Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte USM - Matemáticas II (Complementos) PDF
Apunte USM - Matemáticas II (Complementos) PDF
COMPLEMENTO
Contenidos
CLASE 1
1.1 Matrices
Definición 1.1. Una matriz de orden n × m (se lee n filas por m columnas) es un arreglo rectangular de la forma
a 11 a 12 a 13 · · · a 1m
a 21 a 22 a 23 · · · a 2m
a 31 a 32 a 33 · · · a 3m
. .. .. ..
. ..
. . . . .
a n1 a n 2 a n 3 · · · a nm
Cada uno de los elementos del arreglo a i j es llamada entrada, elemento o coeficiente de la matriz.
Observación 1.1. Denotaremos las matrices por letras mayúsculas A, B,C o también en la forma a i j n ×m , b i j n ×m
Observación 1.2. Los elementos de una matriz pueden pertenecer a cualquier conjunto numérico en particular a R o
C. Denotaremos por Mn×m (R) ó M (n × m , R) al conjunto de todas las matrices de orden n × m con coeficientes reales,
de manera similar Mn ×m (C) ó M (n × m , C) denota el conjunto de todas las matrices de orden n × m con coeficientes
complejos.
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.1. Construir la matriz A = a i j 3×3 = i + j 3×3
1 2 1−i
Ejemplo 1.2. ∈ M2×3 (C)
i 0 −3
Definición 1.2. Una matriz de orden n × 1 se llama matriz columna o vector columna, estos tienen la forma
a 11
a 21
.
.
.
a n1
De manera similar una matriz de orden 1 × m es llamada matriz fila o vector fila y tiene la forma
a 11 a 12 a 13 · · · a 1m
Definición 1.3. A la matriz a i j n ×m tal que a i j = 0 para todo i , j es llamada matriz nula de orden n × m y es denotada
por [0]n ×m
0 0 ··· 0
0 0 ··· 0
[0]n ×m = .. .. . . .
. . . ..
0 0 ··· 0
Observación 1.3. A las matrices de orden n × n (igual numero de filas y columnas) se les denomina matrices cuadradas
de orden n .
Definición 1.4. Sea A una matriz cuadrada A = a i j n ×n . Los coeficientes a i i para i = 1, 2, . . . , n forman la diagonal
principal de la matriz. La diagonal secundaria de A son los elementos de la forma a i ,n +1−i para i = 1, 2, . . . , n
a 11
a 22
Diagonal principal :
..
.
a nn
a 1n
Diagonal secundaria :
a n −1,2
a n1
Definición 1.5. Una matriz cuadrada en la cual los elementos fuera de la diagonal son todos nulos es llamada matriz
diagonal (los elementos de la diagonal no necesariamente son distintos de cero)
a 11 0 0 ··· 0
0 a 22 0 ··· 0
.
..
Matriz diagonal: 0 0 a 33 · · ·
. .. .. ..
.
. . . . 0
0 0 ··· 0 a nn
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
Un tipo muy importante de matriz diagonal, es aquella matriz cuadrada que tiene todos los elementos de la diagonal
principal igual a 1, esta matriz es llamada Matriz identidad de orden n . Esta matriz es denotada por I n .
Ejemplo 1.3.
1 0
I2 =
0 1
1 0 0
I3 = 0 1 0
0 0 1
Definición 1.6. Si una matriz cuadrada de orden n es tal que todos sus elementos que estan encima de su diagonal
principal son todos ceros (no importan los demás) se denomina matriz triangular inferior; De manera similar, una matriz
triangular superior es aquella en la cual todos los elementos que se encuentran bajo la diagonal principal son todos ceros.
a 11 0 0 ··· 0
..
a 21
a 22 0 . 0
. .. ..
.. ..
..
Matriz triangular inferior: . . . .
. .. .. ..
.
. . . . 0
a n1 a n2 a n3 ··· a nn
a 11 a 12 a 13 ··· a 1n
..
0 a 22 a 23 . a 2n
.. .. ..
Matriz triangular superior:
0 0 . . .
.. .. .. .. ..
. . . . .
0 0 0 ··· a nn
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
• Igualdad de matrices: Dos matrices A y B son iguales si son del mismo orden y además a i j = b i j .
• Suma de matrices: Si A = a i j n ×m y B = b i j n×m se define A + B = a i j + b i j n ×m es decir:
a 11 + b 11 a 12 + b 12 a 1m + b 1m
a 11 a 12 ··· a 1m b 11 b 12 ··· b 1m ···
a 21 a 22 ··· a 2m b 21 b 22 ··· b 2m a 21 + b 21 a 22 + b 22 ··· a 2m + b 2m
. .. .. + . .. .. = .. .. ..
.. .. ..
. .
. . . . . . . . . . . .
a n1 a n2 ··· a nm bn1 bn2 ··· bnm a n1 + bn1 a n2 + b n 2 ··· a n m + b nm
Ejemplo 1.6.
1 2 −1 −1 1 2 0 3 1
+ =
0 2 −3 3 1 −1 3 3 −4
• Multiplicación por escalar: Si A = a i j n ×m y α ∈ R o C entonces αA = α a i j n×m = αa i j n ×m es decir
αa 11 αa 12 αa m
a 11 a 12 ··· a 1m ···
a 21 a 22 ··· a 2m αa 21 αa 22 ··· αa 2m
α .. .. .. .. = .. .. .. ..
. . . . . . . .
a n1 a n2 ··· a nm αa n αa 2n ··· αa m n
m
X
ci j = a ik bk j
k =1
es decir para obtener el elemento c i j del producto se fija la fila i de A y la columna j de B y se forma el elemento
anterior, se dice que el producto de matrices es filas por columnas.
Sean A, B,C matrices (con órdenes tales que las operaciones consideradas pueden ser aplicadas) y a , β escalares:
1. A + B = B + A 8. 1A = A
2. (A + B ) + C = A + (B + C ) 9. (A B )C = A (BC )
3. A + [0] = A 10. A (B + C ) = A B + AC
4. A + (−1) A = [0] 11. (A + B )C = AC + BC
5. α (A + B ) = αA + αB 12. α (A B ) = (αA) B = A (αB )
α + β A = αA + β A 13. A ∈ Mn×m ⇒ I n A = A = A I m
6.
7. α β A = αβ A
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
Observación 1.5. Es muy importante notar que el producto matricial no es conmutativo incluso uno de los productos
puede no estar definido. Si consideramos A ∈ M2×3 y B ∈ M3×4 entonces A B esta definida y tiene orden 2 × 4,notar que
B A no esta definido.
Ejemplo 1.7.
1 −1 1 −1 1 −2
=
2 1 0 1 2 −1
1 −1 1 −1 −1 −2
=
0 1 2 1 2 1
se sigue
1 −1 1 −1 1 −1 1 −1
6=
2 1 0 1 0 1 2 1
Observación 1.6. En matrices la ecuación AX = B con A 6= [0] y B matrices dadas no siempre tiene solución, considere
1 1 1 −1
X=
0 0 1 1
Si X tiene orden n × m para que este bien definido el producto se ha de tener n = 2 el resultado seria de orden 2 × m pero
sabemos que es de orden 2 × 2 luego m = 2. Pongamos entonces
a b
X=
c d
entonces
1 1 a b a +c b +d 1 −1
= =
0 0 c d 0 0 1 1
de inmediato esto no puede ser pues 0 6= 1.
Observación 1.7. En matrices no es verdad que A B = [0] implique A = [0] ∨ B = [0] en efecto
0 1 0 1 0 0
=
0 0 0 0 0 0
CLASE 2
2.1 Matriz transpuesta
Definición 2.1. Sea A ∈ M (n × m , K), A = a i j con K = R ó C. La matriz transpuesta de A es la matriz A T ∈ M (m × n, K)
obtenida intercambiando las filas y columnas de la matriz A. Es decir, la i-ésima fila de A pasa a ser la i-ésima columna de
AT .
Esto significa:
a 11 a 12 a 13 ··· a 1m
a 21 a 22 a 23 ··· a 2m
A =
.. .. .. .. ..
. . . . .
a n1 a n2 a n3 ··· a nm n×m
a 11 a 21 ··· a n1
a 12 a 22 ··· a n2
a 13 a 23 ··· a n3
AT =
.
. .. .. ..
. . . .
a 1m a 2m ··· a nm m ×n
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 2.1. Si
−1 2 0
A=
5 7 −4
entonces
T −1 5
−1 2 0
AT = = 2 7
5 7 −4
0 −4
Observación 2.1. De la definición de transpuesta podemos concluir: Si A = a i j con i = 1, 2, . . . , n y j = 1, 2, . . . , m
entonces A T = a iTj con i = 1, 2, . . . , m y j = 1, 2, . . . , n donde
a iTj = a j i
para todo i = 1, 2, . . . , m y j = 1, 2, . . . , n .
Proposición 2.1. Sea α ∈ K,n ∈ N,A y B matrices con órdenes apropiados para que las operaciones estén bien definidas, se
tiene:
T
1. A T =A
2. (A + B )T = A T + B T
3. (αA)T = α A T
4. (A B )T = B T A T
n
5. (A n )T = A T
• A se dice simétrica si A T = A
• A se dice antisimétrica si A T = −A
Observación 2.3. Por un asunto de orden de las matrices involucradas en las de nociones anteriores, vemos que tienen
sentido, sólo si A es cuadrada, y por ende, también A T es cuadrada.
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
1. A + B es simétrica
2. Si α ∈ K entonces αA es simétrica
1. A + A T es simétrica
3. A − A T es antisimétrica
Observación 2.4. De las proposiciones anteriores podemos mostrar que una toda matriz cuadrada se puede descom-
poner en una parte simétrica y otra antisimétrica en la forma
A + AT A − AT
A= +
2 2
Proposición 2.4. Si A es una matriz antisimétrica su diagonal principal tiene solamente ceros. En efecto, de A T + A = 0 se
sigue
a i i + a i i = 0 ⇒ a i i = 0 para cada i
1 11
1. Considere la matriz B = 0 11 calcular B, B 2 , B 4 .
0 01
2 −3 0 1 2
1 −1 2 4 0 −3
2. Sean A = ,B= ,C = 5 −1 −4 2 y D = −1
0 3 4 −1 −1 3
−1 0 0 3 3
Calcular
A + B, 3A − 4B, AC , B D, A T ,C T B T
1 2 0 1 2 3 1 2 3
3. Sean A = 1 1 0 , B = 1 1 −1 y C = 1 1 −1
−1 4 0 2 2 2 1 1 1
verifique que A B = AC ¿Qué concecuencia obtiene de esto?
a b 1 1
5. ¿Qué condiciones deben verificar a ,b, c y d para que las matrices , conmuten respecto al
c d −1 1
producto?
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
6. Determine 2A 2 + A B si A = (i )3×3 y B = j
3×3 .
(a) A 2 + B 2
(b) A 2 − B 2
(c) A B A
(d) A B A B
12. Sea
0 1 0 0 ··· 0
0 0 1 0 ··· 0
0 0 0 1 ··· 0
S = .. .. .. .. .. ..
. . . . . .
0 0 0 0 ··· 1
0 0 0 0 ··· 0 n ×n
MAT022 (Complemento) 8
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 2: Lunes 14 – viernes 18 de Marzo
COMPLEMENTO
Contenidos
CLASE 1
1.1 Operaciones elementales y Matrices elementales
Definición 1.1. En una matriz podemos realizar tres tipos de operaciones elementales por fila:
(1) Intercambiar (permutar) dos de sus filas.
(2) Multiplicar una fila (es decir cada coeficiente de la correspondiente fila) por una constante distinta de cero.
(3) Sumar el múltiplo de una fila a otra fila
• Adición del múltiplo de una fila a otra fila: Multiplicamos la fila 2 por 2 y se la sumamos a la fila 3
1 0 −1 1 0 −1
1 0 2 ←→ 1 0 2
3 8 −9 5 8 −5
Dado que existen tres tipos de operaciones elementales, existirán entonces tres tipos de matrices elementales; usare-
mos la notación siguiente:
• Ei j Es la matriz elemental obtenida intercambiando (en la matriz identidad) la fila i con la fila j
que es lo mismo que haber efectuado sobre la matriz A la operación elemental, intercambiar la fila 2 con la fila 4.
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
que es lo mismo que se obtiene al realizar sobre la matriz A la operación elemental, la fila 3 la multiplicamos por -2.
Si efectuamos el producto E 31 (−4) A, obtenemos el mismo resultado de la operación elemental sobre A, la fila 1 la
multiplicamos por -4 y se la sumamos a la fila 3.
1 0 0 0 −1 2 1 0 −1 2 1 0
0 1 0 0 2 5 6 4 2 5 6 4
E 31 (−4) A = =
−4 0 1 0 3 −1 0 −5 7 −9 −4 −5
0 0 0 1 0 2 3 4 0 2 3 4
Teorema 1.1. Sea E la matriz elemental obtenida al efectuar una operación elemental por fila sobre la matriz I n . Si la
misma operación elemental se realiza sobre una matriz A de orden n × m , el resultado es el mismo que el del producto E A.
Definición 1.3. Diremos que las matrices A y B son equivalentes por filas si existe una sucesión de operaciones elemen-
tales por filas que convierte la matriz A en la matriz B . En tal caso pondremos A ∼ B
Como hemos visto, realizar una operación elemental sobre una matriz es equivalente a multiplicar por la izquierda esa
matriz por una matriz elemental; para efectos de nuestros cálculos haremos directamente la operación elemental sobre
la correspondiente matriz, y la anotamos de la manera que muestra el ejemplo siguiente:
Ejemplo 1.3.
1 0 −1 1 0 −1 1 0 −1 1 0 −1
E 21 (2) E 31 (−3) E 32 (1)
−2 4 0 ∼ 0 4 −2 ∼ 0 4 −2 ∼ 0 4 −2
3 −4 6 3 −4 6 0 −4 9 0 0 7
1 0 −1 1 0 −1
En este caso las matrices −2 4 0 y 0 4 −2 son equivalentes (por fila).
3 −4 6 0 0 7
Definición 1.4. Una matriz se encuentra en forma escalonada por filas si satisface las siguientes propiedades:
• Cualquier fila que se componga enteramente de ceros se ubica en la parte inferior de la matriz.
• En cada fila i distinta de cero, la primera entrada o coeficiente no nulo (contado desde la izquierda), denominado
pivote, se localiza en una columna j ≥ i .
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
pero la matriz
1 2 0 1 −1 3
0 1 4 5 7 0
C =
2 0 0 1 1 1
0 0 0 0 0 1
no es escalonada.
Definición 1.5. Un algoritmo es una secuencia finita de operaciones realizables, no ambiguas, cuya ejecución da una
solución de un problema en un tiempo finito.
El algoritmo de reducción de Gauss escalona una matriz por las por medio de operaciones elementales fila. Aquí esta
la descripción del algoritmo de reducción de Gauss:
Sea A= a i j m ×n una matriz dada.
Para cada k (índice de fila) tomando los valores 1, 2, . . . , m −1, denotamos por M k a submatriz M k de las filas k , (k + 1) , · · · , m .
2. Si la submatriz M k tiene al menos un coeficiente no nulo, buscar el índice j 0 más pequeño tal que la columna j 0
tenga por lo menos un coeficiente distinto de cero en M k . Hallar el i 0 más pequeño tal que a i 0 j 0 6= 0 e i 0 ≥ k . Si
i 0 > k operar en la matriz permutando filas k e i 0 de la matriz A.
a i j0
3. Para i de k + 1 a m , si a i j 0 6= 0 cambiar la fila i por la fila i menos a k j0
la fila k en A.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
Observación 1.2. Verificar que mediante ejemplos el algoritmo de Gauss-Jordan se puede llevar a la forma escalonada
reducida.
Definición 1.6. Sea A una matriz. Se denomina rango de la matriz A al número de filas no nulas de la matriz escalonada
equivalente a la matriz A original obtenida por ejemplo mediante el algoritmo de reducción de Gauss. Se denota el rango
de la matriz A por ρ (A) o bién rango (A).
CLASE 2
Definición 2.1. Considere un sistema AX = B con A ∈ Mm ×n (R), B ∈ Mm ×1 (R). Diremos que X 0 ∈ Mn ×1 (R) es solución
del sistema si
AX 0 = B
Definición 2.2. Un sistema se llama compatible si tiene al menos una solución. Si el sistema no tiene solución, diremos
que es incompatible.
Ejercicio 2.1. Si un sistema de ecuaciones tiene dos soluciones distintas entonces tiene infinitas soluciones distintas
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
E1E2 · · · Ek A = C .
Pongamos E = E 1 E 2 · · · E k .
Si X 0 es tal que AX 0 = 0, entonces se sigue C X 0 = E AX 0 = E 0 = 0.
Recíprocamente si C X 1 = 0, entonces AX 1 = E −1C X 1 = 0.
Todo lo anterior nos asegura que los dos sistemas homogéneos AX = 0 y C X = 0 tienen las mismas soluciones.
Con el mismo método de la sección anterior es posible mostrar que si E (A) = E A es la matriz escalonada equivalente por
filas con A entonces
AX = B
y
E (A) X = E B
tienen las mismas soluciones. El segundo sistema es mucho más fácil de resolver.
x + 2y = 1
−y + 2z = 2
2z = 3
de la última ecuación obtenemos z = 32 reemplazamos este valor en la segunda ecuación y despejamos para obtener y = 1
teneiendo estos dos valores reemplazamos en la primera ecuación y obtenemos el valor x = −1.
Vemos que un método para resolver sistemas seria obtener el sistema escalonado equivalente.
Definición 2.4. Sea A ∈ M m ×n (R) y B ∈ M m ×1 (R). Consideremos el sistema AX = B con B 6= 0. Llamaremos matriz
ampliada del sistema a la matriz
a 11 a 12 · · · a 1n b1
a 21 a 22 · · · a 2n b2
(A, B ) = .
.. .. .. ..
.. . . . .
a m1 a m2 · · · a mn bm
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
Método de solución mediante el algoritmo de Gauss: Como sabemos, AX = B y E (A) X = E B , donde E (A) = E A, tienen
las mismas soluciones, note que la matrices E (A) y E B aparcen al aplicar las operaciones elementales que escalonan la
matriz A entonces, si aplicamos el método de Gauss para obtener la escalonada de matriz ampliada del sistema (A, B )
estaremos obteniendo la matriz (E (A) , E B ).
(a) Si ρ(A) = ρ(A, B ) = n (número de incógnitas) entonces el sistema tiene solución única.
(b) Si ρ(A) = ρ(A, B ) < n , entonces el sistema tiene infinitas soluciones.
Observación 2.1. En lugar de aplicar el algoritmo de Gauss, podemos aplicar el algoritmo de Gauss-Jordan (matriz escalon-
ada reducida) para resolver un sistema equivalente más simple. Dar ejemplos de este método.
1.
2x + 3y + z = 1
3x − 2y − 4z = −3
5x − y − z = 4
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
2.
