lm x = lm ln ex =

x+
acotada por lo que
x+
lm ln(ex ) , no est
a
ex +
lm ln x = + .
x+
An
alogamente, =
lm x =
lm ln ex = xlm + ln(ex ) , no esta acotada inferiormente por lo que
e 0
lm+ ln x = .
x0
? Como x = e ln x es continua por ser composicion de continuas y si > 0:

lm x = lm e ln x =
lm
e ln x = 0
y
lm x = lm e 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 ) =
? De geometra sabemos ya que las funciones seno y coseno son periodicas de

periodo 2 .
Para la continuidad, veamos primero que sen(x) y cos(x) lo son en x = 0 :
Por la construcci
on geometrica del seno, sabemos que en una circunferencia de
radio 1, la longitud del arco recorrido coincide con la amplitud del angulo en
radianes, luego si x ( 2 , 2 ) , se cumple 0 |sen(x)| |x| (ver figura). Es
decir, que x sen(x) x y como 0 = lm x lm sen(x) lm x = 0 , se
x0
x0
x0
x>0
sen x
sen x
x<0
cumple que lm sen(x) = 0 = sen(0) . Luego el seno es continuo en x = 0 .

x0
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
Veamos ahora que son continuas en todo punto x0 de R.

lm sen(x) = lm sen(x0 + h) = lm sen(x0 ) cos(h) + sen(h) cos(x0 )
xx0
h0
h0

= sen(x0 ) lm cos(h) + lm sen(h) cos(x0 ) = sen(x0 ) 1 + 0 cos(x0 ) = sen(x0 )
h0
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 =
+2n se alejan hacia + y sucede que lm sen( 2 +n2) = lm sen( 2 ) = 1

n
y lm sen(n2) = lm sen(0) = 0 , que son valores distintos.

n
? Para la continuidad de la tangente bastan las propiedades del cociente tg x =
Demostraci
on de:
sen x
cos x
Algunos infinitos e infinitesimos conocidos 135 de la pagina 60
Algunos infinitos e infinit

esimos conocidos 135.- Usaremos la notacion f g
infinitos o infinitesimos equivalentes:
an xn + + a1 x + a0 an xn cuando x
an xn + + a1 x a1 x
sen(x) x
cuando x 0
tg(x) x
2
sen x1 x1
cuando x
1 cos(x) x2
ln(1 + x) x
cuando x 0
ex 1 x
2
sh(x) x
cuando x 0
ch(x) 1 x2
para indicar que f y g son

cuando
cuando
cuando
cuando
cuando
x0
x0
x0
x0
x0
Demostraci
on:
?
an xn +an1 xn1 ++a1 x+a0

an xn
x
lm
? lm
x0
an xn +an1 xn1 ++a2 x2 +a1 x

a1 x
? 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
= 1 , con una peque

na argucia geometrica (ver figura):
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
lm g(x) = 0+ con g(x) 6= 0 para todo x , luego por la proposicion 121
x+
de convergencia propia, se tiene:

? lm
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
ln(1+x) = lm+ ln(1+x) x = ln
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.
(1) Con y = g(x) =
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 .


ex 1
x0 x
? Para calcular lm
, consideramos y = g(x) = ex 1 , est. creciente y con lm g(x) = 0 . Ademas

ex 1
x0 x
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 de la pagina 62
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
el punto medio entre a y b:
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
[a, b] [a1 , b1 ] [a2 , b2 ] [an , bn ]
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
= 0 y lm an = c, entonces lm bn = c y, por ser f continua en [a, b] ,

n
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
f (c) = 0 y, como f (a) < 0 y f (b) > 0 , c 6= a y c 6= b, luego c (a, b) .

Demostraci
on de:
Corolario 140 de la p
agina 62
Corolario 140.- Sea I un intervalo de R y f : I R continua en I , entonces f (I) es tambien un intervalo

de R .
Demostraci
on:
Supongamos primero que f (I) no est
a acotado ni superior ni inferiormente. Entonces, para cada y R , existe
alg
un valor mayor que el en f (I) , y < f (b) f (I) , y existe alg
un valor de f (I) menor que el, y > f (a) f (I) ,
luego f (a) < y < f (b) . Como a y b son del intervalo I , el intervalo [a, b] I (o [b, a] I ), luego por el
teorema de los valores intermedios 139 existe c entre a y b tal que f (c) = y , luego y f (I) y f (I) = R .
Supongamos ahora que f (I) no est
a acotado inferiormente pero s superiormente, y sea = sup f (I) .
Entonces, por ser extremo superior, para cada y < , existe un punto f (b) f (I) tal que y < f (b) y, por
no estar f (I) acotado inferiormente, existe a I , tal que f (a) < y < f (b) . Luego por el teorema 139 existe
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 de la pagina 62
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
absurdo. En consecuencia, f (J) tiene que estar acotado superiormente.

An
alogamente, se obtiene que f (J) est
a acotado inferiormente, lo que prueba el Teorema de acotacion 141.
De lo anterior, f (J) es un intervalo acotado de R, luego de la forma [c, d] o [c, d) o (c, d] o (c, d) .
Veamos si d est
a o no en el conjunto. Por ser d = sup f (J) , para cada n N , existe xn [a, b] tal que
f (xn ) = d n1 < d, como las im
agenes de los xn son distintas, tenemos un conjunto T = {xn : n N} infinito
y acotado que tiene un punto de acumulaci
on l . Con
un razonamiento
similar al de la parte anterior, sea

lm xn = l [a, b] y se verifica que lm f (xn ) = f lm xn = f (l) R por ser f continua y por otro lado,
n
lm f (xn ) = lm d
1
n
= d , luego d = f (l) y d f (J) , por lo que d = max f (J) .
An
alogamente, se prueba que c = mn f (J) . Lo que concluye la prueba.
Demostraci
on de:
Corolario 143 de la p
agina 62
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
xa
acotada en (a, b) .
xb
(Tambien es cierto cuando a es y cuando b es + .)
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 + .
Demostraci
on de:
agina 67
Propiedades 146.- Sean f y g funciones derivables en un punto x0 , entonces:

a) f + g es derivable en el punto x0 y (f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ) .
b) f g es derivable en el punto x0 y (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ) .
c) f /g es derivable en el punto x0 , si g(x0 ) 6= 0 , y (f /g)0 (x0 ) =
f 0 (x0 )g(x0 ) f (x0 )g 0 (x0 )

.

2
g(x0 )
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
b) Basta tomar lmites, cuando x x0 , en la expresion

f (x)g(x) f (x0 )g(x0 ) f (x)g(x) f (x0 )g(x) + f (x0 )g(x) f (x0 )g(x0 )
=
x x0
x x0
f (x) f (x0 )
g(x) g(x0 )
=
g(x) + f (x0 )
.
x x0
x x0
c) Teniendo en cuenta que la expresi
on
f (x)
g(x)
f (x0 )
g(x0 )
x x0
f (x)g(x0 ) f (x0 )g(x)

g(x)g(x0 )(x x0 )
1
f (x)g(x0 ) f (x0 )g(x0 ) + f (x0 )g(x0 ) f (x0 )g(x)
=
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 de la pagina 67
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 (x)) g(f (x0 ))

g(f (x)) g(f (x0 ))
f (x) f (x0 )
= lm
lm
xx
xx
x x0
f (x) f (x0 )
x x0
0
0

g(y) g(y0 )
f (x) f (x0 )
= lm
lm
= g 0 (y0 )f 0 (x0 ) = g 0 f (x0 ) f 0 (x0 ).
yy0
xx0
y y0
x x0
(g f )0 (x0 ) = lm
xx0
Demostraci
on de:
Teorema del valor medio de Cauchy 156 de la pagina 71
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 de la pagina 71
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
es decir, tal que
f (x) 0
f 0 (x )
= 0
g(x) 0
g (x )

Anexo 1
Luego, como x < x < x0 , si x x

en x x
0 tambi
0 y entonces,
lm
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)
siempre que este u

ltimo lmite exista. An
alogamente, para los x > x0 , se tiene
f 0 (x)
0
xx0 g (x)
En consecuencia, si lm
f (x)
xx0 g(x)
lmite lm
f 0 (x)
0
xx0 g (x)
existe se tiene que lm
= 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)
por lo que existe el
y coincide con el anterior.
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
funciones se obtiene el resultado.

f (x)
xx0 g(x)
Para la indeterminaci
on lm
cociente puede escribirse en la forma

factor
f (y)f (x)
g(y)g(x)
f 0 (x )
g 0 (x )
, se toma un punto y fijo y suficientemente cercano a x0 y entonces, el
f (x)
g(x)
f (y)f (x)
g(y)g(x)
g(y)
1
g(x)
f (y)
1
f (x)
. Aplicando el Teorema de Cauchy 156 al primer

g(y)
1
g(x)
f (y)
xx0 f (x) 1
y teniendo en cuenta, que al ser y fijo, lm
= 1 , se observa que el resultado
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
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!
que se denomina resto de Cauchy.
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
G(x) G(a) = G0 (c)(x a) , para alg

un c (a, x) . Luego
(x c)n
(x a)
n!
= f (x) Pn,a (x) =
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 (x) Pn,a (x) =
f (n+1) (c)
(x a)n+1
(n + 1)!
y hemos obtenido el resto de Cauchy, en el primer caso, y el de Lagrange en el segundo.

Demostraci
on de:
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
> 0 para los x de un entorno de a, y
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
< 0 para los x de un entorno de a, y
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

Unidad II
C
Prof: Jos
e Antonio Abia Vian

98 Fundamentos de Matematicas : Calculo integral en R
Captulo 9
Integral de Riemann
9.1
9.1.1
Sumas inferiores y superiores

Particiones de un intervalo
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
Sea [0, 1] , entonces P =
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
, para i =n1, 2, 3,o

4.
2
es m
as fina que P y la particion P2 = 0, 4 , 1 es menos fina que la
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
Sumas inferiores y superiores
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 }
Mi = sup{f (x) : x [xi1 , xi ]}.
Llamarenos suma inferior de f para la particion P al valor

y llamaremos suma superior de f para la particion P a
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
angulos de base xi y altura mi ), y las

sumas superiores una cota por exceso del valor del area.
En la figura de la derecha, el valor de la suma inferior es el
area de la zona gris oscuro y el valor de la suma superior el
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


Ejemplo 179 Si tomamos f : [0, 1] R donde f (x) = 2x , y la particion P =

[0, 1] = [0, 13 ] [ 13 , 23 ] [ 23 , 1] y que x1 = x2 = x3 =
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 ) .
b) Para todas P1 , P2 P[a, b] con P1 P2 , se verifica que

L(f, P1 ) L(f, P2 )
c) Para cualesquiera P, Q P[a, b] , se verifica que
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
Integral de una funci

Sea f : [a, b] R una funci

on acotada, los conjuntos de n
umeros reales
A = {L(f, P ) : P P[a, b]}
B = {U (f, P ) : P P[a, b]}
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
(si se quiere poner enfasis en la variable usada)


Teorema 183.- (Condici

on de integrabilidad de Riemann)
Una funci
on f : [a, b] R acotada es integrable Riemann si, y solo si, para todo > 0 existe una partici
on
P P[a, b] tal que
U (f, P ) L(f, P ) < .
Demostraci
on:
=c Sea f integrable Riemann y sea > 0 . Como I = I es el inferior de las sumas superiores y I = I es el
superior de las sumas inferiores, existe una particion P1 y existe una particion P2 , tales que
U (f, P1 ) I <
I L(f, P2 ) <
.
2
Tomando P = P1 P2 , se tiene que P1 P y P2 P y, por tanto,

U (f, P ) U (f, P1 ) y L(f, P2 ) L(f, P ) .
Luego
U (f, P ) I U (f, P1 ) I < 2
y I L(f, P ) I L(f, P2 ) <
y sumando ambas desigualdades
U (f, P ) L(f, P ) < .
=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
3.- f integrable en [a, b] si, y s

olo si, f es integrable en [a, c] y [c, b] .
Z b
Z c
Z b
En ese caso,
f=
f+
f.
a
c
a
Z
Definici
on 185.- Por convenio,
Z
f (x) dx = 0 ;
Z b
f (x) dx = f (x) dx.
Como consecuencia de esta definici

on la propiedad (3) puede generalizarse a cualquier c R, siempre que
la funci
on sea integrable en los intervalos correspondientes, es decir:
Proposici
on 186.- Sea [a, b] R y c R . Entonces
b
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
Fig. 9.1. Sumas de Riemann.
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 ) <
U (f, P ) S(f, P, E2 ) < .
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
Otras propiedades de la integral

b
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
Algunas funciones integrables
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
, para todo i , se tiene que

U (f, Pn ) L(f, Pn ) =
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
Luego tomando n suficientemente grande para que

U (f, Pn ) L(f, Pn ) =
ba
n
<
f (b)f (a)
, entonces

b a
f (b) f (a) <

f (b) f (a) = .
n
f (b) f (a)
Teorema 196.- Sea f : [a, b] R una funci

on continua en [a, b] . Entonces f es integrable en [a, b] .
Teorema 197.- Sea f : [a, b] R una funci
on acotada en [a, b] y continua en [a, b] salvo acaso en una cantidad
numerable de puntos de dicho intervalo. Entonces f es integrable en [a, b] .
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 , tambien es cierto que m

b
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
y, por tanto, F es continua en [a, b] .

Z
Teorema fundamental del C
alculo Integral 202.- Sea f : [a, b] R integrable y F (x) =
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
L(f, P ) G(b) G(a) U (f, P ).

Z
Como tambien es L(f, P )
f (x) dx U (f, P ) , se verifica que

a
Z

b

f (x) dx G(b) G(a) <

a

y, por tanto,
Z
f (x) dx = G(b) G(a).

a
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
f ((t))0 (t) dt.

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
son respectivamente primitivas de f (x) y f ((t)) (t) .

Ahora bien, como F es una primitiva de f , F ((t)) es tambien una primitiva de f ((t))0 (t) , luego
F ((t)) = G(t) + C , para todo t [, ] .
Para t = se tiene F (()) = G() + C , y como F (()) = F (a) = 0 y G() = 0 , entonces C = 0 .
Y para t = se tiene F (()) = G() , es decir,
b
f ((t))0 (t) dt.
f (x) dx =
9.4
Ejercicios
9.135 Comprobar que la funci

on f (x) = k , donde k es constante, es integrable en cualquier intervalo [a, b] de
R y calcular el valor de la integral.

1, si x [0, 1]
9.136 Comprobar que la funci
on f (x) =
es integrable Riemann en [0, 2] . (Utilizar la condici
on
2, si x (1, 2]
de integrabilidad de Riemann.)
9.137 Justificar razonadamente la falsedad de las siguientes afirmaciones:
a) U (f, P1 ) = 4 para P1 = {0, 1, 32 , 2} y U (f, P2 ) = 5 para P2 = {0, 41 , 1, 32 , 2}.
b) L(f, P1 ) = 5 para P1 = {0, 1, 32 , 2} y L(f, P2 ) = 4 para P2 = {0, 41 , 1, 32 , 2} .
c) Tomando P P[1, 1] ,
(i) L(f, P ) = 3 y U (f, P ) = 2 .
Z
(ii) L(f, P ) = 3 y U (f, P ) = 6 y
f (x) dx = 2 .
1
Z 1
(iii) L(f, P ) = 3 y U (f, P ) = 6 y
f (x) dx = 10 .
1
Z
9.138 Se sabe que
Z
f (x) dx = 6 ,
Z
f (x) dx = 4 y
f (x) dx = 1 . Hallar el valor de cada una de las
siguientes integrales:
Z
a)
Z
f (x) dx
b)
Z
f (x) dx
c)
1
9.139 Sean f derivable y F (x) =
f (t) dt. Es cierto que F (x) =

a
Z
9.140 Sea f (x) =
a
f (x) dx.
f 0 (t) dt? Por que?
x
1
1+sen2 t
dt. Calcular f (x) y f 0 (x) , indicando sus dominios de definicion.
9.141 Hallar f 0 (x) , indicando su dominio de definicion, para

Z
a) f (x) =
a
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
9.142 Hallar el dominio y la expresi

on de f 0 (x) para cada una de las siguientes funciones:
Z
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.
9.143 Si f es continua, calcular F (x) , siendo F (x) =

0
9.144 Probar que si f : R R es continua y periodica de periodo T , entonces

Z
a+T
a R.
f (x) dx
f (x) dx =
0
f (t) dt, para cada una de
9.145 Obtener el dominio y la expresi

on concreta de su funcion integral F (x) =
a
las funciones siguientes:
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
9.147 Dada la funci

on f estrictamente creciente en R, con f (0) = 0 , y continua, estudiar el crecimiento,
Z x3 2x2 +x
decrecimiento y los extremos de F (x) =
f (t) dt.
1
x
tet dt alcanza alg

un extremo.
9.148 Encontrar los valores de x para los que la funcion F (x) =

0
Z
9.149 Sea f : [a, b] R de clase 1, tal que f (a) = f (b) = 0 y
f 2 (x) dx = 1 . Probar que
a
b
1
xf (x)f 0 (x) dx = .
2
9.150 Sean f y g funciones reales continuas en [a, b] que verifican que

Z
Z
f (x) dx =
g(x) dx.
a
Demostrar que existe un punto c [a, b] tal que f (c) = g(c) .

