Fundamentos Matemáticos de La Ingeniería - Kindelan

Fundamentos Matemáticos de
la Ingenierı́a
4
2
1
0 2
y 1
1 0
1 x
2 2
2“ edicin
Ultano Kindelán
Universidad Politécnica de Madrid
Marco Antonio Fontelos

Consejo Superior de Investigaciones Cientı́ficas
Servicio de
Publicaciones

Reservados todos los derechos. Ni la totalidad ni parte de este libro, incluido el diseño de la cubierta, puede reproducirse o

transmitirse por ningún procedimiento electrónico o mecánico, incluyendo fotocopia, grabación magnética o cualquier

almacenamiento de información y sistemas de recuperación, sin permiso escrito del AUTOR y de la Editorial DYKINSON, S.L.

© Copyright by
Universidad Rey Juan Carlos
Servicio de Publicaciones
Los Autores
Madrid, 2007

Editorial DYKINSON, S.L. Meléndez Valdés, 61 - 28015 Madrid
Teléfono (+34) 91 544 28 46 - (+34) 91 544 28 69
e-mail: info@dykinson.com
http://www.dykinson.es
http://www.dykinson.com

ISBN: 978-84-9849-110-4

Preimpresión realizada por los autores

Índice general
Presentación 16
1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices 19

1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2. Resolución de sistemas de ecuaciones lineales: eliminación gaussiana 24
1.3. Sistemas homogéneos . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.4. Rango de un conjunto de vectores . . . . . . . . . . . . . . . . . . . 32
1.4.1. Vectores de n componentes . . . . . . . . . . . . . . . . . . 32
1.4.2. Dependencia e independencia lineal . . . . . . . . . . . . . 34
1.4.3. Rango de un sistema de vectores . . . . . . . . . . . . . . . 34
1.5. Rango de una matriz. Teorema de Rouché . . . . . . . . . . . . . . 36
1.6. Operaciones entre matrices . . . . . . . . . . . . . . . . . . . . . . . 36
1.7. Cálculo de la inversa de una matriz . . . . . . . . . . . . . . . . . . 40
1.8. Referencias bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . 41
1.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2. Determinantes 49
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2. Desarrollo de un determinante a partir de los elementos de una lı́nea 49
2.3. Cálculo de un determinante mediante operaciones elementales en
las filas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.4. Propiedades del determinante . . . . . . . . . . . . . . . . . . . . . 53
2.5. Aplicaciones del determinante . . . . . . . . . . . . . . . . . . . . . 54
3
4 ÍNDICE GENERAL
2.5.1. Obtención de la inversa de una matriz . . . . . . . . . . . . 54

2.5.2. Cálculo del rango de una matriz . . . . . . . . . . . . . . . 55
2.5.3. Regla de Cramer . . . . . . . . . . . . . . . . . . . . . . . . 56
2.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3. Espacios vectoriales 61
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.2. Definición de espacio vectorial . . . . . . . . . . . . . . . . . . . . . 61
3.3. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.4. Bases y dimensión de un espacio vectorial . . . . . . . . . . . . . . 65
3.4.1. Sistema generador . . . . . . . . . . . . . . . . . . . . . . . 65
3.4.2. Base de un espacio vectorial . . . . . . . . . . . . . . . . . . 66
3.4.3. Espacios vectoriales de dimensión finita . . . . . . . . . . . 68
3.5. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.6. Ecuaciones paramétricas y ecuaciones implı́citas de un subespacio
vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.7. Suma de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.9. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4. Aplicaciones lineales 83
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.2. Definiciones y propiedades . . . . . . . . . . . . . . . . . . . . . . . 83
4.3. Núcleo, imagen y rango de una aplicación lineal . . . . . . . . . . . 87
4.4. Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.5. Cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5. Espacio euclı́deo 103

5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
ÍNDICE GENERAL 5
5.2. Bases ortogonales y ortonormales . . . . . . . . . . . . . . . . . . . 108

5.3. Proyección ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.4. Método de ortonormalización de Gram - Schmidt . . . . . . . . . . 111
5.5. Producto vectorial y producto mixto . . . . . . . . . . . . . . . . . 113
5.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6. Diagonalización de endomorfismos 121

6.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.2. Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . 122
6.3. Diagonalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.4. Propiedades de los valores propios . . . . . . . . . . . . . . . . . . . 126
6.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7. El espacio afı́n euclı́deo 131

7.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
7.2. Representación de rectas y planos . . . . . . . . . . . . . . . . . . . 133
7.2.1. Rectas en el espacio . . . . . . . . . . . . . . . . . . . . . . 133
7.2.2. Planos en el espacio . . . . . . . . . . . . . . . . . . . . . . 134
7.3. Posiciones relativas de rectas y planos . . . . . . . . . . . . . . . . . 135
7.3.1. Paralelismo y ortogonalidad . . . . . . . . . . . . . . . . . . 135
7.3.2. Posiciones relativas de dos planos . . . . . . . . . . . . . . . 136
7.3.3. Posición relativa de dos rectas . . . . . . . . . . . . . . . . 136
7.3.4. Posición relativa de recta y plano . . . . . . . . . . . . . . . 138
7.4. Ángulos y distancias . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
8. Métodos numéricos de resolución de sistemas de ecuaciones

lineales 145
8.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6 ÍNDICE GENERAL
8.2. Algoritmos de Gauss y de Gauss-Jordan . . . . . . . . . . . . . . . 147

8.2.1. Algoritmo de Gauss . . . . . . . . . . . . . . . . . . . . . . 147
8.2.2. Algoritmo de Gauss con pivote parcial . . . . . . . . . . . . 148
8.2.3. Número de operaciones del método de Gauss . . . . . . . . 150
8.2.4. Algoritmo de Gauss-Jordan . . . . . . . . . . . . . . . . . . 151
8.2.5. Número de operaciones del método de Gauss-Jordan . . . . 152
8.3. El método LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
8.3.1. Factorización LU de una matriz cuadrada . . . . . . . . . . 154
8.3.2. Aplicación de la factorización LU a la resolución de siste-
mas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
8.3.3. Algoritmo del método LU . . . . . . . . . . . . . . . . . . . 159
8.5. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
9. Lı́mites, continuidad y diferenciabilidad de funciones de una

variable 163
9.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
9.2. Concepto de función . . . . . . . . . . . . . . . . . . . . . . . . . . 164
9.3. Lı́mites de funciones reales de variable real . . . . . . . . . . . . . . 166
9.4. Continuidad de funciones de una variable . . . . . . . . . . . . . . . 173
9.5. Definición de función derivable y propiedades básicas . . . . . . . . 174
9.6. Tabla de derivadas de funciones elementales . . . . . . . . . . . . . 178
9.7. Derivación de funciones definidas implı́citamente y paramétricamente 180
9.8. Teoremas del valor medio . . . . . . . . . . . . . . . . . . . . . . . . 181
9.9. Reglas de L’Hôpital . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
9.10. Fórmula de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
9.11. Extremos de funciones . . . . . . . . . . . . . . . . . . . . . . . . . 184
9.12. Estudio global de la gráfica de una función . . . . . . . . . . . . . . 187
9.14. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
ÍNDICE GENERAL 7
10. Lı́mites, continuidad y diferenciabilidad de funciones de varias

variables 197
10.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
10.2. Bolas, conjuntos abiertos y conjuntos cerrados en lR n
. . . . . . . . 198
10.3. Lı́mites de funciones de varias variables . . . . . . . . . . . . . . . . 199
10.4. Continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.5. Derivada direccional y derivadas parciales . . . . . . . . . . . . . . 202
10.6. Diferenciabilidad y diferencial de una función de varias variables . . 203
10.7. Condiciones suficientes de diferenciabilidad y continuidad . . . . . . 207
10.8. Derivadas parciales de orden superior . . . . . . . . . . . . . . . . . 210
10.9. Derivadas direccionales de orden superior . . . . . . . . . . . . . . . 210
10.10. Fórmula de Taylor y extremos de funciones de n variables . . . . . 211
10.11. Funciones vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . 218
10.12. Diferencial de una función compuesta . . . . . . . . . . . . . . . . . 219
10.13. Algunas aplicaciones a la ingenierı́a . . . . . . . . . . . . . . . . . . 221
10.15. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
11. Integración de funciones de una variable 233

11.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
11.2. Primitivas (o antiderivadas) . . . . . . . . . . . . . . . . . . . . . . 234
11.3. Integral de Riemann de funciones de una variable . . . . . . . . . . 234
11.4. El teorema fundamental del cálculo . . . . . . . . . . . . . . . . . . 237
11.5. Repaso de reglas básicas de integración . . . . . . . . . . . . . . . . 238
11.5.1. Integrales inmediatas . . . . . . . . . . . . . . . . . . . . . . 238
11.5.2. Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . 239
11.5.3. Integración por partes . . . . . . . . . . . . . . . . . . . . . 240
11.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
12. Integración de funciones de varias variables 245

12.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
8 ÍNDICE GENERAL
12.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245

12.2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . 245
12.2.2. Rectángulos en lR . . . . . . . . . . . . . . . . . . . . . . .
2
246
12.2.3. Integral doble sobre un rectángulo . . . . . . . . . . . . . . 246
12.2.4. Integral doble sobre un dominio no rectangular . . . . . . . 248
12.2.5. Algunas propiedades de la integral doble . . . . . . . . . . . 251
12.2.6. Cambio de variables en la integral doble . . . . . . . . . . . 252
12.3. Integrales triples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
12.3.1. Paralelepı́pedos y particiones de paralelepı́pedos en lR . . .
3
253
12.3.2. Integral triple de Riemann sobre un paralelepı́pedo . . . . . 254
12.3.3. Integral triple de Riemann sobre un dominio cualquiera de lR 255 3
12.3.4. Propiedades de la integral triple de Riemann . . . . . . . . 256

12.3.5. Cambio de variables en la integral triple . . . . . . . . . . . 257
12.4. Aplicaciones de las integrales triples y dobles . . . . . . . . . . . . . 258
12.4.1. Valor medio de una función en un dominio . . . . . . . . . 258
12.4.2. Centro de masas . . . . . . . . . . . . . . . . . . . . . . . . 259
12.4.3. Momentos de inercia . . . . . . . . . . . . . . . . . . . . . . 260
12.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
13. Cálculo vectorial 263

13.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
13.2. Campos vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
13.3. Gradiente, divergencia y rotacional . . . . . . . . . . . . . . . . . . 264
13.4. Integral curvilı́nea. Circulación . . . . . . . . . . . . . . . . . . . . . 266
13.5. Integrales de superficie. Área de una superficie . . . . . . . . . . . . 269
13.6. Flujo de un campo vectorial. Teoremas integrales del análisis vectorial 270
13.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
14. Introducción a las ecuaciones diferenciales ordinarias 275

14.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
ÍNDICE GENERAL 9
14.2. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276

14.2.1. Tipos de ecuaciones . . . . . . . . . . . . . . . . . . . . . . 276
14.2.2. Orden y grado . . . . . . . . . . . . . . . . . . . . . . . . . 277
14.2.3. Ecuaciones diferenciales lineales . . . . . . . . . . . . . . . . 277
14.2.4. Soluciones de una e.d.o. . . . . . . . . . . . . . . . . . . . . 278
14.3. Ecuaciones diferenciales ordinarias de primer orden . . . . . . . . . 279
14.3.1. Distintas expresiones de las ecuaciones de primer orden . . 279
14.3.2. Resolución de diferentes tipos de ecuaciones de primer orden 280
14.4. Resolución de Ecuaciones Diferenciales Ordinarias lineales de or-
den n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
14.4.1. Ecuación lineal homogénea . . . . . . . . . . . . . . . . . . 289
14.4.2. Ecuación lineal no-homogénea . . . . . . . . . . . . . . . . . 289
14.4.3. Ecuaciones lineales homogéneas de coeficientes constantes . 290
14.4.4. Cálculo de una solución particular de la ecuación no-homogénea 292
14.5. Algunas aplicaciones de las ecuaciones diferenciales . . . . . . . . . 294
14.5.1. Aplicaciones a la cinética quı́mica . . . . . . . . . . . . . . 294
14.5.2. Aplicaciones a las desintegraciones nucleares . . . . . . . . 295
14.5.3. Aplicaciones a la ecologı́a . . . . . . . . . . . . . . . . . . . 296
14.5.4. Problemas de mecánica . . . . . . . . . . . . . . . . . . . . 297
14.5.5. Problemas de mezclas . . . . . . . . . . . . . . . . . . . . . 298
14.5.6. Aplicaciones más avanzadas de las ecuaciones diferenciales
ordinarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298
14.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
15. Sistemas de ecuaciones diferenciales ordinarias 309

15.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
15.2. Conceptos generales . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
15.3. Sistemas lineales homogéneos . . . . . . . . . . . . . . . . . . . . . 311
15.4. Sistemas lineales no homogéneos . . . . . . . . . . . . . . . . . . . . 313
15.5. Sistemas lineales con coeficientes constantes . . . . . . . . . . . . . 314
15.5.1. Solución en el caso general . . . . . . . . . . . . . . . . . . 314
10 ÍNDICE GENERAL
15.5.2. Solución en el caso n = 2 . . . . . . . . . . . . . . . . . . . 316

15.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
16. Técnicas básicas de cálculo numérico 319

16.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
16.2. Interpolación de Lagrange . . . . . . . . . . . . . . . . . . . . . . . 319
16.3. Acotación del error de interpolación . . . . . . . . . . . . . . . . . . 321
16.4. Fórmula de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
16.5. Derivación numérica . . . . . . . . . . . . . . . . . . . . . . . . . . 324
16.6. Fórmulas de derivación numérica de tipo interpolatorio . . . . . . . 325
16.7. Integración numérica . . . . . . . . . . . . . . . . . . . . . . . . . . 326
16.8. Fórmulas de integración numérica de tipo interpolatorio . . . . . . 327
16.9. Fórmulas más usuales de integración numérica . . . . . . . . . . . . 328
16.9.1. Fórmulas construidas sobre un soporte de un punto . . . . 328
16.9.2. Fórmulas construidas sobre un soporte de dos puntos . . . 329
16.10. Fórmulas de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . 330
16.10.1. Fórmulas de Newton-Cotes cerradas . . . . . . . . . . . . . 331
16.10.2. Fórmulas de Newton-Cotes abiertas . . . . . . . . . . . . . 332
16.11. Fórmulas de integración numérica de tipo interpolatorio compuestas 332
16.12. Resolución numérica de problemas de valor inicial para e.d.o.s . . . 333
16.12.1. El método de Euler . . . . . . . . . . . . . . . . . . . . . . 333
16.12.2. Regla del punto medio . . . . . . . . . . . . . . . . . . . . . 334
16.12.3. Métodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . 335
16.14. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336
17. Métodos numéricos de resolución de sistemas de ecuaciones

no lineales 349
17.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
17.2. Conceptos previos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
17.3. Caso de una única ecuación . . . . . . . . . . . . . . . . . . . . . . 352
ÍNDICE GENERAL 11
17.3.1. Métodos de aproximaciones sucesivas (o del punto de fijo) . 352

17.3.2. Método de Newton . . . . . . . . . . . . . . . . . . . . . . . 353
17.3.3. Aplicación a ecuaciones polinómicas . . . . . . . . . . . . . 355
17.4. Aplicación a sistemas de ecuaciones no lineales . . . . . . . . . . . . 356
17.4.1. Método de aproximaciones sucesivas . . . . . . . . . . . . . 356
17.4.2. El método de Newton . . . . . . . . . . . . . . . . . . . . . 357
17.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
A. Números complejos 361

A.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 361
A.2. Representación de números complejos . . . . . . . . . . . . . . . . . 363
A.3. Distintas formas de expresar las operaciones elementales . . . . . . 365
A.3.1. Suma de complejos . . . . . . . . . . . . . . . . . . . . . . . 365
A.3.2. Producto de complejos . . . . . . . . . . . . . . . . . . . . . 366
A.3.3. Inverso de un número complejo no nulo . . . . . . . . . . . 367
A.3.4. Cociente de dos complejos . . . . . . . . . . . . . . . . . . . 367
A.3.5. Conjugado de un número complejo . . . . . . . . . . . . . . 368
A.4. Potenciación de números complejos . . . . . . . . . . . . . . . . . . 368
A.5. Radicación compleja . . . . . . . . . . . . . . . . . . . . . . . . . . 369
A.6. Referencias bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . 370
A.7. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370
B. Exámenes propuestos en la URJC con sus soluciones 375

B.1. Prueba de control de noviembre de 1999 . . . . . . . . . . . . . . . 375
B.2. Examen parcial de febrero de 2000 . . . . . . . . . . . . . . . . . . 378
B.3. Prueba de control de abril de 2000 . . . . . . . . . . . . . . . . . . 386
B.4. Examen final de la convocatoria de junio de 2000 . . . . . . . . . . 392
B.5. Examen final de la convocatoria de septiembre de 2000 . . . . . . . 406
B.6. Prueba de control de diciembre de 2000 . . . . . . . . . . . . . . . . 418
B.7. Examen parcial de febrero de 2001 . . . . . . . . . . . . . . . . . . 422
B.8. Prueba de control de marzo de 2001 . . . . . . . . . . . . . . . . . . 429
12 ÍNDICE GENERAL
B.9. Examen final de la convocatoria de junio de 2001 . . . . . . . . . . 434

B.10. Examen final de la convocatoria de septiembre de 2001 . . . . . . . 446
C. Exámenes propuestos en la UPM con sus soluciones 457

C.1. Examen parcial de febrero 2002 . . . . . . . . . . . . . . . . . . . . 457
C.2. Examen parcial de junio de 2002 . . . . . . . . . . . . . . . . . . . . 464
C.3. Examen final de la convocatoria de junio de 2002 . . . . . . . . . . 469
C.4. Examen final de la convocatoria de septiembre de 2002 . . . . . . . 478
C.5. Examen parcial de febrero de 2003 . . . . . . . . . . . . . . . . . . 484
Bibliografı́a 553
Índice Alfabético 559

Índice de figuras
1.1. Las ecuaciones de los tres planos del dibujo constituyen un sistema
compatible determinado. . . . . . . . . . . . . . . . . . . . . . . . . . 21
compatible indeterminado. . . . . . . . . . . . . . . . . . . . . . . . . 22
incompatible. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.1. Ejemplo de aplicación lineal: rotación de 30o . . . . . . . . . . . . . . 86

4.2. Ejemplo de aplicación lineal: cizalla sobre el eje y. . . . . . . . . . . 87
4.3. A la izquierda nube aleatoria de puntos. A la derecha plano formado
por los puntos cuyos vectores de posición pertenecen al núcleo de g. 89
4.4. Recta formada por los puntos cuyos vectores de posición constitu-
yen la imagen de g. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
9.1. Lı́mite oscilante de la función sen( x1 ) en x = 0. . . . . . . . . . . . . 167

9.2. Lı́mites laterales coincidentes. . . . . . . . . . . . . . . . . . . . . . . 169
9.3. La función signo(x), lı́mites laterales no coincidentes en x = 0. . . . 170
9.4. Función continua en todos los puntos del intervalo [−4 5, 4 5] salvo
en x = −4 25 y x = 3. . . . . . . . . . . . . . . . . . . . . . . . . . . 173

9.5. Dibujo de una función, g, su tangente, g(1) + g (1)(x − 1) ó g(1) +
dg(1; x − 1), y su diferencial, dg(1; x), en x0 = 1. . . . . . . . . . . . 175
9.6. La función f (x) = |x| y su derivada en el intervalo [−4, 4]. . . . . . . 176
9.7. La función sen(x) y sus tres primeros polinomios de Taylor: p1 (x),
p3 (x) y p5 (x). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
x
9.8. La función e y sus cuatro primeros polinomios de Taylor: p0 (x),
p1 (x), p2 (x) y p3 (x). . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
13
14 ÍNDICE DE FIGURAS
2x2 −8
9.9. Gráfica de la función f (x) = x2 −16 . . . . . . . . . . . . . . . . . . . . 190
9.10. Interpretación geométrica del resultado del problema 8. . . . . . . . 191
10.1. Dibujo de la función f (x, y) = −x2 − y 2 + 8 y su plano tangente en

(0, 1/2, 31/4). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
10.2. Geometrı́a de un mı́nimo relativo. . . . . . . . . . . . . . . . . . . . . 214
10.3. Geometrı́a de un máximo relativo. . . . . . . . . . . . . . . . . . . . 214
10.4. Geometrı́a de un punto de ensilladura. . . . . . . . . . . . . . . . . . 215
11.1. Aproximaciones cada vez más finas a la integral de Riemann me-

diante sumas superiores. . . . . . . . . . . . . . . . . . . . . . . . . . 235
11.2. Aproximaciones cada vez más finas a la integral de Riemann me-
diante sumas inferiores. . . . . . . . . . . . . . . . . . . . . . . . . . 236
12.1. Región de integración(sombreada) correspondiente al ejemplo 12.2. . 250
13.1. Curva C en el ejemplo 13.3. . . . . . . . . . . . . . . . . . . . . . . . 268

13.2. Superficie S en el ejemplo 13.5. . . . . . . . . . . . . . . . . . . . . . 271
14.1. Comparación entre la ley de crecimiento exponencial y la ley logı́stica. 297

14.2. Evolución de cuatro isótopos de la 2a cadena radiactiva. . . . . . . . 299
14.3. Evolución de las poblaciones de presas(conejos) y depredadores(zorros). 300
16.1. Polinomios de base de Lagrange de grado 1. . . . . . . . . . . . . . . 320

16.2. Polinomios de base de Lagrange de grado 2. . . . . . . . . . . . . . . 321
16.3. La función f (x) = sen(x) y los polinom. de Lagrange de grados 1,
2 y 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
16.4. Fórmula del punto medio. . . . . . . . . . . . . . . . . . . . . . . . . 329
16.5. Fórmula del trapecio. . . . . . . . . . . . . . . . . . . . . . . . . . . 330
16.6. Fórmula de Simpson. . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
17.1. Representación gráfica del método de punto fijo. . . . . . . . . . . . 353

17.2. Representación gráfica del método de Newton-Raphson. . . . . . . . 355
√ √
A.1. Rep. geométrica de los complejos 1 + 3i y −1 − 3i. . . . . . . . . 363
ÍNDICE DE FIGURAS 15
√ √
A.2. Rep. geométrica de los complejos 3 − i y − 3 + i. . . . . . . . . . 365
√
√ del producto de los complejos 2 + i ≈ ( 5)0,46365
A.3. Rep. geométrica
y −1 + 3i ≈ ( 10)1,89255 . . . . . . . . . . . . . . . . . . . . . . . . . 367
A.4. Rep. geométrica del complejo z = 1,2 + 0,9i y de sus primeras 6
potencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
√
A.5. Rep. geométrica del complejo v = 3/2 + (1/2)i y de sus primeras
once potencias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
A.6. Rep. geométrica del complejo z = 8 + 0i y sus tres raı́ces cúbicas. . . 370
A.7. Rep. geométrica de los complejos 2 + 3i, −4, −3 − 2i y −5i. . . . . . 371
A.8. Raı́ces cuadradas de −i. . . . . . . . . . . . . . . . . . . . . . . . . . 372
√
A.9. Las cuatro raı́ces de orden 4 de −8 + 8 3i. . . . . . . . . . . . . . . 373
B.1. Representación gráfica de la solución del problema 1. . . . . . . . . . 376

B.2. Representación gráfica de la solución. . . . . . . . . . . . . . . . . . . 379
B.3. Sección transversal del poste metálico. . . . . . . . . . . . . . . . . . 415
C.1. Solución del problema 5 . . . . . . . . . . . . . . . . . . . . . . . . . 475

C.2. Representación gráfica del resultado del ejercicio 1. . . . . . . . . . . 485
C.3. Dibujo de g , pregunta 1 . . . . . . . . . . . . . . . . . . . . . . . . 492
C.4. Los puntos crı́ticos y los puntos de inflexión . . . . . . . . . . . . . . 492
C.5. Dibujo de la función g. . . . . . . . . . . . . . . . . . . . . . . . . . . 493
C.6. Área (rayada) a la que se refiere el problema 5. . . . . . . . . . . . . 497
C.7. Dibujo de las cinco raı́ces de orden 5 de z = −1 . . . . . . . . . . . . 509
C.8. En el ejercicio 6 se debe calcular el momento de inercia de la región
que aparece coloreada en gris respecto al eje y. . . . . . . . . . . . . 517
C.9. Red de tráfico a la que hace referencia el ejercicio 1. . . . . . . . . . 542
Presentación
Esta publicación docente es el resultado de ocho años de preparación e impartición

de la asignatura Fundamentos Matemáticos en diversas titulaciones de Ingenierı́a de
las universidades Rey Juan Carlos (URJC) y Politécnica de Madrid (UPM). En los
planes de estudios de estas titulaciones siempre se ha concedido gran importancia a
las Matemáticas; basta con observar lo ambiciosos que resultan los descriptores de
la citada asignatura, que siempre incluyen, al menos, las materias Álgebra Lineal,
Cálculo Infinitesimal, Cálculo Numérico, Ecuaciones Diferenciales y Geometrı́a. Sin
embargo, el número de horas de clase reservado para su impartición es muy redu-
cido: entre 120 y 150. Es realmente difı́cil conseguir alcanzar en dicho tiempo unos
objetivos que abarquen los cinco descriptores antes mencionados. Por consiguiente,
el mérito, a nuestro juicio, de esta publicación, estriba en haber condensado en un
número relativamente reducido de páginas la explicación de unas materias que por
su complejidad y extensión aparecen publicadas, cuando menos, en cuatro libros dis-
tintos (si exceptuamos los grandes manuales de “matemáticas para ingenieros”, de
extensión muy superior a nuestro trabajo).
El libro puede considerarse como un guión de la asignatura en el que aparecen enuncia-

dos aquellos conceptos básicos de Álgebra Lineal y Cálculo Infinitesimal que, a nuestro
entender, son útiles tanto para el adecuado seguimiento del resto de asignaturas de
una titulación cientı́fico-técnica, como para el ejercicio profesional de un cientı́fico o
un ingeniero. También incluimos en los últimos capı́tulos algunas nociones básicas
que permitirán al lector introducirse en el estudio de las Ecuaciones Diferenciales y
el Cálculo Numérico.
Los 17 capı́tulos en los que se ha dividido el libro se pueden agrupar en cuatro blo-
ques fundamentales: Álgebra Lineal, Cálculo Infinitesimal, Ecuaciones Diferenciales
y Cálculo Numérico. Los primeros ocho capı́tulos tratan temas de Álgebra Lineal;
conviene señalar que el último de ellos se dedica al estudio de métodos directos para
resolver sistemas lineales de ecuaciones, y que, por lo tanto, también se podrı́a haber
incluido en el bloque de Cálculo Numérico. Los capı́tulos del 9 al 13 abarcan temas
de Análisis en una y varias variables, incluyendo una breve introducción a la teorı́a de
17
18 Presentación
campos. En el capı́tulo 14 se introducen las ecuaciones diferenciales ordinarias, y en

el 15 los sistemas de ecuaciones diferenciales ordinarias. Finalmente, los dos últimos
capı́tulos se dedican al Cálculo Numérico: en el capı́tulo 16 se introducen la interpola-
ción, la diferenciación numérica y la integración numérica, mientras que en el capı́tulo
17 se explican los métodos más sencillos de resolución de sistemas no lineales.
Los autores somos conscientes de que para aprender Matemáticas es fundamental,

tanto para entender los conceptos como para asentarlos, la resolución de problemas;
por ello hemos incluido al final de cada capı́tulo un apartado de ejercicios propuestos a
los que se adjunta su solución. Además hemos añadido, como apéndice, los exámenes
resueltos realizados en los años 1999 - 2001 en la URJC y en los años 2002 - 2005 en
la UPM. Para aquellos estudiantes que necesiten una descripción más detallada de los
conceptos matemáticos explicados en el libro o para aquellos que deseen profundizar
más en el estudio de las materias consideradas, se ha incluido al final de cada capı́tulo
una breve lista bibliográfica comentada. También hemos añadido un apéndice con un
breve repaso de los números complejos. Esperamos con todo ello haber conseguido
elaborar una publicación que sirva de ayuda a aquellos futuros cientı́ficos o ingenieros
que abordan por primera vez el estudio riguroso de las Matemáticas.
Como se ha indicado al comienzo de esta presentación, este libro nace de los apuntes
que en su momento preparamos para la impartición de varias asignaturas. Por ello no
queremos terminar este prólogo sin agradecer a los profesores Carlos Conde, Emanuele
Schiavi, Christian Vanhille e Ignacio Villanueva la ayuda prestada en la elaboración
de dichos apuntes, ayuda que en ningún caso les hace partı́cipes de los errores que
pudiera contener este libro.
En esta nueva versión corregida y ampliada de 2007 queremos extender nuestro agra-
decimiento a la profesora Ana Isabel Muñoz por la ayuda prestada en la corrección
de erratas.
Ultano Kindelán y Marco Antonio Fontelos.
Madrid, septiembre de 2007.

Capı́tulo 1
Sistemas de ecuaciones
lineales. El método de Gauss.
Matrices
1.1. Introducción
En el mundo real muy pocas veces nos encontramos con problemas tan sencillos que
dependan de una sola variable. Por ejemplo el beneficio de una empresa manufacturera
depende claramente del coste de los materiales, pero también depende de los costes
laborales, costes de transporte y de la producción total de la planta. El beneficio es
por tanto una función de varias variables. El álgebra lineal estudia las funciones de
varias variables más simples: las funciones lineales.
Un ejemplo de función lineal es la ecuación de una recta. En el plano xy se puede

representar una recta mediante la ecuación a1 x + a2 y = b. En la expresión anterior
se dice que b es una función lineal de x e y. Inversamente, si se conocen b, a1 y
a2 , se puede resolver la ecuación obteniendo los infinitos puntos (pares (x, y)) que
pertenecen a la recta.
Una ecuación como la anterior se llama ecuación lineal en las variables x e y. De

forma general se dice que una ecuación con n variables x1 , x2 , . . . , xn , es lineal si se
puede expresar de la forma
a1 x1 + a2 x2 + . . . + an xn = b
19
20 Capı́tulo 1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices
en donde a1 , a2 , . . . , an son escalares (reales o complejos) constantes.
El concepto de linealidad se estudiará con precisión cuando se estudien los espacios

vectoriales y las aplicaciones lineales; por ahora nos limitaremos a describir las carac-
terı́sticas de una ecuación lineal. Una ecuación lineal:
no incluye productos entre variables,
todas las variables aparecen siempre elevadas a 1,
las variables no aparecen nunca como argumentos de funciones trigonométricas,

logarı́tmicas o exponenciales.
Ejemplo 1.1. Las siguientes ecuaciones son lineales:
x + 3y = 7 x1 − 3x2 − 3x3 + x4 = 7,
y = 12 x + 3z + 1 x1 + x2 + . . . + xn = 1,
mientras que las siguientes son no lineales:
x + 3y 2 = 7 3x + 2y − z + xz = 4,
√
y−sen(x) = 0 x1 + 2x2 + x3 = 1.
Definición 1.1. Un Sistema de m ecuaciones lineales con n incógnitas x1 , x2 ,

. . . , xn es todo conjunto de relaciones del tipo:
⎫
Ecuación primera a11 x1 + a12 x2 + . . . + a1n xn = b1 ⎪
⎪
⎪
⎬
Ecuación segunda a21 x1 + a22 x2 + . . . + a2n xn = b2
.. (S)
. ⎪
⎪
⎪
⎭
Ecuación m-ésima am1 x1 + am2 x2 + . . . + amn xn = bm
Los aij (coeficientes) y los bi (términos independientes) son escalares dados

(elementos de un cuerpo cualquiera, por ejemplo lR ó C ).
Se dice que los escalares α1 , α2 , . . . , αn constituyen una solución de (S) si al

tomar x1 = α1 , x1 = α2 , . . . , xn = αn se satisfacen las m ecuaciones.
Resolver (S) es hallar todas sus soluciones. Se dice que un sistema es compa-
tible si tiene alguna solución y que es incompatible si carece de ellas; cuando
es compatible se dice que es determinado si tiene una única solución e inde-
terminado si tiene más de una.
1.1. Introducción 21
Ejemplo 1.2. Como ya se ha comentado, un ejemplo de ecuación lineal es la ecuación

de una recta en el plano. Si se estudian las soluciones de un sistema de dos ecuaciones
con dos incógnitas se estará estudiando el conjunto de puntos que pertenecen a la vez
a las dos rectas.
1. Si el sistema es incompatible las dos rectas son paralelas (no existe ningún punto
que pertenezca a la vez a las dos rectas).
2. Si el sistema es compatible se pueden distinguir dos casos:
a) si es determinado las dos rectas se cortan (existe un solo punto que verifica
las dos ecuaciones),
b) si es indeterminado las dos rectas son coincidentes (existen infinitos puntos
que verifican las dos ecuaciones).
3
3 3
2 2
1 1
0 0
y x
1 1
2 2
3 3
Figura 1.1: Las ecuaciones de los tres planos del dibujo constituyen un sistema com-
patible determinado.
Ejemplo 1.3. La ecuación de un plano en el espacio es una ecuación lineal con tres
incógnitas. Si se estudian las soluciones de un sistema formado por tres ecuaciones y
tres incógnitas, se estará estudiando el conjunto de puntos del espacio que pertene-
cen a la vez a los tres planos. En las figuras 1.1, 1.2 y 1.3 se muestran tres posibles
posiciones relativas de los planos. En 1.1 al ser el sistema de tres ecuaciones con tres
incógnitas compatible determinado, existe un solo punto que verifica las tres ecua-
ciones y por lo tanto los tres planos se cortan en un punto. En 1.2 el sistema es
compatible indeterminado, existen infinitos puntos que verifican las ecuaciones de los
tres planos y los tres planos se cortan en una recta. Finalmente en 1.3 el sistema es
incompatible y no existe ningún punto que verifique las ecuaciones de los tres planos
a la vez. Existen otros casos posibles: planos paralelos (sistema incompatible) y pla-
nos coincidentes (sistema compatible indeterminado). En cualquier caso la discusión
del tipo de solución de un sistema lineal para el caso general de m ecuaciones y n
incógnitas se abordará más adelante.
2
3
3 2
3 1
2 0
1 1 y
0
x 1 2
2
3
Figura 1.2: Las ecuaciones de los tres planos del dibujo constituyen un sistema com-
patible indeterminado.
3
3
2
1
0
x
1 3
2
2 1
0
1 y
3 2
3
Figura 1.3: Las ecuaciones de los tres planos del dibujo constituyen un sistema in-
compatible.
Signo sumatorio, ı́ndices mudos e ı́ndices libres.
Para escribir
de forma breve una suma como P1 + P2 + . . . + Pn se recurre a la letra
griega que recibe el nombre de signo sumatorio:

n
P1 + P2 + . . . + Pn = Pj
j=1
j se puede sustituir por otra letra cualquiera sin que por ello varı́e el resultado

n
n
n
Pj = Pi = Pk
j=1 i=1 k=1
Ası́ por ejemplo las m ecuaciones del sistema (S) se pueden escribir de la forma,

n ⎫
a1j xj = b1 ⎪
⎪
⎪
⎪
j=1 ⎪
⎪
n ⎪
⎪
a2j xj = b2 ⎪
⎬
j=1 (S)
.. ⎪
⎪
. ⎪
⎪
⎪
⎪
n ⎪
⎪
amj xj = bm ⎪
⎭
j=1
El sistema (S) se puede representar de una forma aun más concisa recurriendo a otro
ı́ndice que variará de 1 a m. Se puede poner:

n
aij xj = bi (i = 1, . . . , m) (S)
j=1
i recibe el nombre de ı́ndice libre (no se ve afectado por el sumatorio).
j recibe el nombre de ı́ndice mudo (se ve afectado por el sumatorio).
Expresión matricial de un sistema lineal de ecuaciones.
Definición 1.2. Se denomina matriz A de dimensión m × n a una tabla rectangular

de mn escalares que reciben el nombre de elementos de la matriz.
⎛ ⎞
a11 a12 . . . a1n
⎜ a21 a22 . . . a2n ⎟
⎜ ⎟
A=⎜ . .. .. ⎟ = (aij )i=1,...,m = (aij )m×n
⎝ .. . . ⎠ j=1,...,n
am1 am2 ... amn
Definición 1.3. El juego ai1 , ai2 , . . . , ain se denomina fila i-ésima de la matriz A.
Definición 1.4. El juego a1j , a2j , . . . , amj se denomina columna j-ésima de la ma-
triz A.
Definición 1.5. Dado un sistema de ecuaciones lineales (S) se llama matriz de
coeficientes, matriz ampliada y matriz (o vector) de términos independientes a las
siguientes matrices:
⎛ ⎞
a11 a12 . . . a1n
⎜ a21 a22 . . . a2n ⎟
⎜ ⎟
A=⎜ . .. .. ⎟ ←−MATRIZ DE COEFICIENTES
⎝ .. . . ⎠
am1 am2 . . . amn
⎛ ⎞
a11 a12 ... a1n b1
⎜ a21 a22 ... a2n b2 ⎟
⎜ ⎟
Ab = ⎜ .. .. .. .. ⎟ ←−MATRIZ AMPLIADA
⎝ . . . . ⎠
am1 am2 ... amn bm
⎛ ⎞
b1
⎜ b2 ⎟
⎜ ⎟
b=⎜ .. ⎟ ←−VECTOR DE TÉRMINOS INDEPENDIENTES
⎝ . ⎠
bm
1.2. Resolución de sistemas de ecuaciones lineales:

eliminación gaussiana
El método más simple para resolver un sistema lineal de ecuaciones es reemplazar el

sistema dado por otro que tenga la misma solución pero sea más fácil de resolver.
Definición 1.6. Dos sistemas de ecuaciones (con las mismas incógnitas) se dicen
equivalentes si tienen las mismas soluciones: si toda solución de cada uno de ellos
es también solución del otro.
Definición 1.7. Operaciones elementales realizadas sobre un sistema de ecua-
ciones lineales.
1. Intercambiar dos ecuaciones del sistema.

2. Multiplicar una de las ecuaciones por un escalar no nulo.
3. Añadir a una ecuación un múltiplo de otra.
Definición 1.8. Operaciones elementales realizadas sobre las filas de una ma-
triz.
1. Intercambiar dos filas de la matriz

2. Multiplicar una de las filas de la matriz por un escalar no nulo.
3. Añadir a una fila de la matriz un múltiplo de otra.
Proposición 1.1. Un sistema de ecuaciones lineales es equivalente a cualquiera que
resulte de realizar en él operaciones elementales.
Proposición 1.2. Un sistema de ecuaciones lineales es equivalente a cualquiera que
resulte de realizar operaciones elementales sobre las filas de la matriz ampliada del
sistema.
Ejemplo 1.4. Resolver el siguiente sistema de ecuaciones:
x + y + 2z = 9
2x + 4y − 3z = 1
3x + 6y − 5z = 0
Solución: Se va a resolver el sistema anterior utilizando las dos últimas proposiciones

enunciadas. En la columna de la izquierda se van a realizar operaciones elementales
sobre las ecuaciones del sistema y en la columna de la derecha se van a realizar
operaciones elementales sobre las filas de la matriz ampliada.
⎛ ⎞
x + y + 2z = 9 1 1 2 9
2x + 4y − 3z = 1 ⎝ 2 4 -3 1 ⎠
3x + 6y − 5z = 0 3 6 -5 0
(F2)-2(F1)
(F3)-3(F1)
↓ ⎛ ⎞
x + y + 2z = 9 1 1 2 9
2y − 7z = −17 ⎝ 0 2 -7 -17 ⎠
3y − 11z = −27 0 3 -11 -27
3
(F3)- 2 (F2)
↓ ⎛ ⎞
x + y + 2z = 9 1 1 2 9
2y − 7z = −17 ⎝ 0 2 -7 -17 ⎠ (A)
− 12 z = − 32 0 0 - 12 - 32
(F2)-14(F3)
(F1)+4(F3)
↓ ⎛ ⎞
x+y =3 1 1 0 3
2y = 4 ⎝ 0 2 0 4 ⎠
− 12 z = − 32 0 0 - 12 - 32
1
(F1)- 2 (F2)
↓ ⎛ ⎞
x=1 1 0 0 1
2y = 4 ⎝ 0 2 0 4 ⎠
− 12 z = − 32 0 0 - 12 - 32
1
2 (F2)
-2(F3)
↓ ⎛ ⎞
x=1 1 0 0 1
y=2 ⎝ 0 1 0 2 ⎠
z=3 0 0 1 3
Una vez que se ha obtenido el sistema (A) se puede elegir otro camino para resolver
el sistema inicial:
⎫
x + y + 2z = 9 → x = 9 − 8 = 1 ⎬
2y − 7z = −17 → 2y − 21 = −17 → y = 2 →↑ PROCESO DE REMONTE
⎭
− 12 z = − 32 → z = 3 →↑
El ejemplo anterior sugiere dos métodos para resolver sistemas de ecuaciones mediante
operaciones elementales. A continuación vamos a generalizar estos dos procedimientos
de forma que sean válidos para resolver cualquier tipo de sistema.
Definición 1.9. Una fila de una matriz se dice que es una fila nula si todos los
elementos que la forman son ceros.
Definición 1.10. El primer elemento no nulo por la izquierda de una fila de una
matriz se denomina cabecera de la fila correspondiente.
Definición 1.11. Se dirá que una matriz es una matriz escalonada si se verifican
las siguientes propiedades:
1. si existen filas nulas están agrupadas al final de la matriz,

2. en cualesquiera dos filas sucesivas no nulas la cabecera de fila de la fila inferior
aparece más a la derecha que la cabecera de la fila superior.
Nota 1.1. De la definición anterior de deduce que en una matriz escalonada se verifica
que por debajo de cada cabecera de fila únicamente hay ceros.
⎛ ⎞
& * * * * * * *
⎜ 0 0 & * * * * * ⎟
⎜ ⎟ 0=elementos nulos
⎜ 0 0 0 & * * * * ⎟
⎜ ⎟ &=cabeceras de fila (= 0)
⎜ 0 0 0 0 0 & * * ⎟
⎜ ⎟ *=elementos cualesquiera
⎝ 0 0 0 0 0 0 & * ⎠
0 0 0 0 0 0 0 0
MATRIZ ESCALONADA
Definición 1.12. Se dirá que una matriz es una matriz escalonada reducida si
se verifican, además de las propiedades 1 y 2, las siguientes propiedades:
3. Todas las cabeceras de fila son iguales a uno.