2x − y + 3z = 4
3x + 2y − z = 3
x + 3y − 4z = −1
11
x= 7
− 57 z , y = 11
7
z − 67 (infinitas soluciones)
3.
x +y +z −w = 2
2x + y + w = 5
3x + z + w = 1
3x + 2y + z = 3
MAT022 (Complemento) 8
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 3: Lunes 28 de marzo – Viernes 01 de abril
COMPLEMENTO
Contenidos
CLASE 1
Observación 1.1. Si una matriz es invertible, también se suele decir que es no singular.
Observación 1.3. No todas las matrices son invertibles. Por ejemplo, si consideramos las matrices
1 3 2 2
A= B=
1 1 1 1
Proposición 1.1. Sean A, B matrices cuadradas del mismo tamaño e invertibles, entonces:
Universidad Técnica Federico Santa María
Departamento de Matemática
1. (A B )−1 = B −1 A −1
−1
2. A −1 =A
−1 T
3. A T = A −1
1 −1
4. (αA)−1 = A , para todo α 6= 0
α
n
5. (A n )−1 = A −1 para todo entero no negativo n .
No disponemos auń de un criterio para decidir si una matriz es o no invertible. El siguiente teorema nos provee un
método para calcular la matriz inversa (en caso de existir) de una matriz cualquiera.
Teorema 1.1. Sea A una matriz cuadrada de orden n invertible. Si una sucesión de operaciones elementales por filas
transforma la matriz A en la matriz identidad I n , entonces la misma sucesión de operaciones elementales convierte la
matriz I n en A −1 .
Demostración. En efecto, si A es equivalente por filas a la matriz I n , entonces existe una sucesión de operaciones ele-
mentales que convierte a la matriz A en la matriz I n ; esto quiere decir que existe una sucesión de matrices elementales
E 1 , E 2 , . . . , E k tales que E k E k −1 · · · E 2 E 1 · A = I n . Si anotamos B = E k E k −1 · · · E 2 E 1 , entonces B A = I n , es decir B = A −1 .
2 −1 1
Ejemplo 1.1. Calcule la inversa, en caso de existir, de la matriz A = 1 −2 0
0 1 2
Desarrollo: Formamos la matriz aumentada
2 −1 1 1 0 0
1 −2 0 0 1 0
0 1 2 0 0 1
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
se sigue que
4
− 53 − 25
5
2
A −1 = − 54 − 15
5
− 51 2
5
3
5
Teorema 1.2. Una matriz cuadrada de orden n es invertible si, y solo si, su rango es n , es decir, ρ(A) = n .
CLASE 2
DETERMINANTES
Sea A una matriz cuadrada de tamaño n . El determinante de A (se usa la notación det(A) = |A|) es un cierto número
complejo asociado a A el cual podemos definir de manera inductiva como sigue.
• Para n = 1, det(a ) = a
a b
• Para n = 2, det = ad −bc
c d
Definición 2.1. La menor de orden i j de A, denotada por M i j , es el determinante de orden n − 1 obtenido eliminando la
i-ésima fila y la j-ésima columna de la matriz A.
2 4 −1
Ejemplo 2.1. Consideremos la matriz A = 0 3 2 . Eliminemos la primera fila y la tercera columna de A
−5 1 6
2 4 −1
0
3
A = 0 3 2 obteniendo el menor M 13 = = 15
−5 1
−5 1 6
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
2 4 −1
Ejemplo 2.2. Calculemos el determinante de la matriz A = 0 3 2
−5 1 6
Fijemos una fila i = 1, entonces
3
X
det(A) = (−1)i +j a 1j M 1j = a 11 M 11 − a 12 M 12 + a 13 M 13
j =1
3 2 0 2 0 3
det(A) = 2 − 4
−5 − 1
−5 = −23
1 6 6 1
Si fijamos una columna, por ejemplo j = 1, se tiene
3
X
det(A) = (−1)i +j a i 1 M i 1 = a 11 M 11 − a 21 M 21 + a 31 M 31
i =1
3 2 4 −1 4 −1
det(A) = 2 − 0 − 5 = −23
1 6 1 6 3 2
Proposición 2.1. Sean A y B matrices cuadradas del mismo tamaño n . Entonces las siguieetes propiedades valen.
1. det(A) = det(A T )
2. Si todos los elementos de una fila o columna de una matriz son cero, entonces el valor del determinante es cero.
3. det(I n ) = 1
4. El determinante de una matriz diagonal o triangular es igual al producto de los elementos de la diagonal.
9. Si B se obtiene a partir de A multiplicando una fila (o columna) de A por un número α, entonces det(B ) = α det(A).
10. Si B se obtiene a partir de A, sumando a una fila (o columna) otra fila (o columna) amplificada por un factor α,
entonces det(B ) = det(A).
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
1 2 3 6
Ejemplo 2.3. Sea A = , entonces el det(A) = −2. Si la primera fila de A se multiplica por 3, obtenemos B =
3 4 3 4
y det(B ) = −6
= 3 det(A).
Si la primera fila de A la multiplicamos por -3 y se la sumamos a la segunda fila de A, obtenemos
1 2
la matriz B = y det(B ) = −2 = det(A).
0 −2
Definición 2.4. La adjunta de una matriz A, denotada por adj(A), es definida por
adj(A) = C T
donde C = (C i j ) es la matriz de cofactores. Es decir, la matriz adjunta es la traspuesta de la matriz de los cofactores.
a b d −c
Ejemplo 2.5. Sea A = . La matriz de cofactores es C = . Por lo tanto,
c d −b a
d −b
adj(A) =
−c a
−2 3 −1 −5 14 4
Consideremos la matriz A = 4 0 5 , la matriz de cofactores es C = 2 4 8 . Por lo tanto,
2 1 −1 15 6 −12
−5 2 15
adj(A) = 14 4 6
4 8 −12
Teorema 2.1.
A · adj(A) = det(A) · I n
adj(A) · A = det(A) · I n
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
= a (b − a ) (c − b ) (d − b − (c − b )) = a (b − a ) (c − b ) (d − c )
= x (x − (a + b + c ))2
las soluciones son x = 0 y x = a + b + c .
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
Sea
a 11 x 1 + a 12 x 2 + . . . + a 1n x n = b1
a 21 x 1 + a 22 x 2 + . . . + a 2n x n =
b2
.. ..
. .
a n 1x 1 + a n 2x 2 + . . . + a n n x n = bn
un sistema lineal con n ecuaciones y n incógnitas.
Resolver este sistema es equivalente a resolver la ecuación matricial AX = B , donde
a 11 a 12 · · · a 1n x1 b1
a 21 a 22 · · · a 2n x 2 b 2
A =
.. .. .. .. , X = .. ,
B = ..
. . . . . .
a n 1 a n2 · · · a n n xn bn
Si det(A) 6= 0, entonces el sistema tiene una única solución dada por:
|A 1 | |A 2 | |A 3 | |A n |
x1 = , x2 = , x3 = , ... , xn =
|A| |A| |A| |A|
donde A i es la matriz obtenida a partir de A al reemplazar su i-ésima columna por la matriz B .
La demostración se basa en escribir
1
X = A −1 B = adj(A)B
det(A)
e identificar los elementos de adj(A)B como los determinantes señalados.
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
• Los sistemas que aparecen en muchas aplicaciones son de gran tamaño. Un sistema de 1000×1000 hoy se considera
de tamaño moderado y en algunas aplicaciones deben resolverse sistemas de ecuaciones con cientos de miles de
incógnitas.
• El tiempo de cálculo del computador necesario para resolver el sistema debe ser lo menor posible. Una medida
standard del costo operacional es la cantidad de operaciones aritméticas (+, −, ·, /) que requiere un método. Este
usualmente se expresa en flop (floating point operations) por segundos.
• Hay métodos que en teoría permiten resolver cualquier sistema de ecuaciones lineales, pero que en la práctica
requieren tiempos de cálculo prohibitivos. Por lo tanto sólo sirven para sistemas de orden pequeño.
• Mal ejemplo: Regla de Cramer. Permite calcular explícitamente la solución de un sistema Ax = b mediante:
det (A i )
xi = para i = 1, 2, · · · , n
det (A)
donde A i se obtiene a partir de A reemplazando en ésta su columna i-ésima por el segundo miembro (o lado dere-
cho) del sistema, b . Si los determinantes se calculan mediante la fórmula recursiva usual de desarrollo por fila (o
por columna), el costo operacional de la Regla de Cramer es de aproximadamente (n + 1)! flop.
• Buen ejemplo: Método de Eliminación Gaussiana. Este procedimiento se basa en el método algebraico de trans-
formaciones elementales. Su costo operacional es de aproximadamente 23 n 3 flop.
• Comparación: Una calculadora opera en un rango entre 10 y 100 flop. Un ejemplo comparativo en un computador
de 1 Gflop (109 flop) por segundo (que corresponde a un Pentium 4 o Athlon 64) sería:
Regla de Cramer
Eliminación Gaussiana
MAT022 (Complemento) 8
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 4: Lunes 04 – viernes 08 de abril
COMPLEMENTO
Contenidos
CLASE 1
1.1 Vectores
A partir de la representación de R, como una recta numérica, los elementos (a ,b ) ∈ R2 se asocian con puntos de un plano
definido por dos rectas perpendiculares que al mismo tiempo definen un sistema de coordenadas rectangulares donde
la interseccón representa a (0, 0) y cada (a ,b ) se asocia con un punto de coordenada a en la recta horizontal (eje X) y la
coordenada b en la recta vertical (eje Y).
Analógamente, los elementos (a ,b, c ) ∈ R3 se asocian con puntos en el espacio tridimensional definido con tres rectas
mutuamente perpendiculares. Estas rectas forman los ejes del sistema de coordenadas rectangulares (ejes X, Y y Z).
Representaciones similares se puede hacer para los elementos de Rn para todo entero positivo n .
Los vectores en Rn se pueden representar mediante segmentos de recta dirigidos, o flechas, que salen desde el orígen
y que llegan a un punto de Rn . De esta manera, cada punto de Rn determina un vector en Rn y viceversa cada vector en
Rn determina un punto en Rn . La dirección de la flecha indica la dirección del vector y la longitud de la flecha determina
su magnitud.
Universidad Técnica Federico Santa María
Departamento de Matemática
−→− → →
Denotaremos los vectores con letras minúsculas con un flecha arriba tales como v , w , − z . Los puntos se denotarán
con letras mayúsculas tales como A, B,C . En el contexto de los vectores, los números reales serán llamados escalares y se
denotarán con letras minúsculas tales como α, β , γ.
−→
El vector determinado por el orígen (0, .n. ., 0) es el vector nulo que denotamos por 0 .
Un vector en el Rn es una enetupla (x 1 , x 2 , . . . , x n ) con cada x i ∈ R. A x i se le llama componente i-ésima del vector.
−→ −→ −→
En R3 utilizaremos la notación especial i = (1, 0, 0), j = (0, 1, 0) y k = (0, 0, 1) y les llamaremos vectores canónicos.
En las típicas aplicaciones uno en general considera vectores en el plano Rn o en el espacio R3 , pero en mucho prob-
lemas uno debe usar vectores en mayores dimensiones.
Definición 1.1 (Igualdad de vectores). Dos vectores son iguales si tienen, en el mismo orden, los mismos componentes.
−→ −
→ −→ − →
Es decir, si v = (v 1 , v 2 , . . . , v n ) y w = (w 1 , w 2 , . . . , w n ) entonces v = w si y solo si ∀i = 1, . . . n v i = w i .
−
→ −
→
Definición 1.2 (Suma de vectores). Sean v = (v 1 , v 2 , . . . , v n ) y w = (w 1 , w 2 , . . . , w n ) vectores en Rn . Se define la suma de
vectores como
−
→ − →
v + w = (v 1 + w 1 , v 2 + w 2 , . . . , v n + w n )
−
→
Definición 1.3 (Producto por escalar). Si v = (v 1 , v 2 , . . . , v n ) ∈ Rn y k ∈ R entonces se define el producto escalar (o
amplificación) como
−
→
k v = (k v 1 , k v 2 , . . . , k v n )
−→
Observación 1.1. Si v = (v 1 , v 2 , v 3 ) ∈ R3 entonces
−
→ −→ −→ −→
v = v1 i + v2 j + v3 k
Ejercicio 1.1. Buscar una interpretación geométrica de suma, resta de vectores y multiplicación por escalar en el plano.
−→− →− →
Proposición 1.1. Sean v , w , u ∈ Rn vectores y α, β ∈ R entonces:
→ −
− → − → −
→ − → −
→ − → −
→ −
→
1. v + 0 = v 4. 1v = v 7. α v + w = α v +αw
−
→ −→ −
→ −
→ − → − → −→ −
→ −
→ −
→
2. v + −v = 0 5. v +w =w + v 8. α+β v =α v +β v
−→ −
→ −→ − → −
→ − → −
→ −
→ −→ −→
3. 0v = 0 6. v +w +u = v + w +u 9. α β v = αβ v
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
El producto punto (o escalar) es una operación entre vectores que devuelve un escalar. Esta operación es introducida para
expresar algebraicamente la idea geométrica de magnitud.
−
→ −
→
Definición 1.4 (Producto punto). ¬Sean v¶ = (v 1 , v 2 , . . . , v n ) y w = (w 1 , w 2 , . . . , w n ) vectores en Rn . El producto punto (o
−→ − → −
→− →
escalar) v · w o en otra notación v , w se define como
n
−
→ −→ ¬−→− →¶
X
v ·w ≡ v ,w ≡ vi w i
i =1
−→− →− →
Teorema 1.1. Considere vectores v , w , u ∈ Rn vectores y α ∈ R entonces:
−
→ − →
1. v · v ≥ 0
−
→ − → −→ − →
2. v · v = 0 sí y sólo si v = 0 .
−
→ − → − → − →
3. v · w = w · v
−
→ − → − → − → −
→ −→ − →
4. v · w + u = v · w + v · u
−
→ − → −
→ −→ −
→ − →
5. α v · w = α v · w = v · α w
Observación 1.2. No tiene sentido preguntarse por asociatividad ni neutro. ¿Por qué?
1.1.3 Norma
−→ −→
−→
Definición 1.5. Consideremos el vector v = (v 1 , v 2 , . . . , v n ) ∈ Rn . La norma o magnitud de v denotada por
v
es dada
por
!1/2
n
−→
p− → −→
X
v
= v · v = 2
vi
i =1
−
→− →
− → − →
La distancia entre dos vectores es definida por d v , w =
v − w
.
Observación 1.3. La norma mide la distancia del punto al origen. Note que al considerar la interpretación geométrica de
la resta de vectores, la expresión para distancia entre dos puntos es de forma natural la magnitud del vector resta.
−→− →
Proposición 1.2. Consideremos los vectores v , w ∈ Rn y α ∈ R entonces:
−→
1.
v
≥ 0
−→
−→ − →
2.
v
= 0 ⇔ v = 0 .
−→
−→
3.
α v
= |α|
v
−→ − →
− → − →
−
→− → −
→− →
4.
v − w
=
w − v
es decir d v , w = d w , v .
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
−→ − →
− →
− →
5.
v + w
≤
v
+
w
(Desigualdad triangular)
−→ − →
− →
−→
6. v · w ≤
v
w
(Desigualdad de Cauchy-Schwartz)
−
→− →
De las propiedad 1. arriba obtenemos que d v , w ≥ 0.
−→− → −→ − →
De la propiedad 2. obtenemos que d v , w = 0 ⇔ v = w .
−→ − → −
→ − →
− →
Ejemplo 1.1. 1. Si v 6= 0 entonces w = v /
v
es unitario.
−
→
2. Si θ ∈ R, entonces v θ = (cos θ , sen θ ) es unitario.
−
→ − →
− →
− →
v · w =
v
w
cos θ
−→ − →
En el caso general, si v y w vectores en Rn , ambos no nulos, entonces la desigualdad de Cauchy-Schwarz (C-S) nos
dice que:
−→ − →
v ·w
−1 ≤
− →
≤ 1
→ −
v
w
Luego, existe un único θ ∈ [0, π] tal que
−→ − →
v ·w
cos θ =
−→
−
→
v
w
−→ − → −→ − →
Definición 1.7. Si v y w son vectores en Rn no nulos, entonces el ángulo θ entre v y w es el único θ ∈ [0, π] tal que
−
→ − →
− →
−→
v · w =
v
w
cos θ
−→− →
denotaremos tal ángulo por Ý( v , w ).
−→ − →
Definición 1.8. Sean v y w son vectores en Rn no nulos. Diremos que:
−→ − → −→− → −→ − →
1. v y w son perpendiculares si Ý( v , w ) = π2 , esto es equivalente a v · w = 0
−
→ − → −→− → −→− → −→ −→
2. v y w son paralelos si Ý( v , w ) = 0 ∨ Ý( v , w ) = π, esto es equivalente a v = λ w para álgún λ ∈ R.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
CLASE 2
2.1 Proyecciones
−
→
Geométricamente lo que queremos es determinar un vector que se obtiene al proyectar ortogonalmente un vector u
−
→ −→
sobre el vector w 6= 0 .
− →
Si denotamos a este vector como proy−wu→ entonces, se debe cumplir
−
→ −
→
proy−wu→ = tw
−
→ −→ −
→
w · u −t w = 0
−
→ − → → −
− → −
→ −
→
Definición 2.1. Sean u y w son vectores en Rn , w 6= 0 . Se define el vector proyección de u sobre w como el vector
−
→ −
→
− → w · u −→
proy−wu→ =
2 w
−→
w
−
→ − → −
→ −
→
Observación 2.1. El vector u − proy−wu→ (representar gráficamente) es llamado componente de u ortogonal a w .
Ejemplo 2.1. Considere un triángulo en R3 determinado por los vértices en los puntos A, B,C . Encuentre su área.
Solución:
Lo que debemos darnos cuenta es que podemos trasladar el triángulo sin cambiar su área. Trasladamos de manera de
llevar C al orígen 0. Esto se realiza por la función:
T : R3 → R3 : A 7→ A − C .
−
→ −→
Sean u = B − A, w = C − A entonces la altura del triángulo (trasladado) es
−→ −→
h =
u − proy−wu→
se sigue que
1
− →
área =
→
−
− →
w
u − proy−wu→
2
Notar que los cálculos anteriores son válidos en Rn para todo n ≥ 2.
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
−→ −→ −→ − →
Definición 2.2. Sean u = (u 1 , u 2 , u 3 ) y v = (v 1 , v 2 , v 3 ) vectores en R3 . Definimos el producto cruz u × v como el vector
−
→ − → −→ −→ −→
u × v = (u 2 v 3 − u 3 v 2 ) i − (u 1 v 3 − u 3 v 1 ) j + (u 1 v 2 − u 2 v 1 ) k
−→ −→ −→
Como i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1), entonces
−
→ − →
u × v = (u 2 v 3 − u 3 v 2 , −u 1 v 3 + u 3 v 1 , u 1 v 2 − u 2 v 1 )
Observación 2.2. La definición de producto cruz se puede recordar y trabajar como un determinante
→ − →
−
→ −
i j k
−
→ − →
u × v = u1 u2 u3
v1 v2 v3
−
→ − → −
→ − →
Observación 2.3. El vector u × v es perpendicular a u y v . Note que en dos dimensiones esto no tiene sentido. ¿Por
qué?