Z 1
9.151 Se define la funci
on beta por B(n, m) =
xn1 (1 x)m1 dx para n, m N, n, m > 0 .
0
a) Probar que B(n, m) = B(m, n) .

(n 1)! 1!
.
n!
c) Probar que si n, m 2 , B(n, m) = n1
m B(n 1, m + 1) =
n! m!
B(n, m) =
.
(n + m)!
b) Probar que B(n, 1) = B(1, n) =
Prof: Jos
e Antonio Abia Vian
m1
n B(n + 1, m 1)
y deducir de ello que

Captulo 10
Aplicaciones de la integral
10.1
Areas
de superficies planas
10.1.1
Funciones dadas de forma explcita
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
En nuestro caso, como F (x) = x9 + x es una primitiva de f en [0, 3] ,

basta aplicar la regla de Barrow para obtener que
3
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
como magnitud de medida positiva. Sin embargo, es claro que el

area
de la region R coincide con el area de la region R0 determinada por la
funcion f (ver figura a la izquierda), por lo que, teniendo en cuenta
las propiedades de la integral, puede darse la siguiente definicion.


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
encerrada por la curva.

R1
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
+ 2x es una primitiva de f (x) en [0, 25 ] ,

A(R) = G(1) G(0) G(2) G(1) + G 52 G(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
Si alguna de ellas toma valores negativos, el

area entre ambas, R , es el mismo
que si le sumamos a cada funci
on una constante k que las haga positivas y,
por tanto, el
area R es el
area R0 encerrado por f +k menos el area encerrado
por g + k (ver figura), es decir,
b
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)
Los puntos de corte de ambas par

abolas son las soluciones de la ecuacion
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
Trataremos ahora de calcular el volumen de un solido S . Para

ello supongamos que esta colocado en los ejes coordenados de R3
y que los extremos del s
olido en la direcci
on del eje de abcisas
se toman en los valores x = a y x = b. Consideremos para
cada x [a, b] que A(x) representa el
area de la interseccion
del cuerpo con un plano perpendicular al eje de abcisas (ver
figura).
Entonces, para cada partici
on P = {a = x0 , x1 , ..., xn = b} del
intervalo [a, b] , consideremos
mi = inf{A(x) : x1 x xi1 }
Mi = sup{A(x) : x1 x xi1 }
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
el inferior y el superior de los valores de las

areas A(x) de las secciones del solido entre xi1 y xi .
Definimos suma superior e inferior asociadas al solido S y la particion P en la forma
U (A, P ) =
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 .
Fig. 10.1. Vol

umenes por exceso y por defecto.
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
Nota: Podemos dar definiciones an

alogas si tomamos secciones perpendiculares al eje y o al eje z .

Ejemplo Hallar el volumen del s
olido S = (x, y, z) R3 : x, y, z 0; x + y + z 1 .
El s
olido S es la parte del primer octante limitada por el plano x + y + z = 1 , es decir, el tetraedro (pir
amide
de base tri
angular) cuyas caras son los planos coordenados y el plano x + y + z = 1 .
Las secciones formadas por planos perpendiculares al eje x son
tri
angulos y su area, para cada x , es A(x) = base(x)altura(x)
.
2
1
Para cada x de [0, 1] , la base deltri
angulo es la coordenada y de
x+y+z =1
la recta intersecci
on de los planos
, luego base(x) =
z=0
z = 1x
y = 1 x .La altura es la coordenada z de la recta interseccion de
x+y+z =1
los planos
, luego altura(x) = z = 1 x . Por tanto,
y=0
A(x) = (1x)(1x)
y
A(x)
2
1
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
Un caso particular de gran importancia de la definicion anterior es el de los s

olidos de revoluci
on, es decir,
s
olidos generados al girar respecto a un eje.
Supongamos dada una funci
on f : [a, b] R y consideremos la region limitada por la curva y = f (x) el
eje de abcisas y las rectas x = a y x = b (como e la figura inical del tema). Una rotacion completa de esta
alrededor del eje de abcisas produce un s
olido S para el cual, cada seccion es un crculo de radio f (x) (o |f (x)|
si la funci
on es negativa, ver la figura anexa al ejemplo siguiente de la esfera) y por tanto, su area sera
A(x) = f 2 (x).
Prof: Jos
e Antonio Abia Vian

10.3 Otras aplicaciones
En consecuencia, el volumen se obtendr

a de
Z
V (S) =
f 2 (x) dx =
f 2 (x) dx.
Ejemplo Hallar el volumen de la esfera x2 + y 2 + z 2 4 .

La esfera es claramente un s
olido de revoluci
on, pues si giramos el crculo m
aximo se genera una esfera. De hecho, basta
girar el crculo m
aximo media vuelta para conseguirla, o dar
una vuelta completa a uno de los semicrculos.
Como el circulo m
aximo, intersecci
on de la esfera con el plano
y = 0 , tiene por ecuaci
on (en el plano xz ) a x2 + z 2 = 4 , obtenemos la esfera al girar una rotaci
on completa lasuperficie
encerrada por la semicircunferencia superior, z = 4 x2 .
Para cada
x [2, 2] , el
area de la secci
on generada es
A(x) = ( 4 x2 )2 = (4 x2 ) , con lo que el volumen
ser
a

2
Z 2
x3
32
4
2
V (S) =
(4 x ) dx = 4x
=
= 23 ,
3
3
3
2
2
como ya sabamos.
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.
donde c y d son los extremos de variacion de y .

? En el caso m
as general, los vol
umenes de los cuerpos engendrados por la rotacion de una figura limitada
por las curvas continuas y = f (x) , y = g(x) (donde 0 g(x) f (x) o f (x) g(x) 0 ) y por las
rectas x = a e x = b alrededor del eje de abcisas es
Z
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
Sin una justificaci

on completa, esta definicion se obtiene de lo siguiente: sea P = {a = x0 , x1 , ..., xn = b}
una partici
on del intervalo [a, b] y denotemos por Pxi = (xi , f (xi )) al punto correspondiente de la grafica de f ,
entonces la longitud la lnea poligonal, L(QP ) , formada por los n segmentos rectilineos, Pxi1 Pxi , que unen
Prof: Jos
e Antonio Abia Vian

10.3 Otras aplicaciones
Pxi1
Px0
Pxn
Pxi
Fig. 10.2.
los puntos consecutivos de la gr

afica es una aproximacion por defecto (la recta es mas corta que el arco, ver
figura aneja) de la longitud de la curva, L(f ) . Es decir,
n
n q
X
X
2
L(QP ) =
L Pxi1 Pxi =
(xi xi1 )2 + f (xi ) f (xi1 ) L(f )
i=1
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
Y como f 0 es continua en [a, b] , la funci

on g es continua e integrable en [a, b] , de donde
Z bp
n
Xp
0
2
S(g, P, E) =
1 + (f (ei )) 4xi
1 + (f 0 (x))2 dx.
a
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:
La esfera es una superficie de revoluci

on obtenida al girar el arco de curva y = 4 x2 en el intervalo
[2, 2] . Luego
s

2
Z 2p
Z 2
x
S = 2
4 x2 1 +
dx = 2
2 dx = 16.
4
4 x2
2
2
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.
(Nota: Estudiar el dominio y el signo de la funci

on.)
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.
(Nota: Se sugiere el cambio x = a sen t o

x = a cos t .)
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
+ z6 = x y limitado por el plano x = 5 .
10.170 Hallar el volumen del elipsoide, engendrado por la rotacion de la elipse
x2
a2
y2
b2
= 1 alrededor del eje OX .
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
10.173 La recta x = 2 divide al crculo (x 1)2 + y 2 4 en dos partes.

a) Calcular el volumen generado al girar alrededor de la recta y = 0 la parte de mayor area.
b) Calcular el volumen generado al girar alrededor de la recta x = 0 la parte de mayor area.
c) Calcular el volumen generado al girar alrededor de la recta x = 2 la parte de menor area.
10.174 Considerar las curvas y = sen(x) e y = sen(2x) en el intervalo [0, ] .
a) Hallar el
area de la regi
on encerrada entre las dos curvas.
b) Hallar el
area de cada uno de los trozos en que la recta y = 21 divide a la region encerrada entre las
dos curvas.
c) Si giramos ambas curvas alrededor de la recta y = 21 , cual de las dos engendrara mayor volumen?
2
10.175 Hallar el volumen de la parte del hiperboloide de una hoja S = { xa2 +
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.
10.182 Un crculo deformable se desplaza paralelamente al plano XZ de tal

forma, que uno de los puntos de su circunferencia descansa sobre el
2
2
eje OY y el centro recorre la elipse xa2 + yb2 = 1 . Hallar el volumen del
cuerpo engendrado por el desplazamiento de dicho crculo.
10.183 Sea S el recinto del plano limitado por la parabola y = 4 x2 y el eje de abscisas. Para cada p > 0
consideramos los dos recintos en que la parabola y = p x2 divide a S ,
A(p) = {(x, y) S : y p x2 }
B(p) = {(x, y) S : y p x2 }.
a) Hallar p para que las

areas de A(p) y B(p) sean iguales
b) Hallar p para que al girar A(p) y B(p) alrededor del eje OY s obtengamos solidos de igual volumen
10.184 Hallar el permetro de uno de los tri
angulos curvilneos limitado por el eje de abscisas y las curvas
y = ln | cos x| e y = ln | sen x| .
10.185 Hallar la longitud del arco y = arcsen(ex ) desde x = 0 hasta x = 1 .
10.186 Hallar el
area de la superficie del toro engendrado por la rotacion de la circunferencia (x b)2 + y 2 = a2 ,
con b > a, alrededor del eje OY .
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
Integrales impropias de primera especie
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
f (x) dx es convergente si existe y es finito

a
t
Z
lm F (t) = lm
t+
f (x) dx
t+
y si ese lmite es L se dice que el valor de la integral impropia es L . Es decir,

Z +
L=
f (x) dx.
a
Si el lmite anterior es infinito (

o ) se dice que la integral impropia es divergente (hacia o hacia
), y si no existe se dice que es oscilante.
De forma an
aloga se definen las integrales impropias de primera especie en intervalos de la forma (, b]
para funciones f : (, b] R integrables en [t, b] , para todo t R, y las representamos por
Z
f.
Z
Ejemplo La integral
Z
t+
Ejemplo
x dx es divergente, pues lm
Z
x dx = lm
Z
sen x dx es oscilante, pues

0
lm
t+
este u
ltimo lmite no existe
Z
1
1+x2
dx =
x2
2
it
t2
t+ 2
= lm
1
2
= +
sen x dx = lm (cos x]0 = lm cos t 1 y

t+
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 = lm (arctg x]t = lm 0 arctg t =

t
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

11.1 Integrales impropias de primera especie
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
luego diverge si < 1 y converge si > 1 .

Z
Z
dx
Resumiendo,
diverge
si
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
1.- Sea f : R R integrable en todo intervalo cerrado de R . El caracter de
f (x) dx no depende del
punto a dado en la definici

on.
Y si la integral es convergente, su valor no depende del punto elegido ya que, para cualquier b R ,
Z a
Z
Z b
Z a
Z b
Z
Z b
Z
f+
f=
f+
f+
f+
f=
f+
f.
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+
es divergente, sin embargo

Z
lm
t+
t+
x2
t
t
= lm t2 (t)2 = 0.
t+
Al valor del lm
t+
2x dx = lm
f (x)dx se le denomina Valor Principal de Cauchy, y suele denotarse por V P

t
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
2.- Sea f : [a, +) R integrable en [a, t] , t a y R , con 6= 0 . Entonces

+
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+
g(x) dx, si los segundos lmites

a
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
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
por ser f (x) 0 para todo x [a, +) .

Teorema 223.- Sea f : [a, +) R integrable y no negativa en [a, t] , t R .
+
Z
f (x) dx
es convergente F (t) =
f (x) dx
esta acotada superiormente.
Nota: En consecuencia, para funciones no negativas,
f (x) dx solo puede ser convergente o divergente.

a
Primer criterio de comparaci

on 224.- Sean f, g: [a, +) R integrables en [a, t] para todo t a y supongamos que existe b > a tal que 0 f (x) g(x) para todo x b. Entonces:
Z +
Z +
a) Si
g(x) dx converge
f (x) dx tambien converge.
a
a
+
f (x) dx diverge
b) Si
a
g(x) dx tambien diverge.

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
luego basta probarlo en [b, +) .

Z +
Z t
a) Si
g(x) dx converge, G(t) =
g(x) dx esta acotada superiormente.
b
Por ser 0 f (x) g(x) , se tendr

a que
t
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
f (x) dx es divergente tambien lo es
f (x) dx y, por tanto, F (t) =

f (x) dx no esta acotada
a
b
Z + b
superiormente. Como F (t) G(t) , G no esta acotada superiormente y
g(x) dx es divergente, luego
b
Z +
g(x) dx es divergente.
a
Ejemplo
1Z
Z
1
x2 +1 dx
1
< x2 + 1 de donde 0 <
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
divergente, pues en [1, +) , 0 < x + 1 < x + x = 2x de donde 0 <

como la menor es divergente, la mayor tambien lo es.
1
2x
<
1
x+1
. Luego
4

Segundo criterio de comparaci

on 225.- Sean f, g: [a, +) R integrables en [a, t] , para todo t a y no
(x)
negativas. Supongamos que existe lm fg(x)
= L. Entonces:
x+
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 + ,
+
teniendo en cuenta que

a
11.1.2
f , para las funciones negativas basta estudiar el caracter de

a
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
Teorema 227.- Sea f : [a, +) R integrable en [a, t] para todo t a.

Z
Z
|f (x)|dx converge, entonces
Si
a
f (x)dx converge.
a
En otras palabras, si una integral impropia converge absolutamente entonces converge.

Demostraci
on:
Para todo x [a, +) se tiene |f (x)| f (x) |f (x)|, luego 0 f (x) + |f (x)| 2|f (x)| . Entonces, si
Z +
Z +
|f (x)|dx converge se tiene que
(|f (x)| + f (x)) dx es convergente y, por tanto, aplicando al propiedad
a
3 de 219, se tiene que

Z
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
11.2 Integrales impropias de segunda especie
cos x
dx
x2
1
x2
cos x
x2
dx converge,
dx converge absolutamente, luego converge y, por tanto
sen x
1
dx =
x
converge.
Z
Veamos que no converge absolutamente. Si
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
No obstante, si f : (, b] R, la funcion g: [b, +) R definida por g(x) = f (x) verifica que

Z t
f (x)dx =
g(u)du, para todo t (, b] , luego
b
f (x)dx
g(u)du.
b
Puede, por tanto, estudiarse f (x) en (, b] estudiando f (x) en [b, +) .