4. Cada columna que contenga una de las cabeceras de fila tiene el resto de los
elementos nulos.
⎛ ⎞
1 * 0 0 * 0 0 *
⎜ 0 0 1 0 * 0 0 * ⎟
⎜ ⎟ 0=elementos nulos
⎜ 0 0 0 1 * 0 0 * ⎟
⎜ ⎟ 1=elementos unidad
⎜ 0 0 0 0 0 1 0 * ⎟
⎜ ⎟ *=elementos cualesquiera
⎝ 0 0 0 0 0 0 1 * ⎠
0 0 0 0 0 0 0 0
MATRIZ ESCALONADA REDUCIDA
Definición 1.13. Un sistema de ecuaciones se dice que es un sistema escalonado

(respectivamente escalonado reducido) si su matriz de coeficientes es escalonada
(respectivamente escalonada reducida).
Ejemplo 1.5. Matrices escalonadas
⎛ ⎞
⎛ ⎞ ⎛ ⎞ 0 10 −2 0 1
3 1 2 9 1 1 2 ⎜ 0 0
⎝ 0 1 −7 ⎠, ⎝ 0 1 ⎜ 0 5 3 ⎟
⎟
−17
− 72 ⎠ , ⎝ 0 0
2 2 0 0 0 ⎠
0 0 2 3 0 0 1
0 0 0 0 0
Ejemplo 1.6. Matrices escalonadas reducidas
⎛ ⎞
⎛ ⎞ ⎛ ⎞ 0 1 −2 0 1
1 0 0 1 1 0 0 ⎜ 0
⎝ 0 1 0 2 ⎠, ⎝ 0 1 0 ⎠, ⎜ 0 0 1 3 ⎟
⎟
⎝ 0 0 0 0 0 ⎠
0 0 1 3 0 0 1
0 0 0 0 0
Proposición 1.3. Sea (S) el siguiente sistema de ecuaciones lineales

n
aij xj = bi (i = 1, . . . , m)
i=1
Siempre es posible transformar (S) en un sistema escalonado, (E), e incluso en un

sistema escalonado reducido, (E’).
Nota 1.2. Para cada sistema de ecuaciones lineales (S) existe un único sistema es-
calonado reducido equivalente.
Se puede proceder de dos maneras para resolver el sistema (S):
1. Hallando un sistema escalonado, (E), equivalente a (S). Una vez obtenido E se

despeja la incógnita de cabecera de su última ecuación y, avanzando de abajo
arriba, se sustituye el valor hallado para cada incógnita en la ecuación anterior,
de la que se despeja una nueva incógnita. → MÉTODO DE GAUSS.
2. Hallando el sistema escalonado reducido, (E’), equivalente a (S). Una vez obte-
nido (E’) se despeja directamente, para cada una de las ecuaciones, la incógnita
que esté en su cabecera. → MÉTODO DE GAUSS-JORDAN.
Ya sólo queda, pues, explicar cómo se obtiene un sistema escalonado reducido a partir
de un sistema cualquiera. Para ello bastará explicar cómo se obtiene una matriz
escalonada reducida a partir de una matriz cualquiera.
Definición 1.14. Se dice que el elemento aij = 0 de una matriz A se utiliza como
pivote hacia abajo (o hacia arriba) si en las filas de A se realizan aquellas operaciones
elementales que convierten en 0 a los demás elementos de la columna j que están por
debajo (o por arriba) del aij . Todo elemento no nulo de A puede utilizarse como pivote.
Proceso para obtener una matriz escalonada reducida a partir de una ma-
triz cualquiera A
1. Obtención de una matriz escalonada
a) Intercambiando 2 filas de A, si fuera preciso se obtendrı́a en el lugar (1,1)

un elemento no nulo.
b) Utilizándolo como pivote se transforman en cero todos los elementos situa-
do por debajo de él.
c) Si todos los elementos que quedan por debajo del (1,2) son nulos se deja
a
la 2 columna sin modificar.
d ) Si alguno de ellos fuese no nulo, intercambiando dos filas si fuera preciso,
se lleva al lugar (2,2) y luego se utiliza como pivote para anular todos los
elementos que están situados por debajo de él.
e) Se pasa ahora a la tercera columna con la que se procede de manera análoga
y se reitera el proceso hasta llegar a la última columna.
2. Obtención de una matriz escalonada reducida a partir de una matriz escalonada

a) Nos fijamos en las cabeceras de cada una de las filas no nulas y denotamos
como (1,1), (2,i2 ), . . . , (r, ir ) los lugares que ocupan las cabeceras de cada
fila. Utilizando como pivote el elemento (i, ir ) se anulan los elementos de
la columna ir situados por encima.
b) Se hace lo mismo con el elemento (r − 1, ir−1 ) y ası́ hasta llegar al elemento

(2, i2 ).
c) Se divide cada fila i no nula por su cabecera de fila.
Ejemplo 1.7. Resolver el siguiente sistema de ecuaciones.
x1 + x5 = 800
−x1 + x2 − x4 = −400
−x2 + x3 = −600
−x3 + x7 = 1200
x4 + x6 − x7 = 0
−x5 − x6 = −1000
Solución: Se va a utilizar el método de Gauss - Jordan para resolverlo,
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ −1 1 0 −1 0 0 0 -400 ⎟
⎜ ⎟
⎜ 0 −1 1 0 0 0 0 -600 ⎟
⎜ ⎟
⎜ 0 0 −1 0 0 0 1 1200 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F2)+(F1)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 −1 1 0 0 0 0 -600 ⎟
⎜ ⎟
⎜ 0 0 −1 0 0 0 1 1200 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F3)+(F2)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 −1 0 0 0 1 1200 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F4)+(F3)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 0 −1 1 0 1 1000 ⎟
⎜ ⎟
⎝ 0 0 0 1 0 1 −1 0 ⎠
0 0 0 0 −1 −1 0 -1000
(F5)+(F4)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 0 −1 1 0 1 1000 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 −1 −1 0 -1000
(F6)+(F5)
↓
⎛ ⎞
1 0 0 0 1 0 0 800
⎜ 0 1 0 −1 1 0 0 400 ⎟
⎜ ⎟
⎜ 0 0 1 −1 1 0 0 -200 ⎟
⎜ ⎟
⎜ 0 0 0 −1 1 0 1 -1000 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 0 0 0 0
Ya se ha obtenido una matriz de coeficientes escalonada. A partir de aquı́ se podrı́a

resolver el sistema por el método de Gauss realizando el correspondiente proceso de
remonte. Sin embargo en este caso, como se ha dicho en el enunciado se emplea el
método de Gauss - Jordan por lo que se continuará realizando operaciones elementales
hasta obtener una matriz de coeficientes escalonada reducida.
(-1)(F4)
(F4)+(F5)
(F3)-(F5)
(F2)-(F5)
(F1)-(F5)
↓
⎛ ⎞
1 0 0 0 0 −1 0 -200
⎜ 0 1 0 −1 0 −1 0 -600 ⎟
⎜ ⎟
⎜ 0 0 1 −1 0 −1 0 -1200 ⎟
⎜ ⎟
⎜ 0 0 0 1 0 1 −1 0 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 0 0 0 0
(F3)+(F4)
(F2)+(F4)
↓
⎛ ⎞
1 0 0 0 0 −1 0 -200
⎜ 0 1 0 0 0 0 −1 -600 ⎟
⎜ ⎟
⎜ 0 0 1 0 0 0 −1 -1200 ⎟
⎜ ⎟
⎜ 0 0 0 1 0 1 −1 0 ⎟
⎜ ⎟
⎝ 0 0 0 0 1 1 0 1000 ⎠
0 0 0 0 0 0 0 0
Por lo tanto la solución es x1 = −200 + x6 ; x2 = −600 + x7 ; x3 = −1200 + x7 ; x4 =

x7 − x6 y x5 = 1000 − x6 . Es por lo tanto un sistema compatible indeterminado.
Proposición 1.4. Sea (E) un sistema escalonado de m ecuaciones con n incógnitas,
r el número de filas no nulas de la matriz de coeficientes de (E) y s el número de filas
no nulas de su matriz ampliada. Respecto a la existencia y unicidad de soluciones de
(E) se puede afirmar lo siguiente:
1. El sistema (E) es compatible si y sólo si (Ssi) r = s.

2. Si el sistema (E) es compatible, entonces:
a) el sistema es compatible determinado si r = n,

b) el sistema es compatible indeterminado si r < n. Obsérvese que r nunca
puede ser mayor que n.
Corolario 1.1. Sea (E) un sistema escalonado de m ecuaciones con n incógnitas

y r el número de filas no nulas de la matriz de coeficientes de (E). El sistema es
compatible Ssi sus últimos m − r términos independientes son todos nulos.
Corolario 1.2. Sea (S) un sistema de m ecuaciones y n incógnitas. Si m < n

entonces el sistema bien es incompatible, bien tiene infinitas soluciones.
1.3. Sistemas homogéneos
Definición 1.15. Un sistema de ecuaciones se dice homogéneo si tiene nulos todos

sus términos independientes:

n
aij xj = 0 (i = 1, . . . , m) (H)
j=1
Proposición 1.5. Todo sistema de ecuaciones lineales homogéneo (H) tiene, al me-
nos, la solución x1 = x2 = . . . = xn = 0, llamada solución trivial o nula, por lo
que siempre es compatible. Será compatible indeterminado si tiene alguna solución no
nula.
Proposición 1.6. Si α = (α1 , . . . , αn ) y β = (β 1 , . . . β n ) son soluciones del sistema
homogéneo (H), entonces λα + µβ (λ y µ son dos escalares cualesquiera) también es
una solución del sistema (H).
Proposición 1.7. Si un sistema de ecuaciones lineales tiene más de una solución
entonces el sistema tiene infinitas soluciones.
Proposición 1.8. Sea (H) un sistema homogéneo de m ecuaciones con n incógnitas.
Si m es menor que n, entonces (H) tiene alguna solución no nula y por tanto tiene
infinitas soluciones.
1.4. Rango de un conjunto de vectores
1.4.1. Vectores de n componentes
Definición 1.16. Dados un número natural n (fijo) y un cuerpo lK (Por ejemplo

lK = lR ó lK = C) a cuyos elementos llamaremos escalares, se llaman vectores de n
componentes del cuerpo lK a las sucesiones o sistemas ordenados de n escalares de
lK. Se representan del siguiente modo:
u = (u1 , u2 , . . . , un )

u1 , u2 , . . . , un ∈ lK
donde
ui recibe el nombre de componente i- ésima de u
Definición 1.17. Operaciones entre vectores:
1.4. Rango de un conjunto de vectores 33
1. Suma
u = (u1 , u2 , . . . , un )
→ u + v = (u1 + v1 , u2 + v2 , . . . , un + vn )
v = (v1 , v2 , . . . , vn )
2. Producto por escalar

u = (u1 , u2 , . . . , un )
→ λu = (λu1 , λu2 , . . . , λun )
λ es un escalar
Observaciones
1. Un vector de n componentes no es un conjunto de n escalares. Si las n com-

ponentes de un vector se colocan en distinto orden, ya no encarnan el mismo
vector; este pasa a ser otro.
2. Notación: los vectores se escribirán en negrita.
3. Vectores fila y vectores columna. Si las componentes de un vector se escriben
una detrás de otra se dice que el vector aparece como vector fila. Si se escriben
una debajo de otra se dirá que aparece como vector columna.
Proposición 1.9. (Propiedades de las operaciones entre vectores). Si u, v y w son
vectores de n componentes y si λ y µ son escalares, entonces:
1. (u + v) + w = u + (v + w)
2. u + v = v + u
3. u + 0 = u, donde 0 = (0, 0, . . . , 0) se llama vector nulo.
4. Para cada u, existe un vector −u tal que u + (−u) = 0;
Si u = (u1 , u2 , . . . , un ), entonces −u = (−u1 , −u2 , . . . , −un )
Al vector −u se le llama opuesto de u.
5. λ(u + v) =λu+λv
6. (λ + µ)u = λu + µu
7. λ(µu) = (λµ)u
8. 1u = u
9. 0u = 0 y λ0 = 0
10. λu = 0 ⇒ [λ = 0 ó u = 0]
11. (−λ)u =λ(−u) = −(λu)
1.4.2. Dependencia e independencia lineal
Definición 1.18. Se dice que un vector v es una combinación lineal de los vec-
tores u1 , u2 , . . . un o que v depende linealmente de ellos si para algunos escalares
λ1 , λ2 , . . . , λn , se verifica:
v = λ1 u1 + λ2 u2 + . . . + λn un
Nota 1.3. La dependencia lineal es transitiva: si v depende linealmente de unos

vectores y éstos a su vez dependen linealmente de otros, entonces v también depende
linealmente de estos últimos.
Definición 1.19. Se dice que un sistema (o conjunto) de vectores S = {v1 , v2 ,

. . . , vn } es un sistema ligado o linealmente dependiente si se verifica una de las si-
guientes condiciones equivalentes entre sı́:
1. Alguno de los vectores de S depende linealmente de los demás.
2. Para algunos escalares λ1 , λ2 , . . . , λn no todos nulos λ1 v1 + λ2 v2 + . . . + λn vn =

0.
Nota 1.4. Si a1 , a2 , . . . , ap son p vectores de n componentes y si p > n entonces

S = {a1 , a2 , . . . , ap } es un sistema ligado.
Definición 1.20. Se dice que un sistema (o conjunto) de vectores S = {v1 , v2 ,

. . . , vp } es un sistema libre o linealmente independiente si se verifica una de las si-
guientes condiciones equivalentes entre sı́:
1. El sistema S no es linealmente dependiente, es decir, ninguno de los vectores

de S depende linealmente de los demás.
2. La única combinación lineal de vectores de S que es nula es la que tiene todos

sus coeficientes nulos; esto es:
λ1 v1 + λ2 v2 + . . . + λp vp = 0 ⇒λ1 = λ2 = . . . = λp = 0
(λ1 , λ2 , . . . , λp escalares).
1.4.3. Rango de un sistema de vectores
Proposición 1.10. Para cualquiera que sea el conjunto S = {v1 , v2 , . . . , vp } de p

vectores, no todos nulos, se verifica que:
1. Hay algún sistema, S0 , de vectores de S t.q.

1.4. Rango de un conjunto de vectores 35
a) S0 es linealmente independiente.
b) Todos los demás vectores de S dependen linealmente de S0 .
2. Todos los sistemas S0 de vectores de S que satisfacen los requerimientos (a) y
(b) tienen el mismo número de vectores.
Definición 1.21. El número de vectores de S0 recibe el nombre de rango del conjunto
S.
Nota 1.5. Para hallar el rango de un sistema de vectores habrá que ir desechando
aquellos vectores que resulten ser combinación lineal de los que van quedando, hasta
que formen un sistema linealmente independiente: el número de vectores de este último
es el rango buscado.
Proposición 1.11. El rango de un conjunto de vectores no se altera si se realizan
en el operaciones elementales. Se entiende por operaciones elementales realizadas
sobre un conjunto de vectores las siguientes:
1. cambiar de posición dos vectores,

2. multiplicar un vector por un escalar,
3. sumarle a un vector otro vector del conjunto multiplicado por un escalar.
Nota 1.6. Si las componentes de cada uno de los vectores de un conjunto S de p
vectores de n componentes {v1 , v2 , . . . , vp } se denotan por vi = (vi1 , vi2 , . . . vin ), rea-
lizar operaciones elementales sobre el conjunto S es equivalente a realizar operaciones
elementales sobre las filas de una matriz de dimensión p×n cuyo término general es vij
(la fila i-ésima de la matriz coincide con las componentes del vector vi i = 1, . . . , p).
Proposición 1.12. Sea S = {a1 , a2 , . . . , ap } un conjunto formado por vectores de n
componentes
a1 = (a11 , a12 , . . . , a1n )
a2 = (a21 , a22 , . . . , a2n )
..
.
ap = (ap1 , ap2 , . . . , apn )
y sea A una matriz cuya fila i-ésima está formada por las n componentes del vector
ai ,
⎛ ⎞
a11 . . . a1n
⎜ ⎟
A = ⎝ ... ..
. ⎠
ap1 . . . apn p×n
Si A es una matriz escalonada equivalente a A (que siempre es posible hallar), el

rango de S coincide con el número de filas no nulas de A .
1.5. Rango de una matriz. Teorema de Rouché
Teorema 1.3. (del rango) Para cualquier matriz A = (aij ) de m filas y n columnas
se verifica que el rango del conjunto de sus m vectores filas (que se llama rango de
las filas de A) es igual al rango del conjunto de sus n vectores columna (que se llama
rango de las columnas de A). A cualquiera de estos dos rangos, iguales entre sı́, se le
llama rango de la matriz A, y se denota por rg(A).
Proposición 1.13. Para cualquier matriz A = (aij ) de m filas y n columnas se

verifica:
1. el rango de A no se altera si se realizan operaciones elementales en sus filas o

en sus columnas,
2. el rango de A es igual al número de filas no nulas de una matriz escalonada, E,

equivalente a A.
Teorema 1.4. (de Rouché) Considérese el sistema de ecuaciones

n
aij xj = bi (i = 1, . . . , m) (S)
i=1
Si A = (aij )m×n es la matriz de coeficientes de (S) y Ab = ( aij | bi )m×(n+1) es la

matriz ampliada de (S), entonces:
1. si rg( A ) = rg( Ab ) el sistema es incompatible.
2. Si rg( A ) = rg( Ab ), entonces:
a) si rg( A ) = n el sistema (S) es compatible determinado.

b) Si rg( A ) < n el sistema (S) es compatible indeterminado.
1.6. Operaciones entre matrices
Nota 1.7. En cuanto a la notación de las matrices se seguirá empleando la utilizada

hasta ahora: mayúsculas para designar las matrices y minúsculas para designar los
coeficientes o elementos de las matrices, A = (aij )m×n .
Definición 1.22. Se dice que dos matrices A = (aij )m×n y B = (bij )r×s son iguales
si tienen la misma dimensión (m = r y n = s) y además sus elementos son iguales
(aij = bij ; i = 1, . . . , m j = 1, . . . , n).
1.6. Operaciones entre matrices 37
Definición 1.23. Si A = (aij )m×n y B = (bij )m×n son dos matrices de la misma
dimensión entonces la matriz suma C = A + B es una matriz de la misma dimensión
que A y B cuyos elementos verifican:
cij = aij + bij (i = 1, . . . , m j = 1, . . . , n).
No se puede sumar matrices de distinta dimensión.
Definición 1.24. Si A es una matriz y λ es un escalar, entonces el producto λA es

otra matriz obtenida multiplicando todos los elementos de A por el escalar λ : λA =
(λaij )m×n .
Propiedades de la suma de matrices y del producto de matriz por escalar
Para cualesquiera que sean las matrices A, B y C de la misma dimensión y para

cualesquiera escalares λ y µ, se verifica:
1. A + (B + C) = (A + B) + C
2. A + B = B + A
3. A + 0 = A
4. A + (−A) = 0
5. (λ + µ)A = λA + µA
6. λ(A + B) = λA + λB
7. λ(µA) = (λµ)A
8. 1A = A
Nota 1.8. (0)m×n representa la matriz nula de dimensión m × n, y es aquella

cuyos elementos son todos iguales al escalar nulo. −A = (−aij )m×n se llama matriz
opuesta de A y es aquella de tamaño m×n cuyos elementos son los escalares opuestos
de los respectivos elementos de A.
Definición 1.25. Dadas dos matrices A = (aij )m×n y B = (bij )r×s , si n = r se

define la matriz producto de A por B y se representa por AB a la siguiente matriz
de dimensión (m × s) :

n
C = AB en donde cij = aik bkj
k=1
Si n = r el producto de matrices no está definido.

Propiedades de la multiplicación de matrices
Para tres matrices cualesquiera A, B y C de dimensiones respectivas m × n, n × r y

r × s se verifica
1. A(BC) = (AB)C
2. A(B + C) = AB + AC
3. (A + B)C = AC + BC

0 si i = j
4. AIn = A, en donde In = (δ ij )n×n con δ ij = recibe el nombre de
1 si i = j
matriz unidad.
Nota 1.9. El producto de matrices no es conmutativo.
Nota 1.10. Las matrices no son regulares o simplificables: AB = AC no implica

B = C.
Nota 1.11. Puede ser AB = (0) sin que sean A = (0) ó B = (0).
Nota 1.12. Un sistema lineal de ecuaciones se puede expresar como un producto de

n
matrices por ejemplo: aik xk = bi (i = 1, . . . , m) se puede poner como Ax = b con
k=1
A = (aij )m×n ; x = (xk )k=1,...,n y b = (bi )i=1,...,m .
Definición 1.26. Dada una matriz A de dimensión m × n se dice que A es una

matriz cuadrada de dimensión n si m = n. Si A es cuadrada y para i > j aij = 0,
se dice que A es triangular superior; si A es cuadrada y para i < j es aij = 0, se
dice que A es triangular inferior, si A es cuadrada y para i = j es aij = 0 se dice
que A es diagonal. Si m = 1 se dice que es una matriz fila, si n = 1 se dice que
es una matriz columna. Si A es cuadrada y para cualesquiera i y j es aij = aji se
dice que A es una matriz simétrica. Si A es cuadrada y para cualesquiera i y j es
aij = −aji se dice que A es una matriz antisimétrica.
Definición 1.27. Si A es una matriz cuadrada, la suma de los elementos de su

diagonal recibe el nombre de traza de A y se representa por tr(A) : si la dimensión

n
de A es n, tr(A) = aii .
i=1
Definición 1.28. Dada una matriz A de dimensión m × n se llama traspuesta de

la matriz A y se representa por At a la matriz de dimensión n × m que tiene por
elemento del lugar (ij) al elemento del lugar (ji) de A (las filas de A pasan a ser las
columnas de At y las columnas de A pasan a ser las filas de At ):
A = (aij )m×n ⇒ At = (atij )n×m con atij = aji (i = 1, . . . n; j = 1, . . . , m).

1.6. Operaciones entre matrices 39
Propiedades de la matriz traspuesta
1. (At )t = A
2. (A + B)t = At + B t (A y B de la misma dimensión)
3. (λA)t = λAt
4. (AB)t = B t At (A y B matrices multiplicables)
5. (A1 A2 · · · Ap )t = Atp Atp−1 · · · At1 (A1 A2 · · · Ap matrices multiplicables)
Nota 1.13. Si A es una matriz cuadrada A = At ⇐⇒ A es simétrica, A = −At ⇐⇒

A es antisimétrica. Para cualquier matriz cuadrada M , M +M t es simétrica y M −M t
es antisimétrica.
Definición 1.29. Si A es una matriz cuadrada de dimensión n y se puede encontrar

otra matriz cuadrada B tal que AB = BA = In (matriz unidad), se dice que A es una
matriz inversible. B se denomina matriz inversa de A y se representa por A−1 .
Propiedades de la matriz inversa
1. Si A tiene inversa entonces sólo tiene una inversa: AB = BA = In y AC =

CA = In ⇒ B = C.
2. Si A y B tienen inversa entonces el producto AB también tiene inversa:

(AB)−1 = B −1 A−1
Se puede generalizar el resultado anterior:
−1 −1
(A1 A2 · · · Ap )−1 = A−1
p Ap−1 · · · A1 .
3. Si A tiene inversa entonces su traspuesta también tiene inversa que vale:

(At )−1 = (A−1 )t .
Nota 1.14. Las matrices inversibles son simplificables (o regulares): AB = AC ⇒

B = C.
Nota 1.15. Dado el sistema de ecuaciones Ax = b, si la matriz A es inversible la

solución de S será única e igual a x =A−1 b.
Potencias de una matriz

A0 = In An = AA · · · A

n veces
−1 −1 −1
(A−1 )−1 = A A−n = (A−1 )n A
A · · · A
n veces
Ar As = Ar+s (Ar )s = Ars
(An )−1 = (A−1 )n (kA)−1 = k1 A−1
1.7. Cálculo de la inversa de una matriz
No todas las matrices cuadradas tienen inversa, ¿qué condiciones debe cumplir una
matriz cuadrada A de dimensión n para ser inversible? En lo que sigue se va a de-
terminar cuales son esas condiciones; durante el proceso, además, se desarrollará un
método sencillo para calcular A−1 .
Si la matriz B es la inversa de la matriz A (B = A−1 ) se verifica AB = In . La

ecuación AB = In se puede expresar como:
A(b1 , b2 , . . . , bn ) = (e1 , e2 , . . . , en ), (1.1)
donde (b1 , b2 , . . . , bn ) y (e1 , e2 , . . . , en ) representan las columnas de B e In respecti-

vamente:
⎛ ⎞
⎛ ⎞ 0
b1i ⎜ .. ⎟
⎜ ⎟ ⎜ . ⎟
⎜ b2i ⎟ ⎜ ⎟
bi = ⎜ .. ⎟ y ei = ⎜ ⎟
⎜ 1 ⎟ ←el 1 está en la posición i
⎝ . ⎠ ⎜ . ⎟
⎝ .. ⎠
bni
0
De (1.1) se deduce que si A tiene inversa se debe poder resolver los siguientes n
sistemas de ecuaciones (cada uno de ellos con n ecuaciones y n incógnitas)
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x1 1 x1 0 x1 0
⎜ x2 ⎟ ⎜ 0 ⎟ ⎜ x2 ⎟ ⎜ 1 ⎟ ⎜ x2 ⎟ ⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A⎜ .. ⎟=⎜ .. ⎟ A⎜ .. ⎟=⎜ .. ⎟ ... A⎜ .. ⎟=⎜ .. ⎟
⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠ ⎝ . ⎠
xn 0 xn 0 xn 1
(1.2)
1.8. Referencias bibliográficas 41
En particular si A es inversible la k-ésima columna de A−1 se obtendrá resolviendo

el sistema Ax = ek , k = 1, 2, . . . , n.
Proposición 1.14. Una matriz cuadrada, A, de dimensión n es inversible si y sola-

mente si el rango de A es n.
Demostración. Si el rango de A es n, los n sistemas anteriores tienen solución única

(las n columnas de A−1 ) y por lo tanto A tiene inversa. Si A tiene inversa ésta tiene
que ser única como se ha demostrado anteriormente y por lo tanto los n sistemas
anteriores deben ser compatibles determinados y para ello el rango de A debe ser
igual a n.
Se ha obtenido, además, un método para calcular A−1 : la resolución de los n sistemas

que aparecen en (1.2). Se pueden resolver todos a la vez convirtiendo, mediante opera-
ciones elementales en sus filas, la matriz ampliada A(e1 ,...,en ) en una matriz escalonada
reducida, In(b1 ,...,bn ) .
⎛ ⎞
a11 . . . a1n 1 ... 0
⎜ .. ⎟
A(e1 ,...,en ) = (A |In ) = ⎝ ... ..
.
..
.
..
. . ⎠
an1 . . . ann 0 ... 1
⇓
⎛ ⎞
1 ... 0 b11 . . . b1n
⎜ .. .. .. .. .. ⎟
In(b1 ,...,bn ) = (In |B ) = ⎝ . . . . . ⎠
0 ... 1 bn1 . . . bnn
Por lo tanto cada una de las columnas de B coincide con la solución de uno de los
sistemas de (1.2) y en consecuencia B = A−1 .
Definición 1.30. Una matriz cuadrada de dimensión n se dice que es no singular

si es inversible (si tiene rango n). Por el contrario se dirá que es singular si no es
inversible (si el rango es menor que n).
1.8. Referencias bibliográficas
Para obtener explicaciones más detalladas de la materia tratada en este tema consultar
el capı́tulo 1 de [1], los capı́tulos 1, 2 y 3 de [2], el 1 y el 2 de [10], los capı́tulos 1, 2,
3 y 4 del [11] y los capı́tulos 1, 2 y 3 de [12].
Para profundizar más en la materia ver [19].

Para estudiar métodos (numéricos) más eficientes de resolución de sistemas lineales

consultar [60], [65], [69], [61] y [63].
1.9. Ejercicios
1. Resuelve el sistema de ecuaciones
x1 + 3x2 − 5x3 + x4 = 4
2x1 + 5x2 − 2x3 + 4x4 = 6
Solución:
x2 = 2 + 8x3 + 2x4 y x1 = −2 − 19x3 − 7x4
2. Un departamento de pesca y caza de un determinado paı́s proporciona tres
tipos de comida a un lago que alberga tres especies de peces. Cada pez de la
especie 1 consume cada semana un promedio de una unidad del alimento 1, una
unidad del alimento 2 y dos unidades del alimento 3. Cada pez de la especie 2
consume cada semana un promedio de tres unidades del alimento 1, cuatro del
2 y cinco del 3. Para un pez de la especie 3, el promedio semanal de consumo
es dos unidades de alimento 1, una unidad del alimento 2 y cinco unidades del
3. Cada semana se proporcionan al lago 25000 unidades del alimento 1, 20000
unidades del alimento 2 y 55000 del 3. Si se supone que los peces se comen todo
el alimento, ¿cuántos peces de cada especie pueden coexistir en el lago?
Solución:
x1 = 40000 − 5x3 ; x2 = x3 − 5000 y 5000 ≤ x3 ≤ 8000. La condición sobre x3
se obtiene imponiendo que x1 ≥ 0, x2 ≥ 0 y x3 ≥ 0 ya que el número de peces
tiene que ser siempre positivo. Obsérvese que el número de soluciones es finito
(los 3001 enteros pertenecientes al intervalo [5000, 8000] ) debido a que los peces
no se pueden dividir.
3. Supóngase que las demandas externas en un sistema económico con tres indus-
trias son 10, 25 y 20 respectivamente. Además se sabe que a11 = 0,2, a12 = 0,5,
a13 = 0,15, a21 = 0,4, a22 = 0,1, a23 = 0,3, a31 = 0,25, a32 = 0,5 y a33 = 0,15
en donde aij representa el número de unidades de producción de la industria i
que se necesitan para producir una unidad de la industria j (aij xj representa
las unidades de xi necesarias para producir xj unidades de la industria j). Por
último se supondrá que la oferta es igual a la demanda.
Se pide plantear el sistema de ecuaciones lineales que determina la producción de
cada industria. (La producción de cada industria, xi , menos lo que se consume
3
de dicha industria en las tres industrias del sistema económico, aij xj , tiene
j=1
que ser igual a la demanda externa de la industria i).
Solución:
1.9. Ejercicios 43
⎫
0,8x1 − 0,5x2 − 0,15x3 = 10 ⎬
−0,4x1 + 0,9x2 − 0,3x3 = 25
⎭
−0,25x1 − 0,5x2 + 0,85x3 = 20
4. Dadas las matrices

⎛ ⎞
1 3 2 1
2 3 1 0 0 2 3
(a) , (b) , (c)⎝ 0 1 4 2 ⎠ ,
4 1 0 2 0 1 4
0 0 1 1
⎛ ⎞
1 2 −1 −2
(d)⎝ 0 2 −2 −3 ⎠
0 0 0 1
Se pide, para cada una de ellas, 1) si no es una matriz escalonada transformarla,
mediante operaciones elementales en sus filas, en una que si lo sea, 2) si la matriz
es escalonada transformarla, mediante operaciones elementales en sus filas, en
una matriz escalonada reducida.
Solución:

2 3 1
(a) No es una matriz escalonada,
0 −5 −2

2 0 1 4
(b) No es una matriz escalonada,
0 0 2 3
⎛ ⎞
1 0 0 5
(c) La matriz sı́ es escalonada, ⎝ 0 1 0 −2 ⎠
0 0 1 1
⎛ ⎞
1 0 1 0
(d) La matriz sı́ es escalonada, ⎝ 0 1 −1 0 ⎠
0 0 0 1
5. Resolver los siguientes sistemas lineales de ecuaciones

⎧ ⎧
⎨ 2x2 + x3 = −2 ⎨ 2x1 + 3x2 + x3 − x4 + x5 = 4
(a) 3x1 + 5x2 − 5x3 = 1 (b) −x1 + x2 + 7x4 − x5 = 2
⎩ ⎩
⎧ 2x1 + 4x2 − 2x3 = 2 3x1 + 2x2 − x3 + x5 = 1
⎪
⎪
⎪
⎪
⎨ x1 − 2x2 + 3x3 − x4 = −1
(c) 2x1 + x2 + 2x4 + x5 = 7
⎪
⎪
⎪
⎪ 3x2 + x3 − x4 = 2
⎩
5x1 + 3x2 − x3 − x4 = 12
Solución:
a) {x2 = −2, x1 = 7, x3 = 2}
b) {x5 = − 107 x1 + 7 x4 − 7 , x3 = 7 x1 + 7 x4 + 7 , x2 = − 7 x1 − 7 x4 + 7 , x1 =
36 5 5 10 6 3 13 9
x1 , x4 = x4 }
c) {x1 = x1 , x5 = − 77
5 x1 +
154
5 , x2 = 65 x1 − 75 , x4 = 61
10 x1 − 56
5 , x3 = 25 x1 − 5}
6. Estudiar la compatibilidad o incompatibilidad de los siguientes sistemas. Si el

sistema es compatible indicar si es determinado o indeterminado.
⎧ ⎧
⎨ 3x1 + 2x2 = 3 ⎨ 2x1 + x2 + x3 = 6
(a) x2 − x3 = 1 (b) 3x1 − 2x2 + 3x3 = 4
⎩ ⎩
x1 + x3 = 0 ⎧ x1 + 4x2 − x3 = 0
⎨ 2x1 + x2 + x3 = 6
2x1 + x2 + 3x3 = 1
(c) (d) 3x1 − 2x2 + 3x3 = 7
4x1 + 2x2 + 2x3 = 2 ⎩
⎧ ⎧x1 + 3x2 + 2x3 = 0
⎨ x1 + 2x2 = 5 ⎨ 2x1 − x3 = 0
(e) x1 − 3x2 = −5 (f) 3x1 − x2 − x3 = 0
⎩ ⎩
3x1 + x2 = 5 x1 − x2 = 0
Solución:
a) Compatible determinado.
b) Incompatible.
c) Compatible indeterminado (infinitas soluciones).
d ) Compatible determinado.
e) Compatible determinado.
f ) Compatible indeterminado (infinitas soluciones).
7. Hallar el rango de la siguiente matriz de números complejos

⎛ ⎞
1 i 3i 3
A=⎝ 2+i 1 1 + 2i 4 + i ⎠,
−1 + i 1 + i 1 + i −1 + i
Solución: Una matriz escalonada equivalente a A es:
⎛ ⎞
1 i 3i 3
⎝ 0 2 − 2i 4 − 4i −2 − 2i ⎠
0 0 0 0
y por lo tanto rg(A)=2.
8. Supóngase que A, B, C, D y E son cinco matrices con las siguientes dimensiones:

A4×5 , B4×5 , C5×2 , D4×2 , E5×4 . Se pide determinar cuáles de las siguientes
expresiones matriciales están definidas. Para aquellas que estén definidas dar la
dimensión de la matriz resultante
(a) BA (b) AC + D (c) AE + B (d) AB + B
(e) E(A + B) (f) E(AC) (g) E t A (h) (At + E)D
Solución:
1.9. Ejercicios 45
a) Indefinida
b) Definida, 4 × 2
c) Indefinida
d ) Indefinida
e) Definida, 5 × 5
f ) Definida, 5 × 2
g) Indefinida
h) Definida, 5 × 2
9. Considérense las matrices

⎛ ⎞
3 0
4 −1 1 4 2
A = ⎝ −1 2 ⎠ B= C=
0 2 3 1 5
⎛ 1 1 ⎞ ⎛ ⎞
1 5 2 6 1 3
D = ⎝ −1 0 1 ⎠ E = ⎝ −1 1 2 ⎠
3 2 4 4 1 3
Se pide calcular las siguientes expresiones:
(a) D + E (b) D − E (c) 5A (d) −7C
(e) 2B − C (f) 4E − 2D (g) −3(D + 2E) (h) A − A
(i) tr(D) (j) tr(D − 3E) (k) 4tr(7B) (l) tr(A)
Solución:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
7 6 5 −5 4 −1 15 0
(a) ⎝ −2 1 3 ⎠ (b) ⎝ 0 −1 −1 ⎠ (c) ⎝ −5 10 ⎠
7 3 7 −1 1 1 ⎛ 5 5 ⎞
22 −6 8
−7 −28 −14
(d) (e) Indefinido (f) ⎝ −2 4 6 ⎠
−21 −7 −35
⎛ ⎞ ⎛ ⎞ 10 0 4
−39 −21 −24 0 0
(g) ⎝ 9 −6 −15 ⎠ (h) ⎝ 0 0 ⎠ (i) 5
−33 −12 −30 0 0
(j) -25 (k) 168 (l) Indefinido
10. Considérense las matrices
⎛ ⎞
2 1
2 3 1 2 ⎜ 4 0 ⎟
A= B= C=⎜
⎝ 8
⎟
1 4 1 4 −1 ⎠
⎛ ⎞ ⎛⎞ 3 2
2 1 3 6 2
⎜ 2 0 0 4 ⎟ ⎜ 3 ⎟ 1
D=⎜
⎝ 1
⎟ E=⎜ ⎟ U= ,V = 2 4
−1 1 −1 ⎠ ⎝ 1 ⎠ 3
1 3 1 2 1
Se pide calcular las siguientes expresiones:
(a) AB y BA (b) AU y V A (c) DC (d) U V y V U

(e) V (BU ) (f) BU (g) CA (h) CB
(i) C(BU ) (j) (AB)U y A(BU ) (k) (BA)U y B(AU )
Solución:
⎛ ⎞
50 11
5 16 4 11 11 ⎜ 16 10 ⎟
(a) y (b) y 8 22 (c) ⎜
⎝ 3
⎟
5 18 6 19 13 −2 ⎠
28 4
2 4 7
(d) y 14 (e) 66 (f)
⎛ 6 12 ⎞ ⎛ ⎞ ⎛ 13 ⎞
5 10 3 8 27
⎜ 8 12 ⎟ ⎜ 4 8 ⎟ ⎜ 28 ⎟
(g) ⎜
⎝ 15 20 ⎠
⎟ (h) ⎜
⎝
⎟ (i) ⎜ ⎟
7 12 ⎠ ⎝ 43 ⎠
8 17 5 14
47
53 53 37
(j) y (k)
59 59 63
11. Sea M = AB el producto de las matrices A y B. Compruébese que si A tiene

una fila nula, entonces también M tiene una fila nula y que si B tiene una
columna nula, entonces M también tiene una columna nula.
12. Dadas las siguientes matrices,

⎛ ⎞
1 6 2
−1 6 0 1
F = ⎝ −2 3 5 ⎠ B= C=
2 −12 1 0
⎛ 7 12 −4
⎞ ⎛ ⎞
3 1 0 3 2 1
2 1
J = ⎝ 1 −1 2 ⎠ E=⎝ 0 2 2 ⎠ A=
3 2
1 1 1 ⎛ 0 0 −1 ⎞
⎛ ⎞ 1 −3 0 −2
2 −1 4
⎜ 3 −12 −2 −6 ⎟ a a
G = ⎝ −1 0 5 ⎠ H=⎜
⎝ −2
⎟ D=
10 2 5 ⎠ b b
19 −7 3
−1 6 1 3
se pide determinar para cada una de ellas (a) sı́ es inversible o no, (b) en el caso
de que sea inversible determinar su inversa.
Solución:
1.9. Ejercicios 47
La matriz F es singular La matriz

⎛ B es singular ⎞
3/8 1/8 −1/4
0 1
C −1 = J −1 = ⎝ −1/8 −3/8 3/4 ⎠
1 0
⎛ ⎞ −1/4 1/4 1/2
1/3 −1/3 −1/3
2 −1
E −1 = ⎝ 0 1/2 1 ⎠ A−1 =
−3 2
0 0 −1 ⎛ ⎞
0 1 0 2
⎜ 1 −1 −2 2 ⎟
La matriz G es singular H −1 = ⎜
⎝ 0
⎟
1 3 −3 ⎠
−2 2 3 −2
La matriz D es singular
13. Discutir (en función de α) y resolver cuando sea compatible el siguiente sistema
de ecuaciones: ⎫
αx + y + z = 1 ⎬
x + αy + z = α
⎭
x + y + αz = α2
Solución:
α = −2 → sistema incompatible.
α = 1 → sistema admite infinitas soluciones (comp. det.): x = 1 − y − z, y y z
variables libres.
α = −2 y α = 1, el sistema tiene solución única x = − α+2
1
(α + 1) , z =
(α+1)2 1
α+2 , y = α+2 .
Capı́tulo 2
Determinantes
2.1. Introducción
El interés de este tema estriba en el hecho de que tradicionalmente muchos resultados

matemáticos se expresan en términos de determinantes y es importante entender la
notación, el significado, y las reglas de cálculo asociadas a estos objetos matemáti-
cos. Ejemplos de contextos en los que aparecen son: el jacobiano de un cambio de
variables (se verá en el tema de integración en varias variables), el cálculo del área de
un paralelogramo, la definición de producto vectorial (tema de espacio euclı́deo), la
definición de operador rotacional (tema de cálculo vectorial), etc.. A menudo, para de-
mostrar resultados teóricos, las soluciones de sistemas lineales se escriben en términos
de determinantes.
2.2. Desarrollo de un determinante a partir de los

elementos de una lı́nea
Definición 2.1. Sea A = (aij ) i=1,2 . El determinante de A se define como

j=1,2

a a12
det(A) = |A| = 11 = a11 a22 − a12 a21
a21 a22
Definición 2.2. Sea A = (aij )n×n una matriz cuadrada de dimensión n y sea Mr,s
la matriz que se obtiene al eliminar la fila r y la columna s de la matriz A (Mr,s es
una submatriz de A). El real det(Mr,s ) recibe el nombre de menor del elemento ars
de A.
49
50 Capı́tulo 2. Determinantes
Definición 2.3. El escalar Aij = (−1)i+j det(Mi,j ) recibe el nombre de adjunto del
elemento aij de A.
Definición 2.4. Sea A una matriz cuadrada de dimensión n. El determinante de A

se define como:

n
det(A) = a11 A11 + . . . + an1 An1 = ai1 Ai1
i=1
en donde Ai1 es el adjunto del elemento ai1 .
Nota 2.1. Los determinantes únicamente se definen sobre matrices cuadradas.
Nota 2.2. Considérese la naturaleza recursiva de la definición: si A es 3 × 3 entonces

el determinante de A es det(A) = a11 A11 + a21 A21 + a31 A31 y los adjuntos A11 , A21 y
A31 se pueden evaluar a partir de la definición 2.1. De forma similar la expresión de un
determinante de una matriz de dimensión 4 es igual a la suma de cuatro determinantes
de orden 3 multiplicados cada uno de ellos por un escalar.
Nota 2.3. El desarrollo de un determinante de orden n tiene n! sumandos, cada

uno de ellos siendo un producto de n factores. Cada uno de estos n! sumandos es
de la forma ε(σ)a1σ(1) a2σ(2) . . . anσ(n) en donde σ(1), σ(2), . . . , σ(n) representa una de
las n! permutaciones de 1, 2, . . . , n y ε(σ) el signo de la correspondiente permutación
(positivo si el número de intercambios de dos elementos necesarios para ordenar la
permutación es par y negativo si es impar). Siguiendo esta notación el determinante
de una matriz A, cuadrada de dimensión n, se puede expresar como

det(A) = ε(σ)a1σ(1) a2σ(2) . . . anσ(n)
σ∈Σn
En donde Σn representa el conjunto de las n! permutaciones de 1, 2, . . . , n.
Nota 2.4. En el sumando a1σ(1) . . . anσ(n) aparece un representante y sólo uno de

todas las filas y columnas de la matriz.
Ejemplo 2.1. Calcular el determinante de la matriz

⎛ ⎞
1 −1 −3 2
⎜ 2 2 2 −3 ⎟
A=⎜ ⎝ 0
⎟
⎠
3 −1 −2
2 1 0 1
Solución: det(A) = 1A11 + 2A21 + 0A31 + 2A41 = −15 − 36 + 0 − 12 = −63 ,
ya que
2.2. Desarrollo de un determinante a partir de los elementos de una lı́nea 51

2 2 −3
−1 −2 2 −3 2 −3
A11 = 3 −1 −2 = 2

− 3
+ 1 = −15
1 0 1 0 1 −1 −2
0 1

−1 −3 2

A21 = − 3 −1 −2
1 0 1

−1 −2 −3 2 −3 2

= − −1
− 3 + 1 = −18
0 1 0 1 −1 −2

−1 −3 2

A41 = − 2 2 −3

3 −1 −2

2 −3 −3 2 −3 2
= − −1 − 2
+ 3
2 = −6
−1 −2 −1 −2 −3
Nota 2.5. El determinante se puede calcular a partir de los elementos de cualquier
lı́nea (fila o columna)

n
n n
n
det(A) = ai1 Ai1 = a1i A1i = aki Aki = aik Aik , k = 1, . . . , n
i=1 i=1 i=1 i=1

⎛ ⎞
3 0 0 0
⎜ 1 2 0 0 ⎟
T =⎜⎝ 2
⎟
3 2 0 ⎠
1 4 5 1
Solución:
2 0 0
2 0
det(T ) = 3 3 2 0 = 3 · 2 ·
= 3 · 2 · 2 · 1 = 12.

4 5 1
5 1
Obsérvese que para calcular el determinante de la matriz anterior ha bastado con

multiplicar los elementos de su diagonal. Esto es siempre ası́ para cualquier matriz
triangular inferior como enuncia el siguiente teorema.
Teorema 2.1. Sea T = (tij ) una matriz triangular inferior de dimensión n, entonces:

n
det(T ) = t11 t22 . . . tnn = tii
i=1
Demostración. (por inducción)

t11 0

k = 2, cierto ya que = t11 t22 ,
t21 t22
k = n − 1 se supone cierto (hipótesis de inducción),
k = n,
⎛ ⎞
t11 0 ... 0
t22 ... 0
⎜ t21 t22 ... 0 ⎟
⎜ ⎟ . .. ..
det(T ) = ⎜ .. .. .. .. ⎟ = t11 .. . . = t11 t22 . . . tnn .
⎝ . . . . ⎠
tn2 . . . tnn
tn1 tn2 ... tnn
Nota 2.6. Si T es una matriz triangular superior sucede lo mismo.
2.3. Cálculo de un determinante mediante opera-

ciones elementales en las filas
Teorema 2.2. Si una matriz A tiene una fila o una columna de ceros entonces
det(A) = 0.
Demostración. Basta desarrollar el determinante a partir de la fila o columna nula.