−
→ −
→ −
→ − →
Ejemplo 2.2. Sean u = (1, 2, −1) y u = (1, 0, −1) calcular u × v .
Notemos que
→ − →
−
→ −
i j k −
−
→ − → → 2 −1 −
− →
1 −1 − → 1 2
u × v = 1 = i j + k
2 −1 0 −1
1 −1 1 0
1 0 −1
−→ − → −→ −→ −→
= −2 i − j (0) + k (−2) = −2 i − 2 k = (−2, 0, −2)
−
→ −→ −→
Proposición 2.1. Sean u = (u 1 , u 2 , u 3 ) , v = (v 1 , v 2 , v 3 ) y w = (w 1 , w 2 , w 3 ) vectores en R3 entonces
u1 u2 u3
−
→ − → − →
u · v × w = v 1 v 2 v 3
w1 w2 w3
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
Observación 2.4. Demostrar algunas utilizando propiedades de los determinantes y la proposición anterior
luego
−
→ − → −→ − → −
→
u + v × 2u − v ·u
−→ − → −→
= −3 u × v · u =0
−→ − →
Teorema 2.2 (Identidad de Lagrange). Para cada v , w en R3 se tiene
−
→ − →2
−
→ − →
2
− →
2
−
→
2
v · w +
v × w
=
v
w
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
−→ − →
− →
− →
Gracias a la identidad de Lagrange, podemos mostrar lo siguiente. Como v · w =
v
w
cos θ se sigue que
−
→
−→
2
−
→ − →
2
− →
2
−→
2
v
w
cos θ +
v × w
=
v
w
.
Luego,
−
→ −
→
2
−
→
2
−
→
2
− →
2
−→
2
v ×w
= v
w
−
v
w
cos2 θ
−
→
2
−
→
2
= v
w
1 − cos2 θ
−
→
2
−
→
2
= v
w
sin2 θ
−→ − →
Proposición 2.2. Si v y w son vectores no nulos en R3 , entonces se cumple
−
→ −
→
− →
−
→
v × w
=
v
w
|sin θ |
−→ − →
donde θ ∈ [0, π] es el ángulo que forman v e w .
−→ − →
Ejercicio 2.1. Considere un paralelógramo determinado por dos vectores u y v en
R3 .
−→− →
−→
−→
−→ − →
−→ − →
Si Ý( u , v ) = θ , entonces el área del paralelógramo es A =
u
v
sen θ =
u
v
| sen θ | =
u × v
. Esto
último debido a que θ ∈ [0, π] y luego sin θ ≥ 0.
Notar que de esta forma se puede calcular el área de un triángulo por
−→ − →
u × v
A=
2
−
→− →− →
Ejercicio 2.2. Considere un paralelepipedo en el espacio determinado por tres vectores no coplanares u , v , w ∈ R3
entonces el volúmen del paralelepípedo esta dado por
u1 u2 u3
−→ − → − →
V = w · u × v = det v 1 v 2 v 3
w1 w2 w3
MAT022 (Complemento) 8
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 5: Lunes 11 – viernes 15 de Abril
COMPLEMENTO
Contenidos
CLASE 1
Observación 1.1.
−
→
1. El vector d se llama vector director de la recta L. En general, uno lo considera de norma igual a 1.
−
→
2. Una misma recta puede escribirse usando multiplos no nulos del vector dirección d como nuevo vector dirección
−
→
y también reemplazando el punto p por otros puntos en la recta.
3. En general nos concentraremos en rectas el el plano o bien en el espacio, es decir, n ∈ {2, 3}.
Universidad Técnica Federico Santa María
Departamento de Matemática
x = x 0 + λd 1
y = y 0 + λd 2
z = z 0 + λd 3
x − x0
λ =
d1
y − y0
λ =
d2
z −z0
λ =
d3
De donde obtenemos las ecuaciones simétricas de la recta L dadas por
x − x 0 y − y0 z − z 0
= =
d1 d2 d3
−
→
Notemos, en la descripción anterior de la recta, que para t = 0 estamos en el punto p 1 y que para t = 1 estamos sobre
−
→
el prunto p 2 .
La forma paramétrica de la ecuación de la recta que pasa por dos punto es:
x = x 1 + t (x 2 − x 1 )
y = y 1 + t (y 2 − y 1 )
z = z 1 + t (z 2 − z 1 )
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
−→ −
→ − →
Definición 1.3. Un conjunto Π ⊂ R3 es un plano si existe un vector p y dos vectores u y v no paralelos tales que
¦−→ −
→ −→ ©
Π = p + α u + β v : α, β ∈ R
−→ −
→ −→
En términos de coordenadas, si p = (x 0 , y 0 , z 0 ), u = (u 1 , u 2 , u 3 ), v = (v 1 , v 2 , v 3 ), entonces
x = x 0 + αu 1 + β v 1
y = y 0 + αu 2 + β v 2
z = z 0 + αu 3 + β v 3
−→ −
→
Un plano Π en R3 se puede determinar especificando un punto p = (x 0 , y 0 , z 0 ) ∈ Π y un vector n = (n 1 , n 2 , n 3 ) que es
−→ −→ − →
normal al plano Π, es decir, un vector perpendicular a él. En efecto, un punto q = (x , y , z ) ∈ Π sí y sólo si pq ⊥ n , donde
−→ −
→ − →
el vector n es un vector normal a los vectores u y v . Así,
−
→ −→ − →
q ∈Π ⇐⇒ pq ⊥ n
−→ − →
⇐⇒ pq · n = 0
⇐⇒ (x − x 0 , y − y 0 , z − z 0 ) · (n 1 , n 2 , n 3 ) = 0
⇐⇒ (x − x 0 )n 1 + (y − y 0 )n 2 + (z − z 0 )n 3 = 0
⇐⇒ n 1x + n 2 y + n 3 z − x 0 n 1 − y0 n 2 − z 0 n 3 = 0
ax +by + cz + d = 0
−→ − → − →
Observación 1.2. Un plano puede ser determinado conociendo 3 puntos no colineales. En efecto, sean p 1 , p 2 , p 3
−−→ −−→
los puntos dados del plano, los cuales no son colineales. A continuación formamos los vectores p 1 p 2 y p 1 p 3 . El vector
−→ −−→ −−→ −−→ −−→ −
→
n = p 1 p 2 × p 1 p 3 es perpendicular a p 1 p 2 y a p 1 p 3 . Luego, n es normal al plano. Si usamos cualquiera de los 3 puntos
−→ −→
p i y el vector n , podemos obtener la ecuación del plano.
Ejemplo 1.1. Determine la ecuación del plano que pasa por los puntos
−
→ −
→ −
→
p 1 = (2, −2, 1), p 2 = (−1, 0, 3), p 3 = (5, −3, 4)
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
Π1 = a 1 x + b 1 y + c 1 z + d 1 = 0 y Π2 = a 2 x + b 2 y + c 2 z + d 2 = 0
se tiene:
1. Π1 k Π2 ⇐⇒ a 1 = k a 2 , b 1 = k b 2, c1 = k c2 con k ∈ R y k 6= 0
2. Π1 ⊥ Π2 ⇐⇒ (a 1 ,b 1 , c 1 ) · (a 2 ,b 2 , c 2 ) = 0
3. Π1 = Π2 ⇐⇒ a 1 = k a 2 , b 1 = k b 2, c 1 = k c 2, d1 = kd2 con k ∈ R y k 6= 0.
−→ −→
Teorema 1.2. Consideremos la recta L = p + λ d y el plano Π = αx + β y + γz + δ = 0. Se tiene
−→
1. L k Π ⇐⇒ (α, β , γ) · d = 0
−→ −→
2. L ⊥ Π ⇐⇒ d k (α, β , γ) ⇐⇒ α = k d 1 , β = k d 2, γ = k d 3, donde k 6= 0 y (d 1 , d 2 , d 3 ) = d .
Definición 1.4. Llamaremos haz de planos coaxiales a aquellos planos que pasan por una misma recta L, llamada eje del
haz.
Dados dos planos Π1 y Π2 tal que Π1 ∩ Π2 = L, la ecuación del haz de planos está dada por
Π1 + λΠ2 = 0
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejercicio 1.2. Determinar la distancia entre dos rectas del espacio que tengan vectores dirección paralelos. Analize el caso
cuando ambas rectas están en R2 .
−→ −→
Solución. Si existe un punto p tal que p = L 1 ∩ L 2 , debe existir t 1 ∈ R y r1 ∈ R tales que
2t 1 − 3 = r1 + 5, 3t 1 − 2 = −4r1 − 1, −4t 1 + 6 = r1 − 4
La solución de este sistema de 3 ecuaciones y dos incógnitas es:
t1 = 3 y r1 = −2
Reemplazamos el valor del parámetro t 1 en L 1 o reemplazamos el valor del parámetro r1 en L 2 , para obtener el
−→
punto donde se intersectan: p = (3, 7, −6).
−→
2. Determinar la ecuación de la recta que pasa por p = (1, 4, 0) y es perpendicular a las rectas
x = 3+t x + 4 2y − 1 1
L1 : y = 4 + t , L2 : = , z=
6 3 2
z = −1 + t
−→ −→ −→
Solución. Sea L : (1, 4, 0)+λ d , con λ ∈ R, la recta buscada y sean d 1 = (1, 1, 1) y d 2 = (4, 1, 0) los vectores directores
de L 1 y L 2 respectivamente. Como
−→ − → −→ − → −
→ − → − →
L⊥L 1 ∧ L⊥L 2 =⇒ d ⊥ d 1 ∧ d ⊥ d 2 =⇒ d // d 1 × d 2 = (−1, 4, −3)
3. Hallar la ecuación del plano que pasa por (3, −1, 2) y es paralelo al plano 2x + 4y − 3z + 10 = 0
Solución. El plano buscado tiene por ecuación 2x + 4y − 3z + d = 0. Para determinar d , usamos que el punto
(3, −1, 2) debe pertenecer al plano, entonces debe satisfacer la ecuación
2(3) + 4(−1) − 3(2) + d = 0 =⇒ d = 4
Por lo tanto, el plano pedido es
2x + 4y − 3z + 4 = 0
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
Solución. Vamos a escribir la recta como intersección de 2 planos. Para esto, consideramos las igualdades sigu-
ientes:
x +3 y −5 y −5 z −1
= y =
3 −3 −3 1
x +3 y −5
= ⇐⇒ −3x − 9 = 3y − 15 ⇐⇒ x + y − 2 = 0
3 −3
y −5 z −1
= ⇐⇒ y − 5 = −3z + 3 ⇐⇒ y + 3z − 8 = 0
−3 1
La ecuación del haz de planos que tiene a L como eje del haz es:
(x + y − 2) + λ(y + 3z − 8) = 0
Necesitamos el plano de este haz que pasa por el punto dado (1, 0, 2). Para esto, reemplazamos el punto en la
ecuación del haz, obteniendo
1
(1 + 0 − 2) + λ(0 + 3(2) − 8) = 0 =⇒ λ = −
2
El plano buscado es:
1
(x + y − 2) − (y + 3z − 8) = 0 ⇐⇒ 2x + y − 3z + 4 = 0
2
5. Considere
(a) Determine el punto B , que es la intersección del plano Π con la recta que pasa por A y es perpendicular a Π.
(b) Determine el punto D, punto de intersección de la recta L con el plano Π
(c) Hallar un punto C ∈ L tal que el volumen del tetraedro de vértices A, B,C , D sea 4.
Solución. Denotemos por L A : (1, 0, 1) + r (2, 1, −1) la recta que pasa por A e intersecta perpendicularmente a Π
2(1 + 2r ) + r − (1 − r ) − 7 = 0 =⇒ r = 1 =⇒ B = (3, 1, 0)
Π =⇒ D = (−1, 1 + t , 5t ) y
T
(b) Analogamente, si D ∈ L
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
1 −→ −→ −→
El volumen del tetraedro de vértices A, B,C , D es dado por V = | BC · B D× B A|. Como se quiere que el volumen
6
sea 4, tenemos:
1
4 = |(−4, t , 5t ) · (−4, −2, −10) × (−2, −1, 1)|
6
Calculemos
−4 t 5t
(−4, t , 5t ) · (−4, −2, −10) × (−2, −1, 1) = −4 −2 −10 = 48 + 24t
−2 −1 1
6. Hallar la ecuación del plano que contiene a la recta L : x = 2y = 3z − 1, sabiendo que dicho plano está a una
distancia de 72 unidades del origen.
(x − 2y ) + λ(x − 3z + 1) = 0 ⇐⇒ x (1 + λ) − 2y − 3λz + λ = 0
|λ|
d (O, haz) = p
(1 + λ)2 + (−2)2 + (−3λ)2
2
Pero el plano pedido debe estar a 7
del origen, entonces
|λ| 2
p =
(1 + λ)2 + (−2)2 + (−3λ)2 7
Π1 : (x − 2y ) + 2(x − 3z + 1) = 0 ⇐⇒ 3x − 2y − 6z + 12 = 0
y
10
Π2 : (x − 2y ) − (x − 3z + 1) = 0 ⇐⇒ x + 18y − 30z + 10 = 0
9
7. Hallar la distancia mínima entre las rectas
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
−
→ −
→
Solución. El vector director de L 1 es d 1 = (0, 1, −3) y el vector director de L 2 es d 2 = (1, 0, 2). Entonces
→ −
− → − →
n = d 1 × d 2 = (2, −3 − 1)
CLASE 2
I. La adición toma dos elementos de V , llamésmoslos u y v , y mediante la operación los lleva a un elemento w ∈ V :
denotado por w = u + v .
II. El producto por escalar toma un elemento α del cuerpo K y un u ∈ V , y mediante la operación los lleva a un elemento
w ∈ V : denotado por w = α · u
Entonces diremos que (V, +, ·) es un espacio vectorial sobre K si y solamente si las operaciones anteriores satisfacen
las siguientes 8 propiedades:
1. ∀ u , v ∈ V , u + v = v + u
2. ∀ u , v, w ∈ V, u + (v + w ) = (u + v ) + w
3. ∃ 0V ∈ V tal que u + 0V = u , ∀ u ∈ V
5. ∀ u , v ∈ V, ∀ α ∈ K, α · (u + v ) = α · u + α · v
6. ∀ u ∈ V, ∀ α, β ∈ K, (α + β ) · u = α · u + β · u
7. ∀ u ∈ V, ∀ α, β ∈ K, (αβ ) · u = α · (β · u )
8. ∀ u ∈ V, 1 · u = u
MAT022 (Complemento) 8
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 2.1. (R2 , +, ·) es un espacio vectorial sobre R, con las siguientes operaciones: Si u, v ∈ R2 , con u = (u 1 , u 2 ), v =
(v 1 , v 2 ) y α ∈ R definimos
u + v = (u 1 + v 1 , u 2 + v 2 ) y α · u = (αu 1 , αu 2 )
Este espacio vectorial se identifica, geométricamente, con el plano cartesiano, y sus elementos son los vectores en
(R2 , +, ·).
Ejemplo 2.2. (R3 , +, ·) es un espacio vectorial sobre R, con las siguientes operaciones: si u, v ∈ R3 , con u = (u 1 , u 2 , u 3 ), v =
(v 1 , v 2 , v 3 ) y α ∈ R definimos
u + v = (u 1 + v 1 , u 2 + v 2 , u 3 + v 3 ) y α · u = (αu 1 , αu 2 , αu 3 )
Este espacio vectorial se identifica, geométricamente, con el espacio cartesiano, y sus elementos son los vectores en
(R3 , +, ·).
Ejemplo 2.3. De manera más general, (Rn , +, ·) es un espacio vectorial sobre R, con las siguientes operaciones: Si u, v ∈ Rn ,
con u = (u 1 , u 2 , . . . , u n ), v = (v 1 , v 2 , . . . , v n ) y α ∈ R definimos
u + v = (u 1 + v 1 , u 2 + v 2 , . . . , u n + v n )
y
α · u = (αu 1 , αu 2 , . . . , αu n )
Ejemplo 2.4. (C2 , +, ·) es un espacio vectorial sobre C, con las siguientes operaciones: Si u, v ∈ C2 , con u = (u 1 , u 2 ), v =
(v 1 , v 2 ) y α ∈ C definimos
u + v = (u 1 + v 1 , u 2 + v 2 ) y α · u = (αu 1 , αu 2 )
Debe tenerse presente que, en este caso, todos los números involucrados son números complejos, por lo cual las opera-
ciones mencionadas son entre elementos en C.
Ejemplo 2.5. (C3 , +, ·) es un espacio vectorial sobre C, con las siguientes operaciones: Si u, v ∈ C3 , con u = (u 1 , u 2 , u 3 ), v =
(v 1 , v 2 , v 3 ) y α ∈ C definimos
u + v = (u 1 + v 1 , u 2 + v 2 , u 3 + v 3 ) y α · u = (αu 1 , αu 2 , αu 3 )
Análogamente, las operaciones se realizan entre números complejos.
Ejemplo 2.6. De manera más general, (Cn , +, ·) es un espacio vectorial sobre C, con las siguientes operaciones: Si u, v ∈ Cn ,
con u = (u 1 , u 2 , . . . , u n ), v = (v 1 , v 2 , . . . , v n ) y α ∈ C definimos
u + v = (u 1 + v 1 , u 2 + v 2 , . . . , u n + v n )
y
α · u = (αu 1 , αu 2 , . . . , αu n )
Notemos que (Cn , +, ·) es también un espacio vectorial sobre el cuerpo R.
MAT022 (Complemento) 9
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 2.7. (Q2 , +, ·) es un espacio vectorial sobre Q, con las siguientes operaciones: Si u, v ∈ Q2 , con u = (u 1 , u 2 ), v =
(v 1 , v 2 ) y α ∈ Q definimos
u + v = (u 1 + v 1 , u 2 + v 2 ) y α · u = (αu 1 , αu 2 )
Debe tenerse presente que, en este caso, todos los números involucrados son números complejos, por lo cual las opera-
ciones mencionadas son entre elementos en Q.
Ejemplo 2.8. (Q3 , +, ·) es un espacio vectorial sobre Q, con las siguientes operaciones: Si u, v ∈ Q3 , con u = (u 1 , u 2 , u 3 ), v =
(v 1 , v 2 , v 3 ) y α ∈ Q definimos
u + v = (u 1 + v 1 , u 2 + v 2 , u 3 + v 3 ) y α · u = (αu 1 , αu 2 , αu 3 )
Análogamente, las operaciones se realizan entre números racionales.
Ejemplo 2.9. De manera más general, (Qn , +, ·) es un espacio vectorial sobre Q, con las siguientes operaciones: Si u, v ∈
Qn , con u = (u 1 , u 2 , . . . , u n ), v = (v 1 , v 2 , . . . , v n ) y α ∈ C definimos
u + v = (u 1 + v 1 , u 2 + v 2 , . . . , u n + v n )
y
α · u = (αu 1 , αu 2 , . . . , αu n )
Notemos que (Cn , +, ·) es también un espacio vectorial sobre el cuerpo Q.
Observación 2.1.
1. Observemos que (R, +, ·) es un espacio vectorial sobre R, que (C, +, ·) es un espacio vectorial sobre C y que (Q, +, ·)
es un espacio vectorial sobre Q. De esta forma, notamos que tanto R como C y como Q tienen estructura de cuerpo
y de espacio vectorial sobre si mismos.