Z 1
1
Ejemplo Estudiar el car
acter de
x2 dx.
Z +
Z +
Z 1
1
1
1
Como
dx
=
dx
que
converge,
la
integral
(x)2
x2
x2 dx converge.
(1)
11.2
Integrales impropias de segunda especie
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
f (x)dx es convergente si existe y es finito

a+
Z
lm F (t) = lm
ta+
f (x)dx
ta+
y si ese lmite es L se dice que el valor de la integral impropia es L , es decir,

Z
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+
son ambas convergentes. En ese caso su valor es

Z
f (x)dx =
a+
Ejemplo 232 Estudiar el car

acter de
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
luego converge si < 1 y diverge si 1 .

Z
An
alogamente se hace la segunda, y se obtiene que
a
11.2.1
b
dx
(bx)
converge si < 1 y diverge si 1 .
Criterios de comparaci
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
a+
f (x)dx
Primer criterio de comparaci

on 235.- Sean f, g: (a, b] R integrables en [t, b] , para todo t (a, b] , y no
acotadas. Supongamos que existe c (a, b] tal que 0 f (x) g(x) , para todo x (a, c] , entonces
Z b
Z b
f (x)dx tambien converge.
g(x)dx converge =
a) Si
a+
a+
g(x)dx tambien diverge.
f (x)dx diverge =
b) Si
a+
a+

on 236.- Sean f, g: (a, b] R integrables en [t, b] , para todo t (a, b] , no
(x)
negativas y no acotadas. Supongamos que existe y es finito lm+ fg(x)
= L. Entonces:
xa
a) Si L 6= 0 entonces,
f (x)dx
g(x)dx.
a+
a+
Z b
Z
[i] Si
g(x)dx converge =
a+
Z b
[ii] Si
f (x)dx tambien converge.
a+
b
f (x)dx diverge =
a+
g(x)dx tambien diverge.

a+
Teorema 237.- (Convergencia absoluta.)

Sea f : (a, b] R integrable en [t, b] , t (a, b] , y no acotada.
b
Z
|f (x)|dx
Si
convergente =
a+
f (x)dx
es convergente.
a+
Nota: Tambien pueden darse enunciados an

alogos para integrales impropias de segunda especie en [a, b) .
Observaci
on 238.- Cualquier integral impropia de segunda especie puede transformarse mediante un cambio
de variable adecuado en una integral impropia de primera especie:
Segunda especie
Z
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
Por consiguiente, como ya anunci

abamos, los teoremas y criterios de comparacion estudiados para las integrales impropias de primera especie admiten enunciados analogos para las integrales impropias de segunda
especie.
Las demostraciones pueden hacerse utilizando los cambios de variable arriba indicados y los resultados ya
conocidos referentes a las integrales impropias de primera especie, o bien siguiendo los mismos pasos de las
demostraciones realizadas en la subsecci
on 11.1.1.
11.3
Ejercicios
Z
+
dx
1+x2
11.187 Calcular el valor de
ex dx y
11.188 Calcular
ex dx.
11.189 Estudiar el car

acter de
2x1
1+x2 dx
y hallar V P
2x1
1+x2 dx.
sen x dx?
sen x dx no es convergente. Existe V P
11.190 Probar que

acter de las integrales siguientes:
Z
a)
Z
(2 + sen x)dx
e (2x 4x)dx
ex dx
sen x
1+cos x+ex dx
i)
0
e2x (2x2 +4x)dx
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

Z
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
diverge para cualquier R .

acter de las siguientes integrales, seg
un los valores de
Z
a)
sen2 x
x2 dx
+
dx
ln x ,
b)
para > 1
11.195 Responder razonadamente, sobre la veracidad o falsedad de las siguientes afirmaciones:

Z +
a) Si f : [a, ) R es integrable en cada [a, t] [a, ) y lm f (x) = 0 , la
f (x) dx converge
x+
a
Z
b) Si f : [a, +) R, es continua y lm f (x) = 0 , entonces
f (x)dx converge
x+
a
Z
c) Si f : [a, +) R, es derivable, creciente y acotada entonces
f 0 (x)dx converge
a
Z
d) Si
Prof: Jos
e Antonio Abia Vian
Z
f (x)dx
f (x)dx es convergente, entonces

a
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

Z
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.

Z
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
xp1 (1 x)q1 dx . Encontrar los valores reales de p y q para

on beta por B(p, q) =
0
los que la funci

on B(p, q) est
a definida.
xp ex dx .

on gamma por (p) =
0
a) Probar que esta funci

on est
a definida para todo p > 1 .
b) Probar que se verifica la igualdad (p + 1) = p(p) , para cualquier p .
Z
c) Calcular, usando b),
x6 ex dx .
0
11.201 Sea f : [0, +) R. Se define la funcion transformada

integral de Laplace de la funcion f , que
Z
denotaremos por L{f }, como L{f (x)} = F (s) =
f (x)esx dx, siempre que la integral exista. Probar
0
que:
a) Si f (x) = 1 , F (s) = L{1} = 1s .
b) Si F (s) = L{f (x)} y G(s) = L{g(x)}, entonces, para todo , R,
L{f (x) + g(x)} = L{f (x)} + L{g(x)}.
c) Si f es derivable y verifica que
entonces
lm f (x)esx = 0 , a partir de un cierto s, y existe L{f 0 (x)} ,
x+
L{f 0 (x)} = sL{f (x)} f (0).

d) L{x} =
Prof: Jos
e Antonio Abia Vian
1
s2
y que L{sen(ax)} =
a
s2 +a2
, usando el resultado del apartado c).

C
Integral de Riemann
Demostraci
on de:
agina 99
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 ) .
b) Para todas P1 , P2 P[a, b] con P1 P2 , se verifica que

L(f, P1 ) L(f, P2 )
U (f, P2 ) U (f, P1 ) .
c) Para cualesquiera P, Q P[a, b] , se verifica que
L(f, P ) U (f, Q) .
Demostraci
on:
a) Como mi Mi , para todo i, se tiene
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.
Como Mj = sup{f (x) : x [xj1 , xj ]} , es M 0 Mj y M 00 Mj y por tanto

U (f, P2 )
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
c) Si consideramos P = P Q, P es una particion de [a, b] y se verifica que P P y Q P . Usando

las propiedades b), a) y b) en las desigualdades siguientes, se tiene
L(f, P ) L(f, P ) U (f, P ) U (f, Q).
Demostraci
on de:
agina 100
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
f =
a
f.
a
3.- f integrable en [a, b] si, y s

olo si, f es integrable en [a, c] y [c, b] .
Z b
Z c
Z b
f.
f+
f=
En ese caso,
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
(Mi0 m0i )xi <
i=1
U (g, P ) L(g, P ) =
n
X
(Mi00 m00i )xi <
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
(Mi0 m0i )xi +
i=1

(Mi0 + Mi00 ) (m0i + m00i ) xi
(Mi00 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 )
U (f, P ) = U (f, P1 ) + U (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
U (f, P2 ) L(f, P2 ) < .
Recprocamente, si f es integrable en [a, c] y en [c, b] , existen P1 P[a, c] y P2 P[c, b] tales que

U (f, P1 ) L(f, P1 ) <
U (f, P2 ) L(f, P2 ) <
Tomando P = P1 P2 , se tiene que P P[a, b] y

Prof: Jos
e Antonio Abia Vian

Anexo 2
U (f, P ) L(f, P ) = (U (f, P1 ) L(f, P1 )) + (U (f, P2 ) L(f, P2 )) <
= ,
luego f es integrable en [a, b] .

Z c
Z b
Z b
Si denotamos por I1 =
f (x) dx , I2 =
f (x) dx e I =
f (x) dx , se tiene que
a
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
f (x) dx , dado > 0 existe P P[a, b] tal que
Si f integrable en [a, b] e I =
a
U (f, P ) L(f, P ) < .

Por otra parte, para cualesquiera P y E asociado a P , se cumple que
L(f, P ) S(f, P, E) U (f, P )
y que
L(f, P ) I U (f, P )
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 ) <
U (f, P ) S(f, P , E2 ) <
,
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
U (f, P ) L(f, P ) <

y que
|S(f, P , E) I| <
Prof: Jos
e Antonio Abia Vian
h 11.1 i
h 11.2 i

Anexo 2
(existen P1 y P2 verificando respectivamente h 11.1i y h 11.2i , luego P = P1 P2 verifica a la vez h11.1 i y

h 11.2 i). Como
Z b
L(f, P )
f (x) dx U (f, P )
y
L(f, P ) S(f, P , E) U (f, P )
a
se tiene que

Z

b

f (x) dx S(f, P , E) U (f, P ) L(f, P ) <

a
2
luego
<
2
y de h 11.2i tenemos que
f (x) dx S(f, P , E) <

a
,
2
< S(f, P , E) I < ,

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
(Mi mi )xi <
i=1
(Mi0 m0i )xi .
Ahora bien:
i=1
? si 0 mi entonces 0 f = f + en [xi1 , xi ] y Mi0 m0i = Mi mi .

? si Mi 0 , entonces f 0 = f + en [xi1 , xi ] y Mi0 m0i = 0 0 Mi mi .
? si mi < 0 < Mi , entonces mi < 0 = m0i Mi0 = Mi y Mi0 m0i Mi mi .
En consecuencia, U (f + , P ) L(f + , P ) U (f, P ) L(f, P ) < y f + es integrable. en [a, b] .
Como es tambien f = f + f , se tiene que f = f + f es integrable en [a, b] por ser suma de integrables
y, por tanto, |f | es integrable en [a, b] .
Aplicando ahora el corolario 191 a la desigualdad |f | f |f | , se tiene que
Z b
Z b
Z b
|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
(Mi mi )xi <
i=1
Para esa partici

on y la funci
on h2 , sea
U (h2 , P ) L(h2 , P ) =
n
P
.
2K
(Mi0 m0i )xi ,
i=1
entonces,
? si 0 mi Mi , se tiene que Mi0 = Mi2 y m0i = m2i , de donde

Mi0 m0i = Mi2 m2i = (Mi + mi )(Mi mi ) .
? si mi Mi 0 , se tiene que Mi0 = m2i y m0i = Mi2 , de donde
Mi0 m0i = (Mi2 m2i ) = (Mi + mi )(Mi mi ) = |Mi + mi | (Mi mi ) .
ax{m2i , Mi2 } y m0i = mn{m2i , Mi2 }, de donde (por las anteriores)
? si mi < 0 < Mi , se tiene
que Mi0 = m

2
2
0
0
Mi mi = Mi mi = |Mi + mi | (Mi mi ) .
Luego
n
X
(Mi0 m0i )xi =
i=1
n
X
|Mi +mi | (Mi mi )xi
n
X
2K(Mi mi )xi < 2K
i=1
i=1
= ,
2K
y h es integrable. En consecuencia f g es integrable en [a, b] .
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+
que |f (x) L| < , es decir, L < f (x) < L + .

L
En particular, tomando = L2 > 0 , si x k se verifica que L2 < f (x) < 3L
2 , luego 0 < 2 < f (x) para todo
x [k, +) . Entonces,
Z t
Z t
L
dx lm
lm
f (x) dx
t+ k 2
t+ k
y como
Z t
L
L
L
t
lm
dx = lm
(x]k =
lm t k = +,
t+ k 2
t+ 2
2 t+
Z t
Z
se tiene que lm
f (x) dx = + y la integral
f (x) dx diverge, luego por la propiedad 1 de 219,
t+ k
k
Z
f (x) dx diverge.
a
Z
Supongamos ahora que lm f (x) = L < 0 . Entonces lm f (x) = L > 0 y, por tanto,
f (x) dx
x+
x+
a
Z
diverge. Luego
f (x) dx diverge.
a
Demostraci
on de:
Prof: Jos
e Antonio Abia Vian
Teorema 223 de la p
agina 118

Anexo 2
Teorema 223.- Sea f : [a, +) R integrable y no negativa en [a, t] , t R .

Z +
Z t
f (x) dx es convergente F (t) =
f (x) dx esta acotada superiormente.
a
Demostraci
on:
Z
Si
f (x) dx converge, entonces
a
t
f (x) dx = lm F (t) = L R.
lm
t+
t+
Como F (t) es creciente, F (t) L y est

a acotada superiormente.
n
o
Recprocamente, si F (t) est
a acotada superiormente existe sup F (t) : t [a, +) = R. Veamos que
Z
f (x) dx es convergente.
= lm F (t) y habremos probado que
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:
Segundo criterio de comparacion 225 de la pagina 119

on 225.- Sean f, g: [a, +) R integrables en [a, t] , para todo t a y no
(x)
= L . Entonces:
negativas. Supongamos que existe lm fg(x)
x+
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
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
y, como g(x) 0 , se tiene

L
3L
g(x) f (x)
g(x)
2
2
para todo x K . Basta aplicar 224, a los pares de funciones
cuenta la propiedad 2 de 219.
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
= 0 y recaemos en el caso anterior.
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
a+
f (x)dx
Demostraci
on:
Z b
Si
f (x)dx converge, entonces
a+
Z
lm+
ta
f xdx = lm+ F (t) = L R.

ta
Como F (t) es decreciente, F (t) L y est

a acotada superiormente. (Notar, que como F es decreciente, cuando
t decrece hacia a+ , F (t) crece hacia L .)
Recprocamente, si F (t) est
a acotada superiormente existe sup{F (t) : t (a, b]} = R . Veamos que
Z b
= lm+ F (t) y habremos probado que
f (x)dx es convergente.
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
Ecuaciones Diferenciales Ordinarias
Prof: Jos
e Antonio Abia Vian

133 Fundamentos de Matematicas : Ecuaciones Diferenciales Ordinarias
Captulo 12
EDO de primer orden

12.1
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
? x2 y 000 y 0 + 2ex y 00 = (x2 + 2)y 2

El termino ordinarias las distinque de las ecuaciones diferenciales parciales en las que la solucion depende de
dos o m
as variables. El orden de una ecuaci
on diferencial es el orden de la derivada mas alta.
Definici
on 240.- Una ecuaci
on diferencial ordinaria de orden n generica suele representarse mediante la expresi
on

dy
dn y
F x; y, , . . . , n = F x; y, y 0 , . . . , y n) = 0
dx
dx
y se dice que una funci
on y = f (x) , definida en un intervalo I R y con derivada n -esima en el intervalo, es una soluci
on explcita de la ecuacion diferencial si la verifica en cada punto de I . Es decir, si
F (x; f (x), f 0 (x), . . . , f n) (x)) = 0 para cada x I .
Se dice que g(x, y) = 0 es una soluci
on implcita de la ecuacion diferencial si define implcitamente a una
funci
on f (x) que es una soluci
on explcita de la ecuacion diferencial.
Ejemplo La ecuaci
on diferencial x + y y 0 = 0 tiene a x2 + y 2 25 =
0 como solucion implcita en el
intervalo (5, 5) , que define implcitamente la solucion explcita y = f (x) = 25 x2 .
En efecto, si y = y(x) , derivando respecto a x la ecuacion implcita x2 +y 2 25 = 0 se tiene 2x+2y(x) y 0 (x) = 0
(derivaci
on en implcitas) de donde se obtiene la ecuacion de partida x + y y 0 = 0 .
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

12.2 Metodos de resoluci

on
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
Ecuaciones diferenciales ordinarias de primer orden
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)
M (x, y)dx + N (x, y)dy = 0
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
Ejemplo Las exprersiones, y 0 xy 2 = 0 , y 0 = xy 2 y xdx
1
1
y2
dy = 0 son formas distintas de la misma
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
Ejemplo Para la ecuaci

on diferencial y 0 = xy 2 , se tiene que f (x, y) = xy 2 es continua en y 0 y f
y
lo es en y > 0 . Luego en (0, 0) no se cumplen las
hipotesis del teorema, sin embargo tanto y1 (x) = 0 como
1
4
y 0 = xy 2
y2 (x) = x16 son soluciones del problema de Cauchy
y(0) = 0
1
Ambas verifican la condici

on en el punto y como y12 = 0 e y10 = 0 se tiene que 0 = y10 = xy12 = 0 .
1
Identicamente, y22 =
12.2
x2
4
e y20 =
x3
4
, luego
x3
4
= x x4 tambien cumple la ecuacion.
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

on
Ecuaciones diferenciales separables
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
Ecuaciones diferenciales exactas
La existencia de una soluci

on implcita, que es una funcion real de dos variables y cuya derivacion debe reconstruir
la ecuaci
on diferencial, nos indica el metodo para la resolucion: buscar esa primitiva cuya derivada es la
ecuaci
on.
Una funci
on (x, y) = C que define implcitamente una funcion y(x) , es tambien una solucion implcita
de la ecuaci
on diferencial. Derivando respecto a x , se tiene
y
x
=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


on
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
para cada (x, y) D . Entonces, (x, y) = C es la solucion general de la ecuacion diferencial.