Teorema 2.3. Sea A una matriz cuadrada de dimensión n,
1. si A es la matriz que resulta de multiplicar una fila de A por el escalar λ

entonces det(A ) = λ det(A).
2. si A es la matriz que se obtiene al intercambiar dos filas de A entonces det(A ) =
− det(A).
3. si A es la matriz que se obtiene al añadir un múltiplo de una fila de A a otra
fila de A entonces det(A ) = det(A).
Nota 2.7. El teorema anterior también es válido si las operaciones se realizan sobre
las columnas.
El teorema 2.3 permite desarrollar un método alternativo para calcular el determi-

nante de una matriz:
Mediante las transformaciones elementales descritas en el teorema 2.3 se trans-

forma la matriz dada, A, en una matriz escalonada E.
2.4. Propiedades del determinante 53
Una matriz escalonada cuadrada es siempre triangular superior por lo que el

determinante de E se calcula multiplicando los elementos de su diagonal.
Se obtiene el determinante de A a partir del determinante de E utilizando el

teorema 2.3

⎛ ⎞
1 2 0 2
⎜ −1 2 3 1 ⎟
A=⎜ ⎝ −3
⎟
2 −1 0 ⎠
2 −3 −2 1
Solución:
1 2 0 2 1 2 0 2 1 2 0 2

−1 2 3 1 0 4 3 3 1 0 4 3 3
det(A) = =
=
−3 2 −1 0 0 8 −1 6 4 0 8 −1 6

2 −3 −2 1 0 −7 −2 −3 0 −28 −8 −12

1 2 0 2 1 2 0 2

1 0 4 3 3 0 4 3 3 1
= 4 = 1
= · 4 · (−7) · (9) = −63.
0 0 −7 0 4 0 0 −7 0 4

0 0 13 9 0 0 0 9
La siguiente proposición también resulta útil para el cálculo del determinante.
Proposición 2.1. Si A es una matriz cuadrada de dimensión n entonces
det(A) = det(At )
2.4. Propiedades del determinante
Proposición 2.2. El rango de una matriz cuadrada de dimensión n, A, es igual a n

Ssi det(A) = 0
rg(A) = n ⇔ det(A) = 0
Corolario 2.4. Una matriz cuadrada, A, es inversible Ssi det(A) = 0.
Corolario 2.5. Los vectores fila o columna de una matriz A son linealmente depen-
dientes Ssi det(A) = 0.
Proposición 2.3. Sea A una matriz cuadrada de dimensión n y k un escalar cual-

quiera.
det(kA) = k n det(A).

ka11 ka12 ka13 a11 a12 a13

por ejemplo: ka21 ka22 ka23 = k 3 a21
a22 a23

ka31 ka32 ka33 a31 a32 a33
Proposición 2.4. Si A y B son dos matrices cuadradas
det(AB) = det(A) det(B).
Proposición 2.5. Si A es una matriz cuadrada inversible
det(A−1 ) = 1
det(A) .
Nota 2.8. En general det(A + B) = det A + det B.
2.5. Aplicaciones del determinante
2.5.1. Obtención de la inversa de una matriz
Dada un matriz cuadrada de dimensión n, A, conocer el valor de det(A) permite

determinar no sólo la existencia de inversa de A, sino que, además, en caso de que
exista A−1 es posible obtener su expresión en función de det(A). Para ello es necesario
seguir los siguientes pasos:
Se calculan los adjuntos de todos y cada uno de los elementos aij de A (i, j =
1, . . . , n) y se construye la matriz adjunta de A que se denota por Adj(A).
⎛ ⎞
A11 A21 . . . An1
⎜ A12 A22 . . . An2 ⎟
⎜ ⎟ (1)
Adj(A) = ⎜ . .. . . .. ⎟
⎝ .. . . . ⎠
A1n A2n . . . Ann
Se obtiene la inversa de A dividiendo la matriz adjunta de A por el determinante

de A.
1
A−1 = Adj(A)
det(A)
Ejemplo 2.4. Hallar la inversa de

⎛ ⎞
3 2 −1
A=⎝ 1 6 3 ⎠
2 −4 0
1 Cada elemento de A se sustituye por su adjunto y se traspone la matriz resultante.
2.5. Aplicaciones del determinante 55
Solución: ⎛ ⎞
6 3 2 −1
− 2 −1
⎜ −4 0 −4 0 3 ⎟ ⎛ ⎞
⎜ 6 ⎟ 12 4 12
⎜ 1 3 3 −1 3 −1 ⎟
Adj(A) = ⎜
⎜ − 2 0

− ⎟=⎝ 6 2 −10 ⎠
⎜ 2 0 1
3 ⎟
⎟
⎝ 1 −16 16 16
6 3
2 3 2 ⎠

2 −4 − 2 −4 1 6

2 −1 3 −1
det(A) = 2 + 4 = 64
6 3 1 3
⎛ ⎞ ⎛ ⎞
12 4 12 3/16 1/16 3/16
1 1 ⎝
A−1 = Adj(A) = 6 2 −10 ⎠ = ⎝ 3/32 1/32 −5/32 ⎠
det(A) 64
−16 16 16 −1/4 1/4 1/4
2.5.2. Cálculo del rango de una matriz
Teorema 2.6. Sea A una matriz de dimensión m × n. Se verifica que rg(A) = r ≤

mı́n(m, n) Ssi existe al menos una submatriz Ar de A de orden r ×r tal que det(Ar ) =
0 y todos los menores de orden r + 1 son nulos.
Nota 2.9. Del teorema anterior se concluye que para determinar el rango de una
matriz puede recurrirse a los menores: buscando uno que sea no nulo y tal que todos
los de mayor orden sean nulos, el orden del menor no nulo es el rango de la matriz.
Sin embargo el encontrar un menor que cumpla las condiciones anteriores puede ser
muy laborioso. Esta búsqueda se puede simplificar si se procede metódicamente:
Se toma una submatriz de A, A2 , de orden 2 tal que el menor correspondiente

sea no nulo (det(A2 ) = 0) y se orla con una fila fija i y con sucesivas columnas. Si
todos los menores de orden tres que ası́ se obtienen son nulos se puede prescindir
de la fila i, pues es combinación lineal de las de A2 .
Se repite el proceso con otras filas hasta:
* descubrir que todos los menores de orden 3 ası́ obtenidos son nulos, en cuyo
caso el rango de A es 2,
* o encontrar un menor de orden 3 no nulo (p.e. det(A3 ) = 0) en cuyo caso
el rango de A será ≥ 3. A partir de aquı́ habrá que orlar a A3 con una fila
y con sucesivas columnas siguiendo el mismo proceso que con A2 , lo que
lleva bien a que el rango es 3 (si todos los menores de orden 4 son nulos),
bien a que el rango es mayor o igual que 4 (cuando se encuentre un menor
de orden 4 no nulo). Siguiendo ası́ se llega a un menor no nulo del mayor
tamaño posible; este tamaño es el rango buscado.
Ejemplo 2.5. Determinar el rango de la matriz

⎛ ⎞
1 4 2 3
⎜ −1 −1 1 0 ⎟
A=⎜
⎝ 3
⎟
4 −2 1 ⎠
3 12 6 9

Solución:
1 4

−1 −1 = 0 ⇒ rg(A) ≥ 2

1 4 2 1 4 3

−1 −1 1 = 0, −1 −1 0 = 0 ⇒ la fila 3 4 −2 1 es c.l. de las dos

3 4 −2 3 4 1
primeras.

1 4 2 1 4 3

−1 −1 1 = 0, −1 −1 0 = 0 ⇒ la fila 3 12 6 9 es c.l. de las dos

3 12 6 3 12 9
primeras. Por lo tanto todos los menores de orden 3 de la matriz A son nulos y el
rango de A es 2.
Nota 2.10. En cualquier caso el método que se acaba de describir para la determina-
ción del rango de una matriz es mucho más lento que el método, descrito en el tema
anterior, de obtener una matriz escalonada mediante operaciones elementales en las
filas de la matriz. Esta diferencia en la eficacia de ambos métodos va aumentando con
la dimensión de la matriz A.
2.5.3. Regla de Cramer
Consideremos el sistema lineal

n
aij xj = bi (i = 1, 2, ..., n) (2.1)
j=1
o, en forma matricial
Ax = b . (2.2)
La solución se puede escribir como
Adj(A)
x = A−1 b = b. (2.3)
det(A)
Como se tiene que ⎛ n ⎞

i=1 bi Ai1
⎜ n
bi Ai2 ⎟
⎜ i=1 ⎟
⎜ n ⎟
Adj(A)b = ⎜ i=1 bi Ai3 ⎟ (2.4)
⎜ .. ⎟
⎝ ⎠
n .
i=1 bi Ain
obtenemos, por tanto, la fórmula (llamada regla de Cramer):

a11 ... a1,i−1 b1 a1,i+1 ... a1n

a21 ... a2,i−1 b2 a2,i+1 ... a2n

.. .. .. .. .. .. ..
. . . . . . .

an1 ... an,i−1 bn an,i+1 ... ann
xi = (2.5)
det(A)
es decir, xi es el cociente entre el determinante de la matriz A con la columna i−ésima
sustituida por b y el determinante de A.
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
el capı́tulo 2 de [1], el 4 de [2], el 3 de [10], el 7 del [11] y el 12 de [12].
Para profundizar más en el tema, estudiando los determinantes como un caso par-
ticular de forma multilineal alternada y por lo tanto introduciéndose en el álgebra
tensorial, ver [5], [18] y [35].
2.7. Ejercicios
1. Dada la matriz
⎛ ⎞
−x 1 3 −1 4
⎜ 1 0 1 x 2 ⎟
⎜ ⎟
A=⎜
⎜ 4 −3 −2 0 −2x ⎟
⎟,
⎝ 0 3x 7 −3 2 ⎠
1 1 x x 1
hallar el coeficiente del término x5 que aparece en el cálculo del valor del deter-
minante de A.
Solución: 6
2. Dada la matriz
⎛ ⎞
1 2 0 1
⎜ 3 −1 5 2 ⎟
A=⎜
⎝ 1 −2 3
⎟,
4 ⎠
0 −3 0 −1
se pide:
a) Calcular los menores complementarios |M21 | , |M22 | , |M23 | y |M24 |.

b) Hallar los cofactores o adjuntos A21 , A22 , A23 y A24 .
c) Determinar el valor de det(A).
Solución:
a) 3, -3, 13, 9
b) -3, -3, -13, 9
c) -53
3. Hallar el valor de los siguientes determinantes desarrollando por una fila o co-
lumna
2 0 0 0 2 −3 1 4 3 −1 2 1

0 0 3 0 0 −2 0 0 4 3 1 −2
(a)
(b) (c)
0 −1 0 0 3 7 −1 2 −1 0 2 3

0 0 0 4 4 1 −3 8 6 2 5 2

2 0 0 1 0
1 −1 2 4
0 3 −1 2 1
0 −3 5 6
(d)
(e) 2 4 3 1 −2
1 4 0 3
7 −1 0 2 3
0 5 −6 7 4 6 2 5 2
Solución:
a) 24
b) 80
c) 0
d ) -260
e) -200
4. Sabiendo que

a11 a12 a13

a21 a22 a23 =3

a31 a32 a33
2.7. Ejercicios 59
calcular:

a11 a13 a12 a11 a12 a13

(a) a21 a23 a22 (b) −a21 −a22 −a23

a31 a33 a32 2a31 2a32 2a33
a11 − 2a13 a12 a13 a31 a32 a33

(c) a21 − 2a23 a22 a23
(d) 2a21 − 4a11 2a22 − 4a12 2a23 − 4a13

a31 − 2a33 a32 a33 a11 a12 a13
Solución:
a) -3
b) -6
c) 3
d ) -6
5. Demostrar que si una matriz cuadrada, A, de dimensión n es antisimétrica,

entonces
|A| = (−1)n |A|
¿Cuál es el valor de |A| si n es impar?

Solución:
Si n es impar |A| = 0.
6. Calcular el valor del siguiente determinante,

1 1 1 ... 1

x x2 x3 . . . xn
1
x21 x22 x23 x2n

.. .. .. ..
.
n−1. . .
x xn−1 xn−1 n−1
. . . xn
1 2 3

Solución: (xk − xj )
1≤j<k≤n
7. Dada la matriz
⎛ ⎞
a b c d
⎜ −b a −d c ⎟
A=⎜
⎝ −c
⎟,
d a −b ⎠
−d −c b a
se pide:
a) calcular AAt .
b) hallar, utilizando el resultado del apartado anterior, el determinante de A.
Solución:
a) AAt = (a2 + b2 + c2 + d2 )I4

b) det(A) = (a2 + b2 + c2 + d2 )2
8. Hallar el valor de los siguientes determinantes

0 1 0 1 + x1
1 0 x2 x3 ... xn
−1 a 0 x 1 + x2 x3 ... xn
0 0 1

(a) 0 0 a
0 0 (b) x1 x2 1 + x3 ... xn
−1 0 0 . .. .. ..
a 0 .
. . . .
0 0 0
0 a x x x3 . . . 1 + xn
1 2
α α ... α β

α α ... β α

.. ..
(c) ... ... . .

α β ... α α

β α ... α α
Solución:
a) 2a3
b) 1 + x1 + x2 + x3 + . . . + xn
n2
−n
c) (−1)( 2 2) (β − α)n−1 [(n − 1)α + β]
Capı́tulo 3
Espacios vectoriales
3.1. Introducción
A menudo, conjuntos de objetos matemáticos como los polinomios o las matrices que
se usan constantemente en las aplicaciones de las matemáticas a la ciencia y a la
ingenierı́a admiten un tratamiento análogo a los vectores estudiados en el capı́tulo
1. Cuando en varios conjuntos distintos aparecen estructuras similares es conveniente
extraer las propiedades comunes y dar un nombre a la estructura resultante (espacio
vectorial en el caso que nos ocupa). La principal ventaja que se obtiene es que estu-
diando esta estructura, quedan estudiadas todas las estructuras particulares que en
ella se encuadran. De este modo los distintos resultados que se deducen de la definición
de espacio vectorial y que se estudiarán (algunos de ellos) en este capı́tulo se pueden
aplicar no solo a los vectores de lRn sino a cualquier conjunto de objetos que cumpla
la definición de espacio vectorial como por ejemplo las matrices y los polinomios.
3.2. Definición de espacio vectorial
Definición 3.1. Sea V un conjunto no vacı́o, + una ley de composición interna

(l.c.i.) definida sobre los elementos de V y · una ley de composición externa (l.c.e.)
definida entre los elementos de V y los de un cuerpo de escalares lK. Se dice que
la estructura (V,+,· ) es un espacio vectorial sobre el cuerpo de escalares lK (o lK-
espacio vectorial) si las dos leyes de composición verifican las siguientes propiedades:
1. u + (v + w) = (u + v) + w, ∀u, v, w ∈V
61
62 Capı́tulo 3. Espacios vectoriales
2. u + v = v + u, ∀u, v ∈V
3. ∃0 ∈V t.q. u + 0 = u, ∀u ∈V
4. ∀u ∈V ∃ − u ∈ V t.q. u + (−u) = 0
5. λ · (u + v) =λ · u+λ · v, ∀u, v ∈V, ∀λ∈lK
6. (λ + µ) · u =λ · u+µ · u, ∀u ∈V, ∀λ, µ∈lK
7. (λ · µ) · u =λ · (µ · u), ∀u ∈V, ∀λ, µ∈lK
8. ∃1 ∈ lK t.q. 1 · u = u, ∀u ∈V
Nota 3.1. Los elementos de V se denominan vectores.
Nota 3.2. En la mayorı́a de los casos con los que se trabajará en esta asignatura el
cuerpo lK será el cuerpo de los reales. En los casos restantes consideraremos que lK es
C. Por ello si al lector le resulta más sencillo, puede considerar en todo cuanto sigue
que el cuerpo al que nos referimos es alguno de los dos anteriores y todo cuanto se
diga podrá extenderse a otros cuerpos.
Ejemplo 3.1. Algunos ejemplos de espacios vectoriales son los siguientes:
El conjunto de los vectores geométricos con la l.c.i. suma geométrica de vectores

y la l.c.e. producto de vector por real es un espacio vectorial (e.v.) sobre lR.
El conjunto de las matrices de dimensión m×n con la l.c.i. suma de matrices y la

l.c.e. producto de escalar por matriz es un e. v. que se representa por Mm,n (lK).
Este espacio vectorial, en los casos en que la matriz sea cuadrada, también se
podrá representar como Mn (lK).
El conjunto de todos los polinomios en la variable x con coeficientes reales (P (x))

con la l.c.i. suma de polinomios y la l.c.e. producto de polinomio por real es un
e. v. sobre lR.
El conjunto de todos los polinomios de grado menor o igual que n (Pn (x)) con
las mismas operaciones que en el caso anterior también es un e.v. sobre lR. Sin
embargo el conjunto de todos los polinomios de grado n (P n (x)) también con
las mismas operaciones no es un espacio vectorial.
El conjunto de todas las soluciones de un sistema lineal homogéneo de ecuaciones

con coeficientes en lK con la l.c.i. suma de soluciones y la l.c.e. producto de
escalar por solución es un e.v. sobre lK.
Nota 3.3. En lo que sigue, y salvo casos en los que puedan existir ambigüedades, el
producto de escalar por vector se representará por λu en vez de λ · u.
3.3. Subespacios vectoriales 63
Proposición 3.1. Sea V un espacio vectorial sobre un cuerpo lK, u un vector de V

y k un escalar de lK. Entonces:
1. 0u = 0
2. k0 = 0
3. (−1)u = −u
4. Si ku = 0 entonces k = 0 ó u = 0.
3.3. Subespacios vectoriales
Tal como se vio en el último ejemplo del apartado anterior, los conjuntos Pn (x) y P (x)
dotados de las mismas operaciones tienen ambos estructura de e.v.. Como Pn (x) es
además un subconjunto de P (x), se dice que Pn (x) es un subespacio vectorial de P (x).
Es evidente que esto no ocurre para cualquier subconjunto de P (x), por ejemplo P n (x)
no es un subespacio vectorial de P (x).
Definición 3.2. Sea V un e.v. y W un subconjunto no vacı́o de V. Se dice que W es

un subespacio vectorial (s.e.v.) de V si W dotado de las mismas operaciones definidas
sobre V es a su vez un e.v..
Caracterización de un subespacio vectorial. Para que W sea un s.e.v. tiene que

verificarse:

a) u, v ∈W ⇒ u + v ∈W
ó λu+µv ∈W λ, µ ∈ lK; u, v ∈W
b) λ ∈ lK, u ∈W ⇒ λu ∈W
Nota 3.4. Dado un e.v. V, existen dos subconjuntos de V que trivialmente son s.e.v.
de V :
V,
{0}.
Nota 3.5. El vector nulo pertenece a todos los s.e.v. de V .
Ejemplo 3.2. A continuación se muestran algunos casos particulares de subespacios

vectoriales:

1. El conjunto U = (x, y, z) ∈ lR3 3x − 2y + 4z = 0 es un s.e.v. del espacio lR3

u ∈ U ⇒ u = ( 23 u2 − 43 u3 , u2 , u3 )
⇒
v ∈ U ⇒ v = ( 23 v2 − 43 v3 , v2 , v3 )

2 4
αu+βv = (αu2 + βv2 ) − (αu3 + βv3 ), αu2 + βv2 , αu3 + βv3
3 3
2 4
= ( λ2 − λ3 , λ2 , λ3 ) ∈ U,
3 3
2. El conjunto de los polinomios de variable real cuyo grado es ≤ 5 es un s.e.v. del

espacio de los polinomios de variable real.
P5 = {polinomios de grado ≤ 5}

p(x) ∈ P5 ⇒ p(x) = a0 + a1 x + . . . + a5 x5
⇒
q(x) ∈ P5 ⇒ q(x) = b0 + b1 x + . . . + b5 x5
λp(x) + µq(x) = (λa0 + µb0 ) + (λa1 + µb1 )x + . . . + (λa5 + µb5 )x5 ∈ P5
3. El conjunto formado por las soluciones de un sistema homogéneo de m ecuacio-

nes con n incógnitas y coeficientes reales es un s.e.v. de lRn . Dado el sistema
⎫
a11 x1 + a12 x2 + . . . + a1n xn = 0 ⎪
⎪
⎪
⎬
a21 x1 + a22 x2 + . . . + a2n xn = 0
.. ⇔ Ax = 0,
. ⎪
⎪
⎪
⎭
am1 x1 + am2 x2 + . . . + amn xn = 0
si u y v son soluciones del sistema anterior Au = 0 y Av = 0, entonces es
evidente que el vector αu+βv también lo es.
4. El conjunto de las matrices simétricas de orden n es un s.e.v. de las matrices

cuadradas de orden n.
Proposición 3.2. La intersección de cualesquiera subespacios de un e.v. V es, a su

vez, un s.e.v. de V .
Nota 3.6. Por el contrario la unión de subespacios de un e.v. V, en general, no es un

subespacio de V.
Por ejemplo si se consideran los subespacios

U1 = (x, 0) ∈ lR2 x ∈ lR y U2 = (0, y) ∈ lR2 y ∈ lR
El conjunto U1 ∪ U2 no es un s.e.v. ya que (1, 0) ∈ U1 ∪ U2 y (0, 1) ∈ U1 ∪ U2 y sin

embargo (1, 0) + (0, 1) = (1, 1) ∈
/ U1 ∪ U2 .
3.4. Bases y dimensión de un espacio vectorial 65
3.4. Bases y dimensión de un espacio vectorial
3.4.1. Sistema generador
Ası́ como es posible obtener cualquier color a partir de los tres colores básicos (ama-
rillo, rojo y azul) mezclándolos en distintas proporciones, las operaciones suma de
vectores y producto de escalar por vector definidas en un e.v. V, permiten calcular
nuevos vectores a partir de un cierto número de elementos de V.
Definición 3.3. Sea S = {v1 , v2 , . . . vm } un conjunto de m vectores de un e.v. V y
sea W un s.e.v. de V. Si S ⊂ W y todos los vectores de W se pueden escribir como
combinación lineal de {v1 , v2 , . . . vm } se dice que S = {v1 , v2 , . . . vm } es un sistema
generador de W.
Proposición 3.3. El conjunto de todos los vectores que se pueden expresar como
combinación lineal de los vectores de S tiene estructura de espacio vectorial y recibe
el nombre de subespacio generado (o engendrado) por S. Se representa por
S ó v1 , v2 , . . . vm
Proposición 3.4. W = v1 , v2 , . . . vm es el subespacio más pequeño que contiene a

S = {v1 , v2 , . . . vm } , en el sentido de que cualquier otro s.e.v. que contenga a S debe
contener a W.
Nota 3.7. {v1 , v2 , . . . vp } es un sistema generador de W ⇔ W es el s.e.v. engendrado
por {v1 , v2 , . . . vp } .
Ejemplo 3.3. Casos particulares de conjuntos de vectores que constituyen sistemas
generadores de subespacios.

1. Dado W2 = (x1 , x2 , x3 ) ∈ lR3 t.q. x1 − x2 = 0 el conjunto de vectores {v =
(1, 1, 0), u = (0, 0, 1)} es un sistema generador de W2 . W2 es el s.e.v. engendrado
por u y v. W2 es el subespacio más pequeño que contiene a u y v.

2. El conjunto de polinomios 1, x, x2 , x3 , x4 , x5 es un sistema generador del s.e.v.
P5 .
3. ¿Es el conjunto {v1 = (1, 1, 2), v2 = (1, 0, 1), v3 = (2, 1, 3)} un sistema genera-
dor de lR3 ? Para contestar a la pregunta hay que determinar si cualquier vector
de lR3 se puede expresar como combinación lineal de v1 , v2 y v3 .
(u1 , u2 , u3 ) = k1 (1, 1, 2) + k2 (1, 0, 1) + k3 (2, 1, 3) ⇔

⎫
k1 + k2 + 2k3 = u1 ⎬
k1 + k3 = u2 (3.1)
⎭
2k1 + k2 + 3k3 = u3
Por lo tanto un vector cualquiera de lR3 , u = (u1 , u2 , u3 ), se podrá expresar

como c.l. de v1 , v2 y v3 si el sistema (3.1) es compatible. Para que (3.1) sea
compatible para cualquier vector u es necesario y suficiente que el rango de la
matriz de coeficientes que llamaremos A sea 3,

1 1 2

como |A| = 1 0 1 = 0
2 1 3
el rango de A es menor que 3, el sistema (3.1) no será siempre compatible,

existirán vectores u para los que no existen k1 , k2 y k3 que satisfagan (3.1) y
por lo tanto el conjunto {v1 , v2 , v3 } no es un sistema generador de lR3 .
4. Por el contrario {v1 = (1, 1, 2), v2 = (1, 0, 1), v3 = (2, 1, 3), v4 = (0, 0, 1)} si es
un sistema generador de lR3 pues el sistema
⎫
k1 + k2 + 2k3 = u1 ⎬
k1 + k3 = u2
⎭
2k1 + k2 + 3k3 + k4 = u3
es siempre compatible indeterminado independientemente de cuál sea el vector

u. Obsérvese que la forma de expresar u en función de v1 , v2 , v3 y v4 no es
única.
3.4.2. Base de un espacio vectorial
Definición 3.4. Sea V un espacio vectorial y S = {v1 , . . ., vn } un conjunto de

vectores de V. Se dice que S es una base de V si:
1. S es linealmente independiente,
2. S es un sistema generador de V.
Teorema 3.1. Si B = {v1 , . . ., vn } es una base de un espacio vectorial V, entonces
cualquier vector de V se puede expresar de forma única como combinación lineal de
vectores de B:
n
u= λi vi
i=1
Demostración. Queda claro, a partir de la definición de sistema generador, que

cualquier vector de V se puede expresar de la forma anterior. Falta por demostrar
que existe una única forma de hacerlo. Supóngase que hubiera dos formas

n
n
u= λi v i y u = µi vi
i=1 i=1
3.4. Bases y dimensión de un espacio vectorial 67

n
u−u=0= (λi − µi )vi ⇒ (debido a que v1 , . . ., vn son lin. indptes.) λi − µi = 0
i=1
(i = 1, . . . , n) ⇒ µi = λi (i = 1, . . . , n).
Definición
n 3.5. Si B = {v1 , . . ., vn } es una base de un espacio vectorial V y
u = i=1 λi vi es la expresión de u en función de la base B, entonces los escalares
λ1 , . . . , λn se llaman coordenadas (o componentes) de v respecto a la base B.
Nota 3.8. Dada una base, B, de V a cada vector de V se le puede asociar uno
y sólo un vector de lKn formado por las n coordenadas de v en la base B, que se
designará por vB .
Nota 3.9. Dos bases que contengan los mismos vectores pero en órdenes distintos
son distintas.
Ejemplo 3.4. Casos particulares de conjuntos de vectores que constituyen bases de
espacios vectoriales.
1. Dados e1 = (1, 0, 0), e2 = (0, 1, 0) y e3 = (0, 0, 1), B = {e1 , e2 , e3 } es una base

de lR3 .
2. {e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, . . . , 0, 1)} es una base de lRn .

1 0 0 1 0 0 0 0
3. A1 = , A2 = , A3 = , A4 = consti-
0 0 0 0 1 0 0 1
tuyen una base de M2 (lR) (conjunto de las matrices cuadradas de dimensión 2
con coeficientes reales). ∀C ∈ M2 (lR)

c11 c12 1 0 0 1 0 0 0 0
= c11 + c12 + c21 + c22
c21 c22 0 0 0 0 1 0 0 1
Dada la base B = {A1 , A2 , A3 , A4 } , a cada matriz C de M2 (lR) se le puede

asociar un vector de lR4 :

c11 c12
= CB = (c11 , c12 , c21 , c22 )tB
c21 c22

4. El conjunto B = 1, x, x2 , . . . , xn es una base del espacio vectorial Pn de los
polinomios de grado ≤ n en la variable x. En esta base se le puede asociar a
cada polinomio de Pn un vector de lRn :
p(x) = a0 + a1 x + a2 x2 + . . . + an xn , pB = (a0 , a1 , . . . , an )
5. El conjunto {v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4)} es una base de lR3 . Para
comprobar que esta afirmación es cierta basta con demostrar que el sistema
⎫
k1 + 2k2 + 3k3 = u1 ⎬
2k1 + 9k2 + 3k3 = u2
⎭
k1 + 0k2 + 4k3 = u3
es compatible determinado para cualesquiera valores de u1 , u2 y u3 .
3.4.3. Espacios vectoriales de dimensión finita
Proposición 3.5. Sea G = {u1 , u2 , . . . , um } un sistema generador de un espacio

vectorial V (V = {0}). Se verifica que:
1. Si G es un conjunto de vectores linealmente dependiente, entonces existe al

menos un subconjunto G ⊂ G (G = G) tal que G es un sistema generador de
V.
2. Si G es un conjunto de vectores linealmente independiente, no existe ningún
subconjunto de G (G =
G) que sea sistema generador de V.
Teorema 3.2. Todas las bases de un espacio vectorial engendrado por un número
finito de vectores tienen el mismo número de elementos.
Definición 3.6. Al número de vectores que forman parte de una base cualquiera de
un espacio vectorial, V (V = {0}), engendrado por un número finito de vectores se le
llama dimensión de V.
Nota 3.10. La dimensión de un espacio vectorial, V, es el número máximo de vectores
linealmente independientes que se pueden extraer de V.
Nota 3.11. La dimensión de un espacio vectorial es el número mı́nimo de vectores
que contiene un sistema generador de V .
Nota 3.12. Los espacios vectoriales engendrados por un número finito de vectores
reciben el nombre de espacios vectoriales de dimensión finita.
Ejemplo 3.5.
1. dim(lRn ) = n
2. dim(Mn,m (lR)) = n · m
3. dim(Pn ) = n + 1
Nota 3.13. Si V es un espacio vectorial y W ⊂ V es un s.e.v. de V, entonces:
dim(W ) ≤ dim(V ).
Teorema 3.3. (de la base incompleta) Sea V un e.v. de dimensión finita n y S =

{u1 , u2 , . . . , up } un sistema linealmente independiente de p vectores de V con p < n.
Entonces es posible encontrar un conjunto S de n − p vectores tales que S ∪ S sea
una base de V. Es más, los vectores de S se pueden tomar de entre los de una base
cualquiera B = {e1 , . . . , en } .
Ejemplo 3.6. Obtener una base de lR3 que contenga a a = (1, −1, 2) y b = (0, 1, −2).
3.5. Cambio de base 69
Solución:
Los vectores a y b son linealmente independientes. El teorema anterior asegura que
existe otro vector de lR3 (al que llamaremos c) tal que {a, b, c} constituye una base
de lR3 . El vector c, que se puede elegir de muchas maneras, puede ser, en particular,
el vector e2 . (un vector de la base canónica de lR3 linealmente independiente con
respecto a b y a).
3.5. Cambio de base
Nota 3.14. A partir de ahora los vectores de n componentes se van a representar

como vectores columna ⎛ ⎞
x1
⎜ ⎟
v = (x1 , . . . , xn )t = ⎝ ... ⎠
xn
Ejemplo introductorio
Sea V un espacio vectorial de dimensión 3, B = {e1 , e2 , e3 } y B = {u1 , u2 , u3 }

dos bases de V. Si se conocen las coordenadas de un vector v respecto a la base B ,
v =y1 u1 + y2 u2 + y3 u3 , y las coordenadas de los tres vectores de B con respecto a
la base B :
u1 =a11 e1 +a21 e2 +a31 e3
u2 =a12 e1 +a22 e2 +a32 e3 (3.2)
u3 =a13 e1 +a23 e2 +a33 e3
¿Cuáles son las coordenadas de v respecto de la base B?
Para resolver el problema se parte de la igualdad
v =x1 e1 + x2 e2 + x3 e3 = y1 u1 + y2 u2 + y3 u3
Si en la igualdad anterior se sustituyen los valores de u1 , u2 y u3 en función de e1 , e2

y e3 según las relaciones (3.2) se obtiene:
x1 e1 + x2 e2 + x3 e3 = y1 (a11 e1 +a21 e2 +a31 e3 )

(3.3)
+y2 (a12 e1 +a22 e2 +a32 e3 ) + y3 (a13 e1 +a23 e2 +a33 e3 )
Si se tiene en cuenta que un vector se descompone de forma única en función de los

vectores de una base, la igualdad (3.3) implica que los coeficientes que multiplican a
e1 , e2 y e3 a ambos lados de la igualdad deben ser iguales:

⎛ ⎞ ⎛ ⎞
x1 =a11 y1 +a12 y2 +a13 y3 x1 y1
x2 =a21 y1 +a22 y2 +a23 y3 ⇔ ⎝ x2 ⎠ = A ⎝ y2 ⎠
x3 =a31 y1 +a32 y2 +a33 y3 x3 y3
⎛ ⎞
a11 a12 a13
donde A = ⎝ a21 a22 a23 ⎠ = u1 u2 u3 {e } recibe el nombre de matriz
i
a31 a32 a33
de cambio de base (de la base B a la base B). Obsérvese que las columnas de A son
las coordenadas de los vectores ui en la base ei .
Teorema 3.4. Sean B = {e1 , . . . , en } y B = {u1 , . . . , un } dos bases de un espacio
vectorial, V, de dimensión n. Si se conoce la expresión de los vectores de la base B
en función de la base B :

n
ui = aji ej = a1i e1 + . . . + ani en (i = 1, . . . , n),
j=1
⎛ ⎞
a11 . . . a1n
⎜ .. . . .. ⎟
la matriz A = ⎝ . . . ⎠ se llama matriz de cambio de base (de B a B)
an1 . . . ann
y posee las siguientes propiedades:
1. Las columnas de A representan las coordenadas de los vectores de B respecto

de la base B.
⎛ ⎞
a11 . . . a1n
⎜ .. .. .. ⎟
A=⎝ . . . ⎠ = u1 . . . un {ei }
an1 ... ann
2. det(A) = 0.
3. Si (x1 , . . . , xn )t y (y1 , . . . , yn )t son las coordenadas de un vector v en las bases
B y B , respectivamente, entonces:
⎛ ⎞ ⎛ ⎞
x1 y1
⎜ .. ⎟ ⎜ . ⎟
⎝ . ⎠ = A ⎝ .. ⎠
xn yn
4. A−1 es la matriz de cambio de base de B a B .

Nota 3.15. La relación entre los vectores de B y B también se puede expresar

matricialmente

u1 . . . un {c } = e1 . . . en {c } A
i i
e1 . . . en {c } = u1 . . . un {c } A−1
i i

donde u1 . . . un {ci } es una matriz cuadrada de dimensión n cuyas columnas
son las coordenadas de los vectores ui en función
de una cierta
base ci . Si se hace
coincidir ci con ei , e1 . . . en {ei } = In y u1 . . . un {ei } = A.
Ejemplo 3.7. Se conoce la relación entre dos bases de un lR- espacio vectorial de
dimensión 3
u1 = −3e1 +0e2 +e3
u2 = −3e1 +2e2 −e3
u3 = e1 +6e2 −e3
Dado el vector v = 4e1 + e2 − e3 = (4, 1, −1)t{ei } determinar cuál es su expresión en

la base ui .
Solución: De acuerdo con lo dicho anteriormente, las coordenadas y1 , y2 , y3 del vector

v en la base {ui } estarán relacionadas con las coordenadas en la base {ei } a través
de la relación matricial
⎛ ⎞ ⎛ ⎞⎛ ⎞
4 −3 −3 1 y1
⎝ 1 ⎠=⎝ 0 2 6 ⎠ ⎝ y2 ⎠ .
−1 1 −1 −1 y3
Por tanto,
⎛ ⎞ ⎛ ⎞−1 ⎛ ⎞
y1 −3 −3 1 4
⎝ y2 ⎠ = ⎝ 0 2 6 ⎠ ⎝ 1 ⎠
y3 1 −1 −1 −1
⎛ ⎞⎛ ⎞ ⎛ ⎞
−1/8 1/8 5/8 4 −1
= ⎝ −3/16 −1/16 −9/16 ⎠ ⎝ 1 ⎠ = ⎝ −1/4 ⎠ .
1/16 3/16 3/16 −1 1/4
Es decir, v = − u1 − 14 u2 + 14 u3 .
Ejemplo 3.8. Considérense las bases B = {e1 , e2 , e3 } y B = {u1 , u2 , u3 } cuyas
coordenadas respecto de una base B = {w1 , w2 , w3 } son las siguientes:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
3 1 −1
e 1 = ⎝ 1 ⎠ , e2 = ⎝ 1 ⎠ , e3 = ⎝ 0 ⎠
−5 −3 2
⎛⎞ ⎛ ⎞ ⎛ ⎞
2 2 1
u1 = ⎝ 1 ⎠ , u2 = ⎝ −1 ⎠ , u3 = ⎝ 2 ⎠ ,
1 1 1
se pide:
1. Determinar la matriz de cambio de base de B a B .

2. Expresar el vector v{wi } = (−5, 8, −5)t en la base B y utilizar la matriz de
cambio de base obtenida en 1 para hallar v{ui } .
Solución:
1. La matriz de cambio de base de B a B es

⎛ ⎞
3 1 −1
A1 = ⎝ 1 1 0 ⎠,
−5 −3 2
y la de B a B es ⎛ ⎞
2 2 1
A2 = ⎝ 1 −1 2 ⎠ .
1 1 1
Por tanto, la matriz de cambio de base de B a B será
⎛ ⎞−1 ⎛ ⎞
2 2 1 3 1 −1
A = A−1
2 A1 = ⎝ 1 −1 2 ⎠ ⎝ 1 1 0 ⎠
1 1 1 −5 −3 2
⎛ ⎞
35/2 19/2 −13/2
= ⎝ −19/2 −11/2 7/2 ⎠ .
−13 −7 5
2.
⎛ ⎞ ⎛ ⎞−1 ⎛ ⎞ ⎛ ⎞
−5 3 1 −1 −5 −7/2
v{ei } = A−1
1
⎝ 8 ⎠ = ⎝ 1 1 0 ⎠ ⎝ 8 ⎠ = ⎝ 23/2 ⎠ ,
−5 −5 −3 2 −5 6
y para expresar v en la base {ui } podemos usar v{ei } hallado arriba y aplicar
la matriz de cambio de base de B a B (matriz A):
⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
−7/2 35/2 19/2 −13/2 −7/2 9
v{ui } = A ⎝ 23/2 ⎠ = ⎝ −19/2 −11/2 7/2 ⎠ ⎝ 23/2 ⎠ = ⎝ −9 ⎠ .
6 −13 −7 5 6 −5
Por tanto, v{ui } = (9, −9, 5)t .
3.6. Ecuaciones paramétricas y ecuaciones implı́citas de un subespacio vectorial 73
3.6. Ecuaciones paramétricas y ecuaciones implı́ci-

tas de un subespacio vectorial
Ecuaciones paramétricas
Sea W un s.e.v. de dimensión p de un espacio vectorial, V, de dimensión n. Cualquier

vector
de W se puede
expresar de forma única como c.l. de los vectores de una base,
B = u1 , . . . , up , de W
v ∈ W ⇒ v =t1 u1 + . . . + tp up ⇒ (x1 , . . . , xn )t{ei } = t1 u1 + . . . + tp up ⇒
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x1 u11 u12 u1p
⎜ .. ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ . ⎠ = t1 ⎝ ... ⎠ + t2 ⎝ ..
. ⎠ + . . . + tp ⎝ ..
. ⎠ ⇒
xn {e un1 {e } un2 {e } unp {e
i} i i i}
⎫
x1 = t1 u11 + t2 u12 + . . . + tp u1p ⎪⎪
⎪
x2 = t1 u21 + t2 u22 + . . . + tp u2p ⎬
.. (1)
. ⎪
⎪
⎪
⎭
xn = t1 un1 + t2 un2 + . . . + tp unp
donde {e1 , . . . , en } es una base cualquiera de V.

Definición 3.7. Al sistema de ecuaciones (1) se le llama sistema de ecuaciones
paramétricas de W.
Ejemplo 3.9. Unas ecuaciones paramétricas del subespacio vectorial de lR3 , W2 =<
(1, 1, 0)t , (0, 0, 1)t > son:
x1 = λ
x2 = λ
x3 = µ
Ecuaciones implı́citas
Definición 3.8. Si en el sistema (1) se eliminan los parámetros t1 , . . . , tp se obtiene

un sistema homogéneo de n − p ecuaciones que reciben el nombre de ecuaciones
implı́citas de W.

El sistema (1) es un sistema compatible determinado por ser u1 , . . . , up una base
de W, y por ello habrá únicamente p ecuaciones linealmente independientes. Para
eliminar los p parámetros ti (i = 1, . . . , p) éstos se despejan en función de las xi
(i = 1, . . . , n) utilizando las ecuaciones linealmente independientes y se sustituyen en

las n − p restantes, obteniéndose un sistema homogéneo de n − p ecuaciones que son
las ecuaciones implı́citas de W.
Nota 3.16. Para obtener las ecuaciones paramétricas y por lo tanto una base a partir
de las ecuaciones implı́citas basta con resolver el sistema homogéneo. Las incógnitas
libres serán los parámetros.
Ejemplo 3.10. En lR6 determinar unas ecuaciones paramétricas e implı́citas del s.e.v.

S = (1, 1, 0, 1, 0, 1)t{ei } , (0, 2, 0, 2, 0, 1)t{ei } , (0, 0, 0, 1, 0, 1)t{ei }
referido a la base {e1 , e2 , e3 , e4 , e5 , e6 } .
Solución: para obtener unas ecuaciones paramétricas de S se busca en primer lugar

una base de S. Como (1, 1, 0, 1, 0, 1)t{ei } , (0, 2, 0, 2, 0, 1)t{ei } y (0, 0, 0, 1, 0, 1)t{ei } cons-
tituyen un sistema generador de S y además son linealmente independientes forman
también una base de S. Una vez obtenida una base, las ecuaciones paramétricas se
obtienen imponiendo que cualquier vector del subespacio S se puede expresar como
combinación lineal de los tres vectores de la base:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x1 1 0 0
⎜ x2 ⎟ ⎜ 1 ⎟ ⎜ 2 ⎟ ⎜ 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ x3 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ = α⎜ 0 ⎟ + β⎜ 0 ⎟ + γ ⎜ 0 ⎟
⎜ x4 ⎟ ⎜ 1 ⎟ ⎜ 2 ⎟ ⎜ 1 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ x5 ⎠ ⎝ 0 ⎠ ⎝ 0 ⎠ ⎝ 0 ⎠
x6 1 1 1
La ecuación vectorial anterior da lugar a seis ecuaciones escalares que constituyen
unas ecuaciones paramétricas de S:
⎧
⎪
⎪ x1 = α
⎪
⎪
⎪
⎪ x2 = α + 2β
⎨
x3 = 0
S= ,
⎪
⎪ x4 = α + 2β + γ
⎪
⎪
⎪
⎪ x5 = 0
⎩
x6 = α + β + γ
Si se despeja α de la primera ecuación, β de la segunda, γ de la cuarta y se introducen

sus expresiones en función de x1 , x2 y x4 en las restantes tres ecuaciones se obtienen
unas ecuaciones implı́citas de S:
⎧ 1
⎨ 2 x1 − 12 x2 + x4 − x6 = 0
S= x3 = 0
⎩
x5 = 0
3.7. Suma de subespacios 75
Proposición 3.6. Sea W un subespacio vectorial de un espacio vectorial, V , de

dimensión n. Si el número de ecuaciones implı́citas linealmente independientes es r,
la dimensión de W es n − r.
Nota 3.17. (Casos extremos)
1. r = n, n ecuaciones linealmente independientes → El sistema homogéneo úni-

camente admite la solución nula, W = {0} .
2. r = 1, 1 ecuación linealmente independiente → dim W = n − 1.
3.7. Suma de subespacios
Definición 3.9. Sean U1 y U2 dos subespacios vectoriales de un espacio vectorial V.