Rn [x ] = {p (x ) = a 0 + a 1 x + a 2 x 2 + . . . + a n x n , a i ∈ R, i = 0, . . . , n }
es decir, Rn [x ] es el conjunto de los polinomios con coeficientes reales en una variable real de grado menor o igual a
n (incluyendo al polinomio nulo). (Rn [x ], +, ·) es un espacio vectorial sobre R con la adición y el producto por escalar
habitual de polinomios, vale decir, si p (x ) = a 0 + a 1 x + a 2 x 2 + . . . + a n x n y q (x ) = b 0 + b 1 x + b 2 x 2 + . . . + b n x n entonces
(p + q )(x ) = p (x ) + q (x ) = (a 0 + b 0 ) + (a 1 + b 1 )x + (a 2 + b 2 )x 2 + . . . + (a n + b n )x n
(αp )(x ) = αp (x ) = αa 0 + αa 1 x + αa 2 x 2 + . . . + αa n x n , ∀α ∈ R
MAT022 (Complemento) 10
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 2.11. Consideremos el conjunto de las funciones a valores reales definidas sobre un conjunto A 6= ;
F = { f : A → R}
(f + g )(x ) = f (x ) + g (x )
(α · f )(x ) = α(f (x ))
∀f , g ∈ F , ∀x ∈ A, ∀α ∈ R. Con estas operaciones, (F , +, ·) es un espacio vectorial sobre R.
Ejemplo 2.12. El espacio de las funciones continuas definidas en un intervalo [a ,b ], que denotamos por (C [a ,b ], +, ·) con
las operaciones recién definidas para las funciones, es un espacio vectorial sobre R.
Ejemplo 2.13. El espacio de las funciones n veces derivables (funciones de clase C n ) definidas en un intervalo ]a ,b [, que
denotamos por (C n (]a ,b [) , +, ·) con las mismas operaciones anteriores, es un espacio vectorial sobre R.
Ejemplo 2.14. Consideremos el conjunto de las matrices de orden m ×n con entradas reales, que denotaremos M m ×n (R).
Recordemos que una matriz real es un arreglo de números reales: Si A, B ∈ M m ×n (R), definimos la suma de matrices:
A + B = (a i j )m ×n + (b i j )m ×n = (a i j + b i j )m ×n
α · A = α · (a i j )m ×n = (α a i j )m ×n
Ejemplo 2.15. Análogamente, las matrices con entradas complejas (M m ×n (C), +, ·) con las operaciones análogas a las
descritas arriba, forman un espacio vectorial sobre C.
Ejemplo 2.16. El conjunto de todos los polinomios de grado menor o igual a n ∈ {0, 1, 2, ...} con coeficientes complejos,
i.e.
Cn [x ] = {p (x ) = a 0 + a 1 x + a 2 x 2 + . . . + a n x n , a i ∈ C, i ∈ {0, 1, 2, ..., n }}
dotado de la suma y el producto habitual de polinomios, es un espacio vectorial sobre C.
Ejercicio 2.1. Sea V un K−espacio vectorial y sea X un conjunto. Considere F (X , V ) el conjunto de todas las funciones
de X es V. Se definen
f + g (x ) = f (x ) + g (x )
α · f (x ) = α · f (x )
MAT022 (Complemento) 11
Universidad Técnica Federico Santa María
Departamento de Matemática
Observación 2.2. Probar que alguno de los ejemplos anteriores es un espacio vectorial
4. ∀v ∈ V , 0 · v = 0V
5. ∀α ∈ K, ∀v ∈ V , (−α) v = − (αv )
2.1.1 Ejercicios
MAT022 (Complemento) 12
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 6: Lunes 18 – viernes 22 de Abril
COMPLEMENTO
Contenidos
CLASE 1
1.1 Subespacios vectoriales
Definición 1.1.
1. Sea (V, +, ·) un espacio vectorial sobre un cuerpo K, S ⊆ V, S 6= ;. Se dice que S es un subespacio vectorial de V si
(S, +, ·) es un espacio vectorial sobre K.
2. Si las operaciones + y · están claramente definidas, entonces escribiremos V en lugar de (V, +, ·) para un espacio
vectorial sobre K.
Observación 1.1. La definición anterior no permite averiguar, de manera simple, si un determinado subconjunto es o no
subespacio de un espacio vectorial dado. El siguiente teorema nos brinda un método sencillo para este efecto.
Teorema 1.1. Sea (V, +, ·) un espacio vectorial sobre el cuerpo K y sea S ⊆ V, S 6= ;. (S, +, ·) es un subespacio vectorial de
(V, +, ·) si y solo si se satisfacen las siguientes dos condiciones:
1. Si u, v ∈ S entonces u + v ∈ S.
Universidad Técnica Federico Santa María
Departamento de Matemática
2. Si α ∈ K, u ∈ S entonces α · u ∈ S.
Todo espacio vectorial tiene, de manera natural, dos subespacios vectoriales, llamados subespacios vectoriales triv-
iales del espacio vectorial V . Estos son: el mismo espacio vectorial V , vale decir, V ≤ V y el espacio vectorial nulo, vale
decir el espacio vectorial cuyo único elemento es el neutro aditivo de V : {0V } ≤ V .
Ejemplo 1.1. Considere W = {(x , y ) ∈ R2 : y = 0}. Probemos que W es un subespacio vectorial de R2 . Para ello, debemos
verificar:
2. (x , y ), (u , v ) ∈ W ⇒ (x , y ) + (u , v ) ∈ W .
En efecto: (x , y ), (u , v ) ∈ W ⇒ y = 0 ∧v = 0. Por lo tanto, (x , y )+(u , v ) = (x , 0)+(u , 0) = (x +u , 0). Es decir, la segunda
componente de la suma de dos vectores en W da como resultado un vector que también pertenece a W .
3. λ ∈ R, (x , y ) ∈ W ⇒ λ · (x , y ) ∈ W .
En efecto: (x , y ) ∈ W ⇒ y = 0. Por lo tanto, λ · (x , y ) = λ · (x , 0) = (λx , 0) ∈ W .
Ejemplo 1.2. Considere W = {(x 1 , x 2 , · · · , x n ) ∈ Rn : x n = 0}. Probemos que W es un subespacio vectorial de Rn . Para ello,
debemos verificar:
2. (x 1 , x 2 , · · · , x n ), (u 1 , u 2 , · · · , u n ) ∈ W ⇒ (x 1 , x 2 , · · · , x n ) + (u 1 , u 2 , · · · , u n ) ∈ W .
En efecto: (x 1 , x 2 , · · · , x n ), (u 1 , u 2 , · · · , u n ) ∈ W ⇒ x n = 0 ∧ u n = 0. Por lo tanto, (x 1 , x 2 , · · · , x n ) + (u 1 , u 2 , · · · , u n ) =
(x 1 , x 2 , · · · , 0) + (u 1 , u 2 , · · · , 0) = (x 1 + u 1 , x 2 + u 2 , · · · , 0). Es decir, la n −ésima componente de la suma de dos vectores
en W da como resultado un vector que también pertenece a W .
3. λ ∈ R, (x 1 , x 2 , · · · , x n ) ∈ W ⇒ λ · (x 1 , x 2 , · · · , x n ) ∈ W .
En efecto: (x 1 , x 2 , · · · , x n ) ∈ W ⇒ x n = 0. Por lo tanto, λ · (x 1 , x 2 , · · · , x n ) = λ · (x 1 , x 2 , · · · , 0) = (λx 1 , λx 2 , · · · , 0) ∈ W .
Ejemplo 1.3. Sea (1, −2) ∈ R2 y consideremos W = {(x , y ) ∈ R2 : (x , y ) = α · (1, −2), α ∈ R}. Probemos que W es un
subespacio vectorial de R2 .
Gráficamente, este subespacio vectorial se representa por una recta en el plano, en la misma dirección que el vector
(1, −2).
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.4. Como en el ejemplo anterior, sea V un espacio vectorial real, y sea u0 ∈ V, con
u0 6= 0V . Consideremos W = {v ∈ V : v = α · u0 , α ∈ R}. Probemos que W es un subespacio vectorial de V .
3. Probemos ahora que λ ∈ R, v ∈ W ⇒ λ·v ∈ W. En efecto: v ∈ W nos asegura que existe α ∈ R tal que v = α·u0 . Luego,
λ · v = λ · α · u0 = (λα) · u0 ∈ W.
Debido a la analogía con el ejemplo anterior (4.-), este espacio vectorial recién descrito se denomina recta vectorial,
con dirección u0 .
2. Probemos que:
(x , y , z ), (u , v, w ) ∈ E ⇒ (x , y , z ) + (u , v, w ) = (x + u , y + v, z + w ) ∈ E . Este último vector pertenece a E ⇐⇒
2(x + u ) + y + v = 0, condición que se cumple pues como (x , y , z ), (u , v, w ) ∈ E ⇒ 2x + y = 2u + v = 0 de donde
2x + y + 2u + v = 2(x + u ) + y + v = 0. Luego, la suma de los vectores pertenece a E .
¨ «
a b
Ejercicio 1.2. Verificar que si S = ∈ M2×2 (R) : a = b y c = −d , entonces S ≤ M2×2 (R).
c d
¨ «
a b
Ejercicio 1.3. Verificar que si T = ∈ M2×2 (R) : a = 1 , entonces T no es subespacio vectorial de M2×2 (R).
c d
1. W1 ∩ W2 ≤ V.
Definición 1.2. Si W1 , W2 ≤ V y W1 ∩ W2 = {0V } entonces el subespacio suma W1 + W2 es llamado suma directa y se escribe
W1 ⊕ W2 .
Observación 1.2. La unión de subespacios no es necesariamente un subespacio vectorial. Considere por ejemplo V1 =
x , y ∈ R2 : x = 0 y V1 = x , y ∈ R2 : y = 0 .
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
1.1.1 Ejercicios
4. n ≥ m ⇒ C n [a ,b ] ≤ C m [a ,b ].
Ejemplo 1.6. El vector de R3 , (0, 2, −3) es una combinación lineal de los vectores (1, 0, 0), (1, 1, 0), (1, 1, 1). Para probarlo,
escribimos
(0, 2, −3) = α · (1, 0, 0) + β · (1, 1, 0) + γ · (1, 1, 1)
luego, debemos encontrar α, β , γ ∈ R que satisfagan las siguientes ecuaciones:
0 = α+β +γ
2 = β +γ
−3 = γ
Resolviendo, determinamos que γ = −3, β = 5, α = −2.
Notar que (0, 2, −3) no es combinación lineal de los vectores (1, 1, 0), (1, 1, 1), pues, usando el mismo razonamiento, si
(0, 2, −3) = α · (1, 1, 0) + β · (1, 1, 1) entonces
0 = α+β
2 = α+β
−3 = β
lo cual es obviamente contradictorio.
1.2.1 Ejercicios
1. Considere los vectores u = (2, 1, −2), v = (1, −1, 1) ∈ R3 . Escriba, si es posible, los vectores a = (−4, −5, 8) y b =
(4, 1, −5) como combinación lineal de u y v. Determine los valores de x para los cuales el vector (x , 4, −7) es una
combinación lineal de u y v.
2. Dados u1 = (1, 2, α, 1), u2 = (α, 1, 2, 3), u3 = (0, 1, β , 0) ∈ R4 , determine los valores de α y β para que uno de los
vectores sea combinación lineal de los otros dos.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
CLASE 2
Puede realizar ejercicios o adelantar contenidos (paralelos sin clases por feriado)
MAT022 (Complemento) 5
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 7: Lunes 25 – viernes 29 de Abril.
COMPLEMENTO
Contenidos
CLASE 1
1.1 Espacio generado
Recordemos que para los propósitos de estas notas, los cuerpos que estamos considerando son: el cuerpo de los números
reales R, el cuerpo de los números complejos C y el cuerpo de los números racionales Q. Pero las definiciones aquí dadas
funcionan para cualquier cuerpo.
Ejercicio 1.1. Verificar que la intersección de una colección de subespacios de un espacio vectorial V es también un
subespacio vectorial de V .
Definición 1.1. Sea V un espacio vectorial sobre un cuerpo K y sea X ⊆ V, X 6= ;. El espacio generado por X , denotado
por 〈X 〉 ó por G(X ), es dado por la intersección de todos los subespacios de V que contienen al conjunto X .
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.1. Si W = {(x , y ) ∈ R2 : (x , y ) = α · (1, −2), α ∈ R} entonces W = 〈(1, −2)〉, es decir, (1, −2) genera a W .
Observemos que (2, −4) también genera a W y, de manera más general, si α 6= 0, entonces (α, −2α) genera W .
Los vectores (0, 0) y (1, −2) también forman un conjunto generador de W .
Ejemplo 1.3. En R2 considere los vectores u = (2, 1), v = (−1, 1), w = (1, 4). Probemos que R2 = G(u, v) = G(u, v, w) y que
R2 6= G(u).
Para probar que R2 = G(u, v), debemos demostrar que dado cualquier (x , y ) ∈ R2 , existen α, β ∈ R tal que (x , y ) =
α · (2, 1) + β · (−1, 1). La igualdad implica «
x = 2α − β
y = α+β
x +y 2y − x
de donde α= , β= .
3 3
Esto significa que dado cualquier vector (x , y ) ∈ R2 podemos determinar explícitamente, en función de x e y , los
valores de α y β .
Ya que {u , v } ⊂ {u , v, w }, se puede fácilmente concluir que R2 = G (u , v, ) ⊂ G (u , v, w ), de donde concluimos que
G (u , v, w ) = R2 .
Otra manera de concluir lo mismo es proceder de mana análoga al caso anterior. Para probar que R2 = G(u, v, w),
debemos demostrar que dado cualquier (x , y ) ∈ R2 , existen α, β , γ ∈ R tal que
(x , y ) = α · (2, 1) + β · (−1, 1) + γ · (1, 4). Notar que si tomamos, arbitrariamente, γ = 0, los valores de α y β obtenidos arriba
demuestran la afirmación. Si asignamos otro valor a γ, también podemos resolver el sistema para α y β . En general,
entonces, podemos decir que:
x + y − 5γ 2y − x − 7γ
α= , β=
3 3
donde γ es un parámetro real. Por lo tanto, en este caso también es posible determinar explícitamente los valores de α,
β y γ.
Para probar que R2 6= G(u) basta encontrar un vector en R2 que no sea combinación lineal de u. Por ejemplo, si
tomamos el vector (1, 0) ∈ R2 vemos que no existe α ∈ R : (1, 0) = α · (2, 1).
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
Análogamente,
R2 [x ] = G(1, x , x 2 )
= 〈2, 1 + x , x − x 2 〉
= 〈1, 1 + x , 1 + x + x 2 〉
¨ «
1 0 0 1 0 0 0 0
Ejemplo 1.7. M 2×2 (R) = G , , ,
0 0 0 0 1 0 0 1
Ejercicio 1.2. Caracterizar el espacio generado por los vectores (0, 1, 2) , (−1, 3, −1) y (2, −11/2, 3)
También se dice que los vectores anteriores son linealmente independientes (l.i.).
También se dice que los vectores anteriores son linealmente dependientes (l.d.).
Ejemplo 1.8. El conjunto {(1, 0), (0, 1)} ⊂ R2 es un conjunto l.i. En efecto, si consideramos
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.9. El conjunto {(1, 2), (3, −1)} ⊂ R2 es un conjunto l.i. En efecto, si consideramos
α1 + 3α2 = 0
2α1 − α2 = 0
Obtenemos que α1 = 0, α2 = 0.
Ejemplo 1.10. El conjunto {(1, 2), (3, −1), (5, 1)} ⊂ R2 es un conjunto l.d. Como antes, si tenemos la igualdad
se sigue
α1 + 3α2 + 5α3 = 0
2α1 − α2 + α3 = 0
Este es un sistema de 2 ecuaciones con 3 incógnitas, que tiene infinitas soluciones. Luego, hemos probado que {(1, 2), (3, −1), (5, 1)}
es l.d.
Es importante mencionar que, si bien α1 = α2 = α3 = 0 es una posible solución del sistema, no es la única. Lo que
hemos probado es que existen valores αi , no todos nulos, que satisfacen la condición de la definición.
Ejemplo 1.11. El conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} ⊂ R3 es un conjunto l.i.
Ejemplo 1.12. El conjunto {(1, 0, 0), (0, 1, 0), (1, 1, 0)} ⊂ R3 es un conjunto l.d. Basta notar que (1, 1, 0) = (1, 0, 0) + (0, 1, 0). En
otras palabras, existen valores de α1 , α2 , α3 no todos nulos tales que α1 (1, 0, 0) + α2 (0, 1, 0) + α3 (1, 1, 0) = (0, 0, 0).
En efecto, basta tomar α1 = 1, α2 = 1, α3 = −1.
Ejemplo 1.14. El conjunto {sin(x ), cos(x )} ⊂ C(R) es un conjunto l.i. En efecto, supongamos que tenemos valores
reales α1 y α2 de manera que valga la siguiente igualdad
α1 sin(x ) + α2 cos(x ) = 0.
Derivando, obtenemos una segunda ecuación, que nos permite determinar α1 y α2 , dada por
α1 cos(x ) − α2 sin(x ) = 0.
Multiplicamos la primera ecuación por α2 y la segunda por α1 , las sumamos y como este sistema debe satisfacerse
para todos los valores posibles de x ∈ R, necesariamente, α21 + α22 = 0. La única posibilidad es que α1 = α2 = 0.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
1.2.1 Observaciones
1. Todo conjunto de vectores que contenga al vector nulo 0V es un conjunto l.d. En particular, el conjunto {0V } es l.d.
5. Si X es un conjunto finito o infinito, X 6= ;, entonces uno puede considerar todas las combinaciones lineales posibles
usando una cantidad finita de vectores de X . Este conjunto resulta ser el espacio generado por X .
Teorema 1.2. Sea X ⊂ V, X 6= φ, X 6= {0V }. Entonces, ∃Y ⊆ X tal que Y es un conjunto l.i. y G(X ) = G(Y ).
Este teorema afirma que cualquier subconjunto no vacío de vectores, salvo el que contiene sólo al 0V , tiene un sub-
conjunto l.i. de vectores. Notemos también que no hace referencia a si el conjunto X es finito o no. De todas maneras, en
este curso en general trabajaremos con juntos finitos X de vectores.
CLASE 2
2.1 Bases y dimensión.
Definición 2.1. Sea B ⊆ V un subconjunto finito (ordenado), B 6= ;. Diremos que B es una base (ordenada) de V si se
satisfacen las siguientes dos condiciones:
1. G(B ) = V
2. B es l.i.
2.1.1 Ejemplos
3. C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es una base de R3 , es llamada base canónica de R3 .
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
Teorema 2.2. Si el espacio vectorial V sobre el cuerpo K tiene una base constituida por n vectores, entonces toda base de V
tiene cardinalidad n .
Idea general de la prueba. Supongamos que tenemos dos bases
B 1 = {v 1 , ..., v n }
B 2 = {w 1 , ..., w m }
de manera que n 6= m .