Teorema 246.- Si se cumple que
tal que
x (x, y)
= M (x, y) y
M
y (x, y)
y (x, y)
N
x (x, y)
en cada punto de un abierto y convexo D , existe
= N (x, y) en cada punto de D .
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)
siendo K(y) la constante de integraci

on, que sera constante respecto a x pero que podra contener alguna
constante y (recordad, en este punto consideramos y como constante)
? tambien debe verificar que
y (x, y)
2xy+3y 2 +sen x =
= N (x, y) = 2xy+3y 2 +sen x , luego debe verificarse que
y (x, y)
2
y (xy
+ y sen x + K(y)) = 2xy + sen x + K 0 (y)
De donde, K 0 (y) = 3y 2 y por consiguiente

Z
Z
K(y) = K 0 (y)dy = 3y 2 dy = y 3 + C
con C la constante de integraci
on. Luego hemos construido
(x, y) = xy 2 + y sen x + K(y) = xy 2 + y sen x + y 3 + C
y se tiene entonces que xy 2 + y sen x + y 3 + C = 0 es la solucion general implcita de la ecuacion diferencial
Observaciones Unas consideraciones interesantes sobre este calculo y el metodo
1.- En el segundo paso, K 0 (y) es una funci
on de y , luego constante o con la variable y , pero en ning
un caso
debe tener la variable x . Si esto sucede, o bien hemos errado en los calculos o bien la ecuacion diferencial
no es exacta
2.- Antes de intertar calcular la funci
on , debe comprobarse que la ecuacion diferencial es exacta
3.- La construcci
on de puede hacerse tambien intercambiando las variables x e y en los dos pasos, es decir,
comenzando por considerar una primitiva de N respecto a y . De hecho, conviene comenzar por la que
tenga el c
alculo de la primitiva m
as sencillo.
4.- Es evidente del planteamiento de este metodo, que se estan usando las variables x e y como independientes,
y tambien es independiente el c
alculo de la funcion primitiva. El resultado es independiente de si
buscamos una soluci
on y = y(x) o una x = x(y) ; nosotros decidiremos de que tipo buscamos y nos
aseguraremos entonces de que todas esas soluciones se encuentren.
Nota: La ecuaciones separables tambien son ecuaciones exactas, pues si g(y) y 0 = f (x) , entonces en la forma
diferencial f (x) dx g(y) dy = 0 se cumple obviamente la condicion anterior.
Prof: Jos
e Antonio Abia Vian

12.2.3

on
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
Factores integrales de la forma (x) o (y)
Veamos las condiciones para admitir un factor integrante dependiente u

nicamente de la variable x . La funci
on
(x) es un factor integrante si cumple que

(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)
= N (x, y)0 (x)

y
x
Z M (x,y) N (x,y)
Z 0
M (x,y)
(x,y)

Nx
0 (x)
(x)
y
y
x
=
= f (x) =
dx =
dx = ln (x)
N (x, y)
(x)
N (x, y)
(x)
Z M (x,y) N (x,y)
x
y
de donde (x) = exp
dx .
N (x,y)
Analogamente, para un factor integrante de la forma (y) debe ser
2 sen(y 2 )dx + xy cos(y 2 )dy = 0
Ejemplo La ecuaci
on
En efecto,
0 (y)
(y)
N
x
M
M
y
= f (y) .
admite un factor integrante (x) .
M
N
= 2 cos(y 2 )2y y cos(y 2 ) = 3y cos(y 2 )

y
x
y se eliminan todas las y si dividimos por N ,
M
y
N
x
N
de donde

ln (x) =
3
x
2 cos(y 2 )2y y cos(y 2 )

3y cos(y 2 )
3
0 (x)
=
=
=
xy cos(y 2 )
xy cos(y 2 )
x
(x)
dx = ln x3 = (x) = x3 .
2x3 sen(y 2 )dx + x4 y cos(y 2 )dy = 0

Z
Resolviendo,
y como
(x, y) =
y
4
x4
2
M
N
= 2x2 cos(y 2 )2y 4x3 y cos(y 2 ) = 0

y
x
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
Luego es exacta la ecuacion:
2x3 sen(y 2 )dx =
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

on
Factores integrales m
as generales
En este mismo sentido de la b

usqueda de factores faciles, nos podemos encontrar algunos como los del tipo
(x, y) = xa y b , que no requieren una comprobacion muy difcil.
M
as genericos resultan los factores de la forma (z) , con z = f (x, y) , de manera que el problema puede
tratarse casi como de una sola variable z . Pero solo tiene sentido plantearse esto cuando sabemos que tipo de
factor debemos buscar; sin indicios es como buscar una aguja en un pajar (y con menor probabilidad de exito).
Por ejemplo, la ecuaci
on diferencial (y 2x 4y 2 )dx + (4xy 2x)dy = 0 tiene un factor integrante que es
(z)
(z)
z
z
0
0
0
y
funci
on de z = 2x + y . Por la regla de la cadena se tiene
x = (z) x = 2 (z)
y = (z) y =
0 (z) , luego

(y 2x 4y 2 ) (z) =
(4xy 2x) (z)
y
x
2 0
(y 2x 4y ) (z) + (1 8y)(z) = (4xy 2x)20 (z) + (4y 2)(z)

(y 2x 4y 2 ) (8xy 4x) 0 (z) = (4y 2) (1 8y) (z)
(y + 2x 4y 2 8xy)0 (z) = (12y 3)(z)
0 (z)
12y 3
12y 3
3
3
=
=
=
=
(z)
(y + 2x) 4y(y + 2x)
(y + 2x)(1 4y)
y + 2x
z
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
y su factor integral es,
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
(x)(y 0 + P (x) y) = (x) y 0 + (x) P (x) y = (x) Q(x)

(x) y 0 + 0 (x) y = (x) Q(x)
0
((x) y) = (x) Q(x)

Z
(x)y = (x)Q(x) dx
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
Ecuaciones un poco especiales
12.2.5.1
Ecuaciones de Bernoulli
12.3 Aplicaciones
Es una especie de generalizaci

on de la lineal, por lo que puede remitirse a una de ellas, pero tambien admite un
factor integrante que genariza el de la lineal
Definici
on 249.- Se dice que una ecuaci
on diferencial de orden uno es de Bernoulli, si puede escribirse en la
forma
dy
+ P (x) y = Q(x)y ( R)
dx
y que se convierte en lineal con el cambio = y 1 .
Adem
as, directamente admite el factor integral
1
(x, y) = exp
y
Z
(1)P (x)dx
e(1)( P (x)dx)
=
y
Ejercicio Comprobar que la ecuaci

on diferencial y 0 = xy + xy 3 es de Bernoulli, y obtener su soluci
on
2
x
2 2
en directamente con el factor de integracion.
y 2 (2 + x y ) = C mediante el cambio a una lineal y tambi
12.2.5.2
Ecuaciones reducibles a separables
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
puesto que incialmente ( t = 0 ) existan 40 kilos de sal en el agua.
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
12.203 Encontrar la curva soluci

on de la ecuaci
on xyy 0 = (x + 1)(y + 1) que pasa por el punto (1,0)
Prof: Jos
e Antonio Abia Vian

12.204 Probar que y(x) = ex
12.3 Aplicaciones
et dt es una solucion de la ecuacion y 0 = 2xy + 1
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
d) (ey cosec y cosec2 x)dx + (2xyey cosec y cotg y cotg x)dy = 0

12.207 Resolver las siguientes ecuaciones diferenciales:
a)
c)
e)
g)
i)
k)
m)
o)
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

on diferencial de orden dos
Z x
x(y x)
on
y(t)dt =
2
0
on
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
buscando un factor integrante adecuado.
Detectar que la ecuaci

on es tambien de dos de los tipos conocidos (reducible a separable y Bernoulli) y
resolverla para cada uno de ellos. Hay diferencias en el calculo de las soluciones? Hay alguna diferencia
en las soluciones?
12.211 Se sabe que la ecuaci
on P (x, y)dx + (x2 + xy )dy = 0 admite como factor integrante a (x) = x , que
P
x = 3y y que P (0, 1) = 0 .
a) Hallar P (x, y)
b) Hallar la soluci
on de la ecuaci
on que pasa por el punto (1, 1) .
12.212 La ecuaci
on (y 3 + y)dx + (2xy 2 + x)dy = 0 admite un factor integrante (z) donde z = xy . Calcular
dicho factor integrante y resolverla.
on y 0 =
yx
x+y
buscando un factor integrante que dependa de la variable z = x2 + y 2 .
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
Utilizar esto para resolver la ecuaci

on ey (2yy 0 + x2 ) =
Prof: Jos
e Antonio Abia Vian
1
x2

12.3 Aplicaciones
12.218 Hallar una soluci

on de la forma (x) = ax + b de la ecuacion diferencial:
(1 + x3 )y 0 + 2xy 2 + x2 y + 1 = 0
Determinar el resto de las soluciones de la ecuacion diferencial anterior, utilizando el cambio de variable
dependiente: y = (x) + 1 que transforma la ecuacion de partida en una ecuacion lineal.
12.219 Sean P (x, y) y Q(x, y) dos funciones de clase 1 en R2 , verificando
a) Probar que P (x, y)dx + Q(x, y)dy = 0 admite a (x, y) =
P
x
1
P 2 +Q2
Q
y
P
y
= Q
x .
como factor integrante.
b) Usar el apartado anterior para resolver la ecuacion (1 + ex cos y)dx + ex sen y dy = 0

12.220 Hallar las trayectorias ortogonales a la familia de curvas: y 2 = cex + x + 1 .
12.221 Hallar la familia ortogonal de curvas a la familia de curvas dadas por la ecuacion y = ln(tg x + c) , con c
una constante arbitraria.
12.222 Encontrar la curva de la familia de trayectorias ortogonales a y(x3 + c) = 3 que pasa por el punto (3, 1) .
12.223 Una familia de curvas es autoortogonal si su familia de curvas ortogonales coincide con la propia familia.
Demostrar que la familia de curvas y 2 = 2cx + c2 lo es.
12.224 Demostrar que las trayectorias ortogonales de la familia de curvas x2 + y 2 = kx, satisfacen la ecuaci
on
2

y
y
2 x dx + x2 1 dy = 0 .
Encontrar las trayectorias ortogonales resolviendo la ecuacion anterior, sabiendo que admite un factor de
integraci
on de la forma xm y n .
12.225 Obtener las curvas que cumplen que la recta tangente a su grafica en cualquier punto, T (x, y) , es perpendicular al segmento que une el punto (0, 0) con ese punto (x, y) .
12.226 Un estudiante se pone a trabajar sobre una materia de la que inicialmente no sabe nada. A medida que
profundiza en ella se siente motivado por lo que ya sabe y porque cada vez le queda menos por aprender.
Supondremos que entonces su ritmo de aprendizaje es inversamente proporcional a la materia que le queda
por estudiar. Si en una semana ha conseguido aprender el 50% de la materia, cuanto tiempo tardar
a en
dominarla toda?
12.227 Una curva arranca desde el origen por el primer cuadrante. El area bajo el arco de la curva entre (0, 0)
y (x, y) es un tercio del
area del rect
angulo que tiene a esos puntos como vertices opuestos. Hallar la
ecuaci
on de las curvas que cumplen dicha condicion. Hallar la familia de curvas ortogonales a dichas
curvas.
12.228 Un gran deposito contiene 1000 litros de salmuera en la que estan disueltos 200 Kgs. de sal. A partir del
instante t = 0 se introduce agua pura a razon de 3 l/min y la mezcla (que se supone que se mantiene
homogenea) sale del deposito a razon de 2 l/min. Cuanto tiempo se necesitara para reducir la cantidad
de sal a la mitad?
12.229 Un vino tinto se saca de la bodega, que es un lugar fro a 10 grados centigrados, y se deja reposar en un
cuarto con temperatura de 23 grados. Calcular la formula que proporciona la temperatura en funcion del
tiempo, si transcurren 10 minutos para alcanzar la temperatura de 13 grados. (Se supone que se verifica
la ley de Newton: la velocidad de enfriamiento de un cuerpo es directamente proporcional a la diferencia
de temperaturas entre el y el medio que le rodea).
12.230 Un estudiante ha llegado al examen de una asignatura sin haber dado ni golpe, asi que debe partir de
cero para intentar dominar los 150 folios de que consta. Limitaciones de tiempo y de capacidad hacen
que estudie a razon de 15 folios por da pero debido al estres y otras causas se le va olvidando un 10%
de lo que va aprendiendo. Probar que necesitara mas de 10 das para dominar 32 de la asignatura. La
dominar
a completamente alguna vez?
12.231 Se ha descubierto que una bola de naftalina que tena originalmente un radio de 1/4 de pulgada, tiene
un radio de 1/8 de pulgada al cabo de un mes. Suponiendo que se evapora a un ndice proporcional
a su superficie, encontrar el radio en funcion del tiempo. Despues de cuantos meses desaparecer
a por
completo?
Prof: Jos
e Antonio Abia Vian

12.3 Aplicaciones
12.232 La velocidad de disoluci

on de un s
olido es proporcional a la cantidad de solido sin disolver y a la diferencia
entre las concentraciones de saturaci
on de la sustancia y a la que tiene en un instante t cualquiera. En
un deposito que contiene 60 Kgs. de disolvente se introducen 10 Kgs. de soluto y al cabo de 12 minutos
se observa que la concentraci
on es de 1 parte de soluto por 30 de disolvente. Determinar la cantidad de
soluto que existe en la soluci
on en un instante cualquiera t, si la concentracion de saturacion es de 1
parte de soluto en 3 de disolvente. (Tomaremos como concentracion la cantidad de kilogramos de soluto
dividida por los kilogramos de disolvente).
12.233 Demostrar que las curvas planas y = y(x) de clase 1 que verifican que la distancia del origen a la tangente
en cualquier punto de la curva sea igual a la abscisa de dicho punto satisfacen la ecuacion diferencial
(y 2 x2 )dx 2xydy = 0 . Hallar dichas curvas.
Nota: Se recuerda que la distancia de un punto P = (x0 , y0 ) a una recta r de ecuacion Ax + By + C = 0 ,
0 +By0 +C|
y que el problema es equivalente a trabajar con la distancia al
viene dada por: d(P, r) = |Ax
a2 +b2
cuadrado.
12.234 Se sabe que cierta poblaci
on de bacterias se reproduce a una velocidad proporcional a la diferencia entre
una cantidad limite P0 = 4 millones y el cuadrado de la cantidad de las mismas en cada instante (en
millones).
a) Plantear la ecuaci
on diferencial del numero de bacterias en cada instante.
b) Se sabe que inicialmente habia medio millon de bacterias y que al cabo de una hora se haba duplicado
su n
umero. Obtener la expresi
on del n
umero de bacterias (en millones) en funcion del tiempo.
12.235 Un tanque contiene 800 litros de salmuera en la que se han disuelto 8 kgs. de sal. A partir del instante
t=0 comienza a entrar salmuera, con una concentracion de 250 grs. de sal por litro, a razon de 4 litros
por minuto. La mezcla se mantiene homogenea y abandona el tanque a razon de 8 litros por minuto.
a) Hallar la cantidad de sal en el tanque al cabo de una hora.
b) Hallar la cantidad de sal en el tanque cuando solo quedan 200 litros de salmuera.
Prof: Jos
e Antonio Abia Vian