Se denomina suma de U1 y U2 al conjunto
U1 + U2 = {u1 + u2 u1 ∈ U1 , u2 ∈ U2 }
Proposición 3.7. El conjunto definido en la anterior definición es un s.e.v. de V, es

más, se trata del menor de todos los s.e.v. de V que contiene a U1 y U2 .
Ejemplo 3.11. En el e.v. lR4 se consideran los subespacios U1 = {(α, β, 0, 0)α, β ∈ lR}
y U2 = {(0, λ, µ, 0)λ, µ ∈ lR}. Entonces:
U1 + U2 = {(x, y, z, 0)x, y, z ∈ lR}
Definición 3.10. Sean U1 y U2 dos subespacios vectoriales de un espacio vectorial

V. Se dice que U1 + U2 es una suma directa de subespacios vectoriales y se escribe
U1 ⊕ U2 si cualquier vector de dicha suma de subespacios puede expresarse de una
única forma como suma de vectores de U1 y U2 .
Definición 3.11. Si U1 + U2 es una suma directa (U1 + U2 = U1 ⊕ U2 ) se dice que

U1 y U2 son subespacios independientes.
Proposición 3.8. Los s.e.v. U1 y U2 son independientes Ssi su intersección es nula.
Proposición 3.9. La suma U1 + U2 es directa Ssi
∀u1 ∈ U1 y ∀u2 ∈ U2 , u1 + u2 = 0 ⇒ u1 = u2 = 0
Definición 3.12. En un espacio vectorial V, dos subespacios U1 y U2 se dicen su-

plementarios en V si cualquier vector v ∈V se puede expresar de forma única como
suma de un vector de U1 más un vector de U2 .
Nota 3.18. Según la definición de suma directa se verifica:

U1 + U2 = V
U1 y U2 son suplementarios en V ⇔ U1 ⊕ U2 = V ⇔
U1 ∩ U2 = {0}
Proposición 3.10. En un espacio vectorial V de dimensión finita se verifica:
⎛ ⎞
U1 y U2 son suplementarios en V
B = B1 ∪ B2
1. ⎝ B1 es una base de U1 ⎠⇒ .
es una base de V
B2 es una base de U2
2. U1 y U2 son suplementarios en V ⇒ dim U1 + dim U2 = dim V .
⎛ ⎞ ⎛ ⎞
B = {e1 , . . . , es , es+1 , . . . , en } base de V U1 y U2 son
3. ⎝ U1 = e1 , . . . , es ⎠ ⇒ ⎝ suplementarios ⎠.
U2 = es+1 , . . . , en en V
4. Todos los s.e.v. de V tienen algún s.e.v. suplementario en V .
Proposición 3.11. Si U1 y U2 son dos s.e.v. de un e.v., V, de dimensión finita, se

verifica:
dim U1 + dim U2 = dim(U1 + U2 ) + dim(U1 ∩ U2 )
los capı́tulos 3 y 4 de [1], el capı́tulo 5 de [2], el 4 de [10], el 5 del [11], el 4 de [12] y
el 5 de [7].
Para profundizar más en el tema ver [19] y [9].
3.9. Ejercicios
1. Comprobar que el conjunto C(lR, lR), de las funciones continuas de lR en lR, es
un espacio vectorial real respecto de las operaciones usuales (suma de funciones
y producto de escalar por función).
2. Se consideran las siguientes funciones de C(lR, lR) : {sen(x), 1, x, x2 , . . . , xn },
estudiar si la primera de ellas es una combinación lineal de las demás.
Solución: No es una combinación lineal.
3. Indicar si los siguientes subconjuntos son o no subespacios vectoriales de los
espacios vectoriales que se indican en cada apartado:
3.9. Ejercicios 77
a) W1 = {(x, y, z) ∈ lR3 x = z} de lR3

b) W2 = {(x, y, z, t) ∈ lR4 x = 1} de lR4
c) W3 = {(x, y) ∈ lR2 x ≥ 0 e y ≥ 0} de lR2
d ) W4 = {(x, y, z) ∈ lR3 x = z, 2x + z = 0} de lR3
e) W5 = {(x, y) ∈ lR2 x = 0 ó y = 0} de lR2
f ) W6 = {(x, y) ∈ lR2 ex + y = 0} de lR2
Solución:
a) Si
b) No
c) No
d ) Si
e) No
f ) No
4. Escribir el vector u = (1, 3)t ∈ lR2 como combinación lineal de los vectores de
lR2
a) (1, 1)t , (1, 0)t

b) (3, 1)t , (−1, 1)t , (2, 3)t
Nota: se supondrá que todos los vectores que aparecen en el enunciado están
referidos a la misma base de lR2
Solución:
a) u = 3(1, 1)t − 2(1, 0)t

b) u = (1 − 54 α)(3, 1)t + (2 − 74 α)(−1, 1)t + α(2, 3)t (Existen infinitas opciones)
5. Escribir, si es posible, el vector u = (1, −1, 4)t ∈ lR3 como combinación lineal
de los siguientes vectores de lR3 .
a) (1, 1, 2)t , (0, 0, 1)t

b) (2, −2, 0)t , (−1, 1, 2)t
c) (1, 0, 1)t , (0, 1, 1)t , (1, 1, 0)t
referidos a la misma base de lR3 .
Solución:
a) No es posible expresar u como combinación lineal de (1, 1, 2)t y (0, 0, 1)t

b) u = 32 (2, −2, 0)t + 2(−1, 1, 2)t
c) u = 3(1, 0, 1)t + (0, 1, 1)t − 2(1, 1, 0)t
6. Considérese el e.v. V = M2,2 (lR), de las matrices cuadradas de tamaño 2 × 2, y

sea S = {M1 , M2 , M3 , M4 } el sistema formado por las matrices:

0 0 0 1 1 1 1 0
M1 = M2 = M3 = M4 =
0 1 0 1 0 0 1 0
Se pide:
a) comprobar que S es una base de V,

b) hallar las coordenadas x1 , x2 , x3 , x4 en la base S de una matriz genérica,
M, de V.

a b
M=
c d
Solución:
(b) x1 = a − b − c + d, x2 = −a + b + c, x3 = a − c, x4 = c
7. Estudiar si son base de lR3 los siguientes conjuntos de vectores (todos ellos
referidos a la base canónica de lR3 ):
a) B1 = {(1, 2, 3)t , (0, 0, 1)t , (−1, 1, 0)t }

b) B2 = {(1, 1, 1)t , (2, 0, 1)t , (4, 2, 3)t }
c) B3 = {(1, 0, 0)t , (0, 1, 0)t , (0, 0, 1)t }
d ) B4 = {(3, −1, 0)t , (0, 1, 2)t }
e) B5 = {(1, 1, 1)t , (0, 0, 1)t , (0, −1, 0)t , (3, 0, 1)t }
Solución:
a) B1 es una base de lR3

b) B2 no es una base de lR3
c) B3 es una base de lR3
d ) B4 no es una base de lR3
e) B5 no es una base de lR3
8. En el e.v. de los polinomios de grado menor o igual que 4, se consideran los

polinomios:
p1 (x) = 3 − 2x + x2 + 4x3 + x4
3.9. Ejercicios 79
p2 (x) = 4 − x + x2 + 6x3 − 2x4

p3 (x) = 7 − 8x + 3x2 + ax3 + bx4
hallar a y b para que el subespacio que engendran p1 , p2 y p3 sea de dimensión
2. Hallar una base de este subespacio y determinar las coordenadas en ella de
los tres polinomios dados.
Solución: a = 8, b = 9. Base del s.e.v.: B = {p1 , p2 }. Coordenadas de los tres
polinomios en la base B : p1 = (1, 0)tB , p2 = (0, 1)tB , p3 = (5, −2)tB
9. Dados los vectores a1 = (1, 2, 0, 0)t , a2 = (1, 2, 3, 4)t y a3 = (3, 6, 0, 0)t de lR4 ,
se pide:
a) determinar una base del subespacio vectorial a1 , a2 , a3 e indicar cual es

su dimensión,
b) hallar unas ecuaciones paramétricas de a1 , a2 , a3 ,
c) determinar unas ecuaciones implı́citas de a1 , a2 , a3 .
Nota: los tres vectores del enunciado están referidos a la base canónica de lR4 .
Solución:
a) Base de a1 , a2 , a3 = {(1, 2, 0, 0)t , (0, 0, 3, 4)t }

⎧ ⎫ ⎫
⎪
⎪ x1 = α ⎪ ⎪ ⎪
⎪
⎨ ⎬ ⎬
x 2 = 2α
b) a1 , a2 , a3 = (x1 , x2 , x3 , x4 ) ∈ lR
t 4
, ∀α, β ∈ lR
⎪
⎪ x3 = 3β ⎪ ⎪ ⎪
⎪
⎩ ⎭ ⎭
x4 = 4β

c) a1 , a2 , a3 = (x1 , x2 , x3 , x4 )t ∈ lR4 2x1 − x2 = 0, 4x3 − 3x4 = 0

10. Sea W = (x, y, z)t ∈ lR3 x + y + z = 0 y sea v = (2, −1, −1)t{ei } ∈ W. Se
pide:
a) comprobar que BW = {(−1, 0, 1)t{ei } , (−1, 3, −2)t{ei } } es una base de W,

b) hallar las coordenadas de v respecto de BW ,
c) hallar las coordenadas de v respecto de la base B de lR3 dada por B =
{(1, 1, 0)t{ei } , (0, 1, 1)t{ei } , (2, 0, 1)t{ei } }.
Solución:
b) v = − 53 (−1, 0, 1)t{ei } − 1
3 (−1, 3, −2)t{ei } = (− 53 , − 13 )tBW
c) v = ( 23 , − 53 , 23 )tB
11. Considérense los conjuntos de polinomios S = {p1 , p2 , p3 } y T = {q1 , q2 , q3 },

donde:
p1 (x) = 1 + 2x + 5x2 + 3x3 + 2x4
p2 (x) = 3 + x + 5x2 − 6x3 + 6x4
p3 (x) = 1 + x + 3x2 + 2x4
q1 (x) = 2 + x + 4x2 − 3x3 + 4x4
q2 (x) = 3 + x + 3x2 − 2x3 + 2x4
q3 (x) = 9 + 2x + 3x2 − x3 − 2x4
Si U y V son los subespacios de P4 engendrados por S y T respectivamente,
hallar la dimensión y una base de los subespacios U + V y U ∩ V .
Nota 1: la unión de una base de U con una base de V forma un sistema
generador de U + V, por lo tanto para hallar una base de U + V basta con
extraer de la unión anterior aquellos vectores linealmente independientes.
Nota 2: un vector que pertenezca a U ∩V debe verificar, a la vez, las ecuaciones
implı́citas de U y de V, por lo tanto para hallar las ecuaciones implı́citas de U ∩V
basta con agrupar las de U y V y eliminar aquellas que sean combinación lineal
del resto.
Solución: la dimensión de U + V es 3 y una base de U + V es, por ejemplo,
{r1 (x) = p1 (x), r2 (x) = −5x − 10x2 − 15x3 , r3 (x) = −2x3 + 4x4 − 4x5 }. La
dimensión de U ∩ V es 1 y una base de U ∩ V es, por ejemplo, {q1 }.
12. Dados los subespacios vectoriales de lR4 .
W1 = {(x, y, z, t) ∈ lR4 2x = y, 2z = t}
W2 = {(x, y, z, t) ∈ lR4 x + y + z + t = 0}
W3 = {(x, y, z, t) ∈ lR4 x = y = z = t}
Se pide:
a) calcular los subespacios vectoriales W1 + W2 , W1 + W3 , W2 + W3 ,

b) calcular los subespacios vectoriales W1 ∩ W2 , W1 ∩ W3 , W2 ∩ W3 ,
c) ¿son suplementarios los subespacios W1 y W2 ? ¿Y los subespacios W2 y
W3 ?
Solución:

a) W1 +W2 = lR4 ; W1 +W3 = (x, y, z, t) ∈ lR4 y = 2x − 2z + t ; W2 +W3 =
lR4
b) W1 ∩ W2 = {(x, y, z, t) ∈ lR4 2x = y, 2z = t, x + y + z + t = 0}; W1 ∩ W3 =
{0} ; W2 ∩ W3 = {0}
c) W1 y W2 no son subespacios suplementarios. W2 y W3 si son subespacios
suplementarios.
3.9. Ejercicios 81
13. La red cristalina del titanio tiene estructura hexagonal. Los vectores
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2,6 0 0
u1 = ⎝ −1,5 ⎠ , u2 = ⎝ 3 ⎠ , u3 = ⎝ 0 ⎠
0 0 4,8
forman una base para la celda unitaria, en donde las coordenadas de los tres
vectores están referidas a la base canónica de lR3 y representan distancias en Å
(1Å = 10−8 cm). En aleaciones de titanio puede haber algunos átomos adicio-
nales en la celda unitaria en los sitios octaédricos y tetraédricos (ası́ llamados
por los objetos geométricos que forman los átomos en esos lugares). Una de las
posiciones octaédricas es ⎛ ⎞
1/2
a0 = ⎝ 1/4 ⎠ ,
1/6
respecto de la base de la red. Se pide determinar las coordenadas de este sitio
relativas a la base canónica de lR3 .
Solución: a0 = (1,3, 0, 0,8)t{ei } .
14. Siguiendo con la red cristalina del titanio y sabiendo que una de las posiciones
tetraédricas es ⎛ ⎞
1/2
at = ⎝ 1/2 ⎠ ,
1/3
respecto de la base de la red. Se pide determinar las coordenadas de este sitio
relativas a la base canónica de lR3 .
Solución: at = (1,3, 0,75, 1,6)t{ei } .
Capı́tulo 4
Aplicaciones lineales
4.1. Introducción
Cuando se define un espacio que engloba objetos matemáticos de una determinada

naturaleza, es porque interesa realizar algún tipo de operación con ellos. En el caso de
los espacios vectoriales, las operaciones habituales (rotaciones, reflexiones, etc.) son
expresables como aplicaciones lineales y entran dentro del dominio de la geometrı́a. En
la mecánica de medios continuos o en el estudio de fenómenos de transporte se vuelven
muy útiles los conceptos de aplicación lineal, matriz de rotación, matriz de dilatación,
etc. cuando, por ejemplo, se discute la derivación de los tensores de esfuerzos en
las relaciones constitutivas. Además, muchas operaciones como la derivación o la
integración son, de hecho, aplicaciones lineales en espacios de funciones. Esto permite
abordar cuestiones clásicas de cálculo desde una perspectiva geométrica.
4.2. Definiciones y propiedades
Definición 4.1. Sean dos conjuntos A y B, y un subconjunto del producto cartesiano

de A y B, G ⊂ A × B, que goza de la siguiente propiedad:
∀x ∈ A ∃!y ∈ B(x, y) ∈ G
Se dice entonces que G determina una aplicación, f, de A en B o una función f

definida en A y que toma valores en B.
Nota 4.1. Para cada x ∈ A se denota por f (x) al único elemento de B para el que
se verifica que (x, f (x)) ∈ G, se dice que f (x) es la imagen de x (y que x es el
83
84 Capı́tulo 4. Aplicaciones lineales
antecedente de f (x))
f : A→B
x → y = f (x)
Nota 4.2. Se dice que A es el conjunto origen de f y B es su conjunto de llegada.
Nota 4.3. Al conjunto de todas las aplicaciones que se pueden definir entre A y B
se le denota por F(A,B).
Definición 4.2. Dados dos lK−espacios vectoriales V y W se dice que una aplicación
f de V en W es un homomorfismo o aplicación lineal si ∀u, v ∈V y ∀λ, µ ∈ lK

f (u + v) =f (u) + f (v)
f (λu+µv) =λf (u) + µf (v) o, lo que es lo mismo,
f (λu) = λf (u)
Definición 4.3. Una aplicación lineal, f : V → W, recibe el nombre de endomorfismo

si V = W.
Ejemplo 4.1. Se muestran a continuación algunos ejemplos de aplicaciones lineales

entre espacios vectoriales:
1. La aplicación f : lR3 → lR2 definida mediante f ((x, y, z)t ) = (2x − y + 4z, −3x +
5y + 6z)t es una aplicación lineal de lR3 en lR2 .
2. Generalizando el ejemplo anterior, la aplicación
f: lRn → lRm

n
n
x = (x1 , . . . xn )t → f ((x1 , . . . xn )t ) = ( a1i xi , . . . ami xi )t
i=1 i=1
es una aplicación lineal de lRn en lRm . Si se tiene en cuenta que y = f ((x1 , . . . xn )t )

es un vector de m componentes, la aplicación f también se puede expresar como
y = f (x), igualdad que implica:

n
y1 = a1i xi
i=1 ⎛ ⎞ ⎛ ⎞⎛ ⎞
n
y1 a11 ... a1n x1
y2 = a2i xi ⎜ ⎟ ⎜ ⎟⎜
⇔ ⎝ ... ⎠ = ⎝ .. .. .. .. ⎟
i=1
. . . ⎠⎝ . ⎠
..
. ym am1 ... amn xn

n
ym = ami xi
i=1
en donde (y1 , . . . , ym ) son las componentes de y en una base de lRm y (x1 , . . . , xn )

son las componentes de x en una base de lRn .
4.2. Definiciones y propiedades 85
Definición 4.4. Sean V y W dos lK− espacios vectoriales de dimensión finita,

{ei }i=1...n y {ui }i=1...m dos bases de V y W , respectivamente, y (xi )i=1...n e (yi )i=1...m
las coordenadas en dichas bases de dos vectores, x ∈V e y ∈W. Si f : V → W es una
aplicación lineal entonces f admite la siguiente ecuación matricial respecto a las bases
anteriores: ⎛ ⎞ ⎛ ⎞⎛ ⎞
y1 a11 . . . a1n x1
⎜ .. ⎟ ⎜ .. . . .. ⎟ ⎜ .. ⎟
⎝ . ⎠=⎝ . . . ⎠ ⎝ . ⎠ ⇔ y =Ax
ym am1 ... amn xn
Se dice que A = (aij )m×n es la matriz de la aplicación lineal f respecto de las

bases {ei } de V y {ui } de W.
Nota 4.4. Es fácil comprobar que:

m
f (ej ) = aij ui j = 1, . . . , n ,
i=1
dicho de otro modo: Las columnas de A son las coordenadas de las imágenes
de los vectores de la base {ei } respecto de la base {ui }.
Ejemplo 4.2. Casos particulares de matrices de aplicaciones lineales.
1. En el ejemplo 1 anterior la matriz de la aplicación lineal es:

2 −1 4
A=
−3 5 6
por lo tanto la aplicación lineal se puede expresar como:

⎛ ⎞ !
x
u 2 −1 4 ⎝ a = (u, v)t{ui }
= y ⎠ ⇔ a =f (b), con
v −3 5 6 b = (x, y, z)t{ei }
z
Siendo las imágenes de los vectores de la base {e1 , e2 , e3 }
f (e1 ) = 2u1 − 3u2

f (e2 ) = −u1 + 5u2
f (e3 ) = 4u1 + 6u2
2. La matriz de la aplicación lineal
T : lR2 → lR2
v = (x, y)t → T ((x, y)t ) = (x cos θ − y sen θ, x sen θ + y cos θ)t
es:
cos θ − sen θ
sen θ cos θ
Geométricamente, T (v) es el vector resultante de rotar v un ángulo θ en sentido

positivo. En la figura 4.1 se observa el resultado de aplicar la aplicación T con
α = π/6 a los vectores de posición de los puntos del contorno de la letra M.
10 10
8 8
6 6
4 4
2 2
0 y 0
2 2
4 4
6 6
8 8
10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
x
Figura 4.1: Ejemplo de aplicación lineal: rotación de 30o .
3. La matriz de la aplicación lineal
S : lR2 → lR2
v = (x, y)t → S((x, y)t ) = (x, −2x + y)t
es:
1 0
−2 1
Geométricamente, S(v) es el vector cuya coordenada x permanece igual a la de

v y su coordenada y es igual a la coordenada y de v más la x de v multiplicada
por −2. En la figura 4.2 se observa el resultado de aplicar la aplicación S a los
vectores de posición de los puntos del contorno de la letra M: se produce una
cizalla sobre el eje y de factor -2.
4. Supóngase una aplicación lineal, f, definida entre lRn y lRm . Dado un vector
b ∈ lRm , hallar su antecedente por f (encontrar x t.q. f (x) = b) es equivalente
a resolver el sistema Ax = b, donde A es la matriz asociada a f en ciertas
bases de lRn y lRm . El sistema Ax = b es un sistema lineal de ecuaciones por
estar asociado a una aplicación lineal. Obsérvese que si f (x1 ) = b1 y f (x2 ) =
b2 , f (λx1 + µx2 ) = λf (x1 ) + µf (x2 ) = λb1 + µb2 : una combinación lineal
de soluciones de un sistema lineal obtenidas con dos términos independientes
distintos es también solución del sistema, si como término independiente aparece
la misma combinación lineal de cada uno de los dos términos independientes
anteriores → Principio de superposición.
4.3. Núcleo, imagen y rango de una aplicación lineal 87
10 10
8 8
6 6
4 4
2 2
0 y 0
2 2
4 4
6 6
8 8
10 8 6 4 2 0 2 4 6 8 10 10 8 6 4 2 0 2 4 6 8 10
x
Figura 4.2: Ejemplo de aplicación lineal: cizalla sobre el eje y.
Proposición 4.1. Sea f : V → W una aplicación lineal entre dos lK-espacios vecto-
riales se verifica:

p
p
1. f ( λi u i ) = λi f (ui ) ∀ui ∈ V, ∀λi ∈ lK, i = 1, . . . , p.
i=1 i=1
En particular f (0) = 0 y f (−u) = − f (u) ∀u ∈V .
2. Si {u1 , . . . , up } es un sistema dependiente de vectores de V, entonces {f (u1 ), . . . ,
f (up )} es un sistema dependiente de vectores de W.
3. Si además g : W → U es otra aplicación lineal (siendo U otro lK-espacio vecto-
rial), la composición g ◦ f : V → U también es una aplicación lineal.
4.3. Núcleo, imagen y rango de una aplicación lineal
Proposición 4.2. Si f : V → W es una aplicación lineal entre lK- espacios vecto-

riales entonces:
1. El conjunto imagen f (V ) es un s.e.v. de W que se llama imagen de la aplicación

lineal f y se denota por Im(f ).
2. Si {u1 , . . . , up } es un sistema generador de V, entonces {f (u1 ), . . . , f (up )} es
un sistema generador de f (V ) = Im(f ). Se llama rango de f a
rg(f ) = dim(Im(f )) =rg({f (u1 ), . . . , f (up )}).
3. El conjunto f −1 (0) = {u ∈V f (u) = 0} es un s.e.v. que se llama núcleo de la
aplicación lineal f y se denotará por ker(f ).
4. Si el espacio V tiene dimensión finita, se verifica
dim(ker(f )) + dim(Im(f )) = dim(V ).
Ejemplo 4.3. Para aclarar los conceptos introducidos en la proposición 4.2 vamos a
calcular la imagen y el núcleo de algunas aplicaciones lineales:
1. Sean V y W los siguientes lR− espacios vectoriales: V = {funciones polinómicas

de grado ≤ 3} = P3 , W = F(lR, lR) = {funciones de lR en lR}. Considérese la
aplicación lineal f : V → W definida por f (p(x)) = p (x) o, lo que es lo mismo,
f (a + bx + cx2 + dx3 ) = b + 2cx + 3dx2 .
La imagen de f es P2 (Im(f ) = P2 ) y el núcleo de f es P0 (ker(f ) = P0 ). Es
fácil comprobar que se verifica la parte 4) de la proposición anterior:
dim(V ) = dim(P3 ) = 4 = dim(Im(f )) + dim(ker(f )).

3 1
2. Sea f : lR → lR la aplicación lineal definida por f (v) = f ((x, y, z)t ) = (x +

3 4
z, y − z, x + y, x − y + 2z)t = w
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
w1 x+z 1 0 1 ⎛ ⎞
⎜ w2 ⎟ ⎜ ⎟ ⎜ 0 ⎟ x
⎜ ⎟ ⎜ y − z ⎟=⎜ 1 −1 ⎟⎝ y ⎠
⎝ w3 ⎠ = ⎝ x+y ⎠ ⎝ 1 1 0 ⎠
z
w4 x − y + 2z 1 −1 2
e1 = (1, 0, 0)t , e2 = (0, 1, 0)t y e3 = (0, 0, 1)t forman un sistema generador

de lR3 y por lo tanto f (e1 ) = (1, 0, 1, 1)t , f (e2 ) = (0, 1, 1, −1)t y f (e3 ) =
(1, −1, 0, 2)t constituyen un sistema generador de Im(f ). Im(f ) =< (1, 0, 1, 1)t ,
(0, 1, 1, −1)t , (1, −1, 0, 2)t > = < (1, 0, 1, 1)t , (0, 1, 1, −1)t > = {w ∈lR4 w =
(α, β, α + β, α − β); α, β ∈ lR}.
En cuanto al núcleo de f :
⎧
⎪
⎪ x+z =0
⎨
y−z =0 x+z =0
ker(f ) = ⇔ ,
⎪
⎪ x+y =0 y−z =0
⎩
x − y + 2z =0

con lo que ker(f ) = v ∈lR3 v = ( − λ, λ, λ)t , λ ∈ lR y por lo tanto
dim(V ) = 3 = dim(Im(f )) + dim(ker(f )).

2 1
3. Sea g : lR3 → lR2 la aplicación lineal definida por g(v) = g((x, y, z)t ) = (−4x +
7y + 8z, −40x + 70y + 80z)t = w
⎛ ⎞
x
w1 −4x + 7y + 8z −4 7 8 ⎝
= = y ⎠
w2 −40x + 70y + 80z −40 70 80
z
4.3. Núcleo, imagen y rango de una aplicación lineal 89
e1 = (1, 0, 0)t , e2 = (0, 1, 0)t y e3 = (0, 0, 1)t forman un sistema generador de lR3
y por lo tanto g(e1 ) = (−4, −40)t , g(e2 ) = (7, 70)t y g(e3 ) = (8, 80)t constituyen
un sistema generador de Im(g). Im(g) =< (−4, −40)t , (7, 70)t , (8, 80)t > =
< (−4, −40)t > = {w ∈lR2 w = (α, 10α); α ∈ lR}.
En cuanto al núcleo de g :

−4x + 7y + 8z = 0
ker(g) = ⇔ −4x + 7y + 8z = 0 ,
−40x + 70y + 80z = 0

con lo que ker(g) = v ∈lR3 v = ( 74 λ + 2µ, λ, µ)t , λ, µ ∈ lR y por lo tanto
dim(V ) = 3 = dim(Im(g)) + dim(ker(g))

1 2
En la figura 4.4 se representa gráficamente el resultado de aplicar la aplicación

lineal g a una nube aleatoria de puntos de lR3 representada en la parte de la
izquierda de la figura 4.3; como se aprecia en al figura, se obtiene un conjunto
de puntos situados en la recta y = 10x (la escala de la x no coincide con la de
la y) cuyos vectores de posición constituyen un subespacio de dimensión 1 de
lR2 : la imagen de g calculada anteriormente. En la parte derecha de la figura
4.3 aparecen los puntos cuyos vectores de posición constituyen el núcleo de g
(subespacio de dimensión 2), puntos que pertenecen al plano −4x + 7y + 8z = 0.
Obsérvese que los dos dibujos de la figura 4.3 representan puntos de lR3 y, por
lo tanto, se trata de dibujos tridimensionales, mientras que el dibujo de la figura
4.4 representa puntos de lR2 por lo que es un dibujo bidimensional.
10 10
8 8
10 6 10 10 6 10
8 4 8 8 4 8
6 6 6 6
4 2 4 4 2 4
2 2 2 2
2 2 2 2
4 4 4 4 4 4
6 6 6 6 6 6
8 8 8 8
10 8 10 10 8 10
10 10
Figura 4.3: A la izquierda nube aleatoria de puntos. A la derecha plano formado por
los puntos cuyos vectores de posición pertenecen al núcleo de g.
Nota 4.5. En el ejemplo 2, la aplicación lineal f quedaba definida de forma unı́voca

expresando el valor de las componentes (referidas a una cierta base de lR4 ) de un
vector cualquiera de Im(f ) en función de las componentes de su antecedente por f
1500
1000
500
100 50 0 50 100 150
500
1000
Figura 4.4: Recta formada por los puntos cuyos vectores de posición constituyen la
imagen de g.
(expresadas en una cierta base de lR3 ) :

w1 = x+z
DE ESTA FORMA SE
w2 = y−z
→ DETERMINAN LAS FILAS
w3 = x+y
DE LA MATRIZ A
w4 = x − y + 2z
La aplicación f también queda definida de forma unı́voca si se especifican las imágenes

de una base cualquiera de lR3 , f (e1 ), f (e2 ), f (e3 ), expresadas en una cierta base de
lR4 . En el ejemplo anterior:
f (e1 ) = u1 + u3 + u4 DE ESTA FORMA SE
f (e2 ) = u2 + u3 − u4 → DETERMINAN LAS COLUMNAS
f (e3 ) = u1 − u2 + 2u4 DE LA MATRIZ A
Resumiendo:
⎛ ⎞ ⎛ ⎞
w1 1 0 1 ⎛ ⎞ → 1a comp. de f (v)
⎜ w2 ⎟ ⎜ 0 v
⎜ ⎟=⎜ 1 −1 ⎟ 1
⎟ ⎝ v2 ⎠ → 2a
a
comp. de f (v)
⎝ w3 ⎠ ⎝ 1 1 0 ⎠ → 3 comp. de f (v)
v3
w4 1 −1 2 → 4a comp. de f (v)
f (e1 ) f (e2 ) f (e3 )
Ejemplo 4.4. Hallar una base del núcleo y de la imagen de una aplicación lineal
f : lR4 → lR3 , conociendo las imágenes por f de una base de lR4 : f (e1 ) = (1, −1, 2)t ,
f (e2 ) = (2, 1, 1)t , f (e3 ) = (4, −1, 5)t , f (e4 ) = (−1, −5, 4)t .
Solución: en el enunciado se dan las columnas de la matriz A de la aplicación lineal:

⎛ ⎞
⎛ ⎞ ⎛ ⎞ x1
w1 1 2 4 −1 ⎜ ⎟
⎝ w2 ⎠ = ⎝ −1 1 −1 −5 ⎠ ⎜ x2 ⎟
⎝ x3 ⎠
w3 2 1 5 4
x4
4.4. Isomorfismos 91
y también un sistema generador de Im(f );

" #
Im(f ) = (1, −1, 2)t , (2, 1, 1)t , (4, −1, 5)t , (−1, −5, 4)t
Eliminando los vectores linealmente dependientes se obtiene una base de Im(f ) :

⎛ ⎞ ⎛ ⎞
1 −1 2 1 −1 2
⎜ 2 1 1 ⎟ ⎜ 3 −3 ⎟
⎜ ⎟ ⎜ 0 ⎟⇒
⎝ 4 −1 5 ⎠ ∼ ⎝ 0 0 0 ⎠
−1 −5 4 0 0 0
Base de Im(f ) = {(1, −1, 2)t , (0, 3, −3)t } .
Las ecuaciones implı́citas del núcleo son:

⎧
⎨ x1 + 2x2 + 4x3 − x4 = 0
ker(f ) = −x1 + x2 − x3 − 5x4 = 0
⎩
2x1 + x2 + 5x3 + 4x4 = 0
A partir de las cuales se puede obtener la siguiente base de ker(f ):
Base de ker(f ) = {(−2, −1, 1, 0)t , (−3, 2, 0, 1)t }
4.4. Isomorfismos
Definición 4.5. Una aplicación f : A → B entre dos conjuntos A y B se dice que

es inyectiva si f (x1 ) = f (x2 ) ⇒ x1 = x2 o, lo que es lo mismo, x1 = x2 ⇒ f (x1 ) =
f (x2 ) ∀x1 , x2 ∈ A.
Proposición 4.3. Sea f : V → W una aplicación lineal entre lK− espacios vectoria-
les. Se verifica:
1. La aplicación lineal f es inyectiva Ssi ker(f ) = {0} .
2. Si V tiene dimensión finita, entonces f es inyectiva Ssi dim(f (V )) = dim(V ).
3. Si B = {e1 , . . ., en } es una base de V entonces f es inyectiva Ssi f (B) =

{f (e1 ), . . . f (en )} es una base de f (V ), o, lo que es lo mismo, f (B) es un sistema
independiente de vectores.
Definición 4.6. Se dice que una aplicación f : A → B es sobreyectiva si f (A) = B,

o, lo que es lo mismo, si todo elemento de B es imagen de algún elemento de A.
Definición 4.7. Se dice que una aplicación f : A → B es biyectiva si es inyectiva
y sobreyectiva.
Definición 4.8. Se llama isomorfismo a una aplicación f : V → W entre lK-
espacios vectoriales que sea lineal y biyectiva. Si f : V → W es un isomorfismo, los
dos espacios se dicen isomorfos.
Nota 4.6. Si V = W, f se llama automorfismo.
Proposición 4.4. Los isomorfismos verifican las siguientes propiedades:
1. La composición de dos isomorfismos es también un isomorfismo.

2. Una aplicación lineal f : V → W es un isomorfismo Ssi Im(f ) = W y ker(f ) =
{0} .
3. Si V tiene dimensión finita, una aplicación lineal f : V → W es un isomorfismo
Ssi dim(V ) = dim(f (V )) = dim(W ).
4. Si V tiene dimensión finita, una aplicación lineal f : V → V es un automorfismo
Ssi es inyectiva o Ssi es sobreyectiva.
5. Si f : V → W es un isomorfismo, entonces f −1 : W → V también es un
isomorfismo.
6. Entre dos lK− espacios vectoriales de dimensión finita se puede establecer un
isomorfismo Ssi tienen la misma dimensión.
Ejemplo 4.5. Algunos espacios isomorfos.
El espacio vectorial de lRn+1 es isomorfo a Pn

f: lRn+1 → Pn
(a0 , . . . , an ) → a0 + a1 x + . . . + an xn
El espacio vectorial lR4 es isomorfo a M2 (lR)

f: lR4 → M
2 (lR)
a1 a2
(a1 , a2 , a3 , a4 ) →
a3 a4
El espacio vectorial P3 es isomorfo al espacio vectorial de las matrices M2 (lR)

f : P3 → M
2 (lR)
a0 a1
2
a0 + a1 x + a2 x + a3 x 3
→
a2 a3
Nota 4.7. El conjunto de todas las aplicaciones lineales que se pueden definir entre
dos lK- espacios vectoriales V y W tiene estructura de espacio vectorial respecto a la
l.c.i. suma de aplicaciones
(f + g)(x) = f (x) + g(x)
y la l.c.e. producto de escalar por aplicación:

(λf )(x) = λf (x)
Este espacio vectorial se representa por

L(V, W )
Nota 4.8. Dadas dos bases, B de V y B de W, se puede definir un isomorfismo
entre Mm,n (lK) y L(V, W ) de forma que a cada aplicación lineal se le asigne su matriz
asociada referida a B y B .
4.5. Cambio de base
Teorema 4.1. Sea f : V → W una aplicación lineal entre dos lK− espacios vec-
toriales cuya matriz asociada con respecto a las bases B = {e1 , . . . , en } y B =
{u1 , . . . , um } de V y W respectivamente es A = (aij )m×n . Si B = {e1 , . . . , en }

y B = {u1 , . . . , um } son dos nuevas bases de V y W respectivamente y se denota por
A = (aij )m×n la matriz asociada a f respecto a estas dos nuevas bases se verifica:

A = Q−1 AP
donde:

Q = (u1 , . . . , um ){ui } es la matriz de cambio de base de B a B
P = (e1 , . . . , en ){ei } es la matriz de cambio de base de B a B
Ejemplo 4.6. Sea f : lR3 → lR2 la aplicación lineal que respecto de las bases canóni-
cas {e1 , e2 , e3 } de lR3 y {e1 , e2 } de lR2 tiene por ecuaciones
⎛ ⎞
x1
y1 3 0 −2 ⎝
= x2 ⎠
y2 −1 4 5
x3
¿Cuál es la expresión de f respecto de las bases {u1 , u2 , u3 } de lR3 y {w1 , w2 } de lR2 ,

cuyas expresiones en función de las bases canónicas son: u1 = e1 + 3e2 , u2 = e1 + 2e3 ,
u3 = 4e2 − 2e3 , w1 = 2e1 + e2 y w2 = 4e1 + 3e2 ?
Solución: ⎛ ⎞
x1
y1 − 35
2 − 39
2 −6 ⎝ x2 ⎠
=
y2 19 19
4
2 2 x3
Corolario 4.2. Si f : V → V es un endomorfismo definido sobre un lK−espacio
vectorial V, A es la matriz del endomorfismo en la base B, A es la matriz del endo-
morfismo en otra base B y P es la matriz de cambio de base de B a B, se verifica
que:
A = P −1 AP
Nota 4.9. Si A = P −1 AP se dice que las matrices A y A son semejantes (matrices

asociadas a un mismo endomorfismo en bases distintas son semejantes).
el capı́tulo 7 de [1], el 6 de [2], el 4 de [10], los capı́tulos 9 y 10 de [11] y el capı́tulo 5
de [12].
4.7. Ejercicios
1. Indicar si las siguientes aplicaciones son aplicaciones lineales o no
a) f : lR2 → lR3 , f (x) = (x1 − x2 , x1 + x2 , 5x1 )t

b) f : lR3 → lR2 , f (x) = (x1 , x1 + x2 + x3 )t
t
c) f : lR3 → lR2 , f (x) = (1, 1)
d ) f : P2 → P1 , f (a0 + a1 x + a2 x2 ) = 2a0 + a1 + (a2 − a1 )x
e) f : lR2 → lR2 , f (x) = (x21 + x22 , x2 )t
f ) f : Mn,n (lK) → Mn,n (lK), f (A) = A + At
Solución:
a) Lineal
b) Lineal
c) No lineal
d ) Lineal
4.7. Ejercicios 95
e) No lineal
f ) Lineal
2. Un fabricante produce 3 artı́culos diferentes, cada uno de los cuales requiere

para su elaboración de dos materias primas. Los tres productos se denotan por
p1 , p2 y p3 , y las dos materias primas por M1 y M2 . En la tabla que se indica
a continuación se representa el número de unidades de cada materia prima que
se requiere para elaborar una unidad de cada producto.
p1 p2 p3
M1 1 2 1
M2 3 1 2
Se pide:
a) Determinar la ley que asocia a cada vector de producción (p1 , p2 , p3 ) el

vector de materias primas (M1 , M2 ) que le corresponde para que dicha
producción sea posible.
b) La ley determinada en el apartado anterior, ¿es una aplicación lineal?
Solución:
⎛ ⎞
p1
M1 p1 + 2p2 + p3
a) = f ⎝ p2 ⎠ =
M2 3p1 + p2 + 2p3
p3
b) Sı́ es una aplicación lineal.
3. Se considera el subconjunto M de matrices cuadradas 2 × 2 definido de la forma

siguiente:

a b
M= con a, b, c ∈ lR
c 0
y la aplicación M → M definida por:

a b a−b b−a
f =
c 0 c 0
Se pide:
a) demostrar que M es un espacio vectorial y dar una base de él,

b) demostrar que f es lineal y calcular la matriz asociada a f en la base
encontrada en el apartado anterior.
Solución:
a) Una base de M puede ser:

1 0 0 1 0 0
e1 = , e2 = , e3 =
0 0 0 0 1 0
⎛ ⎞
1 −1 0
b) La matriz de f en la base anterior es ⎝ −1 1 0 ⎠
0 0 1
4. Se considera la aplicación de lR3 en lR2 , f : lR3 → lR2 , que hace corresponder a

los vectores (1, 0, 1)t , (0, 1, 1)t , (1, 1, 0)t los vectores (1, 0)t , (0, 2)t , (1, 1)t respec-
tivamente. Las coordenadas de los vectores se refieren a las bases canónicas de
lR3 y lR2 .
Se pide:
a) matriz asociada a f en las bases canónicas de lR3 y lR2 ,

b) subespacio imagen de V = x ∈ lR3 / 5x1 − 3x2 − x3 = 0 ,
c) Unas ecuaciones paramétricas de f (V ) en la base B = {(1, 1)t , (2, 0)t } de
lR2 .
Solución:

1 0 0
a)
− 12 3
2
1
2

b) f (V ) = x ∈ lR2 / 2x1 − x2 = 0
$
y1 = 2α
c) f (V ) = y ∈ lR2
, α ∈ lR en donde y1 e y2 son las coorde-
y2 = − 12 α
nadas de un vector de lR en la base B.
2
5. Se define un homomorfismo f : V → W entre dos k−e.v. de dimensiones

3 y 4 respectivamente de manera que f (e1 − e3 ) = u1 , f (e2 − e3 ) = u1 −
u2 y f (2e3 ) =2u1 +2u3 , donde B = {e1 , e2 , e3 } es una base de V y B =
{u1 , u2 , u3 , u4 } es una base de W. Se pide:
a) matriz asociada a f en las bases B y B ,

b) ecuaciones implı́citas de Im(f ),
c) núcleo de f.
Solución:
⎛ ⎞
2 2 1
⎜ 0 −1 0 ⎟
a) ⎜
⎝ 1
⎟
⎠
1 1
0 0 0
4.7. Ejercicios 97
b) Im(f ) = {x ∈ W / x4 = 0}
c) ker(f ) = {0}
6. Estudiar si las aplicaciones:
a) f : lR3 → lR3 definida por f ((x1 , x2 , x3 )t ) = (x3 , x1 + x2 , −x3 )t

b) f : lR3 → lR2 definida por f ((x1 , x2 , x3 )t ) = (x1 + x2 , 0)t
son aplicaciones lineales. En caso afirmativo calcular su núcleo y su imagen.

Estudiar su inyectividad.
Solución:
a) f es una aplicación lineal. Im(f ) = (0, 1, 0) t t

⎧, (0, 1, 0)% , (1, 0, −1)t ⇒Base
⎫
⎨ x3 = 0 ⎬
de Im(f ) = {(0, 1, 0)t , (1, 0, −1)t }. ker(f ) = x ∈ lR3 x1 + x2 = 0 ⇒
⎩ ⎭
−x3 = 0
Base de ker(f ) = {(−1, 1, 0)t } . No es inyectiva puesto que ker(f ) = {0}
, (0, 0) ⇒ Base de
) =3 (1, 0) , (1, 0)
t t t
b) f es una aplicación lineal. Im(f
Im(f ) = {(1, 0) } . ker(f ) = x ∈ lR /x1 + x2 = 0 ⇒ Base de ker(f ) =
t
{(−1, 1, 0)t , (0, 0, 1)t } . f no es inyectivo.
7. Indicar si son falsas o verdaderas las siguientes proposiciones:
a) Si g : V → W es una aplicación lineal, en ocasiones es posible encontrar tres

vectores diferentes v1 ∈ V, v2 ∈ V y w ∈ W tales que g(v1 ) = g(v2 ) = w.
b) Suponiendo cierta la proposición anterior, si g(v1 ) = g(v2 ) = w, entonces
v1 − v2 ∈ ker(g).
c) Si g es una aplicación lineal de V en W , entonces la imagen de g es W.
d ) Si v1 , v2 , . . . , vn es una base de lRn y w1 , w2 , . . . , wn es una base de Pn−1 ,
entonces existen dos aplicaciones lineales f : lRn → Pn−1 y g : Pn−1 → lRn
tales que f (vi ) = wi y g(wi ) = vi para i = 1, . . . , n.