Supongamos que m > n (el caso n < m es similar). La idea es ver que es posible quitar, de manera astuta n vectores
de W , digamos w 1 , ..., w n (salvo reordenamiento de los índices) de manera que el conjunto {v 1 , ..., v n , w n +1 , ..., w m } siga
siendo un conjunto l.i.. Ahora, como B 1 es una base de V , se puede verificar que o anterior es una contradicción.
Definición 2.2. Sea V un espacio vectorial sobre K, B = {u1 , · · · , un } una base de V . Diremos que n es la dimensión de V
sobre el cuerpo K. Escribimos dimK V = n .
Corolario 2.1. Sea V un espacio vectorial de dimensión n , entonces, cualquier subconjunto de V de cardinalidad n + 1 es
un conjunto l.d.
2.1.2 Ejemplos
1. C = {(1, 0), (0, 1)} es una base de R2 . Se conoce como la base canónica de R2 . B = {(1, 2), (3, −1)} es otra base de R2 .
Claramente, dimR R2 = 2.
2. C = {(1, 0, · · · , 0), (0, 1, 0, · · · , 0), · · · , (0, 0, · · · , 1)} es una base de Rn . Se conoce como la base canónica de Rn . Se acos-
tumbra escribir los vectores de la base canónica como e1 = (1, 0, · · · , 0), e2 = (0, 1, 0, · · · , 0), · · · , en = (0, 0, · · · , 1). En este
caso, dimR Rn = n . Si el espacio considerado es R3 , en las aplicaciones físicas los vectores de la base canónica se
−→− →− →
denotan por i , j , k , respectivamente.
3. A = {(−2, 1, 0), (0, 0, 1)} es una base de V = {(x , y , z ) ∈ R3 : x + 2y = 0}. Luego, dimR V = 2.
7. Si K es un cuerpo, entonces, mirando este cuerpo como espacio vectorial sobre si mismo se tiene dimK K = 1.
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
2.1.3 Ejercicios
(a) A = {(x , y , z ) ∈ R3 : x − y = 0, z − 2x = 0} ≤ R3
(b) B = {(2x , x , x + 2y , −y ) ∈ R4 : x , y ∈ R} ≤ R4
(c) C = {(x , y , z , t ) ∈ R4 : x + 3t = 0} ≤ R4
Teorema 2.4 (completación de una base). Sea V un espacio vectorial sobre K, con dimK V = n .
Sea W ≤ V con dimK W = m .
Sea B = {u1 , u2 , · · · , um } una base del subespacio W .
Entonces, existen vectores um+1 , um+2 , · · · , un ∈ V de manera que ; B ∪ {um+1 , um+2 , · · · , un } es una base de V .
2.1.4 Ejercicios
1. Sea A = {(1, 2, 3), (2, 1, −1)}. Verifique que A es l.i. y complete este conjunto para obtener una base de R3 .
2. Sea A = {1, 1 + x , x 2 + x 3 }. Verifique que A es l.i. y complete este conjunto para obtener una base de R3 [x ].
¨ «
1 −1 0 −1 1 0
3. Sea A = , , . Verifique que A es l.i. y complete este conjunto para obtener una
2 0 3 4 1 1
base de M (R, 2 × 2).
Corolario 2.2. Sea V un espacio vectorial, dimK V = n . Si B ⊂ V, B = {u1 , · · · , un } es un conjunto l.i., entonces B es una base
de V .
Observación 2.1. El resultado anterior es útil si se conoce la dimensión de un espacio vectorial V . En este caso, para
probar que un conjunto es base de V , basta probar que el conjunto es l.i.
2.1.5 Ejercicios
1. Determine si los siguientes son base de R4 . Si no lo son, vea si es posible extraer una base de R4 en cada caso.
(a) A = {(0, 1, 1, 0), (1, 0, 2, −1), (−1, 3, 0, 0), (2, −2, 0, 1)}
(b) B = {(1, 1, 1, 1), (1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0)}
2. Determine si los siguientes son base de R2 [x ]. Si no lo son, vea si es posible extraer una base de R4 en cada caso.
(a) C = {1, 1 + x , 1 + x + x 2 }
(b) D = {x + x 2 , 1 + x , 1 + x 2 }
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
Teorema 2.5. Sea B = {u1 , · · · , un } ⊆ V . Entonces, B es una base de V si todo vector de V puede ser escrito de manera única
como una combinación lineal de los vectores u1 , · · · , un .
Observación 2.2. Este teorema dice que dado un vector cualquiera en un espacio vectorial V con una base dada B , los
coeficientes del vector con respecto a esa base B son únicos, vale decir, si
v ∈ V, ∃! αi , i = 1, · · · , n : v = α1 · u1 + α2 · u2 + · · · + αn · un
2.1.6 Ejemplos
1. En R3 , considere la base ordenada B = {(1, 2, 3), (1, 0, −1), (0, −2, 0)} y la base canónica de R3 , es decir, C = {e 1 =
(1, 0, 0), e 2 = (0, 1, 0), e 3 = (0, 0, 1)}. Determine la matriz de coordenadas del vector (2, 8, −6) con respecto a ambas
bases, es decir, encuentre [(2, 8, −6)] B y [(2, 8, −6)]C .
Como (2, 8, −6) = −1 · (1, 2, 3) + 3 · (1, 0, −1) − 5 · (0, −2, 0), se tiene que
−1
[(2, 8, −6)] B = 3
−5
Como (2, 8, −6) = 2 · (1, 0, 0) + 8 · (0, 0, 1) − 6 · (0, 0, 1), se tiene que
2
[(2, 8, −6)]C = 8
−6
p (x ) = 2 − x + 3x 2
= α1 (−1) + α2 (x + 1) + α3 (−x 2 + 1)
= (−α1 + α2 + α3 ) · 1 + α2 · x − α3 · x 2
luego,
−α1 + α2 + α3 = 2
α2 = −1
α3 = 3
Resolviendo, obtenemos que
−6 2
[p (x )] B = −1 [p (x )]C = −1
−3 3
MAT022 (Complemento) 8
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 8: Lunes 02 – viernes 06 de Mayo
COMPLEMENTO
Contenidos
• Clase 2: Diagonalización.
CLASE 1
1.1 Valores y vectores propios de una matriz. Espacio propio asociado.
Hasta ahora la mayoría de nuestros cálculos los hemos motivado o llevado a sistemas de ecuaciones algebraicos, daremos
una motivación algo distinta para lo que sigue. Muchas aplicaciones están relacionadas con ecuaciones diferenciales
(esto se verá con mayor detención en MAT023), como por ejemplo:
d u1
= 7u 1 − 4u 2
dt
d u2
= 5u 1 − 2u 2
dt
Estas dos ecuaciones nos dicen la forma en la cual están relacionadas las variaciones de las funciones u 1 y u 2 .
Estas ecuaciones pueden ser escritas en la forma matricial
u 10 7 −4 u1
=
u 20 5 −2 u2
o de manera equivalente
u0 = Au
donde
u 10 7 −4 u1
u =
0
,A= yu=
u 20 5 −2 u2
Universidad Técnica Federico Santa María
Departamento de Matemática
Las soluciones de la ecuación u 0 = λu tienen la forma u = αe λt . Así, podemos intentar buscar soluciones de la
ecuación anterior de la forma
u1 = α1 e λt
u2 = α2 e λt
α1 λe λt = 7α1 e λt − 4α2 e λt
α2 λe λt = 5α1 e λt − 2α2 e λt
d u1
= 7u 1 − 4u 2
dt
d u2
= 5u 1 − 2u 2
dt
en la forma
u1 = α1 e λt
u2 = α2 e λt
α1
siempre y cuando podamos encontrar λ y x = que cumplan
α2
Ax = λx
Claramente x = 0 satisface esta igualdad (para cualquier elección de λ), pero no nos entrega información útil sobre la
solución del sistema. Lo que realmente necesitamos son escalares λ y vectores x 6= 0 que cumplan Ax = λx.
(A − λI ) x = 0
esto es, el sistema de ecuaciones homogéneo tiene soluciones no nulas, se sigue que los escalares interesantes son aquel-
los para los cuales det (A − λI ) = 0. Estas observaciones motivan las siguientes definiciones.
1. Un escalar λ se llama un valor propio de A si existe un vecttor x 6= 0 (de orden n × 1) tal que Ax = λx .
2. El conjunto de todos los valores propios de la matriz A es denotado por σ (A) y es llamado el espectro de A.
3. Sea λ ∈ σ(A). Un vector x (de orden n × 1) tal que Ax = λx es llamado un vector propio de A asociado al valor
propio λ.
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
2. Sea λ ∈ σ(A). Verificar que el conjunto de vectores propios de A asociados al valor propio λ es un subespacio
vectorial del espacio de matrices complejas de tamaño n × 1.
3. Sea λ ∈ σ(A). Verificar que el conjunto de vectores propios de A asociados al valor propio λ que tienen todos sus
coeficientes reales es un subespacio vectorial del espacio de matrices reales de tamaño n × 1.
4. Sea λ ∈ σ(A). Buscar ejemplos donde el espacio de vectores propios asociados a λ con entradas reales es diferente
del espacio de vectores propios asociados a λ. ¿Cuándo podemos asegurar igualdad?
Para encontrar los valores propios de una matriz A debemos buscar aquellos escalares λ tales que det(A − λI ) = 0 .
Note que det(A − λI ) es un polinomio en λ al que llamaremos polinomio característico de la matriz A y lo denotaremos
por PA (λ).
Si PA (λ) es el polinomio característico de la matriz A entonces PA (λ) = 0 es llamada la ecuación característica de la
matriz A.
Desarrollo: Calculamos
7−λ −4
det (A − λI ) = = λ2 − 5λ + 6
5 −2 − λ
luego los valores propios son las soluciones de la ecuación
λ2 − 5λ + 6 = 0
Observación 1.2. Si A es de orden n × n entonces el polinomio carcterístico tiene grado n , por lo tanto tiene n posibles
valores complejos que satisfacen la ecuación (contando multiplicidades). En particular, hay a lo más n valores propios
reales de A.
Si hemos encontrado un valor propio podemos buscar los vectores propios asociados a este de la siguiente forma.
En el ejemplo anterior tomemos λ = 2. Entonces, para buscar los vectores propios asociados al valor propio 2, debemos
resolver el sistema lineal siguiente y buscar las soluciones diferentes del trivial
7 −4 x x
=2
5 −2 y y
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
x
Se tiene que es solución del sistema homogéneo
y
5 −4 x 0
=
5 −4 y 0
4
5
t
tiene infinitas soluciones de la forma con t ∈ R es decir el conjunto de las soluciones lo podemos representar
t
® 4 ¸
como 5 ≤ R2 .
1
Definición 1.2. Sea A una matriz y λ ∈ σ (A). Llamaremos multiplicidad algebraica del valor propio λ a la multiplicidad
de λ como raíz del polinomio característico y llamaremos multiplicidad geométrica a la dimensión de Wλ es espacio
propio asociado.
3. Los valores propios de una matriz triangular son los elementos de su diagonal principal.
determinar los polinomios característicos, valores propios, espacios propios asociados y las multiplicidades corre-
spondientes.
CLASE 2
2.1 Diagonalización
Notemos que si P es una matriz no singular de orden n × n y A es una matriz del mismo orden, entonces
det P −1 AP − λI = det P −1 AP − λP −1 I P
= det P −1 (A − λI ) P
= det P −1 det (A − λI ) det (P)
= det (A − λI )
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
Definición 2.1. Dos matrices A y B de orden n × n se dice similares si existe una matriz no singular P tal que P −1 AP = B.
El problema fundamental es el siguiente. Dada una matriz cuadrada A, reducir esta a su forma más simple a través
de una transformación por similaridad P −1 AP. Las matrices más fáciles de calcular su polinomio característico son las
matrices diagonales.
Definición 2.2. Diremos que una matriz A de orden n × n es diagonalizable si existe una matriz P del mismo orden y no
singular tal que P −1 AP = D, donde D es una matriz diagonal.
Es válido preguntar ¿Es toda matriz diagonalizable? la respuesta es no, por ejemplo si consideramos la matriz
0 1
A=
0 0
Notemos que A 2 = [0]2×2 . Si existiera una matriz P no singular tal que P −1 AP = D con D diagonal, entonces
D2 = P −1 AP P −1 AP = P −1 A 2 P
= P −1 [0] P = [0]
Como D es diagonal, lo anterior obliga a tener que D = [0]. Pero esto último obligar’ıa a tener A = [0], lo que es una
contradicción.
λ1
0 ··· 0
0 λ2 ··· 0
P A n ×n P = D =
−1
.. .. .. ..
. . . .
0 0 ··· λn
de donde
AP = PD
si ponemos
P= v1 v2 ··· vn
donde v i son los vectores columnas de P, entonces
AP = Av 1 Av 2 ··· Av n
y
PD = λ1 v 1 λ2 v 2 ··· λn v n
De lo anterior se obtiene que, ∀i = 1, 2, . . . , n , se cumple Av i = λi v i , es decir, P −1 A n ×n P = D implica que P tiene en
sus columnas n vectores propios linealmente independientes y D es la matriz diagonal que tiene por entradas los valores
propios de la matriz A. La recíproca de esta afirmación se puede verificar sin problemas.
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
Teorema 2.1. Una matriz de tamaño n × n y entradas complejas (o reales) es diagonalizable si el espacio de matrices de
tamaño n × 1 y entradas complejas tiene una base de vectores propios de la matriz. En tal caso podemos obtener una matriz
que diagonaliza a A poniendo los vectores de tal base como columnas de la matriz P.
Todo el problema de la diagonalización se reduce a encontrar una base de vectores propios. Note que casa valor propio
tiene asociado un espacio propio y de cada uno de esos espacios propios podemos extraer una base, se tiene el siguiente
teorema.
Teorema 2.2. Para cada valor propio se cumple que la multiplicidad geométrica es menor o igual que la multiplicidad
algebraica
De esta forma de cada subespacio podemos extraer a lo más tantos vectores como multiplicidad algebraica tenga el
valor propio
Teorema 2.3. Vectores propios correspondientes a valores propios diferentes son linealmente independientes.
Proof. Sea A una matriz, µ, λ ∈ σ(A), donde µ 6= λ. Sean v, w vectores no nulos, tal que Av = λv y Aw = µw .
Consideremos escalares α, β de manera que
(1) αv + µw = 0
Entonces,
(β − λ)a v = 0
Como v 6= 0 y β 6= µ, se tiene que α = 0. Ahora, usando (1) y el hecho que w 6= 0, se obtiene que β = 0.
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
Teorema 2.4. Una matriz es diagonalizable si y solo si para todo valor propio la multiplicidades algebraicas y geométricas
coinciden.
Corolario 2.1. Si todos los valores propios son distintos (es decir, cada uno de ellos tiene multiplicidad algebraica 1), en-
tonces la matriz es diagonalizable (el recíproco no es verdad)
MAT022 (Complemento) 7
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 9: Lunes 09 – viernes 13 de Mayo
COMPLEMENTO
Contenidos
CLASE 1
1.1. Proceso de ortogonalización de Gram-Schmidt
Teorema 1.1 (Proceso de ortogonalización de Gram-Schmidt). Si x 1 , x 2 , . . . , x m son vectores l.i. en Rn , entonces es posible
construir vectores ortogonales y 1 , y 2 , . . . , y n tales que para cada k = 1, 2, . . . , m se cumple
G ({x 1 , x 2 , . . . , x k }) = G
y1 , y2 , . . . , yk
y1 = x1
x 2 , y1
y2 = x 2 −
2 y 1
y 1
..
.
¬ ¶
k
X x k +1 , y j
y k +1 = x k +1 −
2 y j
j =1
y j
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.1. Sean x 1 = (3, 0, 4) , x 2 = (−1, 0, 7) y x 3 = (2, 9, 11) en R3 . Aplicando el proceso de gram Schmidt se obtienen los
vectores
y1 = (3, 0, 4)
〈(−1, 0, 7) , (3, 0, 4)〉
y2 = (−1, 0, 7) − (3, 0, 4)
k(3, 0, 4)k2
= (−4, 0, 3)
〈(2, 9, 11) , (3, 0, 4)〉 〈(2, 9, 11) , (−4, 0, 3)〉
y3 = (2, 9, 11) − (3, 0, 4) − (−4, 0, 3)
25 25
= (0, 9, 0)
Obtenemos así un conjunto ortogonal de vectores que generan lo mismo que el conjunto de losvectores x i .
Definición 1.1. Diremos que una base B = {u 1 , u 2 , . . . , u n } de un espacio vectorial V es una base ortonormal, si los vecto-
res de la base son ortogonales y tienen norma 1.
2. Si λi 6= λi son valores propios de A, los elementos de Wλi son perpendiculares (con respecto al producto punto) a los
elementos de Wλj (esto se escribe Wλi ⊥ Wλj ).
Ax = λx .
= (x )T A T x
= (x )T Ax
X n
= λ |x i |2 .
i =1
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
λi x , y = λi x , y = Ax , y
¬ ¶
= x , A T y = x , Ay
¬ ¶
= x , λj y
= λj x , y
λi − λ j x , y = 0 ⇒ x , y = 0.
V AV T = D
donde V es una matriz ortonormal, es decir V T = V −1 y sus columnas son los vectores propios ortonormales y D es la
matriz diagonal que tiene los valores propios en su diagonal principal.
Idea de la demostración. Para ver la diagonalización, uno sólo debe observar que si B es matriz simétrica y E es una matriz
elemental fila, entonces la matriz E B E T sigue siendo una matriz simétrica.
Ahora, obtenida la diagonalización, sabemos que existe una base de vectores propios de A (con la cual podemos cosn-
truir una matriz invertible P tal que PAP −1 = D, donde D es una matriz diagonal formada por los valores propios de
A).
Usando el proceso de ortogonalización de Gram-Schmidt y la Proposición 1.1, podemos asumir que tal base es una
base ortonormal. Usando esta base, tenemos que la matriz P es la matriz V buscada.
Proposición 1.2. A es una matriz real simétrica si y solo si existe una matriz ortonormal V y una matriz diagonal D tal que
A = V DV T
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
−
→
Definición 1.3 (clasificación de formas cuadráticas). Sea A una matriz real de orden n × n y FA x = x T Ax su forma
cuadrática asociada.
−
→ −→ −→
1. La forma cuadrática FA es definida positiva si: ∀ x ∈ Rn − { 0 } =⇒ F x > 0.
−→ −→ −
→
2. La forma cuadrática FA es definida negativa si: ∀ x ∈ Rn − { 0 } =⇒ F x < 0.
−→ −→ −
→
3. La forma cuadrática FA es semidefinida positiva si: ∀ x ∈ Rn − { 0 } =⇒ F x ≥ 0.
−→ −→ −
→
4. La forma cuadrática FA es semidefinida negativa si: ∀ x ∈ Rn − { 0 } =⇒ F x ≤ 0.
5. Si la forma cambia de signo (es decir, para algunos vectores esta asigna valores negativos y para otros valores esta
asigna valores positivos), entonces decimos que FA es indefinida.