Captulo 13
Ecuaciones diferenciales lineales

Definici
on 252.- Una ecuaci
on diferencial lineal de orden n es una ecuacion de la forma
an (x)
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
donde an (x) no es identicamente nulo. Supondremos que a0 , a1 , an y F son funciones de x , continuas en

un cierto intervalo I de R , con an (x) 6= 0 para todo x I .
Si el segundo miembro F (x) , el termino independiente o no homogeneo, lo hacemos identicamente nulo en
I , la ecuaci
on diferencial resultante
an (x)
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
h Li
entonces h(x) = y1 (x) y2 (x) es soluci

on de la ecuacion lineal homogenea
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = 0
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(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 );
y10 (x0 ) = y20 (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
Espacio de soluciones de la ecuaci

on lineal de orden n
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,
entonces, la soluci
on general de la ecuaci
on lineal es
ecuaci
on lineal homogenea h Hi .
Yg = yp + YH
donde YH es la solucion general de la
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
b) W [y1 , y2 , . . . , yn ](x) 6= 0 , para todo x I

En efecto, las soluciones o son linealmente dependientes en I o son linealmente independientes.
Si son dependientes, c1 y1 (x) + c2 y2 (x) + + cn yn (x) = 0 en I con alg
un ci 6= 0 . Derivando hasta el orden
n 1 , se tiene que para cada x I el sistema
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
c1 y1 (x) + c2 y2 (x) + + cn yn (x) = 0

y2 (x) yn (x) c2 0
y1 (x)
. = .
..
..
..
..
..
..
..
.. ..
.
.
.
.
.
.
.
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
Si son independientes, y se diera que W [y1 , y2 , . . . , yn ](x0 ) = 0 en alg

un
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
tendra alguna soluci

on no trivial: c1 , c2 , . . . , cn y la funcion Y (x) = c1 y1 (x) + c2 y2 (x) + + cn yn (x) es
soluci
on de hHi y cumple las condiciones iniciales Y (x0 ) = Y 0 (x0 ) = = Y n1) (x0 ) = 0 . En consecuencia
Y (x) tiene que ser la soluci
on nula, por lo que las funciones yi seran linealmente dependientes (absurdo).
Luego debe ser W [y1 , y2 , . . . , yn ](x0 ) 6= 0 para todo x de I .
Teorema 263.- La ecuaci
on diferencial lineal homogenea de orden n h Hi , verifica que:
a) Tiene n soluciones linealmente independientes y1 , y2 , . . . , yn
b) La dimensi
on del espacio de soluciones es n
c) La soluci
on general es
YH (x) = c1 y1 (x) + c2 y2 (x) + + cn yn (x)
En un punto cualquiera x0 I , los n problemas de valores iniciales siguientes tienen solucion u

nica
y(x0 ) = 1
y(x0 ) = 0
y(x0 ) = 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
agrupando las terminos en v , v 0 y v 00 , se tiene

xex v 00 ex v 0 + xex (2x + 1)ex + (x + 1)ex v = (x2 + x 1)e2x
xex v 00 ex v 0 = (x2 + x 1)e2x
1
x2 + x 1 x
v 00 v 0 =
e
x
x

1 x
1
e
w0 w = x + 1
x
x
Lineal en w de primer orden y soluci
on w = (x+1)ex +Cx = v 0 , de donde v = xex + C2 x2 +K y en consecuencia,
la soluci
on ser
a
y(x) = ex v(x) = xe2x + c1 x2 ex + c2 ex
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
y 000 + a2 (x)y 00 + a1 (x)y 0 + a0 (x)y = F (x)
h Li
y supongamos que
Y0 (x) = c1 y1 (x) + c2 y2 (x) + c3 y3 (x)

es la soluci
on homogenea asociada. Entonces, convertimos en variables los parametros
de Y0 y obligamos a que sean una soluci
on particular de h Li imponiendo algunas condiciones:
yp (x) = v1 (x)y1 (x) + v2 (x)y2 (x) + v3 (x)y3 (x)
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
e imponemos la segunda condici
on (2) v10 y10 + v20 y20 + v30 y30 = 0 . Y la derivada tercera
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
cuya matriz tiene por determinante el wronskiano de y1 , y2 e y3 . Luego, usando Cramer,

0 y2 y3
y1 0 y3
y1 y2 0

0 y20 y30
y10 0 y30
y10 y20 0

F y200 y300
y100 F y300
y100 y200 F
0
0
0
v1 =
v2 =
v3 =
W [y1 , y2 , y3 ]
W [y1 , y2 , y3 ]
W [y1 , y2 , y3 ]
Basta ahora obtener v1 , v2 y v3 como primitivas de estas y sustituir en yp .
Nota: Las condiciones se imponen de manera que por una parte se obtenga la ecuacion lineal con las soluciones homogeneas que la anular
an, y por la otra un sistema de ecuaciones con el wronskiano de las soluciones
independientes (luego de rango m
aximo) que garantizara la existencia y calculo de la solucion u
nica.
x+1
0
x
x
2 x
Ejemplo La ecuaci
on y 00 2x+1
on general de la
x y + x y = 2xe tiene a y0 = c1 e + c2 x e por soluci
homogenea. Entonces yp = v1 ex + v2 x2 ex es una solucion particular, si cumple las condiciones

v10 ex + v20 x2 ex = 0
0 x
v1 e + v20 (2x + x2 )ex = 2xex
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

de donde v1 = x3 y v2 = x , por lo que yp (x) = x3 ex + xx2 e3 = 23 x3 ex es la solucion buscada.
13.3
Ecuaciones lineales de coeficientes constantes
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
(D3 + 2D2 D 2)[y] = 0
hemos descrito la ecuaci

on derivamos 3 veces la y mas 2 veces la derivada segunda ... mediante ese polinomio
de derivaciones, que suele denominarse polinomio car
acterstico de la ecuacion lineal.
Si la ecuaci
on es de coeficientes contantes, el orden en que se hagan las derivaciones no cambia el resultado,
por lo que hacer (D3 + 2D2 D 2)[y] es lo mismo que hacer (D + 2)[(D2 1)[y]]
En consecuencia, (D + 2)(D 1)(D + 1)[y] produce la misma ecuacion que antes, y si queremos que
(D + 2)(D 1)(D + 1)[y] = 0 lo ser
a si (D + 1)[y] = 0 o si (D 1)[y] = 0 o si (D + 2)[y] = 0 , resolviendo
estas 3 ecuaciones de orden uno tenemos las soluciones del homogeneo. Entonces
? Si a es un raz del polinomio, (D a)[y] = 0 y 0 = ay = y = eax
? Si es raz m
ultiple, (D a)m [y] = 0 = y1 = eax , y2 = xeax , . . . , ym = xm1 eax son las m soluciones.
(Si a = 0 , son los polinomios y1 = 1 , y2 = x ,. . . ,ym = xm1 )
? Si tiene raices complejas (D2 + b2 )[y] = 0 y 00 = b2 y = y1 = sen(bx) e y2 = cos(bx) son las dos
soluciones.
Y m
as general, para ((D a)2 +b2 )[y] = 0 (D a)2 y = b2 y = y1 = eax sen(bx) e y2 = eax cos(bx)
son las dos soluciones.
? Si las races complejas son m
ultiples, como ((D a)2 +b2 )3 [y] = 0 = y1 = eax sen(bx) , y2 = eax cos(bx) ,
ax
ax
y3 = xe sen(bx) , y4 = xe cos(bx) , y5 = x2 eax sen(bx) e y6 = x2 eax cos(bx) , son las seis soluciones.
Prof: Jos
e Antonio Abia Vian

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
Soluciones particulares de la ecuaci

on no homog
enea
Cuando el termino independiente de la ecuaci

on lineal es una funcion del tipo de las soluciones de las ecuaciones
homogeneas (polinomios, senos, cosenos y exponenciales), hay un metodo sencillo para obtener la soluci
on
particular, conocido generalmente como Metodo de los coeficientes indeterminados. Este metodo se basa en que
se conoce c
omo va a ser la soluci
on salvo los coeficientes concretos y solo falta encontrar los coeficientes que la
forman (de ah el nombre).
Pero a mi me gusta m
as otra versi
on de este metodo en la que nosotros construimos la solucion indeterminada
que necesitamos y en la que luego hemos de fijar los parametros. Ademas, usa la misma tecnica que para la
obtenci
on de la soluciones de la homogenea y suele denominarse con un nombre sugerente: polinomio aniquilador
o polinomio anulador.
13.3.2.1
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:
(D 1)3 (D + 1)(D + 2)D3 [y] = 0
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
(los separamos en dos porque apa5

2
, 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
y n) + an1 (x)y n1) + + a1 (x)y 0 + a0 (x)y = F2 (x)
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
yp = cos x ln |cos x| + x sen x .
Ejercicios
13.236 Comprobar que y(x) = ex es soluci

on de la ecuacion xy 00 (2x + 1)y 0 + (x + 1)y = 0 y hallar la soluci
on
general (metodo de reducci
on de grado).
13.237 Comprobar que f (x) = x1 es soluci
on de la ecuacion x2 y 00 + 4xy 0 + 2y = 0 y hallar la solucion general de
la ecuaci
on: x2 y 00 + 4xy 0 + 2y = x1
13.238 Dada la ecuaci
on diferencial lineal: xy 00 + 2(1 + x))y 0 + (2 + x)y = 0
Prof: Jos
e Antonio Abia Vian

13.4 Ejercicios
a) Buscar un a para que y = eax sea solucion de la ecuacion.

b) Resolver la ecuaci
on.
13.239 Comprobar que el wronskiano, W (x) , asociado a la ecuacion diferencial y 00 + p(x)y 0 + q(x)y = 0 satisface
la ecuaci
on diferencial w0 + p(x)w = 0 .
1
2
13.240 De la EDO lineal y 00 + a1 (x)y 0 + a0 (x)y = 1+x
son dos soluciones
2 , se sabe que u1 (x) = x y u2 (x) = x
de la ecuaci
on homogenea asociada. Hallar las funciones a1 (x) y a0 (x) , y calcular la solucion general de
la ecuaci
on direrencial dada
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
13.246 Dados los conjuntos de funciones siguientes:

n
o
xe3x , e3x , e3x (3x)
n
o
(iii)
x2 e3x , ex , xex cos(2x)
n
o
(v)
x3 , ex cos(2x), xex sen 2x
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
13.248 Resolver, segun los valores de a R, la ecuacion diferencial y 00 y 0 + a(a 1)y = x

13.249
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
13.250 Sabiendo que y0 (x) = e +e

es la solucion del problema de valores iniciales (1) siguiente, encontrar la
2
soluci
on del problema (2); siendo a, b, 0 y 1 R:

(1)
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 reales

14.1
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
Estas dos propiedades son equivalentes a la propiedad u

nica:
Prof: Jos
e Antonio Abia Vian


Lineal
14.3 Base y dimensi

on
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
Lema 272.- Si vn+1 = c1 v1 + + cn vn , entonces lin{ v1 , . . . , vn , vn+1 } = lin{ v1 , . . . , vn } .

Es f
acil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n + 1 vectores puede
reconvertirse a una combinaci
on lineal de los n primeros, por simple sustitucion. En otras palabras, puede
reducirse el n
umero de generadores mientras haya dependencia lineal, lo que nos lleva a:
Definici
on 273.- Sean V un espacio vectorial y S un conjunto finito de vectores de V . Diremos que S es
una base de V si:
a) S es linealmente independiente
y
b) S genera a V
Prof: Jos
e Antonio Abia Vian


Lineal
14.3 Base y dimensi

on
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 .
Conocer a priori la dimensi

on de un espacio facilita la obtencion de bases:
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
14.3.1
Coordenadas en una base
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


Lineal
14.3 Base y dimensi

on
Ejemplo Si B = { v1 , v2 , v3 } es una base de V y v = v1 v2 + 2 v3 , se tiene que

(v )B = (1, 1, 2)
( v1 )B = (1, 0, 0)
( v2 )B = (0, 1, 0)
( v3 )B = (0, 0, 1)

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
y con esto, no es dificil probar que:

v lin{v1 , . . . , vk } V [v]B lin{[v1 ]B , . . . , [vk ]B } Rn
{v1 , . . . , vk } lin. independiente en V {[v1 ]B , . . . , [vk ]B } lin. independiente en Rn
{v1 , . . . , vn } base de V {[v1 ]B , . . . , [vn ]B } base de Rn
por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.
14.3.2
Espacios de las filas y las columnas de una matriz
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.
a11 a12 . . . a1n

a21 a22 . . . a2n
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


Lineal
14.4 Cambios de base
Teorema 284.- Sea A una matriz de tama

no mn , entonces:
dim(Ef (A)) = dim(Ec (A)) .
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
Puesto que las coordenadas est

an referidas a una base, al cambiar la base de trabajo, habra que cambiar a las
coordenadas en la nueva base. Pero este proceso puede realizarse facilmente, teniendo en cuenta lo siguiente:
Definici
on 285.- Sean B1 = { u1 , u2 , . . . , un } y B2 = { v1 , v2 , . . . , vn } son bases de un espacio vectorial
V . Recibe el nombre de matriz de transici
on o matriz de cambio de la base B1 a la base B2 , la matriz
de dimensiones nn , que por columnas es

[u1 ]B2
[u2 ]B2
[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


Lineal
14.5 Espacios vectoriales con producto interior
Ejemplo Consideremos las bases B = {1, X, X2 } y B1 = {X 1, X + 1, X2 1} de P2 [X] .