0 0
e) Si f : lR2 → lR2 es una aplicación lineal y f ( )= , entonces f
0 0
es la aplicación nula.
f ) Existe una aplicación lineal f de lR5 en lR5 con dim ker(f ) = dim Im(f ).
g) → M
que f : M2,2 (lK)
Se supone 2,2 (lK) con dim Im(f ) = 4. Si f (A) =
0 0 0 0
, entonces A = .
0 0 0 0
Solución:
a) V
b) V
c) F
d) V
e) F
f) F
g) V
8. Se define una aplicación lineal f : V → W entre dos lK−e.v. de dimensión 3 de

manera que f (e1 ) = u1 − u2 , f (e2 ) = u2 y f (e3 ) = u1 , donde B = {e1 , e2 , e3 }
es una base de V y B ∗ = {u1 , u2 , u3 } es una base de W. Se pide:
a) matriz asociada a f en las bases B y B ∗ ,

b) dimensión de Im(f ),
c) base de ker(f ),
d ) calcular unas ecuaciones implı́citas de f (S) si
⎧ % ⎫
⎨ x1 = α ⎬
S= x∈V x2 = α , α, β ∈ lK ,
⎩ ⎭
x3 = α + β
e) dada una nueva base de V, B = {e1 , e2 , e3 } en donde e1 = e1 , e2 = e1 +e2
y e3 = e1 + e3 , calcular la nueva matriz asociada a f en las bases B y B ∗ ,
f ) si en W se realiza el cambio de coordenadas: x1 = x1 + x2 − x3 , x2 =
x1 − x2 y x3 = x3 calcular la nueva matriz asociada a f en las bases B y
B ♣ (en donde B ♣ es la base respecto a la cual las coordenadas de x son
(x1 , x2 , x3 )t ),
g) obtener la matriz de f cuando se realizan los dos cambios.
Solución:
⎛ ⎞
1 0 1
a) ⎝ −1 1 0 ⎠
0 0 0
b) dim(Im(f )) = 2
& '
t
c) Base de ker(f ) = (1, 1, −1)
$
x2 = 0
d ) f (S) = x ∈ W
x3 = 0
⎛ ⎞
1 −1 0
e) ⎝ −1 2 1 ⎠
0 0 0
4.7. Ejercicios 99
⎛ ⎞
0 1 1
f) ⎝ 2 −1 1 ⎠
0 0 0
⎛ ⎞
0 1 1
g) ⎝ 2 −3 −1 ⎠
0 0 0
9. En lR3 se considera la base {e1 , e2 , e3 } . Clasificar (indicar si es inyectivo, so-

breyectivo, ambas cosas a la vez (biyectivo) o ni sobreyectivo ni inyectivo) el
endomorfismo f : lR3 → lR3 dado por f (e1 ) = ae1 +e2 +e3 , f (e2 ) = e1 +e2 +e3 ,
f (e3 ) = e1 + be2 + e3 según los valores de a y b.
Solución:
a) Si a = 1 y b = 1 el endomorfismo f es biyectivo (es un automorfismo).

dim(Im(f )) = 3, dim(ker(f )) = 0.
b) Si a = 1 y b = 1 el endomorfismo f no es ni inyectivo ni sobreyectivo.
dim(Im(f )) = 2, dim(ker(f )) = 1.
c) Si a = 1 y b = 1 el endomorfismo f no es ni inyectivo ni sobreyectivo.
dim(Im(f )) = 2, dim(ker(f )) = 1.
d ) Si a = 1 y b = 1 el endomorfismo f no es ni inyectivo ni sobreyectivo.
dim(Im(f )) = 1, dim(ker(f )) = 2.
10. Dado el endomorfismo del espacio vectorial lR4 definido de la siguiente forma:
el núcleo del endomorfismo es el subespacio vectorial de ecuaciones implı́ci-

tas: $
x+y+z =0
(x, y, z, t)t ∈ lR4 ,
t=0
los vectores (1, 1, 1, 0)t y (0, 0, 0, 1)t se transforman en si mismos.
Se pide:
a) matriz del endomorfismo en la base canónica de lR4 ,

b) dado el subespacio de ecuaciones implı́citas:
⎧ % x+y+z−t=0 ⎫
⎨ ⎬
V = (x, y, z, t)t ∈ lR4 t=0
⎩ ⎭
x − y + 2t = 0
hallar unas ecuaciones paramétricas de su imagen,

c) matriz del endomorfismo en la base:

B = (1, 1, 1, 1)t , (0, 1, 1, 1)t , (0, 0, 1, 1)t , (0, 0, 0, 1)t .
Solución:
⎛ ⎞
1/3 1/3 1/3 0
⎜ 1/3 1/3 1/3 0 ⎟
⎜
a) ⎝ ⎟
1/3 1/3 1/3 0 ⎠
0 0 0 1
⎧ ⎫
⎪
⎪ % x=0 ⎪
⎪
⎨ ⎬
y=0
b) f (V ) = (x, y, z, t) ∈ lR
t 4
⎪
⎪ z=0 ⎪
⎪
⎩ ⎭
t=0
⎛ ⎞
1 2/3 1/3 0
⎜ 0 0 0 0 ⎟
c) ⎜
⎝ 0
⎟
0 0 0 ⎠
0 1/3 2/3 1
11. Sea h : lRn → lRn una aplicación lineal definida por la relación
h((x1 , . . . , xn )t ) = (a1 x1 , . . . , an xn )t con a1 , . . . , an ∈ IR.
a) ¿Bajo que condiciones admite h una aplicación inversa?

b) Suponiendo que se satisfagan las condiciones del apartado (a) encontrar la
expresión de h−1 .
Solución:
a) La aplicación h tendrá inversa si es biyectiva, para lo que es necesario que

ai = 0 (i = 1, . . . , n).
b) h−1 ((x1 , . . . , xn )t ) = ( a11 x1 , . . . , a1n xn )t .
12. Determinar si las siguientes aplicaciones lineales de M2,2 (lK) en M2,2 (lK) son
isomorfismos. Si lo son, determinar el isomorfismo inverso

a b a 0
a) f =
c d 0 a

a b a c
b) g =
c d b d

a b d −b
c) h =
c d −c a
Solución:
a) f no es un isomorfismo.
4.7. Ejercicios 101

−1 a b a c
b) g es un isomorfismo. g =
c d b d

−1 a b d −b
c) h es un isomorfismo. h =
c d −c a
13. Considérese la reacción quı́mica
PbN6 + CrMn2 O8 → Pb3 O4 + Cr2 O3 + MnO2 + NO
Para cada uno de los dos reactivos de la izquierda y los cuatro productos de la
derecha se pide construir un vector de lR5 que enumere el número de “átomos
por molécula” de plomo (Pb), de nitrógeno (N), de cromo (Cr), de manganeso
(Mn) y de oxı́geno (O). Por ejemplo el vector para el permanganato de cromo
(CrMn2 O8 ) será
t
(0, 0, 1, 2, 8)
Una vez construidos los seis vectores se pide:
a) Llamando x1 , . . . , x6 al número de moléculas de cada tipo que aparecen

en la reacción, escribir una ecuación vectorial que estas variables deban
satisfacer para ajustar la reacción.
b) Pasando todas las incógnitas a la izquierda, reescribir la ecuación vectorial
del apartado (a) en la forma Ax = 0. ¿Qué relación hay entre la solución
de la ecuación vectorial y el núcleo de la aplicación lineal definida entre lR6
y lR5 y cuya matriz referida a las bases canónicas respectivas es A?
c) Resolver la ecuación vectorial (se aconseja utilizar Maple). Hay una infi-
nidad de soluciones, seleccionar las que tengan más sentido quı́mico (se
aconseja utilizar un formato racional o aritméticamente exacto).
Capı́tulo 5
Espacio euclı́deo
5.1. Introducción
Una gran variedad de propiedades geométricas se basan en la posibilidad de medir

segmentos y los ángulos entre ellos. La estructura de espacio vectorial que se ha
estudiado hasta ahora no permite calcular longitudes de segmento, distancias entre
los mismos o los ángulos que forman. Para poder realizar estas operaciones es necesario
introducir una “métrica” en el espacio vectorial. Esta métrica se introduce definiendo
una aplicación que recibe el nombre de producto escalar. Todo espacio vectorial sobre
el que se ha definido un producto escalar recibe el nombre de espacio euclı́deo y del
estudio de sus principales propiedades y aplicaciones se va a ocupar este capı́tulo.
Definición 5.1. Dados dos vectores x e y de un lR-espacio vectorial, E, toda aplica-

ción
· : E × E → lR
(x, y) → x · y
que verifique:
1. x · y = y · x ∀x, y ∈E (simetrı́a),
2. x · x > 0 ∀x ∈E (x = 0) (positividad),
3. (λx+µy) · z =λ(x · z)+µ(y · z) ∀x, y, z ∈E, ∀λ, µ ∈ lR (bilinealidad1 );

1 Al verificarse la propiedad de simetrı́a, la linealidad con respecto a un factor implica la linealidad
con respecto al otro y por lo tanto la bilinealidad.
103
104 Capı́tulo 5. Espacio euclı́deo
recibe el nombre de producto escalar.

Proposición 5.1. ∀x ∈E, x · 0 = 0 · x = 0.
Definición 5.2. Un lR-espacio vectorial sobre el que se ha definido un producto es-
calar recibe el nombre de espacio euclı́deo.
Ejemplo 5.1. Algunos casos particulares de espacio euclı́deo son los siguientes:
1. En lR3 se puede definir el siguiente producto escalar:

x · y =x1 y1 + x2 y2 + x3 y3
donde (x1 , x2 , x3 )t e (y1 , y2 , y3 )t son las componentes de los vectores x e y en

la base canónica de lR3 . lR3 con este producto escalar es un espacio euclı́deo.
2. lRn con el siguiente producto escalar también es un espacio euclı́deo,

n
x·y = xi yi = x1 y1 + . . . + xn yn
i=1
donde (x1 , . . . , xn )t e (y1 , . . . , yn )t son las componentes de los vectores x e y en

la base canónica de lRn .
3. lR3 con el siguiente producto escalar2 también es un espacio euclı́deo,
x · y =x1 y1 + 2x2 y2 + 3x3 y3 + x1 y2 + x1 y3 + x2 y1 + 2x2 y3 + x3 y1 + 2x3 y2 =
⎛ ⎞⎛ ⎞
1 1 1 y1
(x1 , x2 , x3 ) ⎝ 1 2 2 ⎠ ⎝ y2 ⎠ = xt Gy
1 2 3 y3
donde (x1 , x2 , x3 )t e (y1 , . . . , yn )t son las componentes de los vectores x e y

en la base canónica de lR3 . G es la matriz asociada al producto escalar en la
base canónica (ver la siguiente definición). Existe una base de lR3 en la que la
expresión de este producto escalar es igual a la del ejemplo 1 (existe una base
de lR3 en la que la matriz asociada a este producto escalar es la matriz unidad).
4. P3 (x) con el siguiente producto escalar también es un espacio euclı́deo,
p(x) · q(x) = p0 q0 + p1 q1 + p2 q2 + p3 q3
donde (p0 , p1 , p2 , p3 )t y (p0 , p1 , p2 , p3 )t son las coordenadas de p(x) y q(x) en la

base {1, x, x2 , x3 } de P3 (x).
2 Ası́ como en los dos primeros ejemplos era sencillo demostrar que efectivamente se trataba de
productos escalares, en este tercer ejemplo la comprobación es un poco más difı́cil, sobre todo en lo
que respecta a la demostración de la positividad del producto escalar. Remitimos al lector interesado
en demostrarla a la siguiente definición y a las notas 5.1 y 5.2
Definición 5.3. Sea E un espacio euclı́deo de dimensión finita. Si dim(E) = n,

{e1 , . . . en } es una base de E y se conocen los n2 productos escalares ei · ej (i, j =
1, . . . , n), entonces el producto escalar de dos vectores x, y ∈E se puede expresar como:

n
x·y = gij xi yj = xt Gy donde G = (gij ) y gij = ei · ej (i, j = 1, . . . , n)
i,j=1
siendo (x1 , . . . , xn )t e (y1 , . . . , yn )t las coordenadas de x e y en la base {ei } y G la

matriz de Gram del producto escalar en la base dada (o, simplemente, matriz del
producto escalar en la base dada).
Nota 5.1. La matriz G es una matriz simétrica (ei · ej = ej · ei ) y definida positiva
(xt Gx >0 ∀x = 0).
Nota 5.2. Una matriz G, simétrica y cuadrada de dimensión n, es definida positiva
si y solamente si
⎛ ⎞
g11 . . . g1i
⎜ .. . . .. ⎟
|Gi | > 0, i = 1, . . . , n; con Gi = ⎝ . . . ⎠
gi1 ... gii
Ejemplo 5.2. Casos particulares de matrices de Gram.
1. En el caso 1 del ejemplo 5.1 la matriz de Gram del producto escalar es:
⎛ ⎞ ⎛ ⎞⎛ ⎞
1 0 0 1 0 0 y1
I3 = ⎝ 0 1 0 ⎠ , por lo tanto x · y = (x1 , x2 , x3 ) ⎝ 0 1 0 ⎠ ⎝ y2 ⎠
0 0 1 0 0 1 y3
Los productos escalares de los vectores de la base serán

e1 · e1 = 1, e2 · e2 = 1, e3 · e3 = 1
, es decir: ei · ej = δ ji , (i, j = 1, 2, 3).
e1 · e2 = 0, e1 · e3 = 0, e2 · e3 = 0
2. La matriz de Gram del producto escalar x · y =x1 y1 + x1 y2 + x2 y1 + 2x2 y2

definido sobre lR2 es:

1 1 e · e = 1, e1 · e2 = 1
G= . 1 1
1 2 e2 · e1 = 1, e2 · e2 = 2
3. En el caso 3 del ejemplo 5.1 la matriz de Gram del producto escalar es:
⎛ ⎞
1 1 1
e · e = 1, e1 · e2 = 1, e1 · e3 = 1
G=⎝ 1 2 2 ⎠. 1 1
e2 · e2 = 2, e2 · e3 = 2, e3 · e3 = 3
1 2 3
Proposición 5.2. (Cambio de base) Dado un espacio euclı́deo E de dimensión n, si

la expresión del producto escalar del espacio euclı́deo en una cierta base {e1 , . . . en }
de E es ⎛ ⎞
y1
⎜ ⎟
x · y = (x1 , . . . , xn )G ⎝ ... ⎠
yn
y su expresión respecto a otra base, {u1 , . . . un }, es:

⎛ ⎞
y1
⎜ ⎟
x · y = (x1 , . . . , xn )G ⎝ ... ⎠
yn
entonces
G = P t GP
en donde P = (u1 . . . un ){ei } es la matriz de cambio de base de {ui } a {ei }.

Nota 5.3. Dadas dos matrices A, B ∈ Mn (lR), se dice que A y B son congruentes si
existe una matriz Q ∈ Mn (lR) (Q inversible) tal que A = Qt BQ.
Proposición 5.3. Si A ∈ Mn (lR) es una matriz simétrica definida positiva, entonces
la matriz In es congruente con A (∃P ∈ Mn (lR) (P inversible) tal que In = P t AP ).
Proposición 5.4. Sea E un espacio euclı́deo y x · y el producto escalar definido sobre
E. Existe una base de E en la que la expresión del producto escalar es:
⎛ ⎞
y1
⎟
n
⎜
x · y = (x1 , . . . , xn )In ⎝ ... ⎠ = xi yi
yn i=1
Definición 5.4. Sea E un espacio euclı́deo. Se llama norma euclı́dea

√ de un vector
x ∈E y se representa por x al siguiente número real: x = x · x.
Ejemplo 5.3. Casos particulares de normas euclı́deas.
1. La norma euclı́dea de un vector del espacio que aparece en el caso particular 1

del ejemplo 5.1 será:
(
x = (x1 )2 + (x2 )2 + (x3 )2
2. La norma euclı́dea de un vector del espacio que aparece en el caso particular 2

del ejemplo 5.1 de espacio euclı́deo será:
)
* n
*
x = + (xi )2
i=1
3. Dado el espacio euclı́deo formado por el espacio vectorial lR3 y el producto

escalar
3 3
x · y =x1 y1 + 2x2 y2 + 2x3 y3 + x1 y2 + x2 y1 + x1 y3 + x3 y1 + 2x2 y3 + 2x3 y2
2 2
la norma euclı́dea de un vector de dicho espacio será:

(
x = (x1 )2 + 2(x2 )2 + 2(x3 )2 + 2x1 x2 + 3x1 x3 + 4x2 x3
Definición 5.5. Sea E un espacio euclı́deo. Se dice que x ∈ E es un vector unitario

si x = 1.
2 2
Proposición 5.5. (Fórmula del paralelogramo) ∀x, y ∈E se verifica x + y +x − y
2 2
= 2 x + 2 y .
Proposición 5.6. (Desigualdad de Cauchy-Schwarz) Dados x, y ∈E (E es un espacio

euclı́deo), se verifica:
|x · y| ≤ x y
Proposición 5.7. Sea E un espacio euclı́deo. La aplicación norma euclı́dea (· :

E → lR) verifica las siguientes propiedades:
1. x ≥ 0 ∀x ∈E
2. x = 0 Ssi x = 0
3. λx = |λ| x ∀x ∈E, ∀λ ∈ lR
4. x + y ≤ x + y ∀x, y ∈E (desigualdad triangular)
Definición 5.6. Dados dos vectores x e y de un espacio euclı́deo E, se define la

distancia entre x e y como
d(x, y) = x − y
Proposición 5.8. La distancia entre dos vectores de un espacio euclı́deo verifica las
cuatro propiedades siguientes:
1. d(x, y) ≥0, ∀x, y ∈E
2. d(x, x) =0, ∀x ∈E
3. d(x, y) =d(y, x), ∀x, y ∈E
4. d(x, y) ≤d(x, z)+d(z, y), ∀x, y, z ∈E

x·y
Definición 5.7. Dados x, y ∈E, el escalar xy representa el coseno del ángulo
que forman los vectores x e y,
x·y
cos(x, y) =
x y
Nota 5.4. Obsérvese que debido a la desigualdad de Schwarz se asegura que cos(x, y) ∈
[−1, 1].
Ejemplo 5.4. En el espacio euclı́deo formado por lR3 y el producto escalar
⎛ ⎞⎛ ⎞
2 −2 0 y1
x · y = x1 x2 x3 ⎝ −2 3 1 ⎠ ⎝ y2 ⎠
0 1 2 y3
calcular a , b , el ángulo que forman a y b y la distancia entre a y b, siendo

t
a = (1, 2, 1) y b = (1, 1, 0)t .
Solución:
) ⎛ ⎞⎛ ⎞
*
* 2 −2 0 1 √
*
a = + 1 2 1 ⎝ −2 3 1 ⎠ ⎝ 2 ⎠ = 12,
0 1 2 1
) ⎛ ⎞⎛ ⎞
*
* 2 −2 0 1
*
b = + 1 1 0 ⎝ −2 3 1 ⎠⎝ 1 ⎠ = 1
0 1 2 0
⎛ ⎞⎛ ⎞ ⎛ ⎞
2 −2 0 1 1
a·b = 1 2 1 ⎝ −2 3 1 ⎠ ⎝ 1 ⎠ = −2 5 4 ⎝ 1 ⎠=3
0 1 2 0 0
√
a·b 3 3 1
cos(a, b) = =√ = ⇒ angulo(a, b) = π radianes
a b 12 2 6
) ⎛ ⎞⎛ ⎞
*
, , * 2 −2 0 0 √
*
d(a, b) = a − b = ,(0, 1, 1)t , = + 0 1 1 ⎝ −2 3 1 ⎠⎝ 1 ⎠= 7
0 1 2 1
5.2. Bases ortogonales y ortonormales
Definición 5.8. Sea E un espacio euclı́deo. Se dice que dos vectores de E, x e y,

son ortogonales si
x·y =0
5.2. Bases ortogonales y ortonormales 109
Proposición 5.9. (Teorema de Pitágoras) Si x e y son dos vectores ortogonales de

un espacio euclı́deo entonces:
2 2 2
x + y = x + y
Definición 5.9. Sea E un espacio euclı́deo de dimensión n y {ai } una base de E. Si
ai · aj = 0 (i, j = 1, . . . , n; i = j) se dice que {a1 , . . . , an } es una base ortogonal de
E.
Nota 5.5. La matriz del producto escalar en esta base será diagonal (con todos los
elementos de la diagonal mayores que cero).
Definición 5.10. Se dice que una base de un espacio euclı́deo de dimensión n es
ortonormal si verifica las dos propiedades siguientes:
1. {ai } es ortogonal,
2. ai = 1, i = 1, . . . , n.
Nota 5.6. Las dos propiedades que caracterizan una base ortonormal se pueden
resumir en una sola: ai · aj = δ ij , i, j = 1, . . . , n.
Nota 5.7. Si {ai } es una base ortonormal de un espacio euclı́deo E, la expresión del
producto escalar en dicha base será:
⎛ ⎞⎛ ⎞
1 0 ... 0 y1
⎜ 0 1 . . . 0 ⎟ ⎜ y2 ⎟
⎜ ⎟⎜ ⎟
x · y = (x1 , x2 . . . , xn ) ⎜ . . .
⎝ .. .. . . ... ⎟ ⎜ . ⎟
⎠ ⎝ .. ⎠
0 0 ... 1 yn
y la norma de un vector x ∈ E,
)
* n
*
x = + x2 i
i=1
Nota 5.8. Si {ai } es una base ortonormal de un espacio euclı́deo E y u es un

vector de E, entonces u = (u · a1 )a1 +(u · a2 )a2 +. . .+(u · an )an . Dicho de otro modo:
la coordenada j-ésima de u en la base {ai } se obtiene multiplicando escalarmente u
por aj (uj = u · aj ).
Nota 5.9. Si {ai } es una base ortogonal de un espacio euclı́deo entonces

a1 a2 an
, ,...,
a1 a2 an
es una base ortonormal del mismo espacio euclı́deo.

Nota 5.10. La definición de base ortogonal y base ortonormal se puede generalizar

a un conjunto cualquiera de vectores:
1. {x1 , . . . , xp } ⊂ E es un conjunto ortogonal si xi ·xj = 0 para i = j i, j = 1, . . . , p.
2. {x1 , . . . , xp } ⊂ E es un conjunto ortonormal si xi · xj = δ ji , i, j = 1, . . . , p.
Proposición 5.10. (Teorema de Pitágoras generalizado) Si E es un espacio euclı́deo

y {x1 , . . . , xp } un conjunto ortogonal de E, se verifica:
2 2 2 2
x1 + x2 + . . . + xp = x1 + x2 + . . . + xp
Proposición 5.11. En un espacio euclı́deo todo conjunto ortogonal formado por

vectores no nulos es un conjunto linealmente independiente.
5.3. Proyección ortogonal
Definición 5.11. Sea W un subespacio vectorial de un espacio euclı́deo E. Se dice

que un vector x ∈ E es ortogonal a W si x es ortogonal a todos los vectores de W.
Nota 5.11. Para comprobar que un vector x de un espacio euclı́deo es ortogonal a
un subespacio, W, de dicho espacio euclı́deo, basta con comprobar que es ortogonal
a todos los vectores de una base cualquiera de W . Si {a1 , . . . , ap } es una base de W
entonces:
x ortogonal a W ⇔ x · ai = 0, i = 1, . . . p
Definición 5.12. Dado un espacio euclı́deo E y dos subespacios de E, V y W , se
dice que V y W son ortogonales si todos los vectores de V son ortogonales a W (o,
lo que es lo mismo, todos los vectores de W son ortogonales a V ).
Nota 5.12. Para comprobar que dos subespacios vectoriales de un espacio euclı́deo
son ortogonales basta con comprobar que los vectores de dos bases cualesquiera de
cada uno de ellos son ortogonales entre sı́. Si V y W son dos subespacios vectoriales
de un espacio euclı́deo, {a1 , . . . , ap } es una base de W y {u1 , . . . , uq } es una base de
V entonces:
V es ortogonal a W ⇔ ai · uj = 0, i = 1, . . . , p; j = 1, . . . , q
Definición 5.13. Sea W un subespacio vectorial de un espacio euclı́deo E. Se deno-

mina subespacio ortogonal a W y se representa por W ⊥ al conjunto formado por
todos los vectores de E ortogonales a W. Este conjunto, como su nombre indica, es
un subespacio vectorial de E.
Nota 5.13. W ⊥ es el mayor de los subespacios que son ortogonales a W , en el sentido
de que cualquier otro subespacio de E que sea ortogonal a W está incluido en W ⊥ .
5.4. Método de ortonormalización de Gram - Schmidt 111
Nota 5.14. Si se conoce una base de W, {a1 , . . . , ap }, se obtienen unas ecuaciones

implı́citas de W ⊥ obligando a que los productos escalares de los vectores de W ⊥ por
cada uno de los p vectores de la base {ai } sea cero:
W ⊥ = {x ∈Ex · ai = 0, i = 1, . . . , p}
Teorema 5.1. (Teorema de la proyección) Si W es un s.e.v. de dimensión finita de

un espacio euclı́deo E, entonces cualquier vector v de E se puede expresar de forma
única como
v = w1 + w2
en donde w1 ∈ W y w2 ∈ W ⊥ .
Definición 5.14. En el teorema anterior w1 recibe el nombre de proyección orto-

gonal de v sobre W y se representa por Pr |W v .
Definición 5.15. En el teorema anterior w2 recibe el nombre de complemento

ortogonal de v respecto a W.
Nota 5.15. dim(W ) + dim(W ⊥ ) = dim(E).
Nota 5.16. Si {c1 , . . . , cp } es una base ortonormal de W la proyección ortogonal

de un vector v ∈ E sobre W se puede calcular de la siguiente forma:
p
Pr |W v = (v · c1 )c1 + . . . + (v · cp )cp = (v · ci )ci
i=1
5.4. Método de ortonormalización de Gram - Sch-

midt
Sea E un espacio euclı́deo y {x1 , . . . , xp } un sistema linealmente independiente
de E. El método de Gram - Schmidt obtiene a partir de {x1 , . . . , xp } un sistema
ortonormal {y1 , . . . , yp } tal que x1 , . . . , xp = y1 , . . . , yp .
En particular si {x1 , . . . , xp } fuese una base de E se habrı́a obtenido una nueva

base, {y1 , . . . yp }, ortonormal de E.
Se comenzará aplicando el método a un caso particular y a continuación se

extenderá a un caso general.
Ejemplo introductorio
Supóngase el espacio euclı́deo formado por el espacio vectorial lR3 y el producto escalar
x·y = 2x1 y1 + 3x2 y2 + 2x3 y3 + x1 y2 + x2 y1 + x2 y3 + x3 y2

⎛ ⎞⎛ ⎞
2 1 0 y1
= (x1 , x2 , x3 ) ⎝ 1 3 1 ⎠ ⎝ y2 ⎠ = xt Gy
0 1 2 y3
referido a la base {e1 , e2 , e3 }. Determı́nese una base ortonormal del espacio euclı́deo
anterior.
Se parte de una base cualquiera de lR3 , por ejemplo (la más sencilla) {e1 , e2 , e3 } y se
realizan los siguientes pasos:
1. Se divide uno de los vectores de la base, por ejemplo e1 , por su norma, obte-
niéndose un vector unitario que será el primer vector de la nueva base: c1 =
e1 √1 (1, 0, 0)t
e1 = 2 {ei } .
2. Se proyecta uno de los vectores de la base {e1 , e2 , e3 } distinto a e1 , por ejemplo

e2 , sobre el subespacio generado por c1 . El complemento ortogonal de e2 , que
se llamará z2 , será ortogonal a c1 y si se divide por su norma se obtendrá el
segundo vector de la nueva base:
-
z2 = e2 − Pr c1
e2 = e2 − (e2 · c1 )c1 = (− 12 , 1, 0)t{ei } ; z2 = 52
√
z2 √2 (− 1 , 1, 0)t
c2 = z2 = 5 2 {ei } .
3. Se proyecta el vector restante de la base {e1 , e2 , e3 }, e3 , sobre el subespacio

generado por c1 y c2 . El complemento ortogonal de e3 , que se llamará z3 ,
será ortogonal a c1 y c2 y si se divide por su norma se obtendrá el tercer vector
de la nueva base:

z3 = e3 − Pr c1 ,c2
e3 = e3 − (e3 · c1 )c1 − (e3 · c2 )c2 = ( 15 , − 25 , 1)t{ei } ;
-
z3 = 85
√
z3 √5 ( 1 , − 2 , 1)t
c3 = z3 = 8 5 5 {ei } .
{c1 , c2 , c3 } será la base ortonormal pedida.
Descripción del método de Gram - Schmidt para un caso general
Sea E un espacio euclı́deo de dimensión n y {x1 , . . . , xp } un conjunto de p vectores

linealmente independientes de E (p ≤ n). Se obtiene un conjunto ortonormal de
vectores {y1 , . . . , yp } tal que x1 , . . . , xp = y1 , . . . , yp del siguiente modo:
5.5. Producto vectorial y producto mixto 113
x1
1. y1 = x1
De esta forma se asegura que y1 es unitario y que y1 = x1 .

2. y2 = zz22 ; z2 = x2 − Pr y1
x2 = x2 − (x2 · y1 )y1
De esta forma se asegura que:
z2 = 0 debido a que x2 ∈ / x1 = y1 .
{y1 , y2 } es ortonormal debido a que z2 es ortogonal a y1 y la norma de y2
es uno.
{y1 , y2 } es linealmente independiente debido a que todo conjunto ortogonal
de vectores no nulos es linealmente independiente.
y1 , y2 = x1 , x2 debido a que y1 es combinación lineal de x1 e y2 lo es
de x1 y x2 .
..
.
k+1. Supóngase calculados y1 , . . . , yk (k ≤ p − 1) tal que {y1 , . . . , yk } sea un sistema
ortonormal y que x1 , . . . , xk = y1 , . . . , yk .
Para construir el siguiente vector se hará:

y ,...,y
xk+1 = xk+1 − (xk+1 · yi )yi
k
yk+1 = zzk+1
k+1 ; z k+1 = xk+1 − Pr 1 k
i=1
De esta forma se asegura que:
zk+1 = 0 debido a que xk+1 ∈ / x1 , . . . , xk = y1 , . . . , yk .
zk+1 es ortogonal a {y1 , . . . , yk } ya que zk+1 · yj = 0, j = 1, . . . , k.
{y1 , . . . , yk+1 } es un sistema ortonormal por ser zk+1 ortogonal a {y1 , . . . , yk }
y por ser yk+1 unitario.
x1 , . . . , xk+1 = y1 , . . . , yk+1 debido a que yk+1 es combinación lineal
de {y1 , . . . , yk , xk+1 } y por lo tanto de {x1 , . . . , xk+1 }.
5.5. Producto vectorial y producto mixto
Definición 5.16. Sea E un espacio euclı́deo de dimensión 3 y {e1 , e2 , e3 } una base

ortonormal de E. Dados dos vectores u =u1 e1 + u2 e2 + u3 e3 y v =v1 e1 + v2 e2 + v3 e3 ,
el producto vectorial de ambos es otro vector de E definido del siguiente modo:

u2 u 3 u1 u 3 u1 u 2
w = u × v = e − e + e
v2 v3 1 v1 v3 2 v1 v2 3
= (u2 v3 − u3 v2 )e1 + (u3 v1 − u1 v3 )e2 + (u1 v2 − u2 v1 )e3

=
(σ)uσ(1) vσ(2) eσ(3)
σ∈Σ3
Nota 5.17. El producto vectorial es una ley de composición interna en E

×: E×E → E
(u, v) → w =u×v
Definición 5.17. Sea E un espacio euclı́deo de dimensión 3 y {e1 , e2 , e3 } una base
ortonormal de E. Dados tres vectores de E, x =x1 e1 + x2 e2 + x3 e3 , y =y1 e1 + y2 e2 +
y3 e3 y z =z1 e1 + z2 e2 + z3 e3 , el producto mixto x, y y z es el siguiente real:
[x, y, z] = x · (y × z) =x1 (y2 z3 − y3 z2 ) − x2 (y1 z3 − y3 z1 ) + x3 (y1 z2 − y2 z1 )

x1 x2 x3

= y1 y2 y3 =
(σ)xσ(1) yσ(2) zσ(3)
z1 z2 z3
Nota 5.18. El producto mixto es una aplicación de E × E × E en lR :

[., ., .] : E × E × E → lR
(u, v, w) → [u, v, w] = u · (v × w)
Ejemplo 5.5.
1. Calcular el producto vectorial de u =(1, 2, 1)t y v =(1, 1, 2)t (referidos a una

base ortonormal {ei }).
2. Calcular el producto mixto de los vectores w = (1, 0, 2)t{ei } , u =(1, 2, 1)t{ei } y
v =(1, 1, 2)t{ei } .
Solución:
1.

2 1 1 1 1 2
u×v = e −
1 e +
1 e
1 2 1
2 2
1 3
= (4 − 1)e1 − (2 − 1)e2 + (1 − 2)e3 = (3, −1, −1)t{ei }
2.
1 0 2

[w, u, v] = w · (u × v) = 1 2 1 =1

1 1 2
Propiedades del producto vectorial y del producto mixto
1. [u, v, w] = u · (v × w) =0 si y solamente si {u, v, w} es un sistema linealmente

dependiente (en particular el producto mixto será nulo si dos de los vectores
son iguales).
2. u × v = −v × u (el producto vectorial es antisimétrico).
3. u × (v + w) = u × v + u × w; (v + w) × u = v × u + w × u.
4. u × v = u v sen θ. Siendo θ el ángulo que forman u y v.
5. u × v es ortogonal a u y a v.
6. u × v = 0 si y solamente si u y v son linealmente dependientes.
Nota 5.19. La norma del producto vectorial de dos vectores de E representa el área
del paralelogramo que se construirı́a colocando ambos vectores con un mismo origen
y trazando por el extremo de cada vector una paralela al otro vector.
Nota 5.20. El valor absoluto del producto mixto de tres vectores de lR3 representa
el volumen del paralelepı́pedo que se construirı́a colocando los vectores con un mismo
origen y trazando el resto de las aristas mediante paralelas a dichos vectores.
Nota 5.21. Se ha dado una definición particular de producto mixto y producto

vectorial que únicamente es válida para espacios euclı́deos de dimensión 3 y bases de
referencia ortonormales. Las definiciones más generales de producto mixto y producto
vectorial se salen de los objetivos del presente curso.
los capı́tulos 5 y 8 de [1], los capı́tulos 4 y 5 de [5], el capı́tulo 8 de [2], el 6 de [10], el
6 del [11] y el capı́tulo 8 de [12].
5.7. Ejercicios
1. Dados dos polinomios pertenecientes a P2 , p(x) = a0 + a1 x + a2 x2 y q(x) =
b0 + b1 x + b2 x2 , se define el producto escalar de p por q como:
p(x) · q(x) = p · q =2a0 b0 + 4a1 b1 + 4a2 b2 − 2a0 b1 − 2a1 b0 + 2a2 b1 + 2a1 b2
Se pide:
a) Si f (x) = 1 + x + x2 y g(x) = x2 hallar f (x) · g(x).

b) Determinar f (x) y g(x).
c) Hallar el ángulo que forman los polinomios f (x) y g(x).
Solución:
a) f (x) · g(x) = 6
√
b) f (x) = 10 y g(x) = 2
c) cos(f,.g) = √3
10
√
d ) d(f (x), g(x)) = 2
2. Considérese el espacio euclı́deo formado por el espacio vectorial lR3 y el producto

escalar x · y = 2x1 y1 + 9x2 y2 + 5x3 y3 − 4x1 y2 − 4x2 y1 + 2x1 y3 + 2x3 y1 − 5x2 y3 −
5x3 y2 expresado en una cierta base {e1 , e2 , e3 } . Se pide:
a) determinar una base ortonormal del espacio euclı́deo.

b) determinar las coordenadas del vector x = e1 + e2 en la base ortonormal
hallada en el apartado anterior.
Solución:
a) Base ortonormal: {u1 = √1 (1, 0, 0)t

2 {ei } , u2 = (2, 1, 0)t{ei } ,
u3 = √12 (1, 1, 1)t{ei } }3
√
b) x = − 2u1 + u2
3. Considérese el espacio euclı́deo formado por el espacio vectorial E de dimensión

3 y el producto escalar x · y = 2x1 y1 + 3x2 y2 + 2x3 y3 − 2x1 y2 − 2x2 y1 + x2 y3 +
x3 y2{ei } . Se pide:
a) hallar una base ortonormal del subespacio ortogonal a F , en donde F es el

subespacio generado por el vector (1, 1, −1)t ,
b) calcular la proyección ortogonal del vector x = (2, 1, 2)t sobre el subespacio
ortogonal a F,
c) hallar una base ortonormal de E, {c1 , c2 , c3 }, en la que c1 y c2 son vectores
de la base ortonormal del ortogonal a F. Repetir el apartado b) expresando
los vectores y el producto escalar en la base {c1 , c2 , c3 } . Comprobar que
el resultado obtenido es el mismo.
Solución:

a) F ⊥ = b1 = (1, 0, 0)t{ei } , b2 = (0, 1, 0)t{ei } ,
& '
Base ortonormal de F ⊥ : c1 = √12 (1, 0, 0)t{ei } , c2 = (1, 1, 0)t{ei } ,
3 Existen infinitas bases ortonormales, por lo tanto esta no es la única solución correcta
5.7. Ejercicios 117
b) Pr |F ⊥ x =(4, 3, 0)t{ei }
c) Base ortonormal de E : {c1 , c2 , c3 } con c3 = (−1, −1, 1)t{ei } ,
√
Pr |F ⊥ x = ( 2, 3, 0)t{ci } =(4, 3, 0)t{ei }
4. Sea B = {v1 , v2 , v3 } una base de un espacio euclı́deo de dimensión 3 que verifica:
v1 · v2 = 0, v1 · v1 = 1, v2 · v2 = 1, v3 · v3 = 2
⊥
y además 2v2 − v3 ∈ v1 , v3 . Se pide:
a) obtener la matriz del producto escalar respecto de la base B,

b) aplicar el método de Gram-Schmidt para calcular a partir de B una base
ortonormal. ¿Qué matriz tiene asociada el producto escalar en dicha base?,
c) calcular el ángulo formado por los vectores v2 y v3 , ası́ como el que forman
v1 − v2 y v1 + v2 ,
d ) ¿cuáles son las coordenadas de un vector w respecto de la base ortonor-
mal calculada si respecto de la base B son w = (1, 3, −1)t ? Calcular la
norma respecto de las dos bases. ¿Qué relación hay entre los dos valores
obtenidos?, razónese la respuesta.
Solución:
⎛ ⎞
1 0 0
a) G = ⎝ 0 1 1 ⎠
0 1 2
b) Base ortonormal: {c1 = v1 , c2 = v2 , c3 = −v2 + v3 }.
c) Ángulo formado por los vectores v2 y v3 = π
4, ángulo que forman v1 − v2
y v1 + v2 = π2 .
√
d ) w = (1, 2, −1)t{ci } . Independientemente de la base elegida w = 6.
5. En un espacio vectorial V y respecto de una cierta base {u1 , u2 , u3 } se define el

producto escalar de los vectores x = x1 u1 +x2 u2 +x3 u3 e y = y1 u1 +y2 u2 +y3 u3
mediante:
x · y = x1 y1 + 2x2 y2 + 2x3 y3 + x1 y2 + x2 y1 − x1 y3 − x3 y1 − x3 y2 − x2 y3 .
Hallar un vector a ∈V que forme ángulos iguales con los vectores de la base
dada.
Solución:
Todos los vectores que pertenecen al subespacio
& √ √ '
a ∈ V a1 = −3λ + 3 2λ, a2 = 3λ − 2 2λ, a3 = λ
verifican que forman ángulos iguales con los vectores de la base dada.
6. En un espacio vectorial V de dimensión 3 se considera una cierta base {e1 , e2 , e3 } .
Hallar la matriz de Gram de un producto escalar definido en V del que se sabe
que:
√ √
e1 = 2 y e2 = 3,
el subespacio U = {x1 e1 + x2 e2 + x3 e3 ∈ V x1 + x2 + x3 = 0} es ortogo-
nal al subespacio generado por e1 ,
la proyección ortogonal de e1 + e2 + e3 sobre el subespacio generado por
e2 es 3e2 .
Nota: Póngase la solución en función de cuantos parámetros se necesite.

Solución:
⎛ ⎞
2 2 2
G=⎝ 2 3 4 ⎠ para α > 6
2 4 α
7. En lR4 se considera el producto escalar cuya matriz asociada en la base canónica

es:
⎛ ⎞
1 1 1 0
⎜ 1 2 −1 0 ⎟
A=⎜
⎝ 1 −1
⎟
9 −6 ⎠
0 0 −6 10
Se pide:
a) encontrar la proyección ortogonal del vector u = (4, −1, 0, − 23 )t{ei } sobre el

subespacio V1 = v1 , v2 donde v1 = (2, 1, 0, 0)t{ei } y v2 = (1, 0, −1, 0)t{ei } ,
b) obtener una base del subespacio ortogonal a V1 , V1⊥ , ası́ como la proyección
ortogonal de u sobre V1⊥ .
Solución:
a) Pr |V1 u =(1, 1, 1, 0)t{ei } .

& '
b) Base de V1⊥ = v3 = (−4, 3, 0, −1)t{ei } , v4 = (−1, 0, 3, 4)t{ei } ,

Pr V1⊥ u =(3, −2, −1, − 23 )t{ei } .
5.7. Ejercicios 119
8. Hallar el área de la figura ABCDE, donde A=(-2,0,0), B=(-1,-2,0), C=(2,1,0);

D=(0,1,0), E=(-1,3,0), suponiendo que las coordenadas de los puntos están ex-
presadas en metros.
Solución: 8 m2
9. Hallar el volumen del prisma determinado por los vectores: a = (1, 2, −1)t ,
b = (0, 1, 2)t y c = (1, 2, −3)t referidos a una base ortonormal.
Solución: 2u3 (u = unidades en las que se han medido las coordenadas de los
vectores).
10. Demostrar las siguientes propiedades del producto vectorial:
a) (a × b) · c = a · (b × c) = b · (c × a).
b) a × (b × c) = (a · c)b − (a · b)c.
Capı́tulo 6
Diagonalización de
endomorfismos
6.1. Introducción
Los contenidos de este tema tienen aplicaciones a la resolución de sistemas de ecua-

ciones en diferencias y diferenciales ordinarias. Lo que trataremos de hacer es hallar
alguna base respecto de la cual la matriz asociada a un endomorfismo tiene una forma
particularmente sencilla: la diagonal. Si logramos este objetivo (veremos cuáles son
las condiciones que se tienen que dar para que tal cosa se pueda hacer), entonces es
muy fácil visualizar una aplicación lineal en dicha base como una serie de dilataciones
o contracciones a lo largo de las direcciones marcadas por los vectores de la misma.
Ejemplo introductorio. Un endomorfismo f tiene, en una base {e1 , e2 } de un espacio

vectorial de dimensión 2, la matriz asociada

6 −2
A=
6 −1
Se quiere determinar cuál es la matriz de este endomorfismo en la base {e1 , e2 }, siendo
e1 = e1 + 2e2 y e2 = 2e1 + 3e2 .

−3 2 6 −2 1 2 2 0
A = =
2 −1 6 −1 2 3 0 3
Se observa que la expresión de f en la base {e1 , e2 } es mucho más sencilla que en la
base {e1 , e2 }.
121
122 Capı́tulo 6. Diagonalización de endomorfismos
Dado un endomorfismo, f, del que se conoce su matriz asociada en una cierta base,
cabe, por lo tanto, preguntarse: ¿es siempre posible encontrar un cambio de base
de manera que la matriz asociada a f en la nueva base sea diagonal? Otra forma
equivalente de plantear la misma pregunta: dada una matriz cuadrada A, ¿es siempre
posible encontrar una matriz diagonal semejante?.
La respuesta a la pregunta anterior es negativa. El objetivo de este capı́tulo es estudiar

las condiciones que debe cumplir una matriz para ser diagonalizable y cómo se pueden
diagonalizar aquellas que lo son.
6.2. Valores y vectores propios
Definición 6.1. Sea f : V → V un endomorfismo definido sobre el lK−espacio

vectorial V. Se dice que el escalar λ ∈ lK es un valor propio (o autovalor) de f si
existe algún vector no nulo de V (x ∈ V ) tal que f (x) =λx.
Definición 6.2. Si λ es un valor propio de un endomorfismo f : V → V, los vectores
x ∈ V tales que f (x) = λx (x = 0) se llaman vectores propios o autovectores de
f asociados a λ.
Proposición 6.1. Dado el endomorfismo f : V → V, el conjunto de los vectores
propios de f asociados al valor propio λ constituye un s.e.v. de V y se representará por
Vλ
Vλ = {x ∈V f (x) =λx} .
Vλ recibe el nombre de subespacio propio asociado al valor propio λ.