Entonces:
1. FA (x , y ) = x 2 + y 2 es definida positiva.
3. FC (x , y ) = x 2 − y 2 es indefinida.
4. FD (x , y ) = x 2 es semidefinida positiva.
5. FE (x , y ) = −y 2 es semidefinida negativa.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
A+A T
Teorema 1.3. Sea A una matriz de orden n × n . Si B = 2
, entonces FA = FB .
Usando T
1 3 −2 1 3 −2
0 1 1 + 0 1 1
3
1 −1
A + AT 0 0 2 0 0 2
2
3 1
B= = = 1
2 2 2 2
1
−1 2
2
vemos que esta forma cuadrática también corresponde a la matriz simétrica
3
1 2
−1
3 1
1
2 2
1
−1 2
2
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
Teorema 1.4. Sea A una matriz de orden n × n y consideremos su forma cuadrática asociada FA : Rn → R. Entonces existe
una matriz ortonormal V (de orden n × n ) de manera que
n
−→
X
FA ( x ) = Fb y 1 , y 2 , . . . , y n = λi y i2 ,
i =1
donde y = V x . La forma cuadrática Fb es llamada la forma canónica asociada a FA . Los valores λ1 , ..., λn son los valores
propios (repitiendolos según la multiplicidad algebraica de cada uno de ellos) de la matriz simétrica (A T + A)/2.
Demostración. Sea A una matriz de orden n × n y FA su forma cuadrática. Hemos visto que A se puede reemplazar por la
matriz simétrica B = (A T + A)/2 para seguir teniendo FA = FB . Luego, podemos suponer que A ya era simétrica (o bien la
reemplazamos por B ).
Ahora, bajo el supuesto que A es simétrica, sabemos que A puede escribirse en la forma A = V T DV , donde V T = V −1 .
Luego
−→
FA ( x ) = x T Ax = x T V T DV x
= (V x )T D (V x )
−→
= y T Dy = Fb( y )
donde y = V x .
Observación 1.1. Haciendo uso de la forma canónica es fácil analizar si es definida positiva, negativa, indefinida etc.
CLASE 2
2.1. Secciones cónicas rotadas
Definición 2.1. Una ecuación cuadrática en las variables x , y es una ecuación de la forma
a x 2 + 2b x y + c y 2 + d x + e y + f = 0
donde a ,b, c , d , e , f son números reales y al menos uno de los coeficientes a ,b, c es no nulo.
a x 2 + 2b x y + c y 2 + d x + e y + f = 0
en forma matricial
a b x x
x y + d e + f = 0.
b c y y
Si ponemos
a b x
A= , X= y K= d e
b c y
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
X T AX + K X + f = 0
Utilizando diagonalización para matrices simétricas, siempre es posible rotar los ejes de coordenadas de tal mane-
ra que la ecuación con respecto al nuevo sistema no tenga términos en x y . Se procede de la siguiente manera:
Buscamos una matriz ortonormal V (luego una rotación) que diagonalice A, es decir, V T AV = D, con D diagonal.
T
x x x
A +K +f = 0
y y y
T
u u u
V AV +KV +f = 0
v v v
T
u u u
T
V AV +KV +F = 0.
v v v
λ1 u 2 + λ2 v 2 + d 0 u + e 0 v + f = 0.
X T AX + K X + f = 0
donde
5 −2 20 80 x
A= , K= p −p , f =4 y X=
−2 8 5 5 y
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
se sigue λ1 = 4 y λ2 = 9.
Ahora buscamos los vectores propios asociados:
Para λ1 = 4 se tiene
1 −2 x 0
=
−2 4 y 0
¨ «
x 2
esto es ∈G
y 1
Para λ2 = 9
−4 −2 x 0
=
−2 −1 y 0
¨ «
x −1
lo que es equivalente a ∈G .
y 2
Estos dos vectores son ortogonales.
p
Como k(2, 1)k = 5 = k(−1, 2)k, la matriz ortonormal que diagonaliza a A es
2 1
p −p
V = 5 5
1 2
p p
5 5
2 1
p −p
x 5 u
= 15
2 v
y
p p
5 5
Sustituyendo se obtiene
T
u u u
V T AV +KV + f = 0.
v v v
En este caso
2 1
T
20 80
p −p
u 4 0 u 5 5 u
+ p −p 1 2 v + 4 = 0.
v 0 9 v 5 5 p p
5 5
Es decir
4u 2 + 9v 2 − 8u − 36v + 4 = 0
que corresponde a la elipse
(u − 1)2 (v − 2)2
+ =1
9 4
MAT022 (Complemento) 8
Universidad Técnica Federico Santa María
Departamento de Matemática
−4 −2 0 2
−2
Observación 2.1. Es posible realizar el mismo procedimiento para ecuaciones cuadráticas en tres o más variables.
a
En cada uno de los siguientes ejercicios, encuentre una base ortonormal de R2 y las ecuaciones de rotación corres-
pondientes que permiten escribirla en la forma canónica e identifique la cónica que representa.
1. 2x 2 − 4x y − y 2 + 8 = 0
2. x 2 + 2x y + y 2 + 8x + y = 0
3. 5x 2 + 4x y + 5y 2 = 9
4. 9x 2 − 4x y + 6y 2 − 10x − 20y = 5
6. 2x 2 − 4x y − y 2 − 4x − 8y = −14
MAT022 (Complemento) 9
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 10: Lunes 16 – viernes 20 de Mayo
COMPLEMENTO
Contenidos
CLASE 1
1.1 Sucesiones
p p
Considere el problema de aproximar el valor de 2 a través del siguiente método: Sabemos
que 2 ∈ I 1 = [1, 2],
p divi-
00
damos el intervalo en dos subintervalos de igual longitud = 12 digamos I 10 = 1, 32 y I 1 = 32 , 2 . Es fácil ver que 2 ∈ I 10
p
como 2 ∈ I 2 podemos dividir I 2 en dos subintervalos I 20 y I 200 ambos de longitud
llamemos I 2 a tal intervalo. Ahora bien, p
1 1
longitud I 2 = 22 , al cual pertenezca 2 le llamamos I 3 . Repitamos en forma inductiva tal operación de esta manera
2 p
obtenemos intervalos I n tales que 2 ∈ I n además la longitud de I n = 21n . Sean x n , y n los extremos derecho e izquierdo del
intervalo I n entonces p
x n ≤ 2 ≤ y n para todo n ∈ N
se sigue que
p
0 ≤ 2 − xn
1
yn − x n = n
≤
2
esto nos dice que
p 1
0≤ 2 − x n ≤ n para todo n ∈ N
2
Universidad Técnica Federico Santa María
Departamento de Matemática
p
en otras palabras, el extremo derecho de los intervalos I n “se va acercando” al valor de 2 a medida que n crece, así por
ejemplo x 10 esta a distancia menor igual que
1
= 9. 765 6 × 10−4
210
p
de 2. En este ejemplo, a cada número natural le asignamos un número real x n que es el extremo derecho del intervalo I n
este tipo de asignación se llama sucesión de números reales y el proceso de “se va acercando” es llamado convergencia. A
continuación formalizaremos estos conceptos.
Definición 1.1. Una sucesión de números reales es una función x : N → R que asocia a cada número natural n un número
real x (n ) que denotaremos por x n y que llamaremos el n-ésimo término de la sucesión.
Considere la sucesión X : N → R, n → X (n ) = (−1)n si bien esta función toma solo dos valores debemos distinguirla del
conjunto {−1, 1} que sería el recorrido de tal sucesión, quizás lo que deje mas en claro la diferencia entre estos objetos,
sea que en la función existe un cierto orden en el que se asumen los valores en cambio en el conjunto no.
Es posible definir una sucesión listando los primeros términos de ella y deteniendonos cuando la regla de formación
de la sucesión sea clara por ejemplo
(2, 4, 6, 8, . . . )
denotará la sucesión de los números pares. Un método mas satisfactorio para definir una sucesión es especificar una
fórmula para el término n-ésimo de la sucesión por ejemplo
(2n )n ∈N
También existe otro método para definir sucesiones llamado método inductivo en el que se define el término x n+1
basandose en una fórmula recursiva conocidos algunos valores de la sucesión, por ejemplo, podemos definir la sucesión
de los pares mediante la fórmula
x 1 = 2, x n +1 = 2 + x n para n ≥ 1
(note que x 1 = 2, luego x 2 = 2 + x 1 = 2 + 2 = 4 luego x 3 = 2 + x 2 = 2 + 4 = 6, etc).
a n+1 = a n + a n −1 para n ≥ 2
en el cual tomamos como base dos casos anteriores, los primeros números de esta sucesión serán:
a1 = 1
a2 = 1
a3 = a2 +a1 = 1+1 = 2
a4 = a3 +a2 = 2+1 = 3
a5 = a4 +a3 = 3+2 = 5
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
0 1
... 1 1 1 1 1 1 1
n 7 6 5 4 3 2
Ejemplo 1.1. Las progresiones son un ejemplo de sucesiones por ejemplo las progresiones geométricas corresponden a
una sucesión del tipo
x : N→R
n → x n = a 1 r n −1
x : N→R
n → x n = a 1 + (n − 1) d
1−(−1)n
Ejemplo 1.2. La sucesión (1, 0, 1, 0, . . . ) tiene término n-ésimo dado por x n = 2
es decir, corresponde la la sucesión
x : N→R
1 − (−1)n
n → xn =
2
1 1
Ejemplo 1.3. El décimo término de la sucesión n n∈N
corresponde a 10
.
n
Ejemplo 1.4. Consideremos la sucesión x n = 1 + n1 . Notemos que por el teorema del binomio
n
X n 1
xn =
k =0
k nk
Como
n n!
=
k (n − k )!k !
obtenemos que
n (n − 1) · · · (n − k + 1) (n − k )!
n 1
=
k nk (n − k )!k !n k
n (n − 1) · · · (n − k + 1)
=
k !n k
1 2 k −1 1
= 1 1− 1− ··· 1 −
n n n k!
De esta manera,
1 n
xn = 1+
n
n
X 1 2 k −1 1
= 1+ 1 1− 1− ··· 1 −
k =1
n n n k!
n n
X 1 X 1
≤ 1+ =
k =1
k ! k =0 k !
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
1
xn = n +
2n −1
2. X + Y como la sucesión x n + y n
3. X Y como la sucesión x n y n
X
4. Si y n 6= 0 entonces definimos como la sucesión xy n
Y n
Así por ejemplo, si X = n1 n∈N e Y = (2n )n ∈N , entonces X Y = (2)n∈N = (2, 2, 2, . . . , 2, . . . ) es una sucesión constante que
solo toma el valor 2. Similarmente, Y /X = 2n 2 n∈N .
3. Acotada, si es acotada superior e inferiormente, esto equivale a encontrar un K > 0 tal que |x n | ≤ K para todo n.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
n n o
Ejemplo 1.6. La sucesión 1 + n1 es una sucesión acotada. Primero, es claro que 0 ≤ x n para cada n ∈ N. En los
n∈N
ejemplos anterores se vió que x n < 3 para cada n ∈ N. Luego, x n ∈ [0, 3] para cada n ∈ N.
(−1)n es una sucesión acotada, a saber, |x n | = (−1)n = 1. Luego x n ∈ [−1, 1] para cada n ∈ N.
Ejemplo 1.7. n∈N
1. Sea a < −1. Veamos que (x n ) no es acotada ni superior ni inferiormente. En efecto, note que x 2 = a 2 > 1, se sigue
que
x2 = a 2 = 1 + d
donde d > 0. Luego,
x 2n = a 2n = (1 + d )n ≥ 1 + n d ,
de donde podemos ver que no existe un M ∈ R tal que x n ≤ M para todo n ∈ R. En efecto, si tal M existiera, entonces
M ≥ x 2n ≥ 1 + n d
obteniendo que
M −1
≥ n.
d
M −1
Si consideramos n > d
, llegamos a una contradicción.
Similarmente,
x 2n +1 = a 2n+1 = a (1 + d )n ≤ a (1 + n d ) ,
de donde podemos ver que no puede existir m ∈ R tal que
m ≤ xn
2. Si a > 1, entonces a = 1+d con d > 0. Luego, x n = a n = (1 + d )n ≥ 1+n d , de donde podemos ver que (x n ) no puede
estar acotada superiormente. Note que esta acotada inferiormente por 1.
3. Si a ∈ [−1, 1], entonces x n = a n esta acotada. En efecto, |x n | = |a |n ≤ 1n = 1 luego x n ∈ [−1, 1] para todo n ∈ N.
Ejercicio 1.1. Verificar que la sucesión sin n 2 + 2 n∈N es una sucesión acotada.
5. Monótona si cumple con alguna de las anteriores (en ocasiones se habla de monotonía estricta si es estrictamente
creciente o estrictamente decreciente)
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.9 (Series de términos positivos). Suponga que {x n } es una sucesión de términos positivos, es decir, x n ≥ 0 para
todo n . Definamos
X n
an = xk .
k =1
1 1 1
an = 1+ + + ··· +
1! 2! n!
1 1 1
an = 1+ + + ··· +
2 3 n
1 1 1
an = 1 + 2 + 2 + ··· + 2
2 3 n
(−1)n
Ejercicio 1.3. n∈N no es una sucesión monótona.
Definición 1.5. Considere una sucesión (x n ) = (x 1 , x 2 , x 3 , . . . ). Una subsucesión de (x n ) es una nueva sucesión que se
forma considerando algunos n digamos n 1 , n 2 , n 3 . . . que cumplen n 1 < n 2 < n 3 < . . . . Una subsucesión de una sucesión
corresponde a efectuar una composición (por la derecha) de la sucesión original con una función Y : N → N que sea
estrictamente creciente.
Ejemplo 1.12. Dada la sucesión (x n ) podemos extrarer la subsucesión de los términos de lugares pares (x 2 , x 4 , x 6 , . . . ) =
(x 2n ) también podemos estraer la de los lugares impares (x 1 , x 3 , x 5 , . . . ) = (x 2n−1 ). La primera corresponde a efectuar una
composición con la función estrictamente creciente Y : N → N, n → Y (n ) = 2n y la segunda con la función estrictamente
creciente Y : N → N, n → Y (n ) = 2n − 1. Podríamos también considerar Y : N → N, n → Y (n ) = n 2 y obtenemos la
subsucesión
(x 1 , x 4 , x 9 , x 16 , . . . )
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.13. Considere la sucesión (1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, . . . ) entonces podemos notar lo siguiente, en el lugar n = 1
está el 1, en el lugar 1 + 2 esta el 2, en el lugar 1 + 2 + 3 está el 3 en el lugar 1 + 2 + 3 + 4 esta el 4; así de manera más general
x 1+2+3+···+n = n .
n(n+1)
Ejemplo 1.14. Note que ((−1) 2 ) es una subsucesión de ((−1)n ) sus primeros términos son −1, −1, 1, 1, −1, −1, 1, . . . .
Ejemplo 1.15. Si (x n ) es una sucesión, entonces (x n +1 ) = (x 2 , x 3 , . . . ) es una subsucesión. Similarmente, para cada k ∈ N
fijo, la sucesión (x n+k ) es una subsucesión de la anterior.
Definición 1.6. Sea (x n ) una sucesión y L un número real. Diremos que x n converge a L (o que el límite de la sucesión
(x n ) es L) si: para todo " > 0 existe un N ∈ N tal que, para cada n ∈ N, n ≥ N , implica que |x n − L| < ". En tal caso usaremos
la notación limn→∞ x n = L o simplemente x n → L.
Observación 1.1. Note que, en la definición anterior, |x n − L| < " es equivalente a pedir que x n ∈ ]L − ", L + "[. Luego, la
definición de convergencia nos dice que a partir de N en adelante los valores de x n (x N , x N +1 , x N +2 , . . . ) se encontrarán en
el intervalo anterior. Como esto debe valer para " tan pequeño como queramos, esto formaliza la idea de estar tan cerca
de L como se quiera.
Definición 1.7. Una sucesión que posee límite se dirá convergente, en caso contrario se dice divergente.
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.16. Consideremos la sucesión x n = a n con |a | < 1 pero distinto de cero. Intuitivamente pareciera ser que los
valores de la sucesión se acercan a cero a medida que n crece; formalicemos esto. Notemos que |x n | = |a |n .
Ya que
1
|a | < 1 ⇒ 1 < ,
|a |
se sigue que existe algún número positivo d con
1
1+d = .
|a |
Entonces
n n
1 X n
= (1 + d )n = dk
|a | k =0
k
n
≥ d = nd .
1
De lo anterior obtenemos
1
≥ |a |n .
nd
Así,
1
|x n − 0| = |a |n < .
nd
Entonces
1 1
<"⇔ < n.
nd "d
Ya estamos
1 encondiciones de mostrar que el límite de esta sucesión es cero. Sea " > 0 un número arbitrario. Si
1
n ≥ N = "d + 1 (la parte entera de "d mas 1), entonces se cumple que
|x n − 0| < ".
En efecto, n ≥ N = 1
"d
+1> 1
"d
implica que " > 1
nd
. Pero |x n − 0| = |a |n < 1
nd
< ". Así
lim a n = 0
n→∞
Ejemplo 1.17. Considere la sucesión x n = nn+1 . Intuitivamente x n → 1. Mostremos que eso es correcto.
Notemos que, para cada entero n ≥ 1, vale que
n 1 1
|x n − 1| = − 1 = < .
n +1 n +1 n
1
Sea " > 0 dado y tomemos N " = "
+ 1. Si n ≥ N " , entonces n ≥ "1 ; luego " > n1 . De esta manera
n 1 1
|x n − 1| =
− 1 =
< < ".
n +1 n +1 n
MAT022 (Complemento) 8
Universidad Técnica Federico Santa María
Departamento de Matemática
Ejemplo 1.18. Considere la sucesión x n = (−1)n . Si se dan varios valores de n vemos que esta sucesión toma los valores 1
y −1 en forma alternada. Esto nos da una idea de que esta sucesión no converge. En efecto, supongamos que ella converge
a L, es decir, que x n → L. Entonces, tomando " = 1/4, debería existir un N ∈ N tal que para n ≥ N
1
|x n − L| < .
4
Luego, si consideramos un n par mayor que N , entonces se cumplirá que |1 − L| < 1/4, es decir que L está a una
distancia menor de 1/4 de 1. Similarmente, si consideramos un n impar mayor que N , entonces se cumplirá que |−1−L| <
1/4, es decir que L está a una distancia menor de 1/4 de −1. Claramente esto es imposible ya que 1 y −1 están a una
distancia mayor que 2(1/4) = 1/2. Es decir (x n ) diverge.
Prueba. Sea (x n ) una sucesión convergente y supongamos que L 1 y L 2 son límites de ella. Supongamos que L 1 6= L 2 .
Sea " > 0 tal que " < |L 1 − L 2 |.