La matriz de paso de la base B1 a la base B sera:
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
la matriz de paso de la base Bc a la base B1 .
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
Espacios vectoriales con producto interior
14.5.1
Producto interior. Norma. Distancia
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 .
Otra propiedades que se deducen de las anteriores son:

1.- h 0, u i = 0
2.- hu , v + w i = h u , v i + hu , w i
3.- hu , k v i = kh u , v i
Ejemplo Considerar en P2 [X] , la funci

on hP (X), Q(X)i = P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1) .
(1) hP (X), Q(X)i = P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1)
= Q(1)P (1) + Q0 (1)P 0 (1) + Q00 (1)P 00 (1) = hQ(X), P (X)i

(2) hP (X) + R(X), Q(X)i = P (1) + R(1) Q(1) + P 0 (1) + R0 (1) Q0 (1) + P 00 (1) + R00 (1) Q00 (1)

= P (1)Q(1)+P 0 (1)Q0 (1)+P 00 (1)Q00 (1) + R(1)Q(1)+R0 (1)Q0 (1)+R00 (1)Q00 (1)
= hP (X), Q(X)i + hR(X), Q(X)i
0
0
00
00
(3) hkP (X), Q(X)i = kP
(1)Q(1) + kP (1)Q (1) + kP (1)Q (1)

= k P (1)Q(1) + P 0 (1)Q0 (1) + P 00 (1)Q00 (1) = khP (X), Q(X)i
Prof: Jos
e Antonio Abia Vian


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
La distancia entre dos vectores u y v de V se denota mediante d( u , v ) y se define como

p
d(u , v ) = k u v k = + h u v , u v i.
Desigualdad de Cauchy-Schwarz 289.- Para todo u , v V, espacio con producto interior, se tiene
2
hu, vi2 kuk kvk

Propiedades b
asicas de la norma 290.-
|hu, vi| kuk kvk .
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
4.- d(u , v ) d( u , w )+d( w , v ) ; u , v , w V
La prueba de estas propiedades es an

aloga a la de las propiedades del modulo colplejo.
Observaci
on: Sean V un espacio con producto interior y B = { u1 , . . . , un } una base de V . Tomemos dos
vectores v = a1 u1 + + an un y w = b1 u1 + + bn un , entonces
hv, wi = ha1 u1 + + an un , wi = a1 hu1 , wi + + an hun , wi
= a1 hu1 , b1 u1 + + bn un i + + an hun , b1 u1 + + bn un i
= a1 hu1 , u1 ib1 + + a1 hu1 , un ibn + + an hun , u1 ib1 + + an hun , un ibn
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
El espacio eucldeo n -dimensional Rn
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
Como puede comprobarse f

acilmente dicha funcion es un producto interior, el que se conoce como producto
interior eucldeo o producto escalar eucldeo (ya usado en R2 y R3 ).
Este producto interior da lugar a la norma y distancia eucldeas, ya conocidas:
p
p
kx k = x21 + + x2n y d( x , y ) = k x y k = (x1 y1 )2 + + (xn yn )2 .
Se llama espacio eucldeo n -dimensional a Rn con el producto interior eucldeo.
Prof: Jos
e Antonio Abia Vian


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
angulo, , tal que

hu, v i
cos =
, con 0
ku k kv k
Definici
on 294.- En un espacio vectorial con producto interior, dos vectores u y v se dicen que son ortogonales si h u , v i = 0 . Suele denotarse por u v .
Si u es ortogonal a todos los vectores de un conjunto W , se dice que u es ortogonal a W .
Se dice que S = {v1 , v2 , . . . , vk } es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si vi vj para todo i 6= j .
Ejemplo Los vectores de la base can
onica de R3 con el producto escalar eucldeo son ortogonales entre si,
pero no lo son si el producto interior definido es:
h v , w i = v1 w1 + v1 w2 + v2 w1 + 2v2 w2 + v3 w3 . (Pruebese
que es un producto interior). En efecto: he1 , e2 i = h(1, 0, 0), (0, 1, 0)i = 0 + 1 + 0 + 0 + 0 = 1 6= 0 .
4
Nota: Si dos vectores son ortogonales, el
angulo que forman es de radianes (los famosos 90 grados). De hecho,
en Rn con el producto escalar eucldeo, la ortogonalidad coincide con la perpendicularidad.
Una curiosidad:
Teorema general de Pit
agoras 295.- Si u y v son dos vectores ortogonales de un espacio vectorial con
producto interior, entonces
2
2
2
ku + v k = ku k + kv k .
Este resultado, de f
acil comprobaci
on, se reduce en R2 con el producto escalar al Teorema de Pitagoras.
Tambien es sencillo probar el resultado siguiente (ver ejercicio 14.271):
Proposici
on 296.- Si w {v1 , v2 , . . . , vk }, entonces w lin{v1 , v2 , . . . , vk } .
Mucho m
as interesante es el siguiente, que relaciona ortogonalidad e independencia:
Teorema 297.- Si S = { v1 , v2 , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos,
entonces S es linealmente independiente.
.
14.5.2.1
Bases ortonormales. Proceso de Gram-Schmidt
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
= c1 hv1 , vi i + + ci hvi , vi i + + cn hvn , vi i = ci hvi , vi i = ci kvi k = ci

Prof: Jos
e Antonio Abia Vian


Lineal
14.6 Ejercicios
Es decir, en una base ortonormal, la obtenci

on de cordenadas puede resultar mas sencilla. Pero no solo eso, si
no que tambien se tiene:
Teorema 300.- Si P es la matriz de paso de una base ortonormal B1 a otra base ortonormal B2 , entonces
P es una matriz ortogonal (es decir, P 1 = P t ).
La prueba es puramente operativa, usando la definicion de matriz de paso y el apartado b) del ejercicio 14.274
(ver tambien el ejercicio 14.279).
Definici
on 301.- Sean V un espacio vectorial con producto interior, W subespacio de V y B =
{ w1 , w2 , . . . , wk } una base ortonormal de W . Para cada v V , llamaremos proyecci
on ortogonal
de v sobre W al vector de W
ProyW ( v ) = h v , w1 iw1 + hv , w2 iw2 + + h v , wk i wk .
Al vector v ProyW ( v ) se le llama componente ortogonal de v sobre W .
El vector proyecci
on ortogonal no depende la base ortonormal elegida, es decir, tomando cualquier base ortonormal se obtiene el mismo vector. La prueba puede encontrarse en el Anexo 1, pag. 162, tras la demostraci
on
del Lema 302 siguiente.
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 W .
.
Proceso de ortonormalizaci
on de Gram-Schmidt 303.- Sean V un espacio vectorial con producto interior y
de dimensi
on finita. Vamos a describir este proceso que construye a partir de una base B = {v1 , v2 , . . . , vn }
una base ortonormal B = { u1 , u2 , . . . , un } .
Demostraci
on:
1 a etapa.- Como v1 6= 0 por ser de B , el vector u1 =
v1
tiene norma 1 y lin{ u1 } = lin{v1 }.
k v1 k
2 a etapa.- Sea W1 = lin{ u1 } , por el Lema anterior, el vector v2 ProyW1 ( v2 ) es ortogonal a W1 , en

particular a u1 , y es distinto del vector 0 pues ProyW1 ( v2 ) W1 y v2
/ W1 = lin{ v1 } , entonces tiene que
v2 ProyW1 ( v2 )
v2 h v2 , u1 i u1

u2 =
v2 ProyW ( v2 ) = k v2 h v2 , u1 i u1 k lin{v1 , v2 }
1
es ortogonal a u1 y tiene norma 1. Adem
as, lin{u1 , u2 } = lin{ v1 , v2 } .
3 a etapa.- Sea ahora W2 = lin{u1 , u2 }, como antes, el vector v3 ProyW2 ( v3 ) es ortogonal a W2 , en
particular a u1 y u2 , y es distinto del vector 0 , pues ProyW2 (v3 ) W2 y v3
/ W2 = lin{ v1 , v2 },
entonces se tiene que
v3 ProyW2 ( v3 )
v3 h v3 , u1 i u1 h v3 , u2 i u2

u3 =
v3 ProyW ( v3 ) = kv3 h v3 , u1 i u1 h v3 , u2 i u2 k lin{ v1 , v2 , v3 }
2
es ortogonal a u1 y u2 , y tiene norma 1. Ademas, lin{u1 , u2 , u3 } = lin{ v1 , v2 , v3 } .
n a etapa.- Con la repetici
on del proceso se ha construido un conjunto ortonormal de n vectores no nulos,
B = { u1 , u2 , . . . , un }, tal que lin B = lin B = V . Luego B es una base ortonormal de V .
14.6
Ejercicios
14.251 Determinar si son espacios vectoriales los siguientes conjuntos:

a) R2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (2kx, 2ky) .
b) A = {(x, 0) : x R} con las operaciones usuales de R2 .
c) R2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky) .
d) El conjunto de los n
umeros reales estrctamente positivos, R+ {0} , con las operaciones: x+x0 = xx0
y kx = xk .
Prof: Jos
e Antonio Abia Vian


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
14.253 Sean v1 = (2, 1, 0, 3) , v2 = (3, 1, 5, 2) y v3 = (1, 0, 2, 1) vectores de R4 . Cuales de los vectores

(2, 3, 7, 3) , (0, 0, 0, 0) , (1, 1, 1, 1) y (4, 6, 13, 4) , estan en lin{v1 , v2 , v3 } ?
1
1
1
1 1
14.254 Para que valores reales de los vectores v1 = (, 1
2 , 2 ) v2 = ( 2 , , 2 ) y v3 = ( 2 , 2 , ) forman
un conjunto linealmente dependiente en R3 ?
14.255 Dados tres vectores linealmente independientes u , v y w , demostrar que u + v , v + w y w + u son

tambien linealmente independientes.
14.256 Sea V un espacio vectorial y S = { v1 , . . . , vk } un conjunto de vectores de V . Probar que:
a) lin S es un subespacio vectorial de V .
b) Si W es un subespacio de V que contiene a los vectores de S , entonces lin S W .
14.257 Probar que si los vectores v1 , . . . , vk son linealmente dependientes, al menos uno de ellos se puede
escribir como una combinaci
on lineal de los restantes.
14.258 Determinar la dimensi
on de los siguientes subespacios de R4 :
a) Todos los vectores de la forma (a, b, c, 0) .
b) Todos los vectores de la forma (a, b, c, d) con d = a + b y c = a b.
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d .
14.259 Demostrar que los vectores soluci
on de un sistema no homogeneo compatible, AX = B , de m ecuaciones
con n inc
ognitas no forman un subespacio de Rn . Que ocurre si el sistema es homogeneo, es decir, si
B = 0?
14.260 Sean E y F subespacios de un espacio V . Probar que:
subespacio de V .
E F = {v V : v E y v F } es un
14.261 Considerar en R4 los conjuntos de vectores:

A = {(1, 2, 1, 3), (0, 1, 0, 3)}
B = {(1, 1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)}
a) Hallar las dimensiones de lin(A) y de lin(B) , y encontrar una base

b) Hallar las ecuaciones parametricas de lin(A) y de lin(B) .
c) Hallar las ecuaciones cartesianas de lin(A) y de lin(B) .
d) Hallar la dimensi
on de lin(A) lin(B) .
14.262 Consideremos en el espacio vectorial R3 la base B = { u1 , u2 , u3 } . Sea E el subespacio engendrado por
los vectores
v1 = u1 + 3 u3 , v2 = 2u1 3u2 + u3 , v3 = 4u1 3 u2 + 7 u3 .
Sea F el subespacio engendrado por los vectores
w1 = u1 + u2 + u3 , w2 = 2u1 + 3 u2 + 4 u3 , w3 = 3u1 + 4 u2 + 5 u3 .
Hallar una base de E , una base de F , el subespacio E F y una base de E F .
14.263 Sea M22 el espacio vectorial de las matrices cuadradas de orden 2 sobre R y sea E el subconjunto de

a
b+c
M22 formado por las matrices de la forma
con a, b, c R .
b + c a
a) Demostrar que E es un subespacio vectorial.

1 0
0 1
0 1
b) Probar que las matrices A1 =
, A2 =
y A3 =
, forman una base de E .
0 1
1 0
1 0
14.264 Sea B una base de un espacio vectorial V de dimension n . Demostrar que el conjunto { v1 , v2 , . . . , vn }
es una base de V si, y s
olo si el conjunto {[v1 ]B , [ v2 ]B , . . . , [ vn ]B } es una base de Rn .
Prof: Jos
e Antonio Abia Vian


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 .
14.275 Tomemos en R4 el producto interior euclideo. Expresar el vector w = (1, 2, 6, 0) en la forma w = w1 +

w2 donde, w1 este en el subespacio W generado por los vectores u1 = (1, 0, 1, 2) y u2 = (0, 1, 0, 1) ,
y w2 sea ortogonal a W .
14.276 Suponer que R4 tiene el producto interior euclideo.
a) Hallar un vector ortogonal a u1 = (1, 0, 0, 0) y u4 = (0, 0, 0, 1) , y que forme angulos iguales con los
vectores u2 = (0, 1, 0, 0) y u3 = (0, 0, 1, 0) .
b) Hallar un vector x de longitud 1, ortogonal a u1 y a u2 , tal que el coseno del angulo entre x y
u3 sea el doble del coseno del
angulo entre x y u4 .
14.277 Hallar la distancia del vector u = (1, 1, 1, 1) de R4 al subespacio generado por los vectores v1 = (1, 1, 1, 0)
y v2 = (1, 1, 0, 0) .
Prof: Jos
e Antonio Abia Vian


Lineal
14.6 Ejercicios
14.278 Dados los vectores x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) de R3 , demostrar que la expresion h x , y i =

2x1 y1 + 2x2 y2 + x3 y3 + x1 y2 + x2 y1 define un producto interior.
Encontrar una base { u1 , u2 , u3 } ortonormal respecto al producto interior anterior tal que u2 y u3
tengan igual direcci
on y sentido que los vectores (0, 1, 0) y (0, 0, 1) , respectivamente.
14.279 Probar que una matriz A de orden n es ortogonal si, y solo si sus vectores fila forman un conjunto
ortonormal en Rn .
Prof: Jos
e Antonio Abia Vian


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.
Estas dos propiedades se pueden reunir en:

f (k u + l v ) = kf ( u ) + lf ( v );
u , v V, k, l R.
y, en general, se tiene:
f (k1 u1 + k2 u2 + + kr ur ) = k1 f (u1 ) + k2 f ( u2 ) + + kr f ( ur )
ui V,
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


Lineal

on lineal
Ejemplo Tomemos el ejemplo 2) de los Ejemplos 305 anteriores:

ker f = { x R3 : f (x ) = 0 } = {x R3 : A x = 0 }
luego son las soluciones del sitema de ecuaciones lineales AX = 0 . Como son los vectores de la forma (z, z, z) ,
para cualquier valor de z R , se tiene que ker f = {(z, z, z) R3 : z R} = lin{(1, 1, 1)}.
Para la imagen: tomemos en R3 la base canonica, entonces
Img f = lin{f ( e1 ), f (e2 ), f ( e3 )} = lin{A e1 , Ae2 , Ae3 } = lin{(0, 1), (1, 0), (1, 1)} = lin{(0, 1), (1, 0)} = R2
pues (1, 1) = (1)(0, 1) + (1)(1, 0) . Se tiene ademas, que dim(ker f ) = 1 y dim(Img f ) = 2 .
4
No por casualidad, sucede que
dim(ker f ) + dim(Img f ) = 1 + 2 = 3 = dim R3 :
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
Matrices de una aplicaci

on lineal
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 (v1 ) = a11 w1 + a21 w2 + + am1 wm

B2
f (v )
= (a12 , a22 , . . . , am2 )

f (v2 ) = a12 w1 + a22 w2 + + am2 wm
2
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


Lineal

on lineal
Entonces, sustituyendo en f (v ) , se tiene

f (v) = k1 (a11 w1 + a21 w2 + + am1 wm ) + k2 (a12 w1 + a22 w2 + + am2 wm )
+ + kn (a1n w1 + a2n w2 + + amn wm )
= (k1 a11 + k2 a12 + + kn a1n )w1 + (k1 a21 + k2 a22 + + kn a2n )w2
+ + (k1 am1 + k2 am2 + + kn amn )wm
por tanto, las coordenadas de f ( v ) en la base B2 son
a
11 a12
k1 a11 + k2 a12 + + kn a1n
a
k1 a21 + k2 a22 + + kn a2n
21 a22
=
=
..
..
.
.
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


Lineal

on 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 .
Por lo que f ( v1 ), f (v6 v1 ), f ( v5 v6 + v1 ) es base de Img(f ) ( rg(A) = dim(Img f ) = 3 ).

Las tres filas restantes de la matriz son cero, en realidad:
0 = C4 + 12 C1 32 C6 32 C5 = [f (v4 + 12 v1 32 v6 23 v5 )]B2
0 = C3 + C6 + 2C5 = [f (v3 + v6 + 2v5 )]B2
0 = C2 2C6 C5 = [f (v2 2v6 v5 )]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.