Proposición 6.2. Dado el endomorfismo f : V → V, el subespacio propio asociado
al valor propio λ coincide con el núcleo de la aplicación f − λI
Vλ = ker(f − λI)
Corolario 6.1. f − λI es un endomorfismo no inyectivo, si y solamente si λ es un
valor propio de f.
Ejemplo 6.1. Cálculo de vectores y valores propios de algunos endomorfismos defi-
nidos sobre lR2 .
1. Homotecia de razón k: h((x1 , x2 )t ) = (kx1 , kx2 )t

y1 k 0 x1
y =h(x) ⇔ =
y2 0 k x2
∀x ∈ lR2 h(x) =kx. Todos los vectores de lR2 son vectores propios asociados al
único valor propio k,
6.2. Valores y vectores propios 123
2. Giro de ángulo α: g((x1 , x2 )t ) = (x1 cos α − x2 sen α, x1 sen α + x2 cos α)t . α = 0

y α = π
y1 cos α − sen α x1
y =g(x) ⇔ =
y2 sen α cos α x2
No existe ningún valor propio perteneciente a lR ⇒ no existe ningún vector

propio perteneciente a lR2 .
3. Simetrı́a con respecto al origen: s0 ((x1 , x2 )t ) = (−x1 , −x2 )t

y1 −1 0 x1
y =s0 (x) ⇔ =
y2 0 −1 x2
∀x ∈ lR2 s0 (x) = − x. Todos los vectores de lR2 son vectores propios asociados
al único valor propio −1.
4. Simetrı́a con respecto a la recta x1 = x2 : sr ((x1 , x2 )t ) = (x2 , x1 )t

y1 0 1 x1
y =sr (x) ⇔ =
y2 1 0 x2
Existen dos subespacios propios: V1 = {x ∈ lR2 /x = (α, α), α ∈ lR}, subespacio

propio asociado al valor propio 1 y V−1 = {x ∈ lR2 /x = (−α, α), α ∈ lR},
subespacio propio asociado al valor propio −1.
Ejemplo 6.2. ¿Cómo se transforman, según los endomorfismos anteriores, los vecto-
res de los subespacios W1 = {x ∈lR2 x1 = x2 } y W2 = {x ∈lR2 x1 = 2x2 }?
Solución:
1. h(W1 ) = W1 y h(W2 ) = W2
2. g(W1 ) = W1 y g(W2 ) = W2
3. s0 (W1 ) = W1 y s0 (W2 ) = W2
4. sr (W1 ) = W1 y sr (W2 ) = W2
Definición 6.3. Sea A ∈ Mn (lK). Se dice que λ ∈ lK es un valor propio de A si

existe x ∈lKn (x = 0) tal que Ax =λx.
Definición 6.4. Si λ es un valor propio de A ∈ Mn (lK), los vectores x ∈lKn (x = 0)
tales que Ax =λx se llaman vectores propios de A asociados a λ.
Definición 6.5. Todos los vectores propios de A ∈ Mn (lK) asociados a λ forman un
s.e.v. de lKn que recibe el nombre de subespacio propio de A asociado a λ.
Proposición 6.3. Sea f : V → V un endomorfismo definido sobre el lK-espacio

vectorial V. Si dim(V ) = n y A ∈ Mn (lK) es la matriz asociada a f en una base, {ei },
de V entonces:
1. El escalar λ ∈ lK es un valor propio de f ⇔ El escalar λ ∈ lK es un valor propio

de A.
2. Si λ es un valor propio de f (o de A) y se denota por (x1 , . . . , xn )t{ei } a las

componentes de un vector v en la base {ei } entonces:
v es un vector propio de f asociado a λ ⇔ (x1 , . . . , xn )t es un vector propio de
A asociado a λ.
Nota 6.1. Si λ es un valor propio del endomorfismo f , v un vector propio de f

asociado a λ y A1 , A2 , . . . , Ap p matrices asociadas a f en p bases distintas ({e1i }, {e2i }
, . . . , {epi }), λ es un valor propio de todas ellas. Sin embargo, si las componentes de
v en la base {e1i } son (x1 , . . . , xn )t , el vector de lKn (x1 , . . . , xn )t es un vector propio
(asociado a λ) de la matriz A1 pero no tiene por qué serlo del resto de las
matrices.
Proposición 6.4. Sea A ∈ Mn (lK). Las siguientes proposiciones son equivalentes:
1. λ ∈ lK es un valor propio de A.
2. El sistema homogéneo (A − λI)x = 0 es compatible indeterminado.
3. |A − λI| = 0.
Definición 6.6. Dada una matriz cuadrada, de orden n, se denomina polinomio

caracterı́stico de A al polinomio de orden n

(a11 − λ) a12 ... a1n

a21 (a22 − λ) ... a2n

pn (λ) = |A − λI| = .. .. .. ..
. . . .

an1 an2 ... (ann − λ)
Definición 6.7. A la ecuación pn (λ) = 0 se la llama ecuación caracterı́stica de

A.
Nota 6.2. De la última proposición se deduce que los valores propios de una matriz
se obtienen hallando las raı́ces de un polinomio (el polinomio caracterı́stico) de grado
igual a la dimensión de la matriz. El teorema fundamental del álgebra establece que
un polinomio de grado n con coeficientes y variables complejas tiene n raı́ces en el
6.3. Diagonalización 125
cuerpo de los complejos:
pn (x) = a(x − r1 )(x − r2 ) . . . (x − rn )1 r1 , r2 , . . . , rn ∈ C
Del teorema fundamental del álgebra se deducen dos propiedades inmediatas
1. Una matriz A ∈ Mn (C) no puede tener más de n valores propios.
2. Una matriz A ∈ Mn (C) tiene siempre, por lo menos, un valor propio.
Definición 6.8. El número de veces que el factor (λ − ri ) aparece en la factorización

de pn (λ) recibe el nombre de multiplicidad algebraica de la raı́z ri y en lo sucesivo
se designará por mi .
Proposición 6.5. Dadas dos matrices semejantes, sus polinomios caracterı́sticos

coinciden.
Proposición 6.6. Sea f : V → V un endomorfismo definido sobre un lK-espacio

vectorial V de dimensión n. La dimensión del subespacio propio, Vλ , de f asociado a
λ es:
dim(Vλ ) = n − rg(A − λI)
Definición 6.9. Se llama multiplicidad geométrica del valor propio λ a la di-

mensión de Vλ . En lo sucesivo la multiplicidad geométrica del valor propio λi se
designará por si .
6.3. Diagonalización
El problema de la diagonalización consiste en dado un endomorfismo f : V → V

definido sobre un e.v., V, de dimensión n, encontrar una base de V tal que la matriz
asociada a f en dicha base sea diagonal; o, enunciado en forma equivalente, dada una
matriz A ∈ Mn (lK), encontrar una matriz P tal que P −1 AP sea una matriz diagonal.
Definición 6.10. Un endomorfismo f : V → V se dice que es diagonalizable si

existe una base de V en la cual la matriz asociada a f es una matriz diagonal.
Definición 6.11. Una matriz A ∈ Mn (lK) es diagonalizable por semejanza si

existe una matriz inversible, P, tal que P −1 AP es una matriz diagonal.
2 las
1raı́ces no tienen por qué ser distintas, se pueden repetir. Sin embargo, se debe verificar
p
m = n, donde m es el número de veces que se repite la raı́z r y p es el número de raı́ces
i i i
i=1
distintas.
Teorema 6.2. A ∈ Mn (lK) es diagonalizable por semejanza Ssi A tiene n vectores

propios linealmente independientes.
Nota 6.3. Un enunciado equivalente del teorema anterior serı́a: un endomorfismo f
es diagonalizable Ssi existe una base del espacio vectorial sobre el que está definido f
formada por vectores propios.
Del Teorema anterior se deduce el siguiente procedimiento para diagonalizar un en-

domorfismo f : V → V diagonalizable (o para diagonalizar por semejanza una matriz
cuadrada diagonalizable por semejanza).
1. Encontrar todos los valores propios del endomorfismo.

2. Hallar las bases de los s.e.v. propios asociados a los valores propios anteriores.
3. Unir las bases obtenidas en la etapa anterior para formar una base de V (siempre
es posible si el endomorfismo es diagonalizable).
4. Expresar f en la base formada por los vectores propios mediante el correspon-
diente cambio de base. La matriz de f en esta nueva base será una matriz
diagonal cuyos elementos no nulos serán los valores propios del endomorfismo.
⎛ ⎞
λ1 0 ... 0
⎜ 0 λ2 . . . 0 ⎟
⎜ ⎟
A = P −1 AP = ⎜ . . . .. ⎟ ; P = (p1 , . . . , pn )
⎝ .. .. . . . ⎠
v. prop. L.I.
0 0 . . . λn
Proposición 6.7. Los subespacios propios son linealmente independientes (Vλi ∩
Vλj = {0} si i = j).
Proposición 6.8. Sea f : V → V un endomorfismo definido sobre un lK-espacio
vectorial de dimensión n. Supóngase que f tiene p valores propios (p ≤ n) λi (i =
1, . . . p), siendo sus multiplicidades algebraicas respectivas mi (i = 1, . . . , p) y sus
multiplicidades geométricas si (i = 1, . . . , p). El endomorfismo f es diagonalizable Ssi
se verifican las dos propiedades siguientes:

p
1. mi = n (siempre es cierto si lK = C, pero puede no serlo si lK = lR).
i=1
2. mi = si , i = 1, . . . , p.
6.4. Propiedades de los valores propios
Proposición 6.9. Sea A ∈ Mn (lK) una matriz cuyos valores propios son los escalares
λ1 , . . . , λn ∈ lK. Se verifica:
1. Los valores propios de At coinciden con los de A.

n
2. det(A) = λi .
i=1
3. Los valores propios de la matriz αA son αλi (i = 1, . . . , n), (α ∈ lK).

4. Si A es no singular, entonces los valores propios de A−1 son 1
λi (i = 1, . . . , n).
5. ∀k ∈ lN, los autovalores de Ak son λki , i = 1, . . . , n.
el capı́tulo 6 de [1], el 9 de [2], el 5 de [10], el 8 del [11] y el capı́tulo 7 de [12].
Para profundizar más en el tema ver [19], [9], [13], [63], [67] y [66]. Las últimas
referencias están indicadas para estudiar métodos numéricos de cálculo de valores
propios.
6.6. Ejercicios
1. Calcular los autovalores (valores propios) y subespacios propios de las matrices
A y B. ¿Son diagonalizables por semejanza?
⎛ ⎞
1 2 0
a) A = ⎝ −1 3 1 ⎠
0 1 1
⎛ ⎞
5 0 −4
b) B = ⎝ 0 3 0 ⎠
2 0 −1
Solución:
a) λ1 = 1 (simple, m1 = 1); λ2 = 2 (doble, m2 = 2).

V1 = x ∈ lR3 / x = (α, 0, α)t , α ∈ lR ,

V2 = x ∈ lR3 / x = (2α, α, α)t , α ∈ lR .
La matriz A no es diagonalizable por semejanza.
b) λ1 = 1 (simple, m1 = 1); λ2 = 3 (doble, m2 = 2).

V1 = x ∈ lR3 / x = (α, 0, α)t , α ∈ lR ,

V2 = x ∈ lR3 / x = (2α, β, α)t , α, β ∈ lR .
La matriz B si es diagonalizable por semejanza.
2. Hallar los valores propios y los subespacios propios de la matriz

⎛ ⎞
1 −1 −1
A = ⎝ 1 −1 0 ⎠ , A ∈ M3,3 (C)
1 0 −1
Indicar si A es diagonalizable por semejanza. En caso de serlo hallar la matriz

diagonal semejante a A.
Solución:
Autovalores: λ1 = −1, λ2 = i, λ3 = −i. Base de V1 = {(0, 1, −1)t } , Base de
Vi = {(1 + i, 1, 1)t } , Base de V−i = {(1 − i, 1, 1)t } . La matriz es diagonalizable
por semejanza. La matriz diagonal semejante es:
⎛ ⎞
−1 0 0
D=⎝ 0 i 0 ⎠
0 0 −i
3. Dada una matriz A ∈ Mn,n (lK), se dice que A es una matriz ortogonal si At =
A−1 . Demostrar que si λ es un autovalor de una matriz ortogonal entonces
también lo es λ1 .
4. Considérese la siguiente matriz cuadrada y simétrica :

a b
A= .
b d
Se pide:
a) demostrar que los valores propios de A son siempre reales si a, b y d son

reales,
b) demostrar que la matriz A es diagonalizable por semejanza para cuales-
quiera a, b y d (reales).
5. Considérese la siguiente matriz cuadrada:

a b
A= a, b ∈ lR b = 0
−b a
Se pide demostrar que la matriz A no tiene valores propios reales.

6. Un endomorfismo idempotente es aquél que verifica: f ◦ f = f (una matriz
idempotente es una matriz cuadrada que verifica: AA = A2 = A). Hallar los
posibles valores propios de un endomorfismo idempotente.
Solución: los únicos valores propios posibles son λ = 0 y λ = 1.
6.6. Ejercicios 129
7. Dos empresas fabricantes de automóviles (A y B) controlan el mercado de un

paı́s repartiéndoselo al 60 % y 40 % respectivamente. Este año en el mercado se
mueven 5 billones de pesetas. Si los compradores de la marca A son cada año
fieles en un 30 % y se cambian cada año a la otra marca un 70 % y en el caso
de la marca B, son fieles el 40 % y optan por la otra marca un 60 %. ¿Cómo se
repartirán el mercado al cabo de 10 años, suponiendo que su volumen perma-
nezca constante? Si se quiere estudiar el reparto del mercado en años sucesivos
se observa que la variación es muy pequeña, prácticamente despreciable (el re-
parto del mercado permanece cuasi-constante al cabo de un cierto número de
años). ¿Cómo se justificarı́a este comportamiento desde el punto de vista de la
diagonalización de endomorfismos?
Solución:
Ventas de la marca A : 2.307.696.396.000 Pesetas.

Ventas de la marca B : 2.692.303.604.000 Pesetas.
Pista: expresar el vector de repartición inicial ( (0,6, 0,4)t ) en función de
una base de vectores propios del endomorfismo que transforma el reparto
del mercado de un año dado al del año siguiente.
8. Sea f : lR3 → lR3 un endomorfismo y A su matriz asociada. Se sabe que una

base del núcleo del endomorfismo cuya matriz asociada es A − I esta constituida
por los vectores (1, 1, 0)t y (1, 0, 1)t y que en el endomorfismo dado por A la
imagen del vector (0, 2, 1)t es el vector (1, 1, 0)t . Se pide:
a) valores propios y subespacios propios de f,

b) si f es diagonalizable, determinar una base respecto a la cual la matriz aso-
ciada a f sea diagonal, determinar también la expresión del endomorfismo
diagonalizado,
c) clasificar el endomorfismo,
d ) obtener los subespacios propios de An ,
e) determinar la matriz del endomorfismo en la base original (la base canónica
de lR3 ).
expresados en la base canónica de lR3 .
Solución:
a) Valores
propios: λ1 = 1 (doble), λ2 =0.
V1 = (x, y, z)t ∈ lR3 /$x − y − z = 0 ,
x+y =0
V0 = (x, y, z)t ∈ lR3
x+z =0
⎛ ⎞ ⎛ ⎞⎛ ⎞
y1 1 0 0 x1
b) f es diagonalizable. f (x) = ⎝ y2 ⎠ = ⎝ 0 1 0 ⎠ ⎝ x2 ⎠ , expresión
y3 0 0 0 x3
de f en la base {(1, 1, 0)t , (1, 0, 1)t , (1, −1, −1)t }, base formada por vectores
propios.
c) El endomorfismo no es inyectivo y en consecuencia tampoco es sobreyecti-
vo.
d ) Los subespacios propios de An son los mismos que los de A.
⎛ 2 1 1
⎞
3 3 3
e) P = ⎝ 1
3
2
3 − 13 ⎠
1
3 − 13 2
3
Capı́tulo 7
El espacio afı́n euclı́deo
7.1. Introducción
En este capı́tulo se van a tratar algunos problemas básicos de geometrı́a analı́tica

como representación de rectas y planos, estudio de las posiciones relativas de rectas
y planos, cálculo de la distancia de un punto a un plano o una recta, etc.. Para poder
abordar estos problemas es necesario introducir el concepto de espacio geométrico
(espacio afı́n euclı́deo de dimensión 3) que se representará en lo que sigue por A3 .
En esta introducción se define el concepto de espacio afı́n euclı́deo de dimensión n y
se enumeran algunas de las propiedades de sus elementos básicos: puntos, vectores y
variedades lineales.
Definición 7.1. Dados un conjunto A, cuyos elementos se llamarán puntos, y un
espacio euclı́deo E, se dice que A es un espacio afı́n euclı́deo asociado a E si existe
una aplicación
A×E → A
(P, v) → Q = P + v
que verifica:
1. ∀ (P, Q) ∈ A × A ∃ un único v ∈ E t.q. P + v = Q,

2. ∀ P ∈ A y u, v ∈ E, se verifica: (P + u) + v =P + (u + v).
Definición 7.2. El espacio euclı́deo E recibe el nombre de espacio de dirección de

A.
131
132 Capı́tulo 7. El espacio afı́n euclı́deo
Nota 7.1. Se usarán las notaciones P + v =Q, PQ = v ( PQ : vector que tiene por
origen el punto P y por extremo el punto Q) y v =Q − P indistintamente.
Nota 7.2. Téngase en cuenta que en los capı́tulos correspondientes a la parte de
cálculo los puntos se designarán mediante letras minúsculas con raya encima. (p en
vez de P ).
Proposición 7.1. (Principales propiedades de un espacio afı́n euclı́deo)
1. P + v =P ⇔ v = 0,
2. ∀ P, Q ∈ A PQ = −QP,
3. ∀ P, Q, R ∈ A PQ + QR = PR (relación de Chasles),
4. ∀ P, Q, P , Q ∈ A si PQ = P Q entonces PP = QQ .
Definición 7.3. Sea A un espacio afı́n euclı́deo de dimensión n asociado a un espacio

vectorial E. Una referencia afı́n de A es un conjunto formado por un punto O ∈ A,
llamado origen de la referencia y una base {e1 , . . . , ep } de E. Se representa por R =
{O, e1 , . . . , ep } . Si {e1 , . . . , ep } es una base ortonormal se dirá que R es un sistema
de referencia ortonormal.
Definición 7.4. Coordenadas de un punto en una referencia afı́n. Dada
R = {O, e1 , . . . , ep } se llaman coordenadas afines de P ∈ A en R a las coordenadas
de OP en la base {e1 , . . . , ep } .
CAMBIO DE REFERENCIA AFÍN

Dadas R = {O, e1 , . . . , ep } y R = O , e1 , . . . , ep con OO = (a1 , . . . , an )t las
n
coordenadas de O en R y ei = aji ej . Si (x1 , . . . , xn )t son las coordenadas de X
j=1
en R e (y1 , . . . , yn )t las de X en R entonces:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎛ ⎞
x1 a1 a11 ... a1n y1
⎜ x2 ⎟ ⎜ a2 ⎟ ⎜ a21 ... a2n ⎟⎜ y2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟
⎜ .. ⎟=⎜ .. ⎟+⎜ .. .. .. ⎟⎜ .. ⎟
⎝ . ⎠ ⎝ . ⎠ ⎝ . . . ⎠⎝ . ⎠
xn an an1 . . . ann yn
Definición 7.5. Todo subconjunto de A con estructura de espacio afı́n recibe el nom-
bre de variedad lineal (o subespacio afı́n o variedad afı́n).
Teorema 7.1. Si B es una variedad lineal de A entonces B = {P + vP ∈ A y
v ∈F } siendo F un subespacio vectorial de E. Se representa por B = P + F y se dice
que B es la variedad lineal que pasa por P y tiene a F como subespacio de dirección.
7.2. Representación de rectas y planos 133
Definición 7.6. Se llama rango de un conjunto de puntos {P0 , P1 , . . . , Pk } al rango

del conjunto de vectores {P0 P1 , P0 P2 , . . . , P0 PK }.
Definición 7.7. Los puntos {P0 , P1 , . . . , Pk } son afinmente independientes si los
vectores {P0 P1 , P0 P2 , . . . , P0 PK } son linealmente independientes. En caso contrario
se dice que los puntos son afinmente dependientes .
Nota 7.3. En lo que resta de capı́tulo se va a trabajar únicamente en el espacio
geométrico A3 que es un espacio afı́n euclı́deo de dimensión 3 formado por el conjunto
de puntos lR3 (todos los puntos del espacio) y el espacio euclı́deo formado por el
espacio vectorial lR3 (todos los vectores de tres componentes, o todas las direcciones
del espacio) y el producto escalar ordinario (producto escalar cuya matriz asociada
en la base canónica es la matriz unidad).
Obsérvese que al conjunto de puntos se le llama igual que al espacio vectorial porque
a cada punto se le puede asociar una dirección: la del vector que une el origen de
coordenadas con el punto en cuestión. En los ejemplos que se estudian a continuación
será fácil distinguir por el contexto cuando nos estaremos refiriendo al conjunto de
puntos o cuando al espacio vectorial.
Por último indicar que en lo que resta de capı́tulo se supondrá, salvo indicación
contraria, que los sistemas de referencia son ortonormales.
7.2. Representación de rectas y planos
7.2.1. Rectas en el espacio
Son las variedades lineales que pasan por un punto y tienen asociado un subespacio
de dirección de dimensión 1 (son por lo tanto variedades lineales de dimensión 1):
Recta que pasa por un punto P = (P1 , P2 , P3 )t y tiene a v = (v1 , v2 , v3 )t como

vector director (vector que pertenece al subespacio de dirección de la recta):
X = P + λv
Ecuaciones paramétricas: independientes

X1 = P1 + λv1
X2 = P2 + λv2
X3 = P3 + λv3
Ecuaciones implı́citas:
a1 X1 + a2 X2 + a3 X3 = a4
b1 X1 + b2 X2 + b3 X3 = b4
Las ecuaciones implı́citas se obtienen eliminando λ de las ecuaciones paramétri-

cas. Por ejemplo despejando λ de las tres ecuaciones e igualando los tres valores
despejados:
X1 − P1 X2 − P 2 X3 − P3
= = Ecuación general
v1 v2 v3
A partir de la ecuación general se deducen de forma inmediata las dos ecuaciones
implı́citas. Obteniéndose, por ejemplo (no hay una solución única), a1 = v2 ,
a2 = −v1 , a3 = 0, y a4 = v2 P1 − v1 P2 para la primera ecuación y b1 = v3 ,
b2 = 0, b3 = −v1 , y b4 = v3 P1 − v1 P3 .
Recta que pasa por dos puntos: P = (P1 , P2 , P3 )t y Q = (Q1 , Q2 , Q3 )t . En este
caso un vector director de la recta es PQ = (Q1 − P1 , Q2 − P2 , Q3 − P3 )t y nos
encontramos en el caso anterior.
7.2.2. Planos en el espacio
Los planos son variedades lineales que pasan por un punto y tienen asociado un
subespacio de dirección de dimensión 2 (son variedades lineales de dimensión 2).
Plano que pasa por el punto P = (P1 , P2 , P3 )t y tiene a u = (u1 , u2 , u3 )t y a

v = (v1 , v2 , v3 )t como vectores directores (u y v linealmente independientes).
X = P + λu+µv (7.1)
Ecuaciones paramétricas:
X1 = P1 + λu1 + µv1
X2 = P2 + λu2 + µv2
X3 = P3 + λu3 + µv3
Ecuación general: de (7.1) se deduce que X − P = λu+µv y por lo tanto PX,

u y v son linealmente dependientes, por lo que:

X1 − P1 X2 − P2 X3 − P3

u1 u2 u3 =0 (7.2)

v1 v2 v3

u u3 u u3
Ecuación implı́cita: si en (7.2) se hace a = 2 , b = − 1 ,c=
v2 v3 v1 v3
u1 u2

v1 v2 queda:
a(X1 − P1 ) + b(X2 − P2 ) + c(X3 − P3 ) = 0.

7.3. Posiciones relativas de rectas y planos 135
O, lo que es lo mismo:
aX1 + bX2 + cX3 = d (7.3)
con d = aP1 + bP2 + cP3 . La ecuación implı́cita (7.3) también se puede obtener
directamente a partir de las ecuaciones paramétricas eliminando los parámetros
λ y µ.
Plano que pasa por 3 puntos (afinmente independientes) P = (P1 , P2 , P3 )t ,

Q = (Q1 , Q2 , Q3 )t y R = (R1 , R2 , R3 )t . En este caso se tiene que PQ = (Q1 −
P1 , Q2 − P2 , Q3 − P3 )t y PR = (R1 − P1 , R2 − P2 , R3 − P3 )t son dos vectores
directores del plano (pertenecientes a su subespacio de dirección) y por la tanto
se dan las condiciones del caso anterior.
Nota 7.4. Un vector, w, que sea ortogonal a todos los vectores directores del plano
(w · u = 0 para todo u perteneciente al subespacio de dirección del plano) recibe el
nombre de vector caracterı́stico del plano.
Nota 7.5. Si el sistema de referencia es ortonormal, el vector (a, b, c)t es un vector

caracterı́stico del plano. Siendo a, b y c los tres coeficientes que aparecen en la ecuación
(7.3).
Nota 7.6. Si el sistema de referencia es ortonormal y u y v son dos vectores cua-

lesquiera del subespacio de dirección del plano, el vector (u × v) es un vector carac-
terı́stico del plano.
Nota 7.7. Cada una de las ecuaciones implı́citas de una recta es la ecuación de un
plano. Por ello se puede afirmar que toda recta de A3 es intersección de dos planos.
7.3. Posiciones relativas de rectas y planos
7.3.1. Paralelismo y ortogonalidad
Sean r1 y r2 dos rectas de vectores directores u = (u1 , u2 , u3 )t y v = (v1 , v2 , v3 )t

respectivamente y π 1 y π 2 dos planos de vectores caracterı́sticos respectivos a =
(a1 , a2 , a3 )t y b = (b1 , b2 , b3 )t . Se verifica lo siguiente:
1. Las rectas r1 y r2 son paralelas si u =λv, o, lo que es lo mismo, uv11 = u2

= u3
⇔
v2 v3
u1 u2 u3
o, lo que también es lo mismo rg = 1.
v1 v2 v3
2. Los planos son paralelos si a = λb.
3. Las rectas r1 y r2 son ortogonales si u · v =0.

4. Los planos π 1 y π 2 son ortogonales si a · b =0.

5. La recta r1 es paralela al plano π 1 si u · a =0.
6. La recta r1 es perpendicular al plano π 1 si u =λa.
7.3.2. Posiciones relativas de dos planos
Sean los planos:

π 1 : a1 X + b1 Y + c1 Z = d1
π 2 : a2 X + b2 Y + c2 Z = d2
Su posición relativa se determina estudiando su intersección. Para ello se discute el

sistema:
a1 X + b1 Y + c1 Z = d1
(7.4)
a2 X + b2 Y + c2 Z = d2
Si se denota por M a la matriz de coeficientes de (7.4) y por N a la matriz ampliada

de (7.4) se tendrá:
1. rg(M ) = rg(N ) = 2. En este caso el sistema (7.4) es un sistema compatible

indeterminado. La solución depende de un parámetro. La intersección de los
planos es una recta cuyo vector director es el producto vectorial de los ca-
racterı́sticos del plano. Resolviendo el sistema (7.4) se obtienen unas ecuaciones
paramétricas de la recta intersección.
2. rg(M ) = 1 y rg(N ) = 2. En este caso el sistema (7.4) es un sistema incompatible,
los dos planos no tienen ningún punto en común. Son planos paralelos.
3. rg(M ) = rg(N ) = 1. En este caso los dos planos son iguales.
7.3.3. Posición relativa de dos rectas
Sean las rectas:

a1 X + a2 Y + a3 Z = a4 c1 X + c2 Y + c3 Z = c4
r1 : y r2 :
b1 X + b2 Y + b3 Z = b4 d1 X + d2 Y + d3 Z = d 4
Su posición relativa se determina discutiendo las soluciones del sistema:

⎫
a1 X + a2 Y + a3 Z = a4 ⎪⎪
⎬
b1 X + b2 Y + b3 Z = b4
(7.5)
c1 X + c2 Y + c3 Z = c4 ⎪⎪
⎭
d1 X + d2 Y + d3 Z = d 4
7.3. Posiciones relativas de rectas y planos 137
Si se denota por M a la matriz de coeficientes de (7.5) y por N a la matriz ampliada

de (7.5) (2 ≤ rg(M ) ≤ 3, 2 ≤ rg(N ) ≤ 4), se tendrá:
1. rg(M ) = 3 y rg(N ) = 4. En este caso el sistema (7.5) es un sistema incompatible.

Las rectas se cruzan, no existe ningún punto que pertenezca a las dos rectas
a la vez. Se cruzan y no son paralelas porque al ser rg(M ) = 3 la intersección
de los subespacios de dirección de cada una de las rectas contiene únicamente
al vector nulo y por lo tanto no tienen ninguna dirección común.
2. rg(M ) = rg(N ) = 3. En este caso el sistema (7.5) es un sistema compatible

determinado. Las rectas se cortan en un punto (la solución del sistema).
3. rg(M ) = 2 y rg(N ) = 3. En este caso el sistema (7.5) es un sistema incompatible.

Las rectas son paralelas. Son paralelas y no se cruzan porque al ser rg(M ) = 2
los subespacios de dirección de ambas rectas coinciden y las dos rectas tienen
la misma dirección.
4. rg(M ) = rg(M ) = 2. En este caso el sistema (7.5) es un sistema compatible

indeterminado con una parámetro libre. Las dos rectas coinciden: las dos
ecuaciones son dos formas distintas de expresar la misma recta.
Nota 7.8. También se puede determinar la posición relativa de dos rectas del siguien-
te modo: supóngase que los vectores directores de las rectas r1 y r2 son respectivamente
u y v, se tienen dos casos,
1. u = λv (los subespacios de dirección de ambas rectas coinciden).
a) Si un punto cualquiera de r1 verifica las ecuaciones de r2 (o viceversa)

ambas rectas son la misma.
b) Si un punto cualquiera de r1 no verifica las ecuaciones de r2 (o viceversa)
las rectas son paralelas.
2. u ∈
/ v (los subespacios de dirección son distintos).
a) Si PQ ∈ u, v (P es un punto cualquiera de r1 y Q es un punto cualquiera

de r2 ). O, lo que es lo mismo,

Q1 − P1 Q2 − P2 Q3 − P3

u1 u2 u3 = 0

v2 v2 v3
Las rectas están en un mismo plano y se cortan en un punto.

b) Si PQ ∈
/ u, v . O, lo que es lo mismo,

Q1 − P1 Q2 − P2 Q3 − P3

u1 u2 u3 = 0

v2 v2 v3
Las rectas están en planos distintos y por lo tanto se cruzan.
7.3.4. Posición relativa de recta y plano
Si ⎧
⎨ X = X0 + λv1
r1 : Y = Y0 + λv2 y π : aX + bY + cZ = d
⎩
Z = Z0 + λv3
son las ecuaciones paramétricas de la recta r1 y la ecuación implı́cita del plano π

respectivamente, su posición relativa se puede estudiar analizando la ecuación:
a(X0 + λv1 ) + b(Y0 + λv2 ) + c(Z0 + λc) = d, (7.6)
ecuación que se obtiene obligando a que un punto genérico de la recta r1 pertenezca

al plano π. Sacando factor común a λ en (7.6) se obtiene:
λ(av1 + bv2 + λc) + aX0 + bY0 + cZ0 − d = 0 (7.7)
A partir de (7.7) se concluye lo siguiente:
1. llamando h a av1 + bv2 + λc y k a aX0 + bY0 + cZ0 − d si h = 0 y k = 0 la

ecuación (7.7) se satisface para todo λ y por lo tanto la recta está contenida
en el plano.
2. Si h = 0 existe un único valor de λ (λ0 = − hk ) que verifica (7.7). En este caso
la recta corta al plano en un punto determinado por λ0 .
3. Si h = 0 y k = 0 la ecuación (7.7) no se satisface para ningún λ y por lo tanto
la recta y el plano serán paralelos.
Nota 7.9. Otra forma de estudiar la posición relativa de recta y plano es analizar
las soluciones del sistema:
⎫
a1 X + b1 Y + c1 Z = d1 ⎬
r1 :
a2 X + b2 Y + c2 Z = d2
⎭
π 1 : aX + bY + cZ = d
7.4. Ángulos y distancias 139
7.4. Ángulos y distancias
Definición 7.8. Ángulo que forman dos rectas r1 y r2

u·v
α = r.
1 r2 = arc cos ,
u v
en donde u es un vector director de r1 y v uno de r2 .
Definición 7.9. Ángulo que forman dos planos π 1 y π 2

w1 ·w2
β = π
1 π 2 = arc cos ,
w1 w2
en donde w1 es un vector caracterı́stico de π 1 y w2 uno de π 2 .

Definición 7.10. Ángulo que forman una recta r y un plano π

π u·w
γ = r/
π = − arc cos ,
2 u w
en donde u es un vector director de r y w es un vector caracterı́stico de π.

Definición 7.11. Distancia entre dos puntos P = (P1 , P2 , P3 )t y Q = (Q1 , Q2 ,Q3 )t
d(P, Q) = PQ
Definición 7.12. La Distancia de un punto P a una recta r coincide con la
distancia del punto P al punto intersección del plano perpendicular a r que pasa por
P con la propia r.
Cálculo de la distancia de P a r. Supóngase que se denota por Q al punto inter-

sección del plano perpendicular a r que pasa por P con la propia r, entonces:

PX0 = PQ + QX0 = PQ + Pr u
PX0 (7.8)
en donde X0 es un punto cualquiera de la recta (QX0 es la proyección ortogonal de

PX0 sobre el subespacio director de la recta). Despejando PQ de la ecuación (7.8)
se obtiene:
PX0 · u
PQ = PX0 − Pr u
PX0 = PX0 − 2 u
u
donde u es un vector director de la recta. Por lo tanto:

, ,
, PX0 · u ,
, ,
d(P, r) = d(P, Q) = ,PX0 − 2 u, (7.9)
, u ,
Nota 7.10. Una forma más rápida de calcular la distancia entre punto y recta pero
que no proporciona las coordenadas de Q se deduce multiplicando vectorialmente a
la derecha por u en ambos miembros de la ecuación (7.8):
PX0 × u = (PQ + QX0 ) × u = PQ × u
debido a que u y QX0 tienen la misma dirección. De la igualdad anterior se deduce

que:
PX0 × u = PQ × u
lo cual implica (PQ y u son perpendiculares):

PX0 × u
d(P, Q) = PQ = (7.10)
u
Definición 7.13. La distancia de un punto P a un plano π coincide con la
distancia del punto P al punto Q. Siendo Q el punto intersección de la recta perpen-
dicular a π que pasa por P con el propio π. Q recibe el nombre de proyección de P
sobre el plano.
Cálculo de la distancia de P a π. Supóngase que el plano tiene por ecuación

implı́cita π : aX + bY + cZ = d. En este caso las ecuaciones paramétricas de la recta
perpendicular a π que pasa por P serán:
⎫
X = P1 + λa ⎬
Y = P2 + λb
⎭
Z = P3 + λc
El punto Q, proyección de P sobre el plano será aquel punto de la recta que verifique
la ecuación del plano,
a(P1 + λa) + b(P2 + λb) + c(P3 + λc) = d
de donde se deduce que:

aP1 + bP2 + cP3 − d
λ∗ = −
a2 + b2 + c2
por lo tanto las coordenadas del punto Q serán:

Q = (P1 + λ∗ a, P2 + λ∗ b, P3 + λ∗ c)t
y la distancia buscada,
, , (
d(P, π) = d(P, Q) = PQ = ,(λ∗ a, λ∗ b, λ∗ c)t , = |λ∗ | a2 + b2 + c2
7.4. Ángulos y distancias 141
sustituyendo el valor de λ∗ ,
|aP1 + bP2 + cP3 − d|

d(P, π) = √ (7.11)
a2 + b2 + c2
Definición 7.14. Distancia entre dos rectas r1 y r2 . Se pueden dar tres casos:
1. Si las dos rectas se cortan la distancia es cero.
2. Si las dos rectas son paralelas, d(r1 , r2 ) = d(P, r2 ) donde P es un punto cual-
quiera de la recta r1 .
3. Si las dos rectas se cruzan, d(r1 , r2 ) = d(P, Q) en donde P y Q son los puntos
de corte de r1 y r2 con la perpendicular común.
Nota 7.11. La perpendicular común de dos rectas que se cruzan es la recta que corta
perpendicularmente a ambas.
Cálculo de la distancia entre dos rectas r1 y r2 que se cruzan. Se parte de

las ecuaciones paramétricas de las dos rectas:
r1 : X = X0 + λu, r2 : Y = Y0 + µv
Los pies de la perpendicular común (los puntos de corte de la perpendicular común

con cada una de las rectas), que se llamarán P y Q, pertenecen respectivamente a r1
y r2 y por lo tanto
P = X0 + λ∗ u, Q = Y0 + µ∗ v (7.12)
Para calcular λ∗ y µ∗ basta con tener en cuenta que PQ · u =0 y PQ · v =0. Estas

dos igualdades proporcionan un sistema de dos ecuaciones con dos incógnitas (λ∗ y
µ∗ ), una vez resuelto se sustituyen los valores de λ∗ y µ∗ en (7.12) obteniéndose las
coordenadas de P y Q. Conocidos P y Q la distancia buscada será:
d(r1 , r2 ) = d(P, Q) = PQ (7.13)
A partir de P y Q también se obtiene de forma inmediata la ecuación de la perpen-

dicular común.
Nota 7.12. Es posible calcular la distancia entre las rectas r1 y r2 sin necesidad
de calcular los pies de la perpendicular común. Utilizando la notación del cálculo
anterior:
PQ = PX0 +X0 Y0 +Y0 Q
el vector u × v tiene la misma dirección que PQ y es ortogonal a PX0 y a Y0 Q, por

lo tanto:

|PQ · (u × v)| = PX0 · (u × v)+X0 Y0 · (u × v)+Y0 Q · (u × v)

0 0

PQ u × v = |X0 Y0 · (u × v)|
y en consecuencia:
|X0 Y0 · (u × v)|
d(r1 , r2 ) = d(P, Q) = PQ = (7.14)
u × v
Nota 7.13. Se puede, también, obtener la ecuación de la perpendicular común sin
necesidad de conocer los pies de la perpendicular. Basta con expresarla como la inter-
sección de los planos π 1 (plano que pasa por X0 y tiene como vectores directores a u
y u × v) y π 2 (plano que pasa por Y0 y tiene como vectores directores a v y u × v):

π 1 : X0 + λu+µ(u × v)
ecuación de la perpendicular común a r1 y r2 .
π 2 : Y0 + αv+β(u × v)
los capı́tulos 11 y 12 de [2], el capı́tulo 3 de [7] y el capı́tulo 2 de [5].
7.6. Ejercicios
1. Sea Ax = b con A ∈ Mn (lR) y x, b ∈ lRn , un sistema compatible de ecuaciones.
a) Demostrar que el conjunto S0 de soluciones del sistema homogéneo Ax = 0

es un subespacio vectorial y que el conjunto S de soluciones del sistema
completo es una variedad lineal en el espacio An .
⎫ S de A3 , solución del sistema de ecuaciones
b) Dada la variedad lineal
x1 + x2 + x3 = 2 ⎬
x2 − x3 = 1
⎭
2x1 − x2 + 5x3 = 1
en el sistema de referencia canónico (O; e1 , e2 , e3 ), expresar S como suma
de un punto y un subespacio.
7.6. Ejercicios 143
c) Dar las ecuaciones del subespacio afı́n S del apartado anterior en el sistema
de referencia R : (P ; e1 + e2 , e2 + e3 , e3 ) con P = (1, 0, 0)t .
Solución:
(b) S = (1, 1, 0)t + (−2, 1, 1)t

⎫
2x1 + 2x2 + x3 = 2 ⎬
(c) x1 − x3 = 1
⎭
x1 + 4x2 + 5x5 = −1

2. En un cubo de arista a se considera la diagonal D que une los puntos (a, 0, 0)t
y (0, a, a)t y una diagonal d de una de las caras (cara formada por los puntos
(a, 0, 0)t , (a, a, 0)t , (a, a, a)t y (a, 0, a)t ), de tal forma que las rectas d y D se
crucen. Determinar los puntos de corte de la perpendicular común a d y D con
d y D.
Solución:
a a t
t
P = 2a3 , 3, 3 , Q = a, a2 , a2 .
3. Dadas las rectas r : {x = y = z} y s : {x = t + 1, y = t, z = t}, hallar los planos
paralelos al plano que contiene a r y a s y que distan dos unidades del origen.
Solución:
√ √
y − z + 2 2 = 0 y y − z − 2 2 = 0.
4. Sean los planos : bx + 2y + z + 2 − a = 0, ay + z = 0 y 3x + 2y + z − 3 = 0.
Determinar para que valores de a y b forman un triedro (se cortan en un punto)
y obtener el lugar geométrico del vértice del triedro (punto de corte).
Solución:
Forman un triedro para b = 3 y a = 2, el lugar geométrico de los posibles
vértices es el plano 3x + 2y + z − 3 = 0.
5. En el espacio geométrico y respecto de una referencia cartesiana R = {O, e1 , e2 ,

e3 }, se consideran los puntos O = (1, 2, 1)t , A = (2, 3, 1)t , B = (2, 2, 2)t y
C = (4, 3, 1)t . Sea R = {O, u1 , u2 , u3 } una referencia cuyos ejes son las rectas
O A, O B, O C, y D un punto cuyas coordenadas son (2, 1/2, 1/3)t en la
referencia R y (1,1,1)t en R . Hallar las ecuaciones que facilitan el cambio de
coordenadas.
Solución:
⎧
⎨ x1 = 1 − −
37y1 2y2 57y3
12 3 + 12
x =2− 37y1
+ 19y3
⎩ 2 12 12
x3 = 1 − 2y2
3
Capı́tulo 8
Métodos numéricos de
resolución de sistemas de
ecuaciones lineales
8.1. Introducción
En este tema se van a estudiar diversos métodos numéricos para resolver un sistema
lineal de ecuaciones, Ax = b, compatible determinado de n ecuaciones con n incógni-
tas. Los métodos numéricos de resolución de sistemas de ecuaciones lineales se pueden
dividir en dos grupos:
1. Métodos directos. Se obtiene la solución exacta (si se desprecian los errores

de redondeo) mediante un algoritmo finito. En los métodos directos debe
examinarse con detalle el número de operaciones aritméticas elementales
que se realizan tanto por el tiempo de cálculo que conllevan como por la posible
acumulación de errores de redondeo.
Un primer ejemplo de algoritmo directo podrı́a ser el método de Cramer. Es fácil
estimar el número de operaciones en coma flotante1 necesarias para obtener la
solución mediante este algoritmo: hay que calcular n + 1 determinantes de orden
1 Los números reales se codifican en el ordenador mediante un número (variable) de bits. Una de
las formas más habituales de codificación consiste en dedicar un conjunto de bits para codificar la
mantisa, otro para codificar el exponente, un bit para el signo y otro para el punto decimal (coma
en español). Las operaciones aritméticas elementales entre números reales codificados de esta forma
se denominan operaciones en coma flotante.
145
146 Capı́tulo 8. Métodos numéricos de resolución de sistemas de ecuaciones lineales
n y efectuar n divisiones. Suponiendo que cada determinante se calculase “a lo

bruto” se necesitarı́an n!(n − 1) productos y n! − 1 sumas para calcular cada
uno de ellos y en consecuencia el número total de operaciones serı́a,
(n + 1)n!(n − 1) multiplicaciones,
(n + 1)(n! − 1) sumas,
n divisiones.
En total (n+1)(n!(n−1)+n!−1)+n = (n+1)!n−1 operaciones en coma flotante

≈ (n + 1)!n operaciones en coma flotante (para n suficientemente grande). Esto
se suele expresar diciendo que el método de Cramer necesita un número de
operaciones en coma flotante del orden de O((n + 1)!n)
Un segundo método puede ser el cálculo de la matriz inversa del sistema, A−1
y tras ello la determinación de la solución mediante x = A−1 b. En esto caso el
número de operaciones en coma flotante es del orden O(2n3 ).
En la práctica no se utiliza ninguno de los dos métodos anteriores porque el
número de operaciones en coma flotante que necesitan es demasiado grande
para valores de n elevados. Los métodos que se utilizan habitualmente consisten
en:
a) buscar otro sistema, habitualmente triangular, equivalente al inicial y de

resolución sencilla y “barata” (desde el punto de vista del número de ope-
raciones). Un ejemplo de este tipo de métodos serı́a el método de Gauss.
b) expresar la matriz A como producto de dos (o más) matrices triangulares
o diagonales de forma que la solución del sistema Ax = b pueda resolverse
resolviendo dos (o más) sistemas triangulares o diagonales. Un ejemplo de
este tipo de métodos serı́a el método LU.
2. Métodos iterativos. Se obtiene la solución del sistema con una cierta precisión
mediante algoritmos convergentes pero infinitos. Algunos de los métodos itera-
tivos más sencillos son:
Método de Jacobi.
Método de Gauss-Seidel.
Método de relajación.
Métodos de tipo gradiente.
En este capı́tulo se van a estudiar únicamente algunos métodos directos.