Por convergencia, usando "/2 en la definición de convergencia, existirán naturales N 1 y N 2 tales que
n ≥ N 1 ⇒ |x n − L 1 | < "/2
n ≥ N 2 ⇒ |x n − L 2 | < "/2
" < |L 1 − L 2 | = |L 1 − x n + x n − L 2 |
≤ |x n − L 1 | + |x n − L 2 |
< "
1.
lim x n + y n = A + B
n →∞
2.
lim x n y n = A B
n →∞
3. si B 6= 0
xn A
lim =
n →∞ yn B
Observación 1.3. Es fácil mostrar que n1 → 0. Del álgebra de límites, parte 2., se sigue que 1
np
→ 0 para p ∈ N. Utilizando
2. nuevamente, con la sucesión anterior y la sucesión constante α, obtenemos que
α
→ 0 cuando n → ∞
nk
MAT022 (Complemento) 9
Universidad Técnica Federico Santa María
Departamento de Matemática
3n 4 + 2n + 1
xn =
2n 4 + 1
Desarrollo: Notemos que
2 1
3n 4 + 2n + 1 n 4 3 + n 3 + n 4 3 + n23 + n14
= = .
2n 4 + 1 2 + n14
n 4 2 + n14
Utilizando el álgebra de límites y la observación anterior se sigue que
!
3n 4 + 2n + 1 3 + n23 + n14
lim = lim
n→∞ 2n 4 + 1 n→∞ 2 + n14
limn →∞ 3 + n23 + n14
=
limn →∞ 2 + n14
3+0+0 3
= = .
2+0+0 2
Notar que hemos utilizado el hecho que la sucesión 2+ n14 converge a 2 6= 0 para utilizar parte 3., del álgebra de límites.
1. Diremos que (x n ) tiende (o converge) a infinito cuando n tiende a infinito, si para todo K > 0 existe un N ∈ N tal que
n ≥ N implica x n > K . En tal caso escribiremos limn →∞ x n = +∞.
2. Diremos que (x n ) tiende a menos infinito cuando n tiende (o congerge) a infinito, si para todo K < 0 existe un N ∈ N
tal que n ≥ N implica x n < K . En tal caso escribiremos limn →∞ x n = −∞.
Ejemplo 1.20. Considere la sucesión x n = (−1)n n 2 . Entonces (x n ) no converge ni a +∞ ni a −∞. Note que a medida que
n crece la sucesión se alterna entre números positivos y negativos que van creciedo en valor absoluto.
n2
Ejemplo 1.21. Si x n = (0.5)n
entonces limn→∞ x n = +∞. En efecto,
1 1
0.5 < 1 ⇒ 1 < ⇒1< .
0.5 (0.5)n
Así
n2
xn = > n2 ≥ n,
(0.5)n
de donde se sigue entonces lo afirmado.
Observación 1.4. Si (x n ) es una sucesión creciente y no es acotada superiormente entonces limn →∞ x n = +∞.
lim x n + y n = +∞
n→∞
MAT022 (Complemento) 10
Universidad Técnica Federico Santa María
Departamento de Matemática
lim x n y n = +∞
n →∞
3. Si limn→∞ x n = 0, x n > 0 para todo n ∈ N y existe α > 0 tal que y n > α para todo n ∈ N entonces
yn
lim = +∞
n →∞ x n
Este teorema nos entrega un criterio muy útil de divergencia. Si (x n ) es una sucesión que posee una subsucesión
divergente, entonces la sucesión diverge. Si (x n ) posee dos subsucesiones que convergen a límites distintos, entonces la
sucesión diverge.
Ejemplo 1.22. La sucesión (x n = (−1)n ) es divergente. En efecto, esta posee dos subsucesiones (x 2n = 1) y (x 2n −1 = −1)
que convergen a límites diferentes.
Ejemplo 1.23. Si
−1
x 1 = 2 y x n +1 = para n ≥ 1
xn
entonces (x n ) no puede ser convergente. En efecto, la subsucesión (x 2n+1 = 2) converge a 2, mientras que la subsucesión
(x 2n = −1/2) converge a −1/2 6= 2.
El siguiente teorema nos dice que para “n grandes” los términos de la sucesión converegente permanecen cerca del
límite
Teorema 1.6. Si limn→∞ x n = L 1 , limn →∞ y n = L 2 y se cumple que x n ≤ y n para n ∈ N mayores que un entero fijo, entonces
L 1 ≤ L 2.
−1
Observación 1.5. x n < y n no implica necesariamente que L 1 < L 2 . Por ejemplo, considere las sucesiones (x n = n
) e
(y n = n1 ). Entonces
x n < yn
pero L 1 = L 2 = 0.
MAT022 (Complemento) 11
Universidad Técnica Federico Santa María
Departamento de Matemática
Prueba. Sea (x n ) una sucesión convergente digamos a L. Existe un N ∈ N tal que para n ≥ N se cumple
|x n − L| < 1.
Entonces
|x n | < L + 1 para n ≥ N .
Tomando M = max {|x 1 | , |x 2 | , . . . , |x N −1 | , L + 1} se sigue que
|x n | ≤ M para todo n ∈ N.
n
Ejemplo 1.24. Sabemos que x n = n+1
converge a 1. Además sabemos que
1
|x n − 1| <
n
de donde se sigue que, para todo n ∈ N, vale que
|x n − 1| < 1,
de donde obtenemos que
x n ∈ [0, 2]
3n 4 + 2n + 1 3 4n + 1
4n − 1 4n − 1
2n 4 + 1 − 2
= 4n 4 + 2 = 4n 4 + 2 ≤ 4n 4 + 2
5n 5
≤ = .
4n 4 4n 3
Luego
x n − 3 < 5
2 4
lo que implica que
1 11
xn ∈ ,
4 4
Teorema 1.8 (Bolzano-Weierstrass). Toda sucesión acotada posee una subsucesión convergente.
MAT022 (Complemento) 12
Universidad Técnica Federico Santa María
Departamento de Matemática
Desarrollo:
Considere los intervalos I k = 2k π + π6 , 2k π + π2 para k ≥ 1. Note que la longitud de I k es π2 − π6 = π3 > 1, de donde se
1
lim sin n k l ≥ .
l →∞ 2
Considere ahora los intervalos J u = 2u π − 2 , 2u π − 6 para u ∈ N. Note que la longitud de J u es π2 − π6 = π3 > 1,
π π
de donde se sigue que cada J u debe tener un natural que llamaremos n u . Tenemos que −1 ≤ sin (n k ) ≤ −1 2
. Luego,
como nuestra¦ sucesión
©es acotada, el teorema
de Bolzano-Weierstrass dice que {sin (n u )} debe tener una subsucesión
convergente sin n u p . Como sin n u p ≤ − 12 , se sigue
1
lim sin n u p ≤ − .
p →∞ 2
Claramente
lim sin n u p 6= lim sin n k l
p →∞ l →∞
Obtenemos que sin n tiene dos subsucesiones que convergen pero a límites diferentes, así sin n es una sucesión diver-
gente.
CLASE 2
2.1 Algunos resultados de convergencia
Teorema 2.1. Toda sucesión creciente y acotada superiormente converge. De manera similar, toda sucesión decreciente y
acotada inferiormente converge.
Prueba. Supongamos que (x n ) es una sucesión creciente y acotada superiormente. Definamos
A = {x n : n ∈ N} ⊆ R
por hipótesis A es no vacío y acotado superiormente.
Por el axioma del supremo, se sigue que existe el supremo de este conjunto; lo denotaremos por l .
Sea " > 0 arbitrario. Como l − " < l , se sigue que l − " no es cota superior de A (l es la menor cota superior del
conjunto). Así, existe un n 0 tal que
l − " < xn0 .
Como la sucesión es creciente, para n ≥ n 0 se sigue
xn0 ≤ xn
luego
l − " < xn0 ≤ xn .
Notemos que x n ≤ l para todo n ∈ N. Así,
l − " < xn < l + "
para todo n ≥ n 0 , es decir, |x n − l | < ".
En conclusión, si (x n ) es creciente y acotada superiormente entonces
lim x n = sup {x n : n ∈ N}
n →∞
(recordar que el supremo no tiene porque pertenecer al conjunto). Se deja de ejercicio mostrar el caso decreciente y
acotada inferiormente.
MAT022 (Complemento) 13
Universidad Técnica Federico Santa María
Departamento de Matemática
es una sucesión creciente y acotada superiormente por 3. Por el teorema anterior ahora sabemos que esta sucesión con-
verge.
a n ≤ a n +1 para todo n ∈ N.
a n ≤ a n +1 ⇒ a n + 2 ≤ a n +1 + 2
p p
⇒ a n + 2 ≤ a n +1 + 2
p p
Como a n +1 = a n + 2 y a n+2 = a n +1 + 2, lo anterior nos dice que
a n ≤ a n +1 ⇒ a n+1 ≤ a n+2
Tenemos entonces que la sucesión es creciente. También es facil demostrar por inducción que a n ≤ 2 para todo n ∈ N.
De esta forma, {a n } es una sucesión creciente y acotada superiormente por
p 2, luego converge.
En este caso podemos además encontrar el límite: Como a n+1 = 2 + a n si a n → L entonces a n+1 → L (es una
p p
subsucesión). Notamos que 2 + a n → 2 + L. Entonces, por unicidad del límite se sigue
p
L= 2+L
Teorema 2.2 (Del sandwich). Sean sucesiones (x n ) , y n , (z n ). Supongamos que limn →∞ x n = L = limn→∞ y n y que se
El teorema del Sandwich para sucesiones es muy útil para cálculo de límites vamos a dar algunos ejemplos:
p
Ejemplo 2.3. Considere la sucesión (x n = n
a ) donde a > 0. Mostremos que limn→∞ x n = 1. En efecto, si a > 1 entonces
p
n
a = 1+dn
MAT022 (Complemento) 14
Universidad Técnica Federico Santa María
Departamento de Matemática
p
1 1
lim a = lim p
n
n
= p
n
= 1.
n →∞ n→∞ d limn →∞ d
Si a = 1, el resultado es claro.
MAT022 (Complemento) 15
Universidad Técnica Federico Santa María
Departamento de Matemática
Ahora enunciaremos un teorema que relaciona el cálculo de límites de funciones con el cálculo de límites de suce-
siones. Esto es consecuencia directa de la definición de límite.
n x
Ejemplo 2.6. Sea x n = 1 + n1 . Definiendo f (x ) = 1 + x1 , se obtiene que f (n) = x n . Así, el teorema anterior nos dice
1 x
lim x n = lim 1 + =e
n →∞ x →∞ x
p
Ejemplo 2.7. Sea x n = n
n . Definiendo f (x ) = x 1/x , obtenemos que x n = f (n ). Ya que limx →∞ x 1/x = 1, el teorema anterior
nos entrega que
p
lim n
n = 1.
n →∞
Este límite también se puede calcular a travez del teorema del Sandwich.
Teorema 2.4. Si (x n ) es una sucesión que converge a cero y y n es una sucesión acotada entonces x n y n converge a cero.
Ejemplo 2.8.
sin n
lim = 0.
n →∞ n
Note que sin(n ) no converge pero solo necesitamos que este acotada.
Teorema 2.5. Sea A ⊆ R un conjunto que es unión de intervalos abiertos. Sea f : A → R una función y a ∈ A. La función f
es continua en a si y solo si para toda sucesión (a n ) con a n ∈ A, n ∈ N y a n → a se cumple f (a n ) → f (a ).
MAT022 (Complemento) 16
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 11: Lunes 23 – viernes 27 de Mayo
COMPLEMENTO
Contenidos
CLASE 1
1.1 Series numéricas.
En esta parte del curso estudiaremos las “sumas infinitas” a las cuales llamaremos series. Estas son ejemplos particulares
de sucesiones, las cuales ya hemos introducido.
Definición 1.1. Consideremos una sucesión (a k ). Podemos generar una nueva sucesión (S n ) definida por las sumas
parciales siguientes:
n
X
Sn = ak = a1 + a2 + ··· + an.
k =1
El par ordenado ((a k ) , (S n )) es llamado una serie; la cual también denotaremos (por razones históricas) con el símbolo
+∞
X
ak
k =1
La sucesión (a k ) es llamada la sucesión de términos de la serie y la segunda sucesión es llamada sucesión de sumas
parciales de la serie.
Universidad Técnica Federico Santa María
Departamento de Matemática
P+∞
Observación 1.1. Sea ((a k ) , (S n )) ≡ k =1 a k una serie dada. Entonces,
∀k ∈ N : a k = S k − S k −1 ,
donde tomamos S 0 = 0 por convención. Así, cada una de las sucesiones que la conforma determina la otra.
Observación 1.2. En algunos casos es conveniente usar la sucesión de términos en la forma a m , a m +1 , a m +2 para algún
m ∈ Z, en tal caso usamos la notación para la serie
X∞
ak
k =m
+∞
X
Ejemplo 1.1. la serie k es divergente.
k =1
n
X n (n + 1)
En efecto, la sucesión de sumas parciales S n = k= se sigue
k =1
2
n (n + 1)
lim S n = lim = +∞
n→∞ n →∞ 2
+∞ +∞
X 1 X 1
Ejemplo 1.2. La serie es convergente a 1, es decir, = 1.
k =1
2k k =1
2k
n 1 1
X 1 2
− 2n+1
En efecto, la sucesión de sumas parciales es S n = = 1
, de donde obtenemos que
k =1
2k 2
!
1
2
− 2n1+1
lim S n = lim 1
=1
n →∞ n→∞
2
P+∞ P+∞
Proposición 1.1. Sean k =1 a k y k =1 b k dos series convergentes a A y B respectivamente, es decir,
+∞
X
ak = A
k =1
+∞
X
bk = B
k =1
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
P+∞
1. k =1
(αa k ) = αA
P+∞ P+∞ P+∞
2. k =1
(a k + b k ) = k =1 a k + k =1 b k =A+B
P+∞ 1
Ejercicio 1.1. ¿Es convergente la serie k =1 k− ?
3k
+∞
X
Proposición 1.2. Si a k es una serie convergente entonces lim a k = 0.
k →∞
k =1
Lamentablemente el criterio anterior no es una equivalencia como podemos ver en el siguiente ejemplo.
+∞
X k
Ejemplo 1.3. La serie ln diverge.
k =1
k +1
n X n
X k 1
En efecto: S n = ln = (ln k − ln (k + 1)) = − ln (n + 1) = ln . Así, se sigue
k =1
k +1 k =1
n +1
1
lim S n = lim ln = −∞,
n →+∞ n →+∞ n +1
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
+∞
X
Proposición 1.3. Una serie telescópica (b k − b k +1 ) es convergente si y solo si la sucesión (b k ) es convergente y en tal caso
k =1
+∞
X
(b k − b k +1 ) = b 1 − lim b k
k →∞
k =1
Luego, la sucesión S n converge sí y sólo si la sucesión b n converge. Más aún, si estas convergen, entonces
lim S n = b 1 − lim b n .
n →+∞ n→+∞
y encuentre su límite.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
Pn
Proposición 1.4. Una serie geométrica k =0 a r
k es convergente si y solo si |r | < 1, en este caso
∞
X a
ark =
k =0
1−r
1−rn
S n = a + a r + · · · + a r n −1 = a .
1−r
+∞
X (−1)k 2k
Ejercicio 1.5. Calcular
k =2
3k +1
k =1
4n
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
CLASE 2
2.1 Series de términos positivos.
Recordemos que la convergencia o divergencia de una serie depende de la sucesión de sumas parciales.
P∞
Definición 2.1. Si a k ≥ 0 para todo k ∈ N decimos que la serie k =1 a k es una serie de términos positivos.
P∞
Sea k =1 a k una serie de términos positivos. En este caso, la sucesión de sumas parciales S n cumple con
S n+1 − S n = a n +1 ≥ 0.
Luego, para cada n ∈ N, vale que S n+1 ≥ S n , es decir, {S n } es una sucesión creciente. Este tipo de sucesiones convergen
si y solo si están acotadas por arriba. Por lo tanto el análisis de convergencia se transforma en mostrar que la sucesión de
sumas parciales es acotada por arriba.
∞
X
Teorema 2.1. Sea {a k } una sucesión de términos positivos. Entonces, la serie a k converge si y solo si la sucesión de sumas
k =1
parciales
n
X
Sn = ak
k =1
∞ k
2 +k
X
Ejemplo 2.1. La serie es convergente. En efecto,
k =1
3k + k
k
2k + k 2k + 2k 2
≤ ≤2 .
3k + k 3k 3
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
Teorema 2.2 (Criterio de la integral). Sea f : [1, +∞[ → R+ una función continua (a valores positivos) y decreciente en
[1, +∞[. Si tomamos
a k = f (k ) para k ∈ N,
entonces
∞
X
ak
k =1
Z ∞
ak ≤ f (x ) d x ≤ a k −1 , para k ≥ 2.
k −1
Así,
n
X
Z n n −1
X
ak ≤ f (x ) d x ≤ ak, para cada n ≥ 2.
k =2 1 k =1
De lo anterior podemos obtener la desigualdad
Z n
Sn − a 1 ≤ f (x ) d x ≤ S n −1 .
1
R +∞
1. Si 1
f (x ) d x < ∞ (es decir, la integral impropia converge), entonces S n es acotada y luego la serie converge.
R +∞
2. Si 1
f (x ) d x diverge, entonces de la desigualdad
Zn
f (x ) d x ≤ S n −1
1
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
Teorema 2.3 (Criterio de comparación directa). Sean {a k } y {b k } sucesiones de términos positivos tales que 0 ≤ a k ≤ b k ,
para cada k ≥ k 0 .
P∞ P∞
1. Si k =1 a k diverge, entonces k =1 b k diverge.
P∞ P∞
2. Si k =1 b k converge, entonces k =1 a k converge.
∞
X 1
2.
k =1
2n +1
∞
X 1
3.
k =1
n + ln n
∞
X 1
4.
k =1
n 3 + 3n +4
∞
X 3 sen2 n
5.
k =1
n!
Teorema 2.4 (Criterio de comparación al límite). Sean {a k } y {b k } sucesiones de números positivos tales que
ak
lim = L > 0.
k →∞ b k
Entonces
∞
X ∞
X
a k converge si y solo si b k converge.
k =1 k =1
∞
X 1
2. p
n3 + 1
3
k =1
∞
X 1
3. arctan 2
k =1
n
MAT022 (Complemento) 8
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 12: Lunes 30 de mayo – viernes 03 de Junio
COMPLEMENTO
Contenidos
CLASE 1
Los criterios de comparación directa y comparación al límite utilizan la convergencia o divergencia de una serie auxiliar
para poder tener información sobre la convergencia o divergencia de la serie dada. Ahora mostraremos dos criterios que
utilizan el comportamiento de la misma serie para analizar su convergencia o divergencia.
entonces:
P∞ P∞
1. Si 0 ≤ r < 1, entonces n =1 |x n | y n =1 x n convergen.
P∞ P∞
2. Si r > 1, entonces n=1 |x n | y n=1 x n divergen.
Demostración.
Universidad Técnica Federico Santa María
Departamento de Matemática
x n +1
x ≤ R.
n
a n ≤ a N0 .
|x n |
De lo anterior obtenemos, para n ≥ N 0 , que ≤ a N 0 , es decir,
Rn
|x n | ≤ a N 0 R n .
también converge.
2. Si r > 1, entonces siguiendo de manera similar al caso anterior, no es dificil mostrar el limite del termino general no
puede ser cero y por tanto ambas series son divergentes.