Lineal
15.3 Teorema de Semejanza
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


Lineal
15.4
15.4 Ejercicios
Ejercicios
15.280 Determinar si las siguientes aplicaciones son o no lineales:

a) f : R2 R2 definida por f (x, y) = ( 3 x, 3 y)
b) f : R3 R2 definida por f (x, y, z) = (2x + y, 3y 4z) .

a b
c) f : M22 R definida por f
= a2 + b2 .
c d
15.281 Sea f : V W una aplicaci
on lineal.
a) Probar que ker f es un subespacio de V
b) Probar que Img f es un subespacio de W
15.282 Sean V un espacio vectorial y T : V V la aplicacion lineal tal que T (v ) = 3v . Cual es el n
ucleo de
T ? Cu
al es la imagen de T ?.
15.283 Sea A una matriz de tama
no 5 7 con rango 4 .
a) Cu
al es la dimensi
on del espacio de soluciones de Ax = 0 ?.
b) Ax = b tiene soluci
on para todo b de R5 ? Por que?.

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


Lineal
15.4 Ejercicios
a) Demostrar que f es lineal.

b) Cu
al ser
a el tama
no de la matriz de f asociada a la base Bc ? Hallarla.
c) Hallar el n
ucleo y la imagen de f as como sus dimensiones y bases.
d) Hallar la matriz de f respecto de la base B .
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
15.293 Probar que si A y B son matrices semejantes entonces det(A) = det(B) .

15.294 Probar que si A y B son matrices semejantes entonces A2 y B 2 tambien lo son.
3
3
15.295 Dadoel operador lineal
T : R R tal que [T (x)]B = A[x]B siendo:
2 a
1
n
o
A = 1 2a 1 y B = u1 = (1, 1, 0), u2 = (0, 1, 1), u3 = (1, 0, 0)
1
a 2
a) Calcular los subespacios ker(T ) y Img(T ) seg

un los valores de a.
b) Hallar la matriz est
andar de T .
15.296 Sean f : V W una aplicaci
on lineal y S = { v1 , v2 , . . . , vn } un conjunto de vectores de V . Probar
que si el conjunto {f ( v1 ), f ( v2 ), . . . , f ( vn )} es linealmente independiente, entonces S es linealmente
independiente.
Es cierto el recproco? Justificar la respuesta.
15.297 Sea T : R3 R3 la aplicaci

on lineal
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


Lineal
15.4 Ejercicios
a) Obtener una matriz asociada a T , indicando respecto a que bases.

b) Calcular las ecuaciones parametricas de la imagen del subespacio x + y + z = 0 .
n
o
n
15.299 Sean Bp = p1 , p2 , p3 , p4 una base de P3 [X] (polinomios de grado menor o igual a 3), B1 = v1 =
o
(0, 1, 0), v2 = (1, 1, 1), v3 = (0, 0, 1) una base de R3 y f : P3 [X] R3 una aplicacion lineal verificando:
(i) f (p1 ) = f (2p2 +p4 ) = f (p2 p3 )
(ii) f (p2 ) = v1 +v3 v2
(iii) f (p4 ) = (3, 3, 2)
a) Encontrar Ap1 la matriz de la aplicacion f en las bases Bp y B1 .
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
3 1 0 3 son respectivamente, la matriz de

matrices Mqp =
1 2 1 0 y Aq1 =
3 3 2 1
0 0 0 1
paso de Bq a Bp y la matriz de f en las bases Bq y B1 . Con estos nuevos datos, como se puede
comprobar que la matriz Ap1 calculada antes es la correcta?
d) Hallar bases de ker(f ) e Img(f ) , obteniendo los vectores concretos que las forman.
n
o
e) Probar que B2 = w1 = (1, 2, 1), w2 = (0, 1, 1), w3 = (2, 1, 0) es base de R3 y obtener la
matriz de paso, P21 , de la base B2 en la base B1 .
f) A partir de las matrices anteriores, dar la expresion del calculo de las matrices:
? Ap2 de la aplicaci
on f en las bases Bp y B2
? Mpq de paso de la base Bp en la base Bq
? Aq2 de la aplicaci
on f en las bases Bq y B2
g) Pueden conocerse los vectores que forman Bp ? Como?, de ser posible o, por que no?
Prof: Jos
e Antonio Abia Vian


Lineal
Captulo 16
Diagonalizaci
on
16.1
Valores y vectores propios
16.1.1
Planteamiento del problema
Problema general de diagonalizaci

on Dado un operador lineal f sobre un espacio vectorial V , nos
planteamos el problema de cu
ando es posible encontrar una base de V respecto de la cual la matriz de f sea
diagonal. Si A es la matriz del operador f con respecto a una determinada base B , el planteamiento anterior
es equivalente a preguntarse cu
ando existe un cambio de base tal que la matriz del operador en la nueva base
B sea diagonal. Esa nueva matriz viene dada por P 1 AP , donde P es la matriz de paso de la nueva base B
a la base B (Teorema de Semejanza).
Problema de la diagonalizaci
on ortogonal Dado un operador lineal f sobre un espacio vectorial V con
producto interior, nos planteamos el problema de cuando es posible encontrar una base ortonormal de V respecto
de la cu
al la matriz de f sea diagonal. Si V es un espacio con producto interior y las bases son ortonormales
entonces se tendr
a que P ser
a ortogonal.
Podemos pues formular los dos problemas anteriores en terminos de matrices.
1.- Dada una matriz cuadrada A, existe una matriz P inversible tal que P 1 AP sea diagonal?
2.- Dada una matriz cuadrada A, existe una matriz ortogonal P tal que P t AP sea diagonal?
Definici
on 324.- Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal
que P 1 AP es diagonal. En ese caso se dice que P diagonaliza a la matriz A.
Si existe una matriz ortogonal P tal que P 1 AP es diagonal, entonces se dice que A es diagonalizable
ortogonalmente y que P diagonaliza ortogonalmente a A.
16.1.2
Valores y vectores propios
Supongamos que la matriz Ann es diagonalizable y sea D la matriz diagonal. Entonces:

P inversible tal que P 1 AP = D o, equivalentemente, P inversible tal que AP = P D
Si denotamos por p1 , p2 , . . . , pn a las columnas de P , las matrices son

AP = A
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


Lineal
16.2 Diagonalizaci
on
Demostraci
on:
Por lo anterior, se tiene que:
A es una matriz diagonalizable
P inversible y D diagonal tal que AP = P D

P inversible y D diagonal tal que

AP = Ap1 Ap2

Apn

=

1 p1 2 p2 n pn
= PD
existen n vectores linealmente independientes tales que Ap1 = 1 p1 , . . . , Apn = n pn

A tiene n vectores propios linealmente independientes
En consecuencia, el problema de la diagonalizacion se reduce a la busqueda de los vectores propios de la
matriz, y comprobar si de entre ellos pueden tomarse n linealmente independientes.
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


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 .
Teorema fundamental de la diagonalizaci

on 333.- Sea A una matriz de orden n . Entonces A es diagonalizable si y s
olo si se cumplen las condiciones:
1.- El polinomio caracterstico tiene n raices reales. Es decir, |I A| = ( 1 )m1 ( k )mk con
m1 + m2 + + mk = n .
2.- Para cada espacio caracterstico V (i ) , se cumple que dim V (i ) = mi .
Aunque omitimos aqu la demostraci

on por ser demasiado tecnica (puede verse en el Anexo 2), en ella se aporta
el metodo para encontrar los n vectores propios linealmente independientes necesarios en la diagonalizaci
on:
Si dim V (i ) = mi para todo i = 1, . . . , k y m1 + + mk = n , podemos tomar de cada V (i ) los mi
vectores de una base para conseguir el total de n vectores.
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
luego los autovalores de A son 1 = 4 con m1 = 2 y 2 = 4 con m2 = 1 . Como 1 , 2 R y m1 + m2 =

2 + 1 = 3 = n , se cumple la primera condici
on del Teorema.
Veamos el punto 2: como 1 dim V (4) m2 = 1 la condicion dim V (4) = 1 se cumple de manera
inmediata (y se cumple siempre para cualquier
autovalor
1). Para el otro autovalor, 1 = 4 :
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


Lineal
16.3
16.3 Diagonalizaci
on ortogonal
Diagonalizaci
on ortogonal
Teorema 335.- Sea A una matriz de orden n , entonces son equivalentes:

1.- A es diagonalizable ortogonalmente.
2.- A tiene un conjunto de n vectores propios ortonormales.
Demostraci
on:
En efecto, A es diagonalizable ortogonalmente existe P ortogonal tal que P t AP = D (con D diagonal)
existe P ortogonal tal que AP = P D .
Si llamamos p1 , p2 , . . . , pn a los vectores columnas de P , estos vectores
son ortonormales
y lo anterior es
1 0 0
0 2 0
lo mismo que escribir Ap1 = 1 p1 , . . . , A pn = n pn , supuesto que D = . . .

. , y como al ser
.. .. . . ..
0 0 n
P inversible se tiene que p1 , p2 , . . . , pn son linealmente independientes y por tanto no nulos A tiene
n vectores propios ortonormales.
Lema 336.- Si A es una matriz simetrica, entonces los vectores propios que pertenecen a valores propios
distintos son ortogonales.
Demostraci
on:
Sean 1 y 2 valores propios distintos de una matriz simetrica A y sean u y v vectores propios correspondientes a 1 y 2 respectivamente.
Tenemos que probar que u t v = 0 . (Notar que u t Av es un escalar).
Se tiene que
u t Av = (u t Av )t = v t Au = v t 1 u = 1 v t u = 1 u t v ,
y por otra parte que u t Av = u t 2 v = 2 u t v ,
por tanto 1 u t v = 2 u t v (1 2 ) u t v = 0 y como 1 2 6= 0 , entonces u t v = 0 .
on ortogonal 337.- Una matriz A de orden n es diagonalizable
ortogonalmente si y s
olo si A es simetrica.
.
El Lema 336 y el resaltado que apostilla el Teorema fundamental de diagonalizacion 333 nos indican la manera
de encontrar los n vectores propios ortonormales linealmente independientes:
Si tomamos en cada V (i ) los vectores de una base ortonormal, conseguiremos el total de n vectores
ortonormales.
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


Lineal
16.4 Ejercicios
16.301 Sea T : M22 M22 el operador lineal

definido
por:

a b
2c
a+c
T
=
c d
b 2c
d
Hallar los valores propios de T y bases para los subespacios caractersticos de T .
16.302 Demostrar que = 0 es un valor propio de una matriz A si y solo si A es no inversible.
16.303 Probar que el termino constante del polinomio caracterstico P () = |I A| de una matriz A de orden
n es (1)n det(A) .
16.304 Demostrar que si es un valor propio de A entonces 2 es un valor propio de A2 .
16.305 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P
1
tal que
P AP =D con D matriz diagonal:

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


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
..
.
Dar una expresi

on de Dn en funci
on de los determinantes de tama
no menor que n y obtener las ecuaciones
de recurrencia para hallar su valor.
16.320 Determinar para que valores de a, by c
1
A= 0
0
16.321 Estudiar para que valores de a ,
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
16.323 Sea f : R3 R3 el operador lineal cuya matriz asociada

a
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


Lineal
16.4 Ejercicios
(iii) T (1, 1, 1, 1) = (3, m, n, p) .

x1 + x2 + x3 + x4 = 0
x2 + 2x3 + 2x4 = 0
correspondientes a un mismo valor propio de T.
(iv) El subespacio soluci

on del sistema:
es el conjunto de vectores propios
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, )
2x1 + x2 + 2x3 2x4 = 0

3x1 + 3x2 + x3 + x4 = 0
(iv) ker f es el conjunto de soluciones del sistema:
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.
Hallar una matriz de f , indicando las bases de referencia.
Prof: Jos
e Antonio Abia Vian


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
y B una base V . Si (x1 , . . . , xn ) = [x]tB y

V a toda funci
on polin
omica Q: V R de
x1
a1n
x2
a2n
.. ..
..
. . .
xn
ann
= [x]tB A [x]B
Es decir, una forma cuadr

atica es un polinomio homogeneo de grado 2 y n variables.
on matricial de la forma cuadr
atica.
La escritura de Q en la forma Q( x ) = [ x ]tB A [ x ]B se denomina expresi
De hecho, se puede expresar siempre mediante una matriz simetrica ya que
n
X
[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:
aij xi xj , consideramos los pares de sumandos de la
Si en la expresi
on de la forma cuadr
atica, Q(x) =
i,j=1
forma aij xi xj y aji xj xi , se tiene que

aij xi xj + aji xj xi = (aij + aji )xi xj =
aij + aji
aij + aji
xi xj +
xj xi = sij xi xj + sji xj xi
2
2
Luego hemos probado el siguiente resultado:

Proposici
on 339.- Toda forma cuadr
atica Q sobre V , se puede expresar matricialmente como
Q(x) = [x]tB A[x]B
donde A es una matriz simetrica.
Definici
on 340.- Es esa matriz simetrica A, la matriz asociada a la forma cuadratica Q en la base B
Ejemplo Para la forma cuadr
atica Q(x) = x2 + 2xy + 2y 2 + 3yz + 5z 2 tambien tenemos que
2
Q(x) = x + 2xy + 2y 2 + 3yz + 5z 2 = x2 + xy + yx + 2y 2 + 23 yz + 32 zy + 5z 2
luego
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 .
Teorema 341.- Sean B y B 0 dos bases de V , P la matriz de paso de B 0 a B y A la matriz simetrica de Q

en la base B . Entonces, la matriz de Q en la base B 0 , A0 , se obtiene de
A0 = P t AP
Prof: Jos
e Antonio Abia Vian


Lineal
17.1 Diagonalizaci
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
luego A0 = P t AP y es tambien simetrica A0t = (P t AP )t = P t At (P t )t = P t AP = A0 .
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
atica
La matriz asociada a una forma cuadr

atica es simetrica, y una matriz simetrica es diagonalizable ortogonalmente,
luego siempre podemos obtener una matriz congruente con la inicial que sea diagonal.
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


Lineal

atica. Clasificaci
on
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
(x , y , z ) = [x]tB , se tiene que
17.2
Q(x) = 2x2 12 y2 + 5z2 .
Rango y signatura de una forma cuadr

atica. Clasificaci
on
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


Lineal

atica. Clasificaci
on
Entonces, la matriz A0 = P t AP es la matriz de la aplicacion f asociada a las bases B 0 y B 00 , pues

A0 [ x ]B 0 = P t AP [ x ]B 0 = P t A[ x ]Bc = P t [f ( x )]Bc = [f ( x )]B 00
por lo que A0 y A son matrices asociadas a la misma aplicacion lineal, luego rg(A) = rg(A0 ) .
Definici
on 347.- Llamaremos rango de una forma cuadratica, al rango de cualquier matriz simetrica asociada
a la forma cuadr
atica en alguna base.
Observaci
on: Del teorema anterior, se deduce entonces que dos cualesquiera matrices diagonales asociadas a
la misma forma cuadr
atica tienen el mismo n
umero de elementos en la diagonal distintos de cero, pues este
n
umero es el rango de la matriz diagonal.
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.
.
Definici
on 349.- Sea Q una forma cuadr
atica y D una matriz diagonal asociada a Q. Se define como
signatura de Q al par Sig(Q) = (p, q) donde p es el n
umero de elementos positivos en la diagonal de D y q
es el n
umero de elementos negativos de la misma.
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 .
Ejemplo Las formas cuadr

aticas de los ejemplos 343 y 345 anteriores son ambas indefinidas, pues en el
primer ejemplo Q( x) = 12 x2 12 y2 en una base, luego Sig(Q) = (1, 1) . En el segundo ejemplo, se escribe
Q( x ) = 2x2 12 y2 + 5z2 en una base y Sig(Q) = (2, 1) .
Un ejemplo de forma cuadr
atica definida positiva, lo tenemos con el cuadrado de la norma de un vector
(ver la observaci
on de la p
agina 160 sobre la expresion matricial de un producto interior), pues se verifica que
2
Q( v ) = kv k = h v , v i > 0 si v 6= 0 .
4
Prof: Jos
e Antonio Abia Vian


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
17.327 Clasificar cada una de las formas cuadr

aticas siguientes, y reducir a suma de cuadrados:
a) Q(x) = x2 + y 2 + z 2 (xz + xy + yz) .
b) Q(x) = x2 + y 2 + z 2 4(xz + xy + yz) .
c) Q(x) = 8x2 + 6y 2 + 3z 2 + 4xy + 8xz + 4yz .
Prof: Jos
e Antonio Abia Vian