8.2. Algoritmos de Gauss y de Gauss-Jordan 147
8.2. Algoritmos de Gauss y de Gauss-Jordan
8.2.1. Algoritmo de Gauss
El método de Gauss para resolver sistemas de ecuaciones lineales ya ha sido explicado

en el tema 2. Ahora se trata de describir dicho método paso a paso descomponiéndolo
en operaciones elementales de forma que se pueda describir mediante un lenguaje
de programación (C, Fortran, Pascal, Ada,..) y permitir que un ordenador resuelva el
correspondiente sistema lineal. Esta descripción del método mediante un número finito
de operaciones aritmético-lógicas elementales se denomina algoritmo del método. El
algoritmo del método de Gauss es el siguiente:
ALGORITMO DEL MÉTODO DE GAUSS (sin pivote)
Comienzo del algoritmo

Paso 1: (TRIANGULARIZACIÓN)
Para k = 1, . . . , n − 1
Paso 1.1: (Intercambio de filas si es necesario)
si akk = 0, intercambiar la fila k por la fila i (con i > k) para poner en la
posición (k, k) un elemento no nulo. Si ello no es posible, abandonar pues
el sistema no es compatible determinado.
Paso 1.2: (“Pivoteo” hacia abajo)
Para i = k + 1, . . . , n
mik ← − aakk ik
Para j = (k + 1), . . . , n
aij ← aij + mik akj
Fin bucle en j
bi ← bi + mik bk
aik ← 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
bn ← abnn
n
Para i = (n − 1), . . . , 1
sum ← 0
Para k = (i + 1), . . . , n
sum ← sum + aik bk
Fin bucle en k
bi ← (bi −sum)
aii
Fin bucle en i
Fin del algoritmo
8.2.2. Algoritmo de Gauss con pivote parcial
Cuando en el etapa k del paso 1 del algoritmo de Gauss el número akk es muy pequeño
en relación a algún otro elemento de la columna k, por ejemplo el ajk (j > k), se
produce una ampliación de los errores de redondeo que pueden llegar a desvirtuar
por completo la solución. En efecto, en el supuesto anterior mjk = ajk /akk es mucho
mayor que 1 y como los errores de redondeo introducidos en el cálculo de uno de los
términos akl se multiplicarán por mjk cuando se calcula ajl , el error inicial puede
incrementarse fuertemente. Ası́ mismo en la etapa de remonte

n
ak,n+1 − akj
i=k+1
xk = ,
akk
lo cual implica que con un valor pequeño de akk cualquier error del numerador puede
aumentar extraordinariamente por la división entre akk . En el siguiente ejemplo se
ilustra este problema.
Ejemplo 8.1. El sistema lineal
E1 : 0,003000x1 + 59,14x2 = 59,17

E2 : 5,291x1 − 6,130x2 = 46,78
tiene solución exacta x1 = 10,00 y x2 = 1,000. Supóngase que se realiza la eliminación

gaussiana del sistema anterior con una precisión de cuatro dı́gitos. El primer elemento
que se toma como pivote es un número pequeño: a11 = 0,003000 y su multiplicador
asociado
5,291
m21 = = 1763,66
0,003000
se redondea al número 1764. Al realizar E2 − m21 E1 con el redondeo adecuado se

obtiene
0,003000x1 + 59,14x2 ≈ 59,17
−104300x2 ≈ 104400
en vez de los valores precisos
0,003000x1 + 59,14x2 = 59,17

−104309,376x2 = −104309,376
la disparidad de las magnitudes m21 , a13 y a23 ha ocasionado un error de redondeo

importante en los coeficientes de la segunda ecuación, pero aun no se ha propagado.
El proceso de remonte produce
x2 ≈ 1,001
que es una aproximación aceptable para x2 = 1,000. Pero debido al pivote pequeño
a11 = 0,003000
59,17 − (59,14)(1,001)
x1 ≈ = −10,00
0,003000
que es una aproximación inaceptable para el valor real x1 = 10,00.
Para evitar el problema anteriormente descrito, se busca entre los elementos de la

columna k aquel que tenga mayor valor absoluto y se coloca en la posición (k, k)
mediante el oportuno cambio de filas. Este nuevo algoritmo se denomina algoritmo de
Gauss con pivote parcial y se diferencia del anterior únicamente en el paso 1.1:
ALGORITMO DEL MÉTODO DE GAUSS (con pivote parcial)

Paso 1: (TRIANGULARIZACIÓN)
Para k = 1, . . . , n − 1
Paso 1,1: (Búsqueda del pivote)
pvt = |akk | , f pvt = k
Para j = k + 1, . . . , n
Si |ajk | > pvt entonces
pvt = |ajk | , f pvt = j
Fin condición
Fin bucle en j
Si pvt = 0 parar porque el sistema no es compatible determinado
Intercambiar la fila k con la fila f pvt
Para i = k + 1, . . . , n
mik ← − aakk ik
Para j = (k + 1), . . . , n
Fin bucle en j
bi ← bi + mik bk
aik ← 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
bn ← abnn
n
Para i = (n − 1), . . . , 1
sum ← 0
Para k = (i + 1), . . . , n
sum ← sum + aik bk
Fin bucle en k
bi ← (bi −sum)
aii
Fin bucle en i
Fin del algoritmo
8.2.3. Número de operaciones del método de Gauss
Paso 1.2 (en el paso 1.1 no se realizan operaciones en coma flotante)
Para cada etapa k se realizan:
1. n − k divisiones en la matriz del sistema.
2. (n − k)(n − k) sumas en la matriz del sistema.
3. (n − k)(n − k) productos en la matriz del sistema.
4. n − k sumas en el vector de términos independientes.
5. n − k productos en el vector de términos independientes.
Por lo tanto, teniendo en cuenta que se realizan n − 1 etapas, el número total de

operaciones realizadas en el paso 1.2 será:

n−1
n−1
n−1
n−1
n(n − 1) 2 3 1
tot2 = 3(n − k)+ 2(n − k)2 = 3 k+2 k2 = 3 + n − n2 + n
2 3 3
k=1 k=1 k=1 k=1
Paso 2
En todo el proceso de remonte se realizan n divisiones. Además para cada etapa k del
remonte se realizan n − k sumas y n − k divisiones. Como se realizan n − 1 etapas se
tiene que el número total de operaciones realizadas en el paso 2 será:

n−1
tot3 = 2 (n − k) + n = n2 − n + n = n2
k=1
Sumando el número de operaciones realizadas en ambos pasos se obtiene el número

total de operaciones del método de Gauss:

2 3 1 2 7 2 3 7 2 3
tot = tot2 + tot3 = n + n − n + n2 = n3 + n2 − n ≈ O n
3 2 6 3 2 6 3
Si se compara el número de operaciones para valores concretos de la dimensión, n,

del sistema según se utilice el método de Cramer o el método de Gauss, se observa el
ahorro que representa la utilización de este último en lugar del primero.
n operaciones (Gauss) operaciones (Cramer)

10 805 399167999
100 681550 ∼ 10162
1000 668165500 ∼ 102573
8.2.4. Algoritmo de Gauss-Jordan
El algoritmo del método de Gauss-Jordan es el siguiente:
ALGORITMO DEL MÉTODO DE GAUSS-JORDAN (con pivote)

Paso 1: (DIAGONALIZACIÓN)
Para k = 1, . . . , n
Paso 1,1: (Búsqueda del pivote)
Para j = k + 1, . . . , n
Fin condición
Fin bucle en j
Si pvt = 0 parar porque el sistema no es compatible determinado
Paso 1.2: (“Pivoteo” hacia abajo y hacia arriba)

Para i = 1, . . . , (k − 1), (k + 1), . . . , n
mik ← − aakk ik
Si (k = n) entonces
Para j = (k + 1), . . . , n
Fin bucle en j
Fin condición
bi ← bi + mik bk
aik ← 0
Fin bucle en i
Fin bucle en k
Paso 2: (REMONTE)
Para i = n, . . . , 1
bi ← abiii
Fin bucle en i
Fin del algoritmo
8.2.5. Número de operaciones del método de Gauss-Jordan
Paso 1.2 (en el paso 1,1 no se realizan operaciones en coma flotante)
Para cada etapa k se realizan:
1. n − 1 divisiones en la matriz del sistema.

2. (n − 1)(n − k) sumas en la matriz del sistema.
3. (n − 1)(n − k) productos en la matriz del sistema.
4. n − 1 sumas en el vector de términos independientes.
5. n − 1 productos en el vector de términos independientes.
Por lo tanto, teniendo en cuenta que se realizan n etapas y que en la última etapa no
se realizan ni sumas ni multiplicaciones en la matriz del sistema, el número total de
operaciones realizadas en el paso 1.2 será:

n−1
2(n − 1)n(n − 1)
tot2 = 3n(n − 1) + 2(n − 1) (n − k) = 3n2 − 3n +
2
k=1
= 3n2 − 3n + n3 − 2n2 + n = n3 + n2 − 2n
Paso 2
8.3. El método LU 153
En el proceso de remonte se realizan n divisiones y ninguna operación más, por lo

tanto:
tot3 = n
Sumando el número de operaciones realizadas en ambos pasos se obtiene el número

total de operaciones del método de Gauss-Jordan:

tot = tot2 + tot3 = n3 + n2 − 2n + n = n3 + n2 − n ≈ O n3
Se observa que el número de operaciones es ligeramente menor en el método de Gauss

que en el método de Gauss-Jordan. Por lo tanto para resolver un sistema lineal de
ecuaciones puestos a escoger entre el método de Gauss o el método de Gauss-Jordan
se debe escoger el método de Gauss. Sin embargo el método de Gauss-Jordan tiene
la ventaja de que si, además de resolver el sistema de ecuaciones se quiere hallar la
inversa de la matriz del sistema, se tiene gran parte del trabajo hecho (únicamente
faltarı́a realizar las operaciones que se han ido haciendo sobre la matriz del sistema
sobre cada una de las columnas de la matriz unidad). Para terminar mostramos una
nueva tabla similar a la anterior pero añadiendo en la comparación las operaciones
del método de Gauss-Jordan para distintos valores de n.
n operaciones (Gauss) operaciones (Gauss-Jordan) operaciones (Cramer)

10 805 1090 399167999
100 681550 1009900 ∼ 10162
1000 668165500 1000999000 ∼ 102573
8.3. El método LU
Si almacenamos las operaciones elementales que se realizan en el algoritmo del método

de Gauss en una matriz obtenemos una variante del método de Gauss con “memoria”,
en el sentido de que si tenemos que resolver otro sistema con la misma matriz (con
término independiente distinto) no es necesario volver a realizar el proceso de trian-
gularización de la matriz. El método LU, como veremos, consiste en dado un sistema
lineal, Ax = b, factorizar la matriz, A, del sistema en la forma A = LU en donde L
es una matriz triangular inferior con diagonal de “unos” y U es una matriz triangular
superior, para después resolver los dos sistemas triangulares Ly = b y U x = y, ob-
teniendo la solución x del sistema inicial. En el caso de que hubiera que resolver otro
sistema con la misma matriz de coeficientes, la factorización LU ya estarı́a realizada
y únicamente habrı́a que resolver los dos sistemas triangulares (uno por descenso y
otro por remonte) con un b distinto.
8.3.1. Factorización LU de una matriz cuadrada
Teorema 8.1. Si A es una matriz cuadrada no singular, existe al menos una matriz
F tal que F A puede expresarse como el producto de dos matrices LU donde L es una
matriz triangular inferior con sus elementos diagonales iguales a 1 y U es una matriz
triangular superior.
El cálculo de las tres matrices F, L y U que intervienen en el teorema anterior puede

realizarse mediante el método de Gauss. En efecto, si la matriz A es la matriz de
coeficientes de un sistema compatible determinado, la matriz U es la matriz triangular
superior a la que conduce el método de Gauss. En lo que respecta a la matriz F puede
construirse como el producto:
F = F n−1 F n−2 . . . F 2 F 1
donde cada matriz F k es la matriz elemental asociada al cambio de filas que se intro-
duce en el paso 1.1 de la etapa k − ésima del método de Gauss. Más concretamente,
si en la etapa k − ésima del primer paso del método se intercambian la fila j − ésima
por la fila i − ésima (con i > j) la matriz F k será:
⎛ ⎞
1 0 ... 0 0 0 ... 0 0 0 ... 0
⎜ 0 1 ... 0 0 0 ... 0 0 0 ... 0 ⎟
⎜ ⎟
⎜ .. .. .. . . .. .. .. .. .. .. .. ⎟
⎜ . . . .. .. . . . . . . . ⎟
⎜ ⎟
⎜ 0 0 ... 1 0 0 ... 0 0 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 0 0 ... 0 1 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 0 1 ... 0 0 0 ... 0 ⎟
⎜ ⎟ ← Fila j
Fk = ⎜ .. .. .. .. ⎟
⎜ . . . ... ... ..
.
.. . .
. .. ..
..
.
..
. . ⎟⎟
⎜
⎜ 0 0 ... 0 0 0 ... 1 0 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 1 0 ... 0 0 0 ... 0 ⎟
⎜ ⎟
⎜ 0 0 ... 0 0 0 ... 0 0 1 ... 0 ⎟ ← Fila i
⎜ ⎟
⎜ .. .. .. .. .. .. .. .. .. .. .. . ⎟
⎝ . . . . . . . . . . . .. ⎠
0 0 ... 0 0 0 ... 0 0 0 ... 1
↑ ↑
col. j col. i
Como se puede apreciar fácilmente, la matriz F k se obtiene intercambiando las filas

i y j de la matriz unidad. Obviamente, si en ninguna etapa del método se realizan
cambios de filas, la matriz F será la matriz unidad. Finalmente la matriz L puede
calcularse a partir de la matriz triangular inferior

⎛ ⎞
1 0 ... 0 ... 0
⎜ −m21 1 ... 0 ... 0 ⎟
⎜ ⎟
⎜ .. .. .. .. .. .. ⎟
⎜ . . . . . . ⎟
R=⎜
⎜ −mk1
⎟
⎜ −mk2 ... 1 ... 0 ⎟ ⎟
⎜ .. .. .. .. .. .. ⎟
⎝ . . . . . . ⎠
−mn1 −mn2 . . . −mnk ... 1
en donde los números mij (con i > j) son los que con la misma notación se utilizaron
en el paso 1.2 de la etapa k − ésima del método de Gauss. Para obtener L a partir de
R basta con realizar en la columna k − ésima de R los cambios de filas que se realizan
en el método de Gauss en las etapas (k + 1), . . . , (n − 1).
Ejemplo 8.2. Factorizar en forma LU, utilizando pivote parcial, la matriz

⎛ ⎞
0 −2 2 −6
⎜ 1 −1 3 −2 ⎟
A=⎜ ⎟
⎝ 4 −4 −8 −2 ⎠
0 1 1 1
Solución:
1a etapa (k = 1)
Paso 1.1: intercambio de la 1a fila por la 3a fila

⎛ ⎞⎛ ⎞ ⎛ ⎞
0 0 1 0 0 −2 2 −6 4 −4 −8 −2
⎜ 0 ⎟ ⎜ 3 −2 ⎟ ⎜ 3 −2 ⎟
F 1A = ⎜
0 1 0 ⎟ ⎜ 1 −1 ⎟ = ⎜ 1 −1 ⎟
⎝ 1 0 0 0 ⎠ ⎝ 4 −4 −8 −2 ⎠ ⎝ 0 −2 2 −6 ⎠
0 0 0 1 0 1 1 1 0 1 1 1
Paso 1.2 : m21 = − 14 , m31 = 0, m41 = 0

⎛ ⎞⎛ ⎞ ⎛ ⎞
1 0 0 0 4 −4 −8 −2 4 −4 −8 −2
⎜ −1/4 1 0 0 ⎟ ⎜ 1 −1 3 −2 ⎟ ⎜ 0 0 5 −3/2 ⎟
P 1F 1A = ⎜
⎝
⎟⎜ ⎟=⎜ ⎟
0 0 1 0 ⎠ ⎝ 0 −2 2 −6 ⎠ ⎝ 0 −2 2 −6 ⎠
0 0 0 1 0 1 1 1 0 1 1 1
2a etapa (k = 2)
Paso 1.1 : intercambio de la 2a fila por la 3a fila
⎛ ⎞⎛ ⎞
1 0 0 0 4 −4 −8 −2
1 1 ⎜ 0 0 1 0 ⎟ ⎜ 5 −3/2 ⎟
F P F A =⎜
2 ⎟⎜ 0 0 ⎟
⎝ 0 1 0 0 ⎠ ⎝ 0 −2 2 −6 ⎠
0 0 0 1 0 1 1 1
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
=⎜
⎝ 0
⎟
0 5 −3/2 ⎠
0 1 1 1
1
Paso 1.2 : m32 = 0, m42 = 2
⎛ ⎞⎛ ⎞
1 0 0 0 4 −4 −8 −2
⎜ 0 1 0 0 ⎟ ⎜ 0 −2 2 −6 ⎟
P 2F 2 P 1F 1A = ⎜
⎝ 0
⎟⎜ ⎟=
0 1 0 ⎠⎝ 0 0 5 −3/2 ⎠
0 1/2 0 1 0 1 1 1
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
⎜ ⎟
⎝ 0 0 5 −3/2 ⎠
0 0 2 −2
3a etapa (k = 3)
Paso 1.1 : no se intercambian filas
⎛ ⎞⎛ ⎞
1 0 0 0 4 −4 −8 −2
⎜ 0 1 0 0 ⎟ ⎜ 0 −2 2 −6 ⎟
F 3 P 2F 2 P 1F 1A = ⎜ ⎟⎜ ⎟=
⎝ 0 0 1 0 ⎠⎝ 0 0 5 −3/2 ⎠
0 0 0 1 0 0 2 −2
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
⎜ ⎟
⎝ 0 0 5 −3/2 ⎠
0 0 2 −2
Paso 1.2 : m43 = − 25

⎛ ⎞⎛ ⎞
1 0 0 0 4 −4 −8 −2
⎜ 0 1 0 ⎟ ⎜ ⎟
P 3F 3 P 2F 2 P 1F 1A = ⎜ 0 ⎟ ⎜ 0 −2 2 −6 ⎟=
⎝ 0 0 1 0 ⎠⎝ 0 0 5 −3/2 ⎠
0 0 −2/5 1 0 0 2 −2
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
⎜ ⎟
⎝ 0 0 5 −3/2 ⎠
0 0 0 −7/5
Llegados a este punto ya se han obtenido las tres matrices de la factorización LU. En
efecto la matriz triangular superior U será:
⎛ ⎞
4 −4 −8 −2
⎜ 0 −2 2 −6 ⎟
U =⎜ ⎝ 0
⎟
0 5 −3/2 ⎠
0 0 0 −7/5
La matriz de cambios de filas F será:

⎛ ⎞⎛ ⎞⎛ ⎞
1 0 0 0 1 0 0 0 0 0 1 0
⎜ 0 1 0 0 ⎟ ⎜ 0 0 1 0 ⎟ ⎜ 0 1 0 0 ⎟
F = F 3F 2F 1 = ⎜
⎝ 0
⎟⎜ ⎟⎜ ⎟
0 1 0 ⎠⎝ 0 1 0 0 ⎠⎝ 1 0 0 0 ⎠
0 0 0 1 0 0 0 1 0 0 0 1
⎛ ⎞
0 0 1 0
⎜ 1 0 0 0 ⎟
=⎜⎝ 0 1
⎟
0 0 ⎠
0 0 0 1
La matriz R será: ⎛ ⎞
1 0 0 0
⎜ 1/4 1 0 0 ⎟
R=⎜
⎝ 0
⎟
0 1 0 ⎠
0 −1/2 −2/5 1
y para construir a partir de ella la matriz L, se observa que en el paso 1.1 de la

segunda etapa se ha intercambiado la fila 2a por la 3a , por lo que someteremos a la
primera columna de R a dicho cambio, obteniendo:
⎛ ⎞
1 0 0 0
⎜ 0 1 0 0 ⎟
⎜ ⎟
⎝ 1/4 0 1 0 ⎠
0 −1/2 −2/5 1
Los cambios de filas de la tercera etapa afectarán a los elementos de las columnas 1a
y 2a , pero como en dicha etapa no se intercambiaron filas, la matriz no cambia, por
lo que finalmente: ⎛ ⎞
1 0 0 0
⎜ 0 1 0 0 ⎟
L=⎜ ⎝ 1/4
⎟
0 1 0 ⎠
0 −1/2 −2/5 1
siendo fácil comprobar que F A = LU. Obsérvese que la factorización LU depende de

la matriz F de cambios de fila que se utilice en el proceso de triangularización.
8.3.2. Aplicación de la factorización LU a la resolución de sis-

temas lineales
Supóngase un sistema lineal de n ecuaciones con n incógnitas Ax = b con A no

singular, y sea F una matriz tal que F A = LU. El método LU para resolver sistemas
lineales consiste en:
1. Transformar el sistema Ax = b en el sistema (F A)x =F b.

2. Factorizar la matriz (F A) en la forma LU, transformando el sistema en:
LU x =F b
3. Resolver por el método de descenso el sistema triangular inferior

Ly = F b
4. Resolver por el método de remonte el sistema triangular superior

Ux = y
De las cuatro etapas anteriores, la primera no exige realizar operaciones aritméticas, la

segunda necesita las mismas operaciones que el método de Gauss (O(2n3 /3), la única
diferencia radica en que en la factorización LU hay que almacenar los coeficientes mij
en la matriz L) y las dos últimas exigen, cada una de ellas, n2 operaciones. Por lo
tanto, al igual que en el método de Gauss, el número total de operaciones del método
LU es del orden O(2n3 /3).
La ventaja del método LU sobre el método de Gauss estriba en la resolución de

sistemas de ecuaciones distintos que compartan la misma matriz del sistema. Por
ejemplo, si se tienen ns sistemas de ecuaciones
Ax = b1 , Ax = b2 , . . . , Ax = bns
una vez resuelto por el método LU el primero de ellos y, por lo tanto, conocida
la factorización LU de la matriz A, cada uno de los restantes ns − 1 sistemas se
puede resolver, tras los correspondientes cambios de filas en los vectores b2 , . . . , bns ,
mediante las etapas 3 y 4 antes descritas; necesitando, cada uno de ellos, únicamente
2n2 operaciones para su resolución.
8.3.3. Algoritmo del método LU
El algoritmo del método LU para resolver ns sistemas de ecuaciones, todos ellos con
la misma matriz del sistema es el siguiente. Los ns términos independientes estas
almacenados en una matriz B de dimensión n × ns
ALGORITMO DEL MÉTODO LU (con pivote)

Paso 1: (FACTORIZACIÓN LU)
Para k = 1, . . . , n − 1
Paso 1.1: (Búsqueda del pivote)
Para j = k + 1, . . . , n
Fin condición
Fin bucle en j
Si pvt = 0 parar porque la matriz A es singular
Si k = f pvt entonces
Fin condición
if il(k) = f pvt
Para i = k + 1, . . . , n
aik ← aakk ik
Para j = (k + 1), . . . , n
aij ← aij − aik akj
Fin bucle en j
Fin bucle en i
Fin bucle en k
Paso 2: (RESOLUCIÓN DE LOS ns SISTEMAS)
Para j = 1, . . . , ns
Paso 2.1: (cambios en las filas del segundo término)

Para k = 1, . . . , n − 1
Si (if il(k) = k) entonces
aux ← bk,j
bk,j ← bif il(k),j
bif il(k),j ← aux
Fin condición
Fin bucle en k
Paso 2.2: (Solución del sistema triangular inferior por DESCENSO)
Para i = 2, . . . , n
aux ← 0
Para k = 1, . . . , i − 1
aux ← aux + aik bkj
Fin bucle en k
bij ← bij − aux
Fin bucle en i
Paso 2.3: (Solución del sistema triangular superior por REMONTE )
bnj
bnj ← ann
Para i = (n − 1), . . . , 1
aux ← 0
Para k = (i + 1), . . . , n
aux ← aux + aik bkj
Fin bucle en k
(b −aux)
bij ← ij aii
Fin bucle en i
Fin bucle en j
Fin del algoritmo
Observaciones:
1. En el algoritmo anterior se ha aprovechado el espacio de memoria destinado a

almacenar la matriz A para almacenar las matrices L y U. En la parte triangular
superior de A, incluyendo la diagonal, quedan almacenados los elementos de la
parte triangular superior, incluyendo la diagonal, de la matriz U (el resto de
los elementos de U son nulos) y en la parte triangular inferior de A, sin incluir
la diagonal, quedan almacenados los elementos de la parte triangular inferior,
sin incluir la diagonal, de L (el resto de los elementos de L bien son nulos, bien
están en la diagonal, en cuyo caso se sabe de antemano que valen 1).
2. Ası́ mismo, se ha aprovechado el espacio en el que se almacenaban los ns segun-

dos miembros (la matriz B) para guardar las ns soluciones de los ns sistemas.
el capı́tulo 1 de [1].
Para profundizar más en el tema ver [60], [65], [69], [61] y [63].
8.5. Ejercicios
1. Explı́quese cómo se puede utilizar el método de Gauss-Jordan para el cálculo
de la inversa de una matriz A.
2. Considérese la matriz
⎛ ⎞
2 7/2 1
A = ⎝ 1 −7/4 2 ⎠
4 1 1
La factorización LU con pivote parcial de la matriz A permite expresar el pro-
ducto F A en la forma LU , donde L =matriz triangular inferior, U = matriz
triangular superior y F = matriz de cambio de filas. Se pide determinar estas
tres matrices (L , U y F ).
Solución:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 4 1 1 0 0 1
L = ⎝ 1/2 1 0 ⎠, U = ⎝ 0 3 1/2 ⎠ , F = ⎝ 1 0 0 ⎠
1/4 −2/3 1 0 0 25/12 0 1 0
3. Considérese la matriz ⎛ ⎞
2 2 0 4
⎜ 1 2 1 3 ⎟
A=⎜
⎝ 0
⎟
4 6 12 ⎠
4 7 5 23
Se pide
a) Determinar las tres matrices L, U y F de la factorización LU con pivote

parcial de la matriz A.
b) Utilizar el resultado del apartado anterior para resolver los cuatro sistemas
de ecuaciones lineales siguientes:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−2 −2 1 −4
⎜ −2 ⎟ ⎜ −1 ⎟ ⎜ 1 ⎟ ⎜ −3 ⎟
Ax = ⎜ ⎟ ⎜ ⎟ ⎜
⎝ 0 ⎠ , Ax = ⎝ 4 ⎠ , Ax = ⎝
⎟ y Ax = ⎜ ⎟
0 ⎠ ⎝ −20 ⎠
1 2 1 −35
Solución:
a)
⎛ ⎞ ⎛ ⎞
1 0 0 0 4 7 5 23
⎜ 0 1 0 0 ⎟ ⎜ 0 4 6 12 ⎟
L=⎜
⎝ 1/4
⎟, U =⎜ ⎟,
1/16 1 0 ⎠ ⎝ 0 0 −5/8 −7/2 ⎠
1/2 −3/8 2/5 1 0 0 0 −8/5
⎛ ⎞
0 0 0 1
⎜ 0 0 1 0 ⎟
F =⎜
⎝ 0
⎟
1 0 0 ⎠
1 0 0 0
b) Las soluciones de los cuatro sistemas son:

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−3 −3/2 −3/8 1
⎜ 0 ⎟ ⎜ −1/2 ⎟ ⎜ 9/8 ⎟ ⎜ ⎟
⎜ ⎟,⎜ ⎟,⎜ ⎟ y ⎜ 1 ⎟
⎝ −2 ⎠ ⎝ 0 ⎠ ⎝ −1/2 ⎠ ⎝ 0 ⎠
1 1/2 −1/8 −2
Capı́tulo 9
Lı́mites, continuidad y
diferenciabilidad de funciones
de una variable
9.1. Introducción
En las ciencias experimentales son cruciales los conceptos de función, lı́mite y derivada.
Cuando uno quiere describir un cierto fenómeno lo hace habitualmente en términos
de causa-efecto que, caso de ser cuantificables, conducen naturalmente a la noción
de función. A menudo, tal descripción no sólo conlleva un enunciado del tipo “la
causa A origina el efecto B”, sino que también se desea dar una idea cuantitativa
de cómo varı́a B dependiendo de cómo varı́a A. Esto da lugar a la noción natural
de velocidad de variación. Dependiendo de la magnitud de variación de A tendremos
estimaciones diversas de esa velocidad de variación. La única que es absoluta es la
correspondiente a una variación de A que tiende a cero. Esto conduce a la noción de
velocidad instantánea que corresponde, matemáticamente, a la definición de derivada.
En todas las disciplinas que involucren el uso de funciones, antes o después se intro-
ducirán aproximaciones mediante polinomios de Taylor. El conocimiento de ciertos
hechos que se usan, por ejemplo, en fı́sica, como la aproximación de sen x por x para
x pequeño en un péndulo o las aproximaciones lineales para deformaciones pequeñas
es condición básica para la comprensión de estas disciplinas.
Los conceptos de máximo, mı́nimo, punto de inflexión, crecimiento, decrecimiento,

concavidad y convexidad de una función son de uso común en ciencia e ingenierı́a y
163
164 Capı́tulo 9. Lı́mites, continuidad y diferenciabilidad de funciones de una variable
tienen su significado e interpretación en clave cientı́fica. Pensemos por ejemplo en la

noción de mı́nimo de potencial (eléctrico o gravitatorio) como punto de estabilidad.
9.2. Concepto de función
Definición 9.1. Dados dos conjuntos A y B, se llama función definida en A con va-
lores en B a toda aplicación entre A y B (consúltese el tema de aplicaciones lineales).
Definición 9.2. Si f es una función entre A y B, el conjunto A recibe el nombre de
dominio de f o conjunto de definición de f .
Nota 9.1. Si a es un punto del dominio de f , se sigue de la definición de función que
existe un único b ∈ B tal que b = f (a).
Ejemplo 9.1. Casos particulares de funciones.
1. De lR en lR.
El área de un cı́rculo depende de su radio a través de la relación A = πr2 .

Ası́ A puede verse como una función
A : lR −→ lR
dada por A(r) = πr2 .

La velocidad v de una pelota en caı́da libre dentro del campo gravitacional
terrestre aumenta con el tiempo hasta que alcanza la superficie terrestre
(si se desprecia el rozamiento del aire). Si g denota la aceleración de la
gravedad la función serı́a v(t) = gt.
2. De lRn en lR:
El área de un triángulo depende de la base y la altura del mismo A(b, h) =

1
2 bh.
El volumen de una caja rectangular depende de la anchura, l, profundidad,
w y altura h
v(l, w, h) = lwh.
La diferencia de potencial, E, entre dos soluciones salinas separadas por
una membrana depende de las movilidades de los iones Na+ (x) y Cl−
(y) ası́ como del cociente z = cc21 , donde c1 y c2 son las concentraciones
medias de NaCl a ambos lados de la membrana. La función que describe
esta relación es
RT x − y
E(x, y, z) = Lnz.
F x+y
9.2. Concepto de función 165
3. De lR en lRn
La trayectoria de una partı́cula en el espacio
x(t) = (x1 (t), x2 (t), x3 (t))
donde para cada i ∈ {1, . . . , 3}, xi (t) : lR −→ lR es una función.
Nota 9.2. Las funciones se pueden definir a trozos:

⎧
⎨ 1,75 0≤x≤1
f (x) =
⎩
1,75 + 0,5(x − 1) 1 < x
⎧
⎨ x 0≤x
|x| = g(x) =
⎩
−x x<0
Nota 9.3. Si f : X −→ Y es inyectiva, entonces se puede definir una función recı́proca
o inversa de f que es la f −1 : Im(X) −→ X de manera que a cada y ∈ Im(X), se
le asocia su antecedente por f, f −1 (y) = (x), donde x ∈ X es el único elemento que
verifica que f (x) = y.
Definición 9.3. Dadas dos funciones f, g : lR −→ lR se define su suma, resta,

producto y cociente mediante las siguientes fórmulas:
(f + g)(x) = f (x) + g(x)
(f − g)(x) = f (x) − g(x)
(f g)(x) = f (x)g(x)
f f (x)
( )(x) =
g g(x)
Nota 9.4. Es fácil ver que el dominio de f + g, f − g y f g es Dom(f ) ∩ Dom(g) y

que el dominio de fg es Dom(f ) ∩ Dom(g) − {x tales que g(x) = 0}.
√
Ejemplo 9.2. Sea f (x) = 1 + x − 2 y g(x) = x − 1. Hallar f + g, f − g, f g y f
g y
especificar sus respectivos dominios:
√ √
(f + g)(x) = f (x) + g(x) = (1 + x − 2) + (x − 1) = x + x − 2
√ √
(f − g)(x) = f (x) − g(x) = (1 + x − 2) − (x − 1) = 2 − x + x−2
√
(f g)(x) = f (x)g(x) = (1 + x − 2)(x − 1)
√
f f (x) 1+ x−2
( )(x) = =
g g(x) x−1
El dominio de f es el intervalo [2, +∞) y el dominio de g es todo lR. Por tanto el

dominio de f + g, f − g y f g es la intersección de ambos dominios [2, +∞) ∩ lR =
[2, +∞). El dominio de fg es la intersección de ambos dominios menos los puntos en
los que g valga 0, y esto vuelve a ser [2, +∞).
9.3. Lı́mites de funciones reales de variable real
Definición 9.4. Supóngase una función f definida en A ⊂ lR. El real L recibe el

nombre de lı́mite de la función f en el punto a ∈ lR si para todo real, ε, positivo existe
otro real, δ, también positivo tal que para todos los puntos de A pertenecientes al
intervalo (a − δ, a + δ) y distintos de a se verifica que su imagen pertenece al intervalo
(L − ε, L + ε).
Repitiendo la definición en forma concisa:

def
lı́m f (x) = L ⇔ ∀ε > 0 ∃δ > 0 ((0 < |x − a| < δ y x ∈ A) ⇒ |f (x) − L| < ε)
x→a
Nota 9.5. Obsérvese que no es necesario que a pertenezca a A (f puede no estar

definida en a) pero si es necesario que A ∩ (a − δ, a + δ) − {a} sea no vacı́o ∀δ > 0.
Dicho de otro modo es necesario que a sea un punto de acumulación de A.
Nota 9.6. En general, δ depende de ε. Representaremos esto a menudo como δ(ε).
Nota 9.7. La definición de lı́mite es no constructiva, esto es, no proporciona un

método para averiguar el lı́mite de una función en un punto, sino que se limita a
proporcionar una manera de decidir si un valor dado es o no dicho lı́mite. Esto hace
que sean necesarias otras técnicas aparte de la definición para calcular los lı́mites de
funciones.
Dados una función f y un punto a, el lı́mite de f cuando x tiende a a no tiene por

qué existir. Hay casos en los que existe y casos en los que no. Veamos por ejemplo
que no existe el lı́mite cuando x tiende a 0 de la función f (x) = sen( x1 ). Supongamos
que existiera dicho lı́mite y llamémosle L. Sea ε = 12 . Para este ε deberı́a de existir un
δ > 0 tal que cuando |x − 0| = |x| < δ se tenga que f (x) = sen( x1 ) ∈ (L − 12 , L + 21 ).
Pero esto es imposible ya que para cualquier δ > 0, el conjunto { x1 : 0 < x < δ} ⊂
9.3. Lı́mites de funciones reales de variable real 167
lR contiene (infinitos casos de) intervalos de amplitud 2π y por tanto el conjunto

{sen( x1 ) : 0 < x < δ} ⊂ lR contiene (infinitas copias de) el intervalo (−1, 1). Como
este intervalo tiene diámetro 2, es imposible que “quepa” dentro de un intervalo de
diámetro 1 como es el (L − 12 , L + 12 ).
Más sencillo resulta ver que la propia función f (x) = x1 no tiene lı́mite cuando x
tiende a 0. La idea ahora es observar que para cualquier δ > 0,
1 1
f ((0, δ)) = { : 0 < x < δ} = ( , +∞)
x δ
y esto no puede estar contenido dentro de ningún intervalo (L −
, L +
).
0.5
2 1 0 1 2
x
0.5
Figura 9.1: Lı́mite oscilante de la función sen( x1 ) en x = 0.
Nota 9.8. Sea f una función real definida en al menos un entorno reducido de un
punto a ∈ lR. Se verifica que:
1. Si f tiene lı́mite en a, entonces f tiene un solo lı́mite en a.
2. Si f tiene lı́mite en a, entonces f está acotada “cerca de a”.
Definición 9.5.
1. Se dice que
lı́m f (x) = L
x→+∞
si para todo ε > 0, existe un M ∈ lR tal que si x > M entonces |f (x) − L| < ε.
2. Se dice que
lı́m f (x) = L
x→−∞
si para todo ε > 0, existe un M ∈ lR tal que si x < M entonces |f (x) − L| < ε.
3. Se dice que
lı́m f (x) = +∞
x→a
si para todo M ∈ lR, existe un δ > 0 tal que si 0 < |x − a| < δ entonces
f (x) > M .
4. Se dice que
lı́m f (x) = −∞
x→a
si para todo M ∈ lR, existe un δ > 0 tal que si 0 < |x − a| < δ entonces
f (x) < M .
5. Se dice que
lı́m f (x) = +∞
x→+∞
si para todo M ∈ lR, existe un N ∈ lR tal que si x > N entonces f (x) > M .
Análogamente se definen los siguientes lı́mites:
lı́m f (x) = −∞, lı́m f (x) = +∞ y lı́m f (x) = −∞.

x→+∞ x→−∞ x→−∞
Nota 9.9. Nótese que en todos los casos anteriores, la idea en las definiciones es
considerar que el conjunto (M, +∞) juega el papel de un intervalo “centrado” en
+∞, análogamente, que (−∞, M ) juega el papel de un intervalo “centrado” en −∞.
Nótese también que en los casos (3), (4) y (5) de la definición anterior, el lı́mite de
f en el punto considerado propiamente no existe, ya que para existir deberı́a ser un
número real y +∞ y −∞ no son números reales, sino meras formas de indicar que
algo se hace “tan grande o tan negativamente grande como queramos”. Por ejemplo,
la definición (3) podrı́a leerse:
“Diremos que el lı́mite cuando x tiende a a de la función f es más infinito si dado

cualquier número real M (arbitrariamente grande), podemos encontrar un intervalo
centrado en a de manera que todo punto de dicho intervalo se transforma por f en
un punto mayor que M ”.
Existe otra presentación posible de las ideas anteriores, que consiste en dotar de
existencia a las nociones de +∞ y −∞ definiendo el conjunto lR = lR ∪ {−∞, +∞}
y extendiendo a este conjunto la relación de orden de lR y su aritmética, esto es, la
suma y el producto. Dos son los motivos por los que elegimos no dar esa presentación:
el primero es que no es posible dar una definición satisfactoria de −∞ + ∞, 0 · (±∞),
entre otras expresiones, por lo que no se puede dotar a lR de estructura de cuerpo. El
segundo es que para la gran mayorı́a (si no todas) de aplicaciones, la noción de ∞ es

innecesaria: no hay cantidades infinitas de energı́a, ni de moléculas, ni en general de
magnitudes medibles.
Definición 9.6. Si la variable x tiende al valor fijo a sólo por la derecha (x → a+ )

o sólo por la izquierda (x → a− ), al correspondiente lı́mite de f se le llama lı́mite
lateral por la derecha o por la izquierda. Con mas rigor:
L es el lı́mite de f cuando x tiende a a por la izquierda, y lo escribimos
L = lı́m− f (x)
x→a
si y sólo si para todo ε > 0 existe δ > 0 tal que si 0 < a − x < δ entonces
|f (x) − L| < ε.
L es el lı́mite de f cuando x tiende a a por la derecha, y lo escribimos
L = lı́m+ f (x)
x→a
si y sólo si para todo ε > 0 existe δ > 0 tal que si 0 < x − a < δ entonces
|f (x) − L| < ε.
Nota 9.10. Si L es el lı́mite de la función f en el punto a entonces los dos lı́mites

laterales en a de f son iguales entre si e iguales a L. Por el contrario si los dos lı́mites
laterales son distintos entonces no existe el lı́mite de la función en a.
1 1 2 3 4 5
x
Figura 9.2: Lı́mites laterales coincidentes.

0.5
3 2 1 1 2 3
x
0.5
Figura 9.3: La función signo(x), lı́mites laterales no coincidentes en x = 0.
Ejemplo 9.3. Sea la función signo definida como
⎧
⎪
⎪ 1 x>0
⎪
⎪
⎨
signo(x) = 0 x=0
⎪
⎪
⎪
⎪
⎩
−1 x<0
Es fácil ver que
lı́m signo(x) = 1 y que lı́m− signo(x) = −1.

x→0+ x→0
Nota 9.11. Sea f una función definida al menos en un entorno reducido1 de un punto
a. Se dice que f es un infinitésimo en a si lı́m f (x) = 0.
x→a
Proposición 9.1 (Propiedades aritméticas de los lı́mites). Sean f y g dos funciones

reales de variable real, definidas en al menos un entorno reducido de a (incluyendo la
posibilidad de que a valga ±∞). Si
lı́m f (x) = L1 y lı́m g(x) = L2

x→a x→a
entonces
1 Entorno reducido de a: entorno de a del que se ha extraı́do el punto a (V (a) − {a}). En el caso
de lR todo intervalo abierto de centro a es un entorno de a.

lı́mx→a (f ± g)(x) = L1 ± L2
lı́mx→a (f g)(x) = L1 L2
Si L2 = 0 entonces
f L1
lı́m (x) =
x→a g L2
Además, cuando más adelante veamos la definición de función continua, se podrá de-
mostrar que si h es una función continua en L1 entonces
0 1
lı́m h(f (x)) = h lı́m f (x) = h(L1 ).
x→a x→a
En particular, usando la continuidad de las funciones implicadas, se puede demostrar
Si L1 > 0, y n > 0, n = 1, entonces

0 1
lı́m logn f (x) = logn lı́m f (x) = logn L1 .
x→a x→a
Si n > 0 , entonces
lı́m nf (x) = n(lı́mx→a f (x)) = nL1 .

x→a
Si L1 y L2 no son simultáneamente 0, entonces
0 1lı́mx→a g(x)
lı́m f (x)g(x) = lı́m f (x) = LL2
1 .
x→a x→a
Proposición 9.2. Sean f y g funciones reales de variable real, definidas en al menos

un entorno reducido de a. Se verifica que:
1. Si lı́mx→a f (x) = +∞ y existe un intervalo centrado en a en el que g está acota-

da inferiormente, entonces lı́mx→a (f +g)(x) = +∞. En particular, si lı́mx→a g(x)
= L, se tiene
lı́m (f + g)(x) = +∞
x→a
lo que, abusando de notación, se escribe
lı́m (f + g)(x) = +∞ + L = +∞
x→a
Lo mismo es cierto si cambiamos en la expresión anterior +∞ por −∞ y “aco-

tada inferiormente” por “acotada superiormente”.
2. Si lı́mx→a f (x) = +∞ y existen ε > 0 y un intervalo centrado en a en el que

g(x) >
, entonces,
lı́m (f g)(x) = +∞.
x→a
En particular, si lı́mx→a g(x) = L > 0, se tiene que
lı́m (f g)(x) = (+∞)L = +∞

x→a
con un abuso de notación similar al anterior. Se tienen resultados análogos,

siguiendo el convenio de signos habitual, considerando las diferentes combina-
ciones posibles entre lı́mx→a f (x) = ±∞ y g(x) >
> 0 ó g(x) <
< 0.
3. lı́mx→a f (x) = +∞ si y sólo si lı́mx→a f1 (x) = 0 y f (x) ≥ 0 para todo x
perteneciente a algún intervalo centrado en a (abreviaremos todo ello dicien-
do que lı́mx→a f1 (x) = 0+ ). Análogamente, lı́mx→a f (x) = −∞ si y sólo si
lı́mx→a f1 (x) = 0− .
Proposición 9.3 (Indeterminaciones). Diremos que un lı́mite es indeterminado cuan-

do desconocemos su valor, o no estamos seguros de su existencia.
1. Si lı́mx→a f (x) = +∞ y lı́mx→a g(x) = +∞ entonces
lı́m (f − g)(x) es indeterminado.

x→a
2. Si lı́mx→a f (x) = ±∞ y lı́mx→a g(x) = 0 entonces
lı́m (f g)(x) es indeterminado.

x→a
3. Si lı́mx→a f (x) = 0 y lı́mx→a g(x) = 0 o si lı́mx→a f (x) = ±∞ y lı́mx→a g(x) =

±∞ entonces
f
lı́m (x) es indeterminado.
x→a g
4. Si lı́mx→a f (x) = 1 y lı́mx→a g(x) = ±∞ o si lı́mx→a f (x) = ±∞ y lı́mx→a g(x) =

0 o si lı́mx→a f (x) = 0 y lı́mx→a g(x) = 0 entonces
lı́m f (x)g(x) es indeterminado.

x→a
Cuando un lı́mite es indeterminado, tenemos que manipularlo hasta determinar su

existencia o no, y su valor si fuera el caso. No hay una misma regla válida siempre, sino
una multitud de “técnicas de cálculo de lı́mites”. Quizás merezca la pena mencionar
el siguiente resultado:
Para todo a > 1, m > 0 y b > 1 se tiene

9.4. Continuidad de funciones de una variable 173
loga x xm bx (E(x))!
lı́m m
= lı́m x = lı́m = lı́m =0
x→∞ x x→∞ b x→∞ (E(x))! x→∞ xx
Más adelante, cuando estén a nuestra disposición las técnicas de derivación, describi-
remos la Regla de L’Hôpital, otra herramienta muy útil para la resolución de ciertas
indeterminaciones.
9.4. Continuidad de funciones de una variable
Definición 9.7. Sea una función, f, de A ⊂ lR en lR Si a ∈ A, se dice que la función

f es continua en a si
lı́m f (x) = f (a).
x→a
Nota 9.12. Nótese que la igualdad de la anterior implica tres condiciones: la exis-
tencia del lı́mite de f en el punto a, la existencia de f (a) y la coincidencia de ambos.
x
4 2 2 4
Figura 9.4: Función continua en todos los puntos del intervalo [−4 5, 4 5] salvo en
x = −4 25 y x = 3.
Proposición 9.4. Sean f, g dos funciones continuas en un punto a. Entonces las

funciones f ± g y f g también son continuas en a. Además, si g(a) = 0, entonces la
función fg también es continua en a.
Proposición 9.5. Si g es continua en a y f es continua en g(a) entonces f ◦ g es

continua en a (nótese que se requiere que f sea continua en g(a), no en a).
Obsérvese que la definición de continuidad es esencialmente puntual: una función es

continua en un punto a si verifica una determinada condición en dicho punto. En
las dos definiciones siguientes se extiende el concepto de continuidad a un intervalo
abierto y a un intervalo cerrado:
Definición 9.8. Si f es continua en x ∀x ∈ (a, b) entonces se dice que f es continua
en (a, b).
Definición 9.9. Si f es continua en x ∀x ∈ (a, b) y si lı́m f (x) = f (a) y lı́m f (x) =
x→a+ x→b−
f (b) entonces se dice que f es continua en [a, b].
Teorema 9.1. Si f es continua en [a, b] entonces:
1. Si f (a) < c < f (b) existe x ∈ [a, b] t.q. f (x) = c.