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
entonces:
P∞ P∞
1. Si 0 ≤ r < 1, entonces n =1 |x n | y n =1 x n convergen.
P∞ P∞
2. Si r > 1, entonces n=1 |x n | y n=1 x n divergen.
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
∞
ln(n ) n
X
3.
n =1
1000
Los criterios anteriores permiten obtener conclusiones incluso en casos en que la serie no es de términos positivos
CLASE 2
Definición 2.1. Diremos que una serie es alternante si sus términos se alternan entre positivo y negativo, es decir, tienen
la forma (−1)n a n o bien de la forma (−1)n +1 a n , donde a n ≥ 0 para todo n ∈ N.
Teorema 2.1 (Criterio de Leibnitz). Sea (x n )n∈N una sucesión de términos positivos decreciente tales que
lim x n = 0.
n→∞
∞
X
Entonces (−1)n +1 x n es una serie converge. Además,
n =1
|S − S n | < |x n+1 |
n=1
n
∞
X (−1)n ln(n )
n =1
n
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
(−1)n +1
∞
X
Ejemplo 2.2. Vamos a analizar a que valor converge la serie .
n =1
n
Recordemos que
1 − x n +1
1 +x +x2 + ··· +xn = , para x 6= 1.
1−x
Reemplazando x por −x en lo anterior, se obtiene que
1 − (−1)n +1 x n+1
1 − x + x 2 − · · · + (−1)n x n = , para x 6= −1.
1+x
Si integramos la igualdad anterior obtenemos
Z x
x n +1 1 − (−1)n+1 t n+1
x2 x3
x− + − · · · + (−1)n = dt, para x > 0.
2 3 n +1 0
1+t
Si evaluamos en x = 1 se obtiene
Z 1
(−1)n 1 − (−1)n +1 t n +1
1 1
1 − + − ··· + = dt
2 3 n +1 0
1+t
Z 1 Z 1
− (−1)n +1 t n+1
1
= dt + dt.
0
1+t 0
1+t
Como Z 1
1
d t = ln(2)
0
1+t
entonces obtenemos que
n Z 1 1
(−1)k − (−1)n+1 t n+1 t n +1
Z
X
= ln(2) + d t = ln(2) + (−1) n+2
dt.
k =0
k +1 0
1+t 0
1+t
Si ponemos
n
X (−1)k
Sn = ,
k =0
k +1
entonces Z 1
t n+1
|S n − ln(2)| = dt.
0
1+t
Como t ∈ [0, 1], se tiene que 1 ≤ 1 + t ≤ 2. Luego
1
≤ 1.
1+t
Así Z 1 Z 1
t n+1 1
|S n − ln(2)| = dt ≤ t n +1 d t = .
0
1+t 0
n +2
De lo anterior, obtenemos que
(−1)k +1
∞ ∞
X (−1)k X
= = ln(2),
k =0
k +1 k =1
k
es decir
1 1 1 1
1− + − + − · · · = ln(2).
2 3 4 5
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
De esta manera, los criterios de la razón y del cociente no entregan información para la convergencia de la serie
anterior. Sin embargo, con las herramientas que tenemos podemos analizar la convergencia. Para esto, notemos que
sen(n )
1
n2 ≤ n2 ,
es decir,
1 sen(n ) 1
− ≤ ≤ 2.
n2 n2 n
De lo anterior, obtenemos que
sen(n ) + 1 2
2
0≤≤ 2.
n n
Usando la desigualdad anterior, y por comparación directa, obtenemos que
∞
sen(n ) + 1
X
n =1
n2
es convergente.
∞
X ∞
X
Teorema 2.2 (Convergencia absoluta). Si la serie |x n | converge, entonces x n converge. Decimos que la serie es abso-
n =1 n=1
lutamente convegente.
n=1
2
∞
X |x n | − x n
n=1
2
∞
X
por comparación con la serie |x n |.
n =1
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
Así, escribiendo
|x n | + x n
|x n | − x n
xn = − ,
2 2
∞
X
obtenemos la convergencia de xn .
n =1
El recíproco del teorema anterior no es verdad en general. Por ejemplo, la serie alternante
(−1)k +1
∞
X
k =1
k
no lo es.
P∞ P∞
P∞ 2.2. Una serie kP
Definición =1 x k se dice absolutamente convergente si k =1 |x k | es convergente.
∞
Si k =1 x k converge pero k =1 |x k | diverge diremos que es condicionalmente convergente.
MAT022 (Complemento) 7
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 13: Lunes 06 – viernes 10 de junio
COMPLEMENTO
Contenidos
CLASE 1
Definición 1.1. Sea {C n }n∈N∪{0} una sucesión de números reales y x 0 ∈ R. Una serie de potencias centrada en x 0 es una
serie de la forma
+∞
X
C n (x − x 0 )n
n =0
(donde usamos la convención (x −x 0 = 1). Los términos de la sucesión son llamados coeficientes de la serie de potencias.
)0
Ejemplo 1.1.
+∞ n
X x
n =0
n!
+∞ n
X x
n=0
n
+∞
X (x − 2)n
n =0
2n
+∞
X cos(nx )
n =0
n2 + 1
+∞
X
Ejemplo 1.2. Notar que x n converge si |x | < 1 y diverge si |x | ≥ 1. Además, para x ∈ ] − 1, 1[ tenemos que
n =0
+∞
1 X
= xn.
1 − x n =0
Así obtenemos que la serie de potencias (centrada en x 0 = 0) converge en un intervalo centrado en x 0 = 0. Esta
propiedad es común a las series de potencias.
Ahora, observemos que la serie S(u ) converge para cierto u sí y sólo si la serie R(u − x 0 ) converge.
converge, se sigue que limn →∞ C n (a − x 0 )n = 0. Es decir, existe un entero N de manera que si n ≥ N , entonces
|C n (a − x 0 )n | < 1.
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
Como
x − x0
a − x < 1,
0
tenemos que
X x − x n
0
a −x
0
P+∞ P+∞
Veamos 2. Suponga que n =0 C n (b − x 0 )n diverge. Si |x − x 0 | > |b − x 0 | y además la serie n =0 C n (x − x 0 )n converge
absolutamente, entonces obtenemos una contradicción con la parte anterior (tomando a = x ).
+∞
X
b) C n (x − x 0 )n converge para todo x ∈ R. En este caso decimos que la serie tiene radio de convergencia R = +∞.
n =0
Demostración. Sea
+∞
( )
X
I = x ∈ R − {0} : C n (x − x 0 ) converge
n
n =0
y suponga que I 6= R.
Entonces:
P+∞
(1) existe x 1 ∈ R, con x 1 6= 0 y la serie n=0 C n (x 1 − x 0 )n converge y
P+∞
(2) existe x 2 tal que la serie n =0 C n (x 2 − x 0 )n diverge.
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
La condición (1) nos dice que I 6= ;. La condición (2), junto al terorema anterior, nos asegura que I es acotado superi-
ormente. Luego, I tiene un supremo
+∞
( )
X
R = sup x ∈ R − {0} : C n (x − x 0 ) converge .
n
n =0
Del teorema anterior podemos ver que R tiene las propiedades deseadas.
Observación 1.2. Los puntos extremos del intervalo ]x 0 −R, x 0 +R[ se deben analizar por separado y dan origen al intervalo
de convergencia que es el conjunto en el cual la serie de potencias converge. Este conjunto sólo puede tener alguna de
estas formas:
{x 0 }, R, [a ,b [, [a ,b ], ]a ,b ], ]a ,b [
+∞ n
X x
b)
n =0
n!
+∞ n
X x
c)
n =1
n
+∞ n
X x
d)
n =1
n2
+∞
X (x − 3)2n
e)
n =1
n 2 5n
Desarrollo:
p
a) Apliquemos el criterio de la raíz: n
n n |x |n = n|x |,
p
lim n n |x |n = lim n |x | = +∞ si x 6= 0
n
n→∞ n→∞
P+∞
luego la serie diverge para x 6= 0. El intervalo de convergencia para n =0 n
nxn es {0}.
P+∞ xn
Luego, la serie n =0 n! converge ∀x ∈ R, es decir, el intervalo de convergencia es todo R.
MAT022 (Complemento) 4
Universidad Técnica Federico Santa María
Departamento de Matemática
Luego, la serie converge si |x | < 1 y diverge si |x | > 1. Esto nos dice que el radio de convergencia es R = 1.
Ahora, hay que analizar |x | = 1
P+∞ 1
x =1 , n =1 diverge
n
P+∞ (−1)n
x = −1 , n =1 converge, Leibnitz
n
Se sigue que tenemos convergencia para |x | < 1 y divergencia para |x | > 1. Luego, el radio de convergencia es R = 1.
Ahora analizamos |x | = 1
P+∞ 1
x =1 , n=1 2 converge
n
P+∞ (−1)n
x = −1 , n=1 converge
n2
El intervalo de convergencia es [−1, 1]
CLASE 2
P+∞
Observación 2.1. Si una serie de potencias n =0 C n (x −x 0 )n tiene radio de convergencia R > 0, entonces es posible definir
una función
f : ]x 0 − R, x 0 + R[ → R
P+∞
x → f (x ) = n =0 C n (x − x 0 )n
Ahora podemos preguntarnos
P+∞
Definición 2.1. Sea f (x ) una función dada. Si f (x ) = n=0 C n (x − x 0 )n , en algún intervalo I (donde x 0 ∈ I ), entonces se
dice que f está expresada como serie de potencias en el intervalo I .
MAT022 (Complemento) 5
Universidad Técnica Federico Santa María
Departamento de Matemática
I.- Si una función es dada en serie de potencias, entonces determinar sus propiedades.
II.- Dada una función f . ¿Es f expresable en serie de potencias? Por ejemplo f (x ) = e x ¿es expresable en serie de
potencias?.
P+∞
Teorema 2.1 (Derivadas de series de potencias). Si f (x ) = n=0 C n (x − x o )n es una serie de potencias de radio de conver-
gencia R > 0, entonces
+∞
X
nC n (x − x 0 )n −1
n =1
P+∞
Corolario 2.1. Si f (x ) = n =0 C n (x − x 0 )n tiene radio de convergencia R > 0, entonces f es continua en
]x 0 − R, x 0 + R[
Observación 2.2. En los extremos del intervalo no se sabe, hay que analizar por separado.
f (k ) (0)
= Ck
k!
P+∞ xn
Ejemplo 2.1. La serie de potencias f (x ) = n=0 n ! tiene radio de convergencia infinito. Así, f es C ∞ (R) y se tiene que
+∞ +∞ n
X x n −1 X x
f 0 (x ) = = = f (x ).
n=1
(n − 1)! n =0 n !
MAT022 (Complemento) 6
Universidad Técnica Federico Santa María
Departamento de Matemática
P+∞
Teorema 2.2 (Integración de series de potencias). Sea f (x ) = n=0 C n (x − x 0 )n una serie de potencias con radio de conver-
gencia R > 0 entonces ∀x ∈ ]x 0 − R, x 0 + R[, vale la igualdad
Zx Z x +∞ !
+∞ +∞
X X Cn X C n −1
f (t ) d t = C n (t − x 0 )n
dt = (x − x 0 )n +1 = (x − x 0 )n
0 0 n =0 n =0
n + 1 n =1
n
Integrando obtenemos
+∞
X (−1)n−1 x n
ln(1 + x ) = |x | < 1,
n=1
n
mostrando que la función ln(1 + x ) se puede resentar como una serie de potencias en el intervalo (0, 2).
mostrando que la función arctan(x ) se puede resentar como una serie de potencias en el intervalo (−1, 1).
2.0.1 Ejercicios
1
1. Expresar en serie de potencias con centro en 1.
1−x
2. Hallar serie de potencias para
2x 3x − 1
,
x2 +1 x2 −1
centrada en x = 0
3. Sea
x
e −1 x 6= 0
f (x ) = x
1 x =0
MAT022 (Complemento) 7
Universidad Técnica Federico Santa María
Departamento de Matemática
5. Calcule el valor de
+∞
X n
2 n
n =0
1
P+∞
Indicación: Considere la función f (x ) = 2 n =1 nx
n−1 e integre entre 0 y 1/2.
MAT022 (Complemento) 8
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 14: Lunes 13 – viernes 17 de junio
COMPLEMENTO
Contenidos
CLASE 1
1.1 Polinomios de Taylor. Resto.
Si f : I ⊆ R → R es una función derivable en x = x 0 , entonces
f (x ) − f (x 0 )
f 0 (x 0 ) = lim ,
x →x 0 x − x0
o de manera equivalente que
f (x ) − f (x 0 ) f (x ) − f (x 0 ) − f 0 (x 0 )(x − x 0 )
0 = lim − f 0 (x 0 ) = lim ,
x →x 0 x − x0 x →x 0 x − x0
Si tomamos
f (x ) − f (x 0 ) − f 0 (x 0 )(x − x 0 )
E (x ) = ,
x − x0
entonces tenemos que
f (x ) = f (x 0 ) + f 0 (x 0 )(x − x 0 ) + E (x )(x − x 0 )
donde
lim E (x ) = 0.
x →x 0
f (x ) ≈ f (x 0 ) + (x − x 0 )f 0 (x 0 ).
Universidad Técnica Federico Santa María
Departamento de Matemática
Lo anterior nos dice los valores de f (x ) se aproximan por el polinomio de grado uno dado por
p (x ) = f (x 0 ) + f 0 (x 0 )(x − x 0 ).
Es lógico pensar que, mientras mas derivable es la función, mejor es la aproximación que podremos realizar.
Definición 1.1. Sea I un intervalo abierto con x 0 ∈ I . Dado n ∈ N y f : I ⊆ R → R una función n −veces derivable en
x 0 ∈ I , se define el n−ésimo polinomio de Taylor de f alrededor de x0 como:
f (2) (x 0 ) f (n ) (x 0 )
Pn (x ) = f (x 0 ) + f 0 (x 0 )(x − x 0 ) + (x − x 0 )2 + . . . + (x − x 0 )n
2! n!
Ejemplo 1.1.
x2 x3 x4 x5
∴ P5 (x ) = 1 + x + + + +
2! 3! 4! 5!
2. Si f (x ) = ln(x + 1) entonces
x2 x3 x4 xn
Pn (x ) = x − + − + . . . + (−1)n −1
2 3 4 n
Ejercicio 1.1.
rn (x ) = f (x ) − Pn (x )
Teorema 1.1 (Teorema de Taylor). Sea I ⊂ R un intervalo abierto, x 0 ∈ I y supongamos que para cierto entero n ∈ N la
función f : I ⊂ R → R tiene derivada hasta orden n + 1 en I . Entonces existe en un intervalo J ⊂ I que contiene a x 0 , de
manera que para cada x ∈ I , x 6= x 0 existe t x entre x 0 y x tal que
f (x ) = Pn (x ) + rn (x )
con
f (n+1) (t x )
rn (x ) = (x − x 0 )n +1
(n + 1)!
Observación 1.1. Notar que el Teorema anterior es una generalización del Teorema del Valor Medio.
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
Queremos encontrar n de manera que: |rn (1)| = | f (1) − Pn (1)| < 0, 001.
f (n+1) (t 1 )
n +1
|rn (1)| =
(n + 1)! (1 − 0)
e t1
=
(n + 1)!
4
<
(n + 1)!
CLASE 2
2.1 Series de Taylor
Definición 2.1. Supongamos que f tiene derivadas de todo orden en x = x 0 . Llamaremos serie de Taylor de f en x0 a la
serie de potencias
+∞ (n)
X f (x 0 )
(x − x 0 )n .
n =0
n!
Observación 2.1. Puede ocurrir que la serie anterior sea convergente o no para un x 6= x 0 y en caso de convergencia puede
ser a f (x ) o a un número distinto de f (x ). Por ejemplo, si consideramos la función
1
¨
e − x2 x=6 0
f (x ) =
0 x =0
1
entonces f ∈ C ∞ (R) y f (n ) (0) = 0. Luego la serie de Taylor de f en x 0 = 0 es igual a 0, la cual es diferente de f (x ) = e − x 2 6= 0
para x 6= 0.
Para asegurar la convergencia de la serie de Taylor de la función respectiva tenemos el siguiente teorema.
MAT022 (Complemento) 3
Universidad Técnica Federico Santa María
Departamento de Matemática
y por lo tanto
lim rn (x ) = 0,
n →+∞
2.1.1 Ejemplos
+∞
X (−1)n x 2n+1
1. f (x ) = sin(x ) = x∈R
n =0
(2n + 1)!
+∞
X (−1)n x 2n
2. f (x ) = cos(x ) = x∈R
n =0
(2n )!
+∞ n
X x
3. f (x ) = e x = x∈R
n =0
n!
MAT022 (Complemento) 4
Coordinación de Matemática II (MAT022)
Primer semestre de 2011
Semana 15: Lunes 20 – viernes 24 de junio
COMPLEMENTO
Contenidos
CLASE 1
L A SERIE BINOMIAL
Sea α ∈ R. Consideremos la serie
α (α − 1) 2 α (α − 1) (α − 2) 3
1 + αx + x + x + ...
2! 3!
∞
X α (α − 1) · · · (α − n + 1) n
= 1+ x
n =1
n!
∞
X α n
= 1+ x
n =1
n
Más aun:
∞
α n −1
X
f (x ) =
0
n x
n =1
n
y
∞ ∞
α n −1 X α n
X
(1 + x ) f 0 (x ) = n x + n x
n=1
n n=1
n
∞ ∞
α (α − 1) · · · (α − n + 1) α n
X X
= n x n−1 + n x
n =1
n! n =1
n
∞
α (α − 1) · · · (α − n + 1)
X
= x n −1 +
n=1
(n − 1)!
∞
X α (α − 1) · · · (α − n + 1)
xn
n=1
(n − 1)!
∞ ∞
α (α − 1) · · · (α − n ) α (α − 1) · · · (α − n + 1)
X X
= α+ xn + xn
n =1
n! n =1
(n − 1)!
∞ ∞
α (α − 1) · · · (α − n ) α (α − 1) · · · (α − n + 1) n
X X
= α+ xn + n x
n =1
n! n =1
n!
∞
α (α − 1) · · · (α − n + 1)
X
= α+ ((α − n ) + n ) x n
n =1
n!
∞
α (α − 1) · · · (α − n + 1)
X
= α+α xn
n =1
n !
∞ !
X α (α − 1) · · · (α − n + 1)
= α 1+ x n = αf (x )
n=1
n!
entonces
αf (x )
f 0 (x ) = .
(1 + x )
Así
f 0 (x ) α
= ⇒ ln f (x ) = α ln (1 + x ) + C
f (x ) 1+x
⇒ f (x ) = K (1 + x )α .
MAT022 (Complemento) 2
Universidad Técnica Federico Santa María
Departamento de Matemática
1 1
∞
X − 2 − 2 − 1 · · · − 12 − n + 1
arcsin x = x+ (−1)n x 2n+1
n =1
n ! (2n + 1)
11
X∞
+ 1 · · · 12 + n − 1
= x+ 2 2
x 2n +1
n =1
n ! (2n + 1)
∞
X 1 · 3 · 5 · · · (2n − 1) 2n +1
= x+ x válido en ]−1, 1[
n =1
2n n ! (2n + 1)
CLASE 2
Ejercicios para el global.
MAT022 (Complemento) 3