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) Para a = 3 , encontrar P que diagonalice a A.

b) Para a = 3 , calcular (5A)10 .
c) Sea Q(x) = xt Ax , clasificar Q seg
un los valores de 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
a) Para que valores de a y de b es Q(x) = xt Ax > 0 , x 6= 0 ?

b) Si a = 1 y b, reducir Q a suma de cuadrados.
c) Si a = 1 , para que valores de b es Q(x) < 0 , x 6= 0 ?
17.335 Sea Q: Rn R una forma cuadr
atica no nula cuya matriz asociada en la base canonica es A.
a) Si R {0}, probar que Q(x ) y Q( x ) tienen el mismo signo.
b) Para que valores de R es cierto que Q( x ) = Q(x ) .
Prof: Jos
e Antonio Abia Vian


Lineal
17.3 Ejercicios
c) Deducir de lo anterior, que en general no es cierta la igualdad Q( x + y ) = Q(x ) + Q( y ) .

d) Si la forma cuadr
atica Q0 : Rn R tiene a A0 como matriz en la base canonica, cual sera la matriz
de la forma cuadr
atica (Q + Q0 )(x ) = Q(x ) + Q0 ( x ) ?
17.336 Sea A la matriz de orden n asociada a una forma cuadratica definida positiva y P una matriz de orden
n.
a) Si P es inversible, probar que la matriz P t AP es definida positiva.
b) Si P es no inversible, probar que la matriz P t AP es semidefinida positiva.
Prof: Jos
e Antonio Abia Vian


Lineal
Algebra
lineal
Espacios vectoriales
Demostraci
on de:
agina 154
Propiedades 267.- Algunas propiedades que se deducen de las anteriores son:

(i) 0u = 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.
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
Lema 274.- Si S es un conjunto linealmente independiente de vectores de V y v V lin S , entonces S{ v }

es linealmente independiente.
Demostraci
on:
Sea S = { u1 , u2 , . . . , ur } es un conjunto linealmente independiente de vectores V y sea v V que no
pertenece a lin S . Entonces, en la igualdad vectorial
1 u1 + 2 u2 + + r ur + v = 0
h 17.1i
el coeficiente debe ser cero, pues si no lo es, podemos despejar

v = 1 u1 2 u2 r ur y v
estara generado por los vectores de S , lo que no es cierto. Ahora bien, como = 0 , la ecuacion 17.1 se reduce
a 1 u1 + 2 u2 + + r ur = 0 y en consecuencia, todos los i son cero por ser los vectores ui linealmente
independientes.
Demostraci
on de:
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


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
1 a11 + 2 a21 + + m am1 = 0
1 a12 + 2 a22 + + m am2 = 0
= 0
1 a1n + 2 a2n + + m amn = 0

que tiene m inc
ognitas (los k ) y n ecuaciones, con m > n, por lo que no tiene solucion u
nica.
Demostraci
on de:
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 de la pagina 160
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
hu, vi2 ku k kvk .
Teorema 297 de la p
agina 161


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
como vi 6= 0 , su norma no es cero por lo que tiene que ser i = 0 .

Demostraci
on de:
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)
ProyW (v) = w1 = hv, u1 iu1 + hv, u2 iu2 + + hv, uk iuk

(2)
ProyW (v) = w2 = hv, v1 iv1 + hv, v2 iv2 + + hv, vk ivk

son el mismo.
Demostraci
on:
Como w1 es una proyecci
on ortogonal de v sobre W , el vector w1 W y el vector v w1 es ortogonal a
W y, por la misma raz
on, el vector w2 W y el vector v w2 es ortogonal a W .
Entonces, el vector (v w1 ) ( v w2 ) = w2 w1 cumple que: es ortogonal a todos los vectores de
W por ser diferencia de dos vectores ortogonales a W ; y tambien es un vector de W por ser diferencia de dos
vectores de W . En consecuencia, es ortogonal a si mismo y h w2 w1 , w2 w1 i = 0 , luego es el vector 0 ;
por lo que w1 = w2 y la proyecci
on ortogonal no depende de la base.
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
matriz que tiene por filas

1
3
3
. Luego si repetimos las mismas operaciones
v
v
)]
[f
(v
+
4
2 1
2 6
2 5 B2
[f (v3 + v6 + 2v5 )]B2

[f (v2 2v6 v5 )]B2
Prof: Jos
e Antonio Abia Vian


Lineal
[v1 ]B1
[v2 ]B1
[v3 ]B1
[v4 ]B1
[v5 ]B1
[v6 ]B1
sobre la matriz J que tiene por filas
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
[v3 + v6 + 2v5 ]B1

[v2 2v6 v5 ]B1
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
Recprocamente, si tenemos n vectores propios linealmente independientes, la matriz de f respecto de la base

formada con ellos es diagonal.

[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
Teorema.- Sean V un espacio vectorial de dimension n , f : V V un operador lineal y A la matriz de f con

respecto a una base B = {v1 , v2 , . . . , vn } . Entonces:
a) Los valores propios de f son los valores propios de A
b) Un vector v V es un vector propio de f correspondiente al valor propio si y solo si su matriz de
coordenadas [v]B es un vector propio de A correspondiente a .
Demostraci
on:
a) Sea un valor propio de f , es decir, v V , distinto de 0 , tal que f (v) = v = [f (v)]B = [v]B
= A[v]B = [v]B , luego es un valor propio de A al ser [v]B 6= 0 .
Sea un valor propio de A, entonces x Rn , x 6= 0 tal que Ax = x . Si tomamos x = x1 v1 + +
xn vn , siendo x = (x1 , . . . , xn ) , lo anterior quiere decir que A[x ]B = [x ]B [f (x )]B = [x ]B
f (x ) = x y es un valor propio de f ya que x 6= 0
b) v es un vector propio de f correspondiente a si y solo si
f (v) = v [f (v)]B = [v]B A[v]B = [v]B
si y s
olo si [v]B es un vector propio de A correspondiente a .
Prof: Jos
e Antonio Abia Vian


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
Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones

Av1 = 1 v1 , Av2 = 2 v2 , . . . , A vr+1 = r+1 vr+1
se obtiene
c1 1 v1 + c2 2 v2 + + cr r vr + cr+1 r+1 vr+1 = 0
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


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:
Teorema fundamental de la diagonalizacion 333 de la pagina 176

on 333.- Sea A una matriz de orden n . Entonces A es diagonalizable si y s
olo si se cumplen las condiciones:
1.- El polinomio caracterstico tiene n raices reales. Es decir, |I A| = ( 1 )m1 ( k )mk con
m1 + m2 + + mk = n .
2.- Para cada espacio caracterstico V (i ) , se cumple que dim V (i ) = mi .
Demostraci
on:
= Si A es diagonalizable, la matriz diagonal D y A son semejantes ( D = P 1 AP ) y por tanto poseen
el mismo polinomio caracterstico, luego P () = |I A| = |I D| = ( 1 )m1 ( k )mk , donde los
i R son los valores de la diagonal de D y mi el n
umero de veces que se repite. Por tanto, P () tiene todas
sus raices reales y, por ser de grado n , m1 + m2 + + mk = n .
Adem
as, por ser A y D matrices semejantes, tambien lo son I A y I D , para todo R , pues
P 1 (I A)P = P 1 IP P 1 AP = I D , de donde rg(IA) = rg(ID) , para todo . Entonces, para
cada autovalor i se tiene que rg(i I A) = rg(i I D) = n mi y, en consecuencia, que dim V (i ) = mi .
= Si |I A| = ( 1 )m1 ( k )mk , con m1 + m2 + + mk = n , y dim V (i ) = mi para cada
i = 1, . . . , k , consideremos en cada V (i ) una base Bi , de la forma
n
o
n
o
n
o
B1 = p , . . . , pm , B2 = p , . . . , pm , . . . , Bk = pk , . . . , pkmk
Tomemos entonces B = B1 B2 Bk , un conjunto de n vectores propios de A, si vemos que son linealmente
independientes, tendremos que A es diagonalizable.
Planteemos una combinaci
on lineal igualada a cero:
0 = 11 p + + 1m1 pm + 21 p + + 2m2 pm + + k1 pk + + kmk pkmk
= (11 p + + 1m1 pm ) + (21 p + + 2m2 pm ) + + (k1 pk + + kmk pkmk )
= v1 + v2 + + vk
siendo vj = j1 pj + + jmj pjmj V (j ) , para cada j = 1, . . . , k .
Los vectores v1 , v2 , . . . , vk son vectores de espacios caractersticos correspondientes, respectivamente, a
los valores propios distintos 1 , 2 , . . . , k y por tanto, si no son cero, son linealmente independientes. Pero
la combinaci
on lineal v1 + v2 + + vk = 0 nos indicara que son dependientes, luego la u
nica forma de
eliminar esa contradicci
on es que vj = 0 , j = 1, 2, . . . , k ; de donde, si 0 = vj = j1 pj + + jmj pjmj ,
han de ser todos j1 = j2 = = jmj = 0 por ser Bj una base. Como es cierto para cada j , se tiene que
ji = 0 , i, j , con lo que B es linealmente independiente.
Demostraci
on de:
Teorema fundamental de la diagonalizacion ortogonal 337 de la pagina 177

on ortogonal 337.- Una matriz A de orden n es diagonalizable ortogonalmente si y s
olo si A es simetrica.
.
Demostraci
on:
=
A es diagonalizable ortogonalmente = P ortogonal y D diagonal tal que P t AP = D = P
ortogonal y D diagonal tal que A = P DP t = At = (P DP t )t = P DP t = A = A es simetrica.
= Sea A simetrica, veamos que es diagonalizable. Primero, que todos los valores propios de A son reales:
Sea C un valor propio de A , entonces existe x = (x1 , . . . , xn ) 6= 0 ( xj C) tal que Ax = x . Por
ser A real, su polinomio caracterstico es real y el conjugado de , , es tambien autovalor de A; adem
as,
tomando conjugados en la igualdad anterior, se tiene que A x = Ax = x . Entonces, son iguales los valores
xt Ax = xt (Ax) = xt (x) = xt x =
n
X
xj xj =
j=1
t
n
X
|xj |
j=1
t
x Ax = (x A)x = (x A )x = (Ax) x = (x) x) = x x =
n
X
|xj |
j=1
Prof: Jos
e Antonio Abia Vian


Lineal
y, al ser x 6= 0 ,
n
P
Anexo 3
|xj | 6= 0 por lo que = y R. En consecuencia, si todos los autovalores de A son
j=1
reales, el polinomio caracterstico de A tiene las n raices reales.

Veamos ahora que para cada j se verifica que dim V (j ) = mj .
Sean dim V (j ) = d y Bj = { x1 , . . . , xd } una base ortonormal de V (j ) que ampliamos hasta una base
ortonormal de Rn , B = { x1 , . . . , xd , xd+1 , . . . , xn } .
Consideremos el operador lineal f : Rn Rn dado por f ( x ) = Ax , luego A es la matriz de f en la base
can
onica que es ortonormal y si A0 es la matriz de f en la base B y P la matriz de paso de B a la can
onica,
P es ortogonal y A0 = P t AP . Como A es simetrica, A0 tambien lo sera pues (A0 )t = (P t AP )t = P t At (P t )t =
P t AP = A0 .

0
[f
(x
)]
[f
(x
)]
[f
(x
)]
[f
(x
)]
A =
1 B
d B
d+1 B
n B
j 0
.. . . ..
. . A012

.
0 j
= j [x1 ]B j [x2 ]B [f (xd+1 )]B [f (xn )]B =

0 0
.
.. .. 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 de la pagina 184
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
con ci > 0 para todo i, e (y1 , . . . , yq , yq+1 , . . . , yq+r , yq+r+1 , . . . , yn ) = [x ]tB2 .

Prof: Jos
e Antonio Abia Vian


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)
[x ]tB2 = (0, . . . , 0, q+1 , . . . , n )
pero calculando Q( x ) respecto a las dos bases obtenemos

Q(x) = a1 21 + + ap 2p ap+1 0 ap+s 0 = a1 21 + + ap 2p > 0
Q(x) = c1 0 + + cq 0 cq+1 (q+1 )2 cq+r (q+r )2 + 0(q+r+1 )2 + + 0(n )2
= cq+1 (q+1 )2 cq+r (q+r )2 0
lo que no puede ser. Por tanto deben ser p = q y s = r , es decir, las dos matrices diagonales tienen el mismo
n
umero de elementos positivos y negativos.
Demostraci
on de:
on 351 de la pagina 184
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


ApuntesCompletos 13-14 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ApuntesCompletos 13-14 PDF

Cargado por

Copyright:

Formatos disponibles

Escuela de Ingenieras industriales

Sede Francisco Mendiz

APUNTES PARA LA ASIGNATURA

Grado de Ingeniera en Dise

2 Fundamentos de Matematicas : Contenidos

Matrices y sistemas de ecuaciones lineales

Determinante de una matriz

Grado de Ing. en Dise

3 Fundamentos de Matematicas : Contenidos

Funciones, lmites y continuidad

Grado de Ing. en Dise

4 Fundamentos de Matematicas : Contenidos

Ecuaciones Diferenciales Ordinarias

12 EDO de primer orden

13 Ecuaciones diferenciales lineales

14 Espacios vectoriales reales

Grado de Ing. en Dise

1 Fundamentos de Matematicas : Preliminares

Grado de Ing. en Dise

Grado de Ing. en Dise

3 Fundamentos de Matematicas : Preliminares

Conocemos y manejamos ya diversos conjuntos de n

Grado de Ing. en Dise

4 Fundamentos de Matematicas : Preliminares

1.2 El plano complejo

El producto (complejo) tiene por elemento neutro (1, 0) , pues

y viene dado por la expresion z 1 =

Nota: Si z es real, z = a + i0 = a, se tiene que |z| = + a2 + 02 = + a2 = |a| , es decir, el modulo complejo

|z| |Re(z)| + |Im(z)| .

5 Fundamentos de Matematicas : Preliminares

1.3 Forma polar de un n

b) d(z, w) d(z, t) + d(t, w) , t C .

Al argumento que se encuentra dentro del intervalo de tama

Grado de Ing. en Dise

6 Fundamentos de Matematicas : Preliminares

que quedan distribuidos como en la figura aneja.

ez+w = ez ew , para todo z, w C .

(uno por cada argumento de z )

1.1 Efectuar las siguientes operaciones, expresando el resultado en forma binomica:

del modulo para calcular:

Grado de Ing. en Dise

7 Fundamentos de Matematicas : Preliminares

1.3 Expresar en forma exponencial, z = |z| ei arg(z) , los complejos siguientes:

1.4 Expresar en forma bin

1.5 Hallar todos los valores complejos de:

1.6 Si se sabe que 1 + i es una raz c

1.8 Que valores de z verifican que |z + 1| < |z i| ?

1.10 Hallar los z para los que

1.11 Resolver la ecuaci

|a + bi| |a| + |b|

1.13 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposicion 13.

Grado de Ing. en Dise

8 Fundamentos de Matematicas : Preliminares

ai X un polinomio. Si an 6= 0 , diremos que P (X) tiene grado n , Es decir, el

mayor exponente de X que tenga coeficiente no nulo. Y lo denotaremos por gr(P ) = n .

Grado de Ing. en Dise

9 Fundamentos de Matematicas : Preliminares

Nota: gr(P Q) = gr(P ) + gr(Q) .

Grado de Ing. en Dise

10 Fundamentos de Matematicas : Preliminares

2.2 Division eucldea de polinomios. Divisibilidad y factorizaci

Division eucldea de polinomios. Divisibilidad y factorizaci

donde qi y ri son respectivamente los cocientes y restos de las divisiones, y rn = mcd(a, b) .