2. f está acotada en [a, b], es decir, existe K ∈ lR tal que, para todo x ∈ [a, b],
|f (x)| ≤ K.
3. f alcanza sus valores máximo y mı́nimo en [a, b], es decir, existen xm , xM ∈ [a, b]
tales que, para todo x ∈ [a, b],
m = f (xm ) ≤ f (x) ≤ f (xM ) = M.
9.5. Definición de función derivable y propiedades

básicas
Definición 9.10. Sea A ⊂ lR un intervalo abierto y sea f : lR −→ lR. Se dice que f

es derivable en el punto a ∈ A si existe el siguiente lı́mite
f (x) − f (a)
lı́m .
x→a x−a
Llamando h = x − a, el lı́mite anterior también se puede escribir como

f (a + h) − f (a)
lı́m .
h→0 h
En ese caso, es decir, cuando ese lı́mite exista, a su valor se le denomina derivada de
f en a, y se le representa por f (a).
Definición 9.11. Llamamos derivada lateral por la derecha de f en a al valor de
f (a + h) − f (a)
lı́m
h→0+ h
9.5. Definición de función derivable y propiedades básicas 175
cuando este exista. Análogamente, llamamos derivada lateral por la izquierda de f en

a al valor de
f (a + h) − f (a)
lı́m
h→0− h
cuando exista.
Una función f se dice derivable en un intervalo abierto A si lo es en cada punto de

A. f se dice derivable en [a, b] si es derivable en (a, b), derivable en a por la derecha
y derivable en b por la izquierda.
Definición 9.12. Sean la función f : A ⊂ lR → lR y el punto a ∈ A tal que exista
f (a). Se denomina diferencial de f en a a la aplicación lineal:
df (a; ·) : lR → lR
h → f (a)h
Nota 9.13 (Interpretación geométrica de la derivada). La derivada de f en a, f (a)

se puede interpretar como la pendiente de la recta tangente a la gráfica de f en el
punto (a, f (a)). La diferencial de f en a se puede interpretar como la paralela a dicha
tangente pasando por el origen.
g(1)+d;x
1.5
dg(1;x) g(x)
0.5
0 0.5 1 1.5 2 2.5 3
Figura 9.5: Dibujo de una función, g, su tangente, g(1)+g (1)(x−1) ó g(1)+dg(1; x−1),
y su diferencial, dg(1; x), en x0 = 1.
Definición 9.13. Sea f : lR −→ lR una función derivable en un intervalo A ⊂ lR.

Entonces podemos definir la función
f : A → lR
x → f (x)
La función f recibe el nombre función derivada de f .

Proposición 9.6. Si f : A ⊂ lR −→ lR es derivable en a ∈ A entonces f es continua
en a.
Demostración. Por definición, f es continua en a si y sólo si lı́mx→a f (x) = f (a), y

esto es equivalente a que lı́mx→a f (x) − f (a) = 0. Se trata pues de evaluar este último
lı́mite:
f (x) − f (a)
lı́m f (x) − f (a) = lı́m (x − a).
x→a x→a x−a
Por la Proposición 9.1, y usando el hecho de que f es derivable en a y que por tanto
existe lı́mx→a f (x)−f
x−a
(a)
, tenemos que
f (x) − f (a) f (x) − f (a)
lı́m (x−a) = lı́m lı́m (x−a) = f (a) lı́m (x−a) = f (a)0 = 0,
x→a x−a x→a x−a x→a x→a
de donde se sigue que f es continua en a.

Nota 9.14. La recı́proca de la proposición anterior no es cierta, una función puede
ser continua en un punto y no derivable en dicho punto; considérese por ejemplo la
función |x|, que es continua y no derivable en 0.
4 3 2 1 0 1 2 3 4
x
Figura 9.6: La función f (x) = |x| y su derivada en el intervalo [−4, 4].

Proposición 9.7. Sean f, g : lR −→ lR dos aplicaciones derivables en un mismo
punto a ∈ A. Entonces:
1. f ± g es derivable en a y
(f + g) (a) = f (a) ± g (a)
9.5. Definición de función derivable y propiedades básicas 177
2. f g es derivable en a y
(f g) (a) = f (a)g(a) + f (a)g (a)
f
3. es derivable en a y
g

f f (a)g(a) − f (a)g (a)
(a) =
g g(a)2
Demostración. Haremos la demostración del caso f + g y f g. El caso f − g es

totalmente análogo a f + g y el caso fg es tan sólo algo mas complicado que el caso
f g:
(f + g)(a + h) − (f + g)(a)
(f + g) (a) = lı́m =
h→0 h
f (a + h) + g(a + h) − (f (a) + g(a)) f (a + h) − f (a)
= lı́m = lı́m +
h→0 h h→0 h
g(a + h) − g(a)
+ lı́m = f (a) + g (a).
h→0 h
(f g)(a + h) − (f g)(a)
(f g) (a) = lı́m =
h→0 h
f (a + h)g(a + h) − f (a)g(a)
= lı́m =
h→0 h
f (a + h)g(a + h) − f (a + h)g(a) + f (a + h)g(a) − f (a)g(a)
= lı́m =
h→0 h
f (a + h) (g(a + h) − g(a)) g(a) (f (a + h) − f (a))
= lı́m + lı́m =
h→0 h h→0 h
g(a + h) − g(a) f (a + h) − f (a)
= lı́m f (a + h) lı́m + g(a) lı́m =
h→0 h→0 h h→0 h
= f (a)g (a) + f (a)g(a).
Ejercicio 9.1. Comprobar que, para todo n ∈ lN

(f n (x)) = nf n−1 (x)f (x)
Lo haremos por inducción. Ya sabemos que el resultado es cierto para n = 1 y n = 2.

Supongámoslo cierto para n = k − 1 y veamos qué ocurre en el caso n = k:
k
f (x) = f (x)f k−1 (x) = f (x)f k−1 (x) + f (x)(k − 1)f k−2 (x)f (x) =
= f (x)f k−1 (x) + (k − 1)f (x)f k−1 (x) = kf (x)f k−1 (x).
El resultado es cierto también, con una prueba similar, en el caso de que n sea un
entero negativo.
Teorema 9.2 (Regla de la cadena). Sean A ⊂ lR y B ⊂ lR dos intervalos abiertos y

f : A −→ lR, g : B −→ lR dos funciones tales que f (A) ⊂ B. Si f es derivable en a ∈ A
y g es derivable en b = f (a) ∈ B entonces la aplicación compuesta (g ◦ f ) : A −→ lR
es derivable en a ∈ A y se cumple
(g ◦ f ) (a) = g (f (a))f (a).
Teorema 9.3 (Derivada de la función inversa). Sea A ⊂ lR un intervalo y sea f :

A −→ lR una función continua en A y derivable en un punto a del interior de A
(es decir, del conjunto A excluyendo los bordes de los intervalos que lo forman). Si
f (a) = 0 entonces la aplicación inversa f −1 : f (A) ≡ Im(f ) −→ A es derivable en
b = f (a) y
−1 1 1
f (b) = = −1
f (a) f (f (b))
Ejemplo 9.4 (Derivada de arcsen(x)). Sea f (x) = sen(x), que como es bien sabido es
continua y derivable en todo punto. Entonces f −1 =arcsen: [−1, 1] −→ lR. Calculemos
cuánto vale arcsen (x) utilizando el Teorema 9.3:
1 1
arcsen (x) = f −1 (x) = = =
f (f −1 (x)) sen (arcsen(x))
1 1 1
= =( =√
cos (arcsen(x)) 1 − sen (arcsen(x))
2 1 − x2
9.6. Tabla de derivadas de funciones elementales

d(au) du
1. =a
dx dx
d(u + v − w) du dv dw
2. = + −
dx dx dx dx
d(uv) dv du
3. =u +v
dx dx dx
du dv
d(u/v) v( ) − u( )
4. = dx 2 dx
dx v
d(un ) du
5. = nun−1
dx dx
d(ln u) 1 du
6. =
dx u dx
d(loga u) 1 du
7. =
dx u ln a dx
9.6. Tabla de derivadas de funciones elementales 179
d(v u ) dv du
8. = uv u−1 + v u (ln v)
dx dx dx
d(eu ) du
9. = eu
dx dx
d(au ) du
10. = au ln(a)
dx dx
d(sen u) du
11. = cos u
dx dx
d(cos u) du
12. = − sen u
dx dx
d(tg u) 1 du
13. =
dx cos2 u dx
d(arcsen u) 1 du
14. =√
dx 1 − u dx
2
d(arc cos u) 1 du
15. = −√
dx 1 − u dx
2
d(arctg u) 1 du
16. =
dx 1 + u2 dx
d(Sh u) du
17. = Ch u
dx dx
d(Ch u) du
18. = Sh u
dx dx
d(Th u) 1 du
19. =
dx Ch2 u dx
d(ArgSh u) 1 du
20. =√
dx 1 + u dx
2
d(ArgCh u) 1 du
21. =√
dx u − 1 dx
2
d(ArgTh u) 1 du
22. =
dx 1 − u2 dx
9.7. Derivación de funciones definidas implı́citamen-

te y paramétricamente
Definición 9.14. Sea F : lR2 −→ lR. Se dice que la ecuación F (x, y) = 0 define
implı́citamente la función y = f (x) cuando para todo x en el dominio de f se verifica
F (x, f (x)) = 0.
Nota 9.15. En general, en las condiciones de la definición anterior, la misma fun-
ción F podrı́a definir implı́citamente más de una función: por ejemplo, la ecuación
F (x, y) = x2 + y 2 − 1 = 0 define implı́citamente dos funciones
( (
f1 (x) = 1 − x2 y f2 (x) = − 1 − x2 .
Proposición 9.8. Sean F y f como en la Definición 9.14 y sea a un punto en el
dominio de f . Para hallar la derivada de f en a se deriva la expresión F (x, f (x))
respecto de x, se particulariza en a, se iguala a 0 y se despeja f (a).
Veamos esto con un ejemplo,

Ejemplo 9.5. Hallar la derivada de la función y = f (x) definida implı́citamente por
la ecuación
F (x, y) = 2x6 + y 4 − 9xy = 0
en el punto x = 1 sabiendo que f (1) = 2.
Hemos llamado y = f (x) y por tanto

F (x, f (x)) = 2x6 + f (x)4 − 9xf (x).
Derivemos ahora la expresión de arriba con respecto a x:
dF (x, f (x))
= 6 · 2x5 + 4f (x)3 f (x) − 9f (x) − 9xf (x).
dx
Igualando a 0 y despejando obtenemos que
9f (x) − 12x5
f (x) =
4f 3 (x) − 9x
de donde f (1) = 6
23 .
Proposición 9.9 (Derivación de una función definida paramétricamente). Sean x =

x(t) e y = y(t) dos funciones dependientes del parámetro t ∈ [a, b]. Si además y es
función de x (y = f (x)) se verifica
y (t)
dy
dy dt
= = .
dx dx
dt
x (t)
9.8. Teoremas del valor medio 181
9.8. Teoremas del valor medio
Teorema 9.4 (Teorema de Rolle). Sea f : [a, b] −→ lR una función continua en [a, b],
derivable en (a, b) y tal que f (a) = f (b). Entonces existe ξ ∈ (a, b) tal que f (ξ) = 0.
A partir del Teorema de Rolle es muy fácil demostrar el
Teorema 9.5 (Teorema de los incrementos finitos). Sea f : [a, b] −→ lR una función
continua en [a, b] y derivable en (a, b). Entonces existe ξ ∈ (a, b) tal que
f (b) − f (a)
f (ξ) = .
b−a
La idea del teorema es que en algún punto del intervalo la “tasa de variación” de la
función es precisamente la “tasa de variación media” de la función en todo el intervalo.
Definición 9.15. Sea f : A ⊂ lR una función derivable en un punto x0 ∈ A.
1. Se dice que f es creciente en x0 si existe un intervalo (a, b) ⊂ A tal que f (x) ≤

f (x0 ) para todo x ∈ (a, x0 ) y f (x) ≥ f (x0 ) para todo x ∈ (x0 , b).
2. Se dice que f es decreciente en x0 si existe un intervalo (a, b) ⊂ A tal que

f (x) ≥ f (x0 ) para todo x ∈ (a, x0 ) y f (x) ≤ f (x0 ) para todo x ∈ (x0 , b).
Definición 9.16. Sea f : A ⊂ lR una función derivable en un intervalo (a, b) ⊂ A.
1. Se dice que f es monótona creciente en (a, b) si para todo par de puntos x1 , x2

de (a, b) tales que x1 < x2 entonces f (x1 ) ≤ f (x2 ). (f es creciente en todos los
puntos de (a, b)).
2. Se dice que f es monótona decreciente en (a, b) si para todo par de puntos x1 ,

x2 de (a, b) tales que x1 < x2 entonces f (x1 ) ≥ f (x2 ). (f es decreciente en todos
los puntos de (a, b)).
Teorema 9.6. Sea f : (a, b) −→ lR una función derivable en (a, b). Entonces:
1. f (x) es monótona creciente en (a, b) Ssi f (x) ≥ 0 para todo x ∈ (a, b).
2. f (x) es monótona decreciente en (a, b) Ssi f (x) ≤ 0 para todo x ∈ (a, b).
3. f (x) es constante en (a, b) Ssi f (x) = 0 para todo x ∈ (a, b).
4. f (x) es inyectiva en (a, b) si f (x) = 0 para todo x ∈ (a, b).

9.9. Reglas de L’Hôpital
Teorema 9.7. Sea A ⊂ lR un intervalo abierto y sea a ∈ A. Dadas dos funciones

f, g : A \ {a} :−→ lR derivables en A tales que
lı́m f (x) = lı́m g(x) = 0

x→a x→a
y tales que g (x) = 0 para todo x ∈ A \ {a}. Si
f (x)
lı́m =L
x→a g (x)
entonces
f (x)
lı́m =L
x→a g(x)
Teorema 9.8. Sea A ⊂ lR un intervalo abierto y sea a ∈ A. Dadas dos funciones
f, g : A \ {a} :−→ lR derivables en A tales que
lı́m f (x) ± ∞ , lı́m g(x) = ±∞

x→a x→a
y tales que g (x) = 0 para todo x ∈ A \ {a}. Si
f (x)
lı́m =L
x→a g (x)
entonces
f (x)
lı́m =L
x→a g(x)
Nota 9.16. Teoremas análogos se verifican cuando x tiende a ±∞.
9.10. Fórmula de Taylor
Definición 9.17. Sea A ⊂ lR un intervalo abierto, f : A −→ lR una aplicación

derivable en todo A y sea f la función derivada de f . Si f es a su vez derivable
en A, a su derivada se le denomina derivada segunda de f y se representa por f
2

ó f (2) ó d dx f (x)
2 . Si f es también derivable denotamos su derivada por f ó f (3) . El
proceso se puede repetir mientras que las sucesivas derivadas que obtengamos sean a
su vez derivables. Nótese que si f posee derivada k-ésima se tiene que cumplir que
f, f , f ,. . . ,f (k−1) deben ser derivables en A y por tanto continuas, pero f (k) no tiene
por qué ser continua. Una función f que verifique que existe f (k) y es continua se
dice que es una función de clase k y se representa como f ∈ C k (A).
9.10. Fórmula de Taylor 183
Teorema 9.9. Sea A un intervalo abierto y f : A −→ lR una función que posee

derivada n-ésima f (n) en A. Sea a ∈ A. Se define el polinomio de Taylor de grado
n − 1 de f alrededor de a como
f (a) f (a) f (n−1) (a)

pn−1 (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n−1 .
1! 2! (n − 1)!
Entonces, para cada x ∈ A − {a}, existe ξ ∈ (a, x) ó (x, a) tal que
f (n) (ξ)
f (x) = pn−1 (x) + (x − a)n .
n!
Esta última expresión se conoce como fórmula de Taylor.

Nota 9.17. Al polinomio de Taylor alrededor de a = 0 se le denomina polinomio de
Mac-Laurin.
Ejemplo 9.6. Hallar el polinomio de Mac-Laurin de grado 5 de las funciones f (x) =
sen x y f (x) = ex .
Solución: Para calcular el polinomio correspondiente a la función sen x deberemos

calcular el valor de la función de sus 5 primeras derivadas en x = 0:
f (x) = sen x → f (0) = 0

f (x) = cos x → f (0) = 1
f (x) = − sen x → f (0) = 0
f (x) = − cos x → f (0) = −1
f iv (x) = sen x → f iv (0) = 0
f v (x) = cos x → f v (0) = 1
x3 x5
Por tanto, p5 (x) = x − 3! + 5! .
En cuanto a la función exponencial,
f (x) = ex → f (0) = 1
f (x) = ex → f (0) = 1
f (x) = ex → f (0) = 1
f (x) = ex → f (0) = 1
f iv (x) = ex → f iv (0) = 1
f v (x) = ex → f v (0) = 1
x2 x3 x4 x5
y, por tanto, p5 (x) = 1 + x + 2! + 3! + 4! + 5! .
3
p1(x)
1
p5(x)
sen(x)
3 2 1 0 1 2 3
x
1
p3(x)
2
Figura 9.7: La función sen(x) y sus tres primeros polinomios de Taylor: p1 (x), p3 (x)
y p5 (x).
Ejemplo 9.7. Demostrar la fórmula de Euler
eix = cos(x) + i sen(x)
Solución: Por lo visto en el ejemplo anterior,
(ix)2 (ix)3 (ix)4 (ix)5 (ix)6

eix = 1 + (ix) + + + + + + ....
2! 3! 4! 5! 6!
Como i2n = (−1)n , i2n+1 = (−1)n i, podemos escribir
x2 x3 x4 x5 x6
eix = 1 + (ix) −−i + +i − + ....
2! 3! 4! 5! 6!

x2 x4 x6 x3 x5
= 1− + − + ... + i x − + − ... = cos(x) + i sen(x)
2 4! 6! 3! 5!
9.11. Extremos de funciones
Definición 9.18. Sea f : A ⊂ lR −→ lR.
1. Se dice que f alcanza un máximo relativo en a ∈ A si existe un entorno V de a

tal que, para todo x ∈ V ∩ A, f (x) ≤ f (a).
2. Se dice que f alcanza un mı́nimo relativo en a ∈ A si existe un entorno V de a
tal que, para todo x ∈ V ∩ A, f (x) ≥ f (a).
9.11. Extremos de funciones 185
exp()
4.5
p3(x)
4
3.5
p2(x)
3
2.5
p1(x)
2
1.5
p0(x)
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4
x
Figura 9.8: La función ex y sus cuatro primeros polinomios de Taylor: p0 (x), p1 (x),
p2 (x) y p3 (x).
3. Los máximos y mı́nimos relativos se denominan globalmente extremos relativos.
4. Se denomina supremo o extremo superior de f en A al supx∈A {f (x)}.
5. Se denomina ı́nfimo o extremo inferior de f en A al ı́nf x∈A {f (x)}.
6. Cuando el supremo y el ı́nfimo de f en A existen y pertenecen al conjunto f (A)

se denominan máximo absoluto y mı́nimo absoluto de f en A. Globalmente se
denominan extremos absolutos.
Teorema 9.10 (Condición necesaria de existencia de extremos relativos). Sea A ⊂ lR

un conjunto abierto y sea la aplicación f : A −→ lR. Si f posee un extremo relativo
en a ∈ A y f es derivable en a, entonces necesariamente f (a) = 0.
Demostración. Supongamos que f alcanza un mı́nimo relativo en a y que f es

derivable en a. Entonces
f (x) − f (a) f (x) − f (a) f (x) − f (a)
f (a) = lı́m = lı́m+ = lı́m− .
x→a x−a x→a x−a x→a x−a
Como a es un mı́nimo relativo de f , existe un entorno V de a tal que, para todo

x ∈ V ∩ (a, +∞),
f (x) − f (a)
≥ 0,
x−a
y por tanto se tiene que
f (x) − f (a)
f (a) = lı́m+ ≥ 0.
x→a x−a
Por otro lado, para ese mismo entorno V se tiene que, para todo x ∈ V ∩ (−∞, a),
f (x) − f (a)
≤ 0,
x−a
y por tanto
f (x) − f (a)
f (a) = lı́m− ≤ 0,
x−a
x→a
y por tanto necesariamente se ha de tener que f (a) = 0. El caso en que a fuera un
máximo relativo se demuestra de manera totalmente análoga.
Nota 9.18. Debe quedar claro que la anterior es una condición necesaria pero no
suficiente: pueden existir puntos de A tales que f (a) = 0 pero que no sean extremos.
Los puntos de A que verifican f (a) = 0 se denominan puntos crı́ticos.
Teorema 9.11 (Condición suficiente de existencia de extremos relativos). Sea A ⊂ lR
un intervalo abierto. Sea una aplicación f : A −→ lR con derivada n-ésima f (n)
continua en A, es decir f ∈ C n (A). Sea a ∈ A tal que
f (a) = f (a) = · · · = f (n−1) (a) = 0 y f (n) (a) = 0.
Entonces:
1. Si n es par y f (n) (a) < 0, f alcanza en a un máximo relativo.

2. Si n es par y f (n) (a) > 0, f alcanza en a un mı́nimo relativo.
3. Si n es impar, entonces a no es un extremo relativo de f sino un punto de
inflexión, concepto este que se definirá más adelante.
Demostración. El problema de hallar si una función f tiene un extremo en el punto

a se reduce a comprobar si existe un δ > 0 tal que, f (x) − f (a) tenga siempre el
mismo signo para todo x ∈ (a − δ, a + δ). Por la fórmula de Taylor,
f (a) f (a) f (n−1) (a)
f (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n−1 +
1! 2! (n − 1)!
f (n) (a) f (n+1) (a + θ(x − a))
+ (x − a)n + (x − a)n+1 .
(n)! (n + 1)!
Como
f (a) = f (a) = · · · = f (n−1) (a) = 0,
se tiene que (para x suficientemente próximo a a):
f (n) (a)
Signo(f (x) − f (a)) = Signo( (x − a)n ).
n!
Consideremos tres posibles casos:

9.12. Estudio global de la gráfica de una función 187
1. n es par y f (n) (a) > 0. Entonces, para todo x ∈ (a − δ, a + δ),
f (n) (a)
f (x) − f (a) = (x − a)n ≥ 0
n!
y por tanto a es un mı́nimo relativo de f .
2. n es par y f (n) (a) < 0. Entonces, para todo x ∈ (a − δ, a + δ),
f (n) (a)
f (x) − f (a) = (x − a)n ≤ 0
n!
y por tanto a es un máximo relativo de f .
3. n es impar. Si, por ejemplo, f (n) (a) > 0, entonces f (x) − f (a) > 0 si x > a y
f (x) − f (a) < 0 si x < a y por tanto a no es extremo relativo de f .
Definición 9.19. Se dice que la función f : A ⊂ lR −→ lR derivable en A, es cóncava

(respectivamente convexa) en a ∈ A si existe un entorno V de a tal que, para todo
x ∈ (V \ {a}) ∩ A,
δ(x) = f (x) − t(x) > 0 (respectivamente < 0)
siendo t(x) la recta tangente a f en a: t(x) = f (a) + f (a)(x − a). Si δ(x) cambia de
signo al pasar de los puntos a la izquierda de a a los puntos a la derecha de a, se dice
que f posee en a un punto de inflexión.
Nota 9.19. A la vista de esta definición, es fácil comprobar que en el caso 3 del
teorema anterior, f tiene un punto de inflexión en a.
Nota 9.20. Si la función alcanza un mı́nimo (respectivamente máximo) en a la fun-

ción es cóncava (respectivamente convexa) en a. La implicación contraria, sin embargo,
no es cierta.
Nota 9.21. Como consecuencia de la definición anterior, tendremos que si en un

cierto punto x es f (x) > 0 entonces la función es cóncava y si f (x) < 0 entonces la
función es convexa.
9.12. Estudio global de la gráfica de una función
Estudio local de la gráfica de una función. La gráfica de una función real

f : I → lR, definida en un intervalo I es el siguiente conjunto de puntos de un plano

(x, y) ∈ lR2 y = f (x), x ∈ I
Se supondrá que en lR2 se toma la referencia cartesiana ordinaria: la que tiene su

origen en el punto (0,0) y cuya base está formada por los vectores (1,0)t y (0,1)t .
En los apartados anteriores se ha estudiado cómo determinar, dado un punto a ∈ I,

el crecimiento o decrecimiento de f en a, la existencia o no de un extremo relativo
de f en a (y determinar si el extremo es un máximo o un mı́nimo), la concavidad
o convexidad de f en a y si a es un punto de inflexión. Esto es lo que se denomina
un estudio local de la función f en un entorno de a y permite dibujar de forma
aproximada la gráfica de f en dicho entorno. A continuación se describe brevemente
cómo se puede extender este estudio local a todo lR.
Estudio global de la gráfica de una función. El procedimiento para investigar

una función y dibujar su gráfica en todo lR consta de las siguientes etapas:
1. Estudiar el dominio de la función.
2. Obtener los puntos de discontinuidad de la función y sus ası́ntotas verticales.
3. Estudiar la paridad y periodicidad de la función.
4. Obtener los puntos de intersección de la gráfica con los ejes de coordenadas.
5. Estudiar la caracterı́stica de la función en el infinito: ası́ntotas horizontales y

oblicuas.
6. Determinar cuales son los intervalos de monotonı́a de la función y calcular los

extremos relativos de la función.
7. Estudiar la concavidad y convexidad de la función, puntos de inflexión.
8. Dibujo de la gráfica utilizando la información obtenida en las etapas anteriores.

Si es necesario se calculan imágenes de puntos intermedios.
Para poder realizar las etapas anteriores es necesario recordar que son las ası́ntotas
de una función.
Definición 9.20. (Ası́ntota vertical) Se dice que una función f tiene una ası́ntota
vertical en a ∈ lR si
lı́m f (x) = ±∞ ó lı́m f (x) = ±∞

x→a+ x→a−
Definición 9.21. (Ası́ntota horizontal y Ası́ntota oblicua) (Comportamiento

de la función en el infinito). Se dice que la recta y = b es una ası́ntota horizontal
de la función f si
9.12. Estudio global de la gráfica de una función 189
lı́m f (x) = b ó lı́m f (x) = b.

x→−∞ x→∞
Se dice que la recta y = mx + b (m = 0) es una ası́ntota oblicua de la función f si
lı́m f (x) − mx − b = 0 ó lı́m f (x) − mx − b = 0.

x→−∞ x→∞
2x2 −8
Ejemplo 9.8. Dibujar la gráfica de la función y = f (x) = x2 −16 .
Solución :
1. Dominio de la función: lR− {−4, 4}.

2
−8 2a2 −8
2. lı́m x2x2 −16 = a2 −16 (a ∈ lR − {−4, 4}). La función es continua en todo el dominio.
x→a
2x2 −8 −8 2
lı́m x2 −16 = ∞, lı́m + 2x
x2 −16 = −∞ ⇒ x = −4 es una ası́ntota vertical.
x→−4− x→−4
2 2
−8 −8
lı́m− 2x
x2 −16 = −∞, lı́m+ 2x
x2 −16 = ∞ ⇒ x = 4 es una ası́ntota vertical.
x→4 x→4
3. La función es par, f (x) = f (−x). No es periódica. De la paridad de la función

se deduce que es simétrica respecto al eje OY.
4. Intersección con el eje y; y = f (0) = 1/2.

Intersección con el eje x; 2x2 − 8 = 0 ⇒ x = 2, x = −2.
2x2 −8 2x2 −8
5. Ası́ntotas horizontales: lı́m 2 = 2, lı́m 2 = 2 (se podrı́a haber obte-
x→∞ x −16 x→−∞ x −16
nido directamente por simetrı́a). No hay ası́ntotas oblicuas.
6. Extremos de la función: dy
dx = −48 (x2 −16)
x
2 = 0 ⇒ x = 0 es un punto crı́tico
2 2 2
3 ⇒ dx2 |x=0 = − 16 < 0 ⇒ y = f (x) alcanza un máximo
d y d y
dx2 = 48 (x3x2 −16)
+16 3
relativo en x = 0.
Intervalos de monotonı́a: se comprueba el signo de dy
dx : dy
dx = −48 (x2 −16)
x
2 < 0
⇔ −48x < 0 (x = 4), la inecuación se satisface ∀x ∈ lR − {4} ⇒ la función es

+
monótona decreciente en (0, 4) y en (4, ∞) y, por simetrı́a, es monótona creciente

en (−∞, −4) y en (−4, 0).
2
d y d2 y
7. Concavidad y convexidad: se estudia el signo de la función dx2 . El signo de dx2
depende del signo de x − 16 puesto que 3x + 16 es siempre positivo:
2 2
d2 y
Si x ∈ (−∞, −4) ∪ (4, ∞) entonces x2 −16 > 0 y dx2 > 0. Por lo tanto la función
es cóncava en x ∈ (−∞, −4) ∪ (4, ∞).
d2 y
Si x ∈ (−4, 4) entonces x2 − 16 < 0 y dx2 < 0. Por lo tanto la función es convexa
en x ∈ (−4, 4).
No existen puntos de inflexión.
8. Dibujo de la gráfica de la función
infinity
-infinity 0 infinity
x
-infinity
2x2 −8
Figura 9.9: Gráfica de la función f (x) = x2 −16 .
los capı́tulos 2, 3 y 4 de [43], los capı́tulos 1, 2 y 3 de [37], el capı́tulo 7 de [8] y los
capı́tulos 2 y 3 del primer tomo de [25].
9.14. Ejercicios
√ √
1. Demostrar, utilizando la definición δ − ε, que lı́m x = a para a > 0. Ayuda:
x→a
√ √
téngase en cuenta que x − a = √(x−a) √ .
x+ a
x2
2. Demostrar, utilizando la definición M − ε, que lı́m 2 = 1.
x→∞ 1+x
3. Demostrar, utilizando la definición M − ε que lı́m ekx = 0 ∀k < 0.

x→∞
9.14. Ejercicios 191
4. Demostrar, utilizando la definición δ − ε, que lı́m (x3 + 2x) = 33.

x→3
5. Determinar qué valor habrı́a que adjudicar a f (0) para que la función f (x) =
tg(2x)
x resulte continua en x = 0.
Solución: f (0) = 2
6. Calcular el lı́mite
ex − esen x
lı́m
x→0 x − sen x
Solución: 1
7. Demostrar, utilizando la definición δ − N, que si lı́m f (x) = ∞ y g(x) ≥ f (x)
x→x0
para todo x perteneciente a algún entorno reducido de x0 entonces lı́m g(x) =
x→x0
2
(1−x)2 = ∞.
∞. Utilizar el resultado anterior para demostrar que lı́m 1+cos x
x→1
√
8. Calcular lı́mx→∞ ( x2 + 1 − x). Interpretar el resultado geométricamente consi-
derando un triángulo rectángulo de catetos de longitudes 1 y x respectivamente.
Solución: El lı́mite vale 0. La interpretación geométrica aparece en la figura
9.10, en donde se aprecia que para x muy grandes la diferencia entre la hipote-
nusa del triángulo y el cateto de longitud x se hace despreciable.
x 2+ 1
Figura 9.10: Interpretación geométrica del resultado del problema 8.
9. Calcular los siguientes lı́mites:

2
−9
a) lı́m (3+x)
x
x→0
3
−1)|x|
b) lı́m+ (x x
x→0
x−2
c) lı́m 2
x→∞ x +2x+1
x
−1
d ) lı́m+ ex−1
x→1
e) lı́m− ln(2x)
x−1
x→1
Solución:
a) 6
b) -1
c) 0
d) ∞
e) −∞
1
10. Dada la función f (x) = xe x se verifica que:
a) es continua en todo el eje real.

b) es discontinua en el punto x = 0.
c) lı́m f (x) = 0.
x→0
d ) lı́m f (x) = ∞.
x→0
Solución: la única respuesta correcta es la (b).
11. Sea la función

x2 si x < 1
f (x) =
0 si x ≥ 1
a) ¿Es f continua en el intervalo [0, 1]?

b) ¿Está f acotada en el intervalo [0, 1]?
c) ¿Alcanza valores máximos y mı́nimos la función f en el intervalo [0, 1]?
Solución:
a) No.
b) Si.
c) Si alcanza valores mı́nimos pero no alcanza valores máximos.
12. El número de individuos en una población en el instante t está dado por
e3t
N (t) = N0 3 .
2 + e3t
Determinar el valor del lı́m N (t) y discute su significado biológico.

t→∞
Solución: N0 . A largo plazo la población alcanza un equilibrio de N0 individuos.
13. La temperatura, T (x, t), en el tiempo t y en la posición x de una barra situada

a lo largo de 0 ≤ x ≤ l en el eje x se puede expresar, aproximadamente, como:
T (x, t) = B1 e−µ1 t sen(λ1 x) + B2 e−µ2 t sen(λ2 x) + B3 e−µ3 t sen(λ3 x)
donde µ1 , µ2 , µ3 , λ1 , λ2 y λ3 > 0. Se pide determinar el lı́m T (x, t) ∀x ∈ [0, l] e

t→∞
interpretar el resultado.
Solución: 0. La ecuación representa el transporte de calor en una barra sin la
presencia de ninguna fuente térmica y permitiendo que el calor se disipe por la
parte derecha de la barra. lı́m T (x, t) = 0 indica que a largo plazo la barra se
t→∞
enfrı́a totalmente (se pierde todo el calor por el lado derecho).
x
14. Obtener el polinomio de Taylor de grado 3 de la función f (x) = √e en x = 0.
1+x
x
Solución: √e
1+x
= 1 + 12 x + 38 x2 − 1 3
48 x + O(x4 )
15. Siendo g(x) = xf (x) y sabiendo que f (x) es continua en x = 0, calcular g (0)
Solución: g (0) = f (0)
16. Dada la función
x3 + 2x + 2 si x < 0
f (x) =
x3 − 3x + 2 si x ≥ 0
a) estudiar la continuidad y derivabilidad en x = 0, y calcular las sucesivas

derivadas en x = 0 cuando existan.
b) hallar máximos y mı́nimos de f (x) en [-2,2].
Solución:
a) es continua y no es derivable,
b) mı́nimos relativos(mr ): 0, −10; max. rel.(Mr ): 2, 4; min.abs.=-10; Max.
abs. (Ma )=4.
17. Calcular los extremos relativos y absolutos de:
a) f (x) = x3 + x2 − 5x + 1; x ∈ lR,
b) f (x) = (x + 2)ex ; x ∈ lR,
c) f (x) = 5 + (x − 3)2/3 ; x ∈ lR,
|ax|
d ) f (x) = 1+x2 ; a > 0; x ∈ lR,
e) f (x) = x ln x; x ∈ lR+ ,
2
f ) f (x) = ln(1 + x2 ) − |x − 2| ; x ∈ [−2, 3].
Solución:
a) mr = −2; Mr = 202/27
b) mr =ma = −e−3
c) mr =ma = 5
d ) mr =ma = 0; Mr =Ma = a/2
e) mr =ma = −1/(2e)
f ) mr = ln 10 − 1, ln 5 − 4, ma = ln 5 − 4; Mr =Ma = ln 5
18. Sea f : IR → IR, f (x) = 2x

1+x2 . Hallar Im f.
Solución: [-1,1]
19. Hallar la distancia mı́nima del origen a la parábola y = 2(x − 32 )2 .

√
5
Solución: 2
20. Hallar la superficie mı́nima de un cilindro cuyo volumen es 27m3 .

1 18π 2
Solución: 18(2π) 3 + 1 m
(4π 2 ) 3
21. Hallar las dimensiones de un triángulo rectángulo de área máxima, sabiendo
que su hipotenusa mide 5 cm.
Solución: ambos catetos miden √5 cm.
2
22. Si se viaja 1 Km en 60 + x segundos, demuestra que una buena aproximación

de la velocidad media para x pequeños es 60 − x Km/h. Deduce el error de la
aproximación si x = 1, −1,5, −5, 10, −10.
23. En un cierto proceso quı́mico industrial, la producción diaria de productos de

desecho, y, depende de la producción total del proceso, x, de acuerdo con la
siguiente fórmula empı́rica:
y = 0,01x + 0,00003x2
donde x e y están expresadas en Kg. Si se ganan 100 euros por Kg de producto

sin desechos y se pierden 20 euros por Kg de desecho producido, ¿De cuántos
Kilos debe ser la producción diaria para maximizar el beneficio?
24. Para calcular el seno de 36o con una calculadora que no dispone de funciones
trigonométricas, una ingeniera realiza el siguiente proceso: introduce 3.1415926
divide por 5 e introduce el resultado en la memoria, el resultado se designará por
x. Después calcula x(1 − x2 /6), valor que toma como sen(36o ).
a) ¿Cuál fue el valor calculado por la ingeniera?

b) ¿Que precisión tiene? (error cometido).
c) Justifica el resultado en términos del desarrollo en serie de Taylor de una

función.
d ) Describe un método similar para calcular tan(10o ).
Solución:
a) 0.5869768.
b) |0,5869768 − sen(36o )| ≤ 0,0065 sen(36o ).
c) 36o = π/5 radianes y se han utilizado los dos primeros términos del poli-
nomio de Taylor de la función seno para aproximar sen(36o ).
π
d ) Se pasa 10o a radianes (10o = 18 radianes) y se utilizan los dos primeros
términos del desarrollo en serie de Taylor de la función tan(x), tan(x) ≈
x(1 + x2 /3).
25. Supóngase que se quiere quitar el sedimento de un lı́quido haciéndolo pasar por
un filtro cónico de 16 cm de altura y 4 cm de radio en la sección circular del
borde superior. Se supondrá también que el lı́quido sale del filtro por la parte
inferior a una velocidad constante de 2 cm3 /min. Se pide:
a) Encontrar una fórmula que relacione la tasa de variación de la altura del

fluido en el cono en función de la propia altura.
b) Una vez obtenida la fórmula anterior, ¿disminuye la altura del lı́quido a
una velocidad constante?
c) ¿A qué velocidad está disminuyendo la altura del lı́quido en el momento
que dicha altura es de 8 cm?
Solución:
a) dy
dt = − πy
32
2 , y = altura. El signo menos indica que la altura disminuye con
el tiempo.
b) La altura no disminuye a una velocidad constante puesto que su tasa de
disminución depende de y. Cuanto más pequeña es la altura mas rápido
disminuye ésta.

c) dy
dt = −0,16 cm/min.
y=8
Capı́tulo 10
Lı́mites, continuidad y
diferenciabilidad de funciones
de varias variables
10.1. Introducción
Muchos de los modelos quı́micos o medioambientales están formulados para funciones

de varias variables que habitualmente dependen del espacio y el tiempo. Pensemos
por ejemplo en la concentración de un cierto contaminante vertido en el mar. Dicha
concentración cambiará de punto a punto del espacio y, además, variará con el tiempo.
Esta idea conduce a una función (la concentración) que dependerá de varias variables
(las coordenadas de los puntos del espacio y el tiempo).
La cuestión que se plantea es la siguiente: ¿Podemos introducir nociones de continui-

dad, lı́mite y derivada (ritmo de variación) cuando una función no depende sólo de
una variable sino que depende de varias? En este capı́tulo daremos respuesta a esta
cuestión.
El problema es crucial de cara a las aplicaciones, ya que hay leyes fı́sico-quı́micas,

expresables en forma de ecuaciones llamadas de transporte, en las que intervienen
dichas nociones.
197
198 Capı́tulo 10. Lı́mites, continuidad y diferenciabilidad de funciones de varias variables
10.2. Bolas, conjuntos abiertos y conjuntos cerrados

en lRn
Definición 10.1. Definimos bola abierta de centro a1 ∈ lRn y radio

∈ lR al conjunto
de puntos x ∈ lRn tales que
)
* n
*
d(x, a) = + (xi − ai )2 <
i=1
siendo (a1 , a2 , ..., an ) y (x1 , x2 , ..., xn ) las coordenadas de los puntos a y x respectiva-
mente. La denotaremos por B(a,
).
Definición 10.2. Definimos bola cerrada de centro a ∈ lRn y radio

al conjunto de
puntos x ∈ lRn tales que
)
* n
*
d(x, a) = + (xi − ai )2 ≤
i=1
La denotaremos por B(a,

).
Definición 10.3. Un punto a ∈ lRn se dice que es interior a Ω ⊂ lRn si se puede

poner como centro de una bola abierta que contiene solamente puntos de Ω.
Un punto a ∈ lRn se dice que es exterior a Ω si toda bola abierta que lo tenga como
centro contiene puntos que no son de Ω.
Un punto a ∈ lRn se dice que es frontera de Ω si toda bola abierta que lo tenga como
centro contiene puntos que son de Ω y puntos que no son de Ω.
Definición 10.4. Un conjunto Ω ⊂ lRn es abierto si todos sus puntos son interiores
(no tiene puntos frontera).
Un conjunto Ω ⊂ lRn es cerrado si contiene a todos sus puntos frontera.
Definición 10.5. Sea E un espacio métrico. Se dice que x ∈ E es un punto de

acumulación de A ⊂ E si la intersección de toda bola abierta de centro x con A no
es vacı́a y contiene puntos de A distintos de x.
1 Como ya se advirtió en el Capı́tulo Espacio Afı́n-Euclı́deo, a partir de ahora a los puntos se les
designará mediante letras minúsculas con una raya encima. Los vectores se seguirán representando
en negrita.
10.3. Lı́mites de funciones de varias variables 199
10.3. Lı́mites de funciones de varias variables
Definición 10.6. Sea f : lRn −→ lR una función cuyo dominio es un abierto Ω ⊂ lRn .
Sea a ∈ lRn un punto de Ω. Se dice que el lı́mite de f cuando x tiende a a es L ∈ lR
y se escribe
lı́m f (x) = L
x→a
si para todo
> 0 existe δ > 0 tal que para todo x ∈ B(a, δ) ∩ Ω, con x = a, se tiene
que f (x) ∈ B(L,
). Nótese que x ∈ B(a, δ) ∩ Ω, x = a es equivalente a 0 < d(x, a) < δ
y que f (x) ∈ B(L,
) es equivalente a |f (x) − L| <
.
Proposición 10.1. Si existe el lı́mite de f en a, éste es único.
Nota 10.1. A los lı́mites de funciones f : lR2 −→ lR se les denomina lı́mites dobles.
Definición 10.7. Sea f : lR2 −→ lR y sea (a1 , a2 ) un punto de acumulación del

dominio de f . Entonces
1. Se denominan lı́mites reiterados de f (x, y) en el punto (a1 , a2 ) a los dos números

reales (cuando existen) dados por

lı́m lı́m f (x, y)
x→a1 y→a2

lı́m lı́m f (x, y)
y→a2 x→a1
2. Sea ϕ : lR −→ lR una función tal que ϕ(a1 ) = a2 (esto es, ϕ “pasa” por (a1 , a2 )).
Se denomina lı́mite direccional de f en el punto (a1 , a2 ) según la curva y = ϕ(x)
al número real (cuando exista) dado por
lı́m f (x, ϕ(x)).

x→a1
En el caso particular en que ϕ(x) = k(x − a1 ) + a2 , al lı́mite anterior se le

denomina lı́mite radial.
Nota 10.2. Es fácil ver que si existe el lı́mite de f en (a1 , a2 ) y vale L entonces existen
los lı́mites reiterados de f en (a1 , a2 ) y también valen L y, para toda ϕ que pase por
(a1 , a2 ), existe el lı́mite direccional de f en (a1 , a2 ) según la curva ϕ y vale L. La
recı́proca en cambio no es cierta: la existencia y coincidencia de los lı́mites reiterados
de f en (a1 , a2 ) y cualquier cantidad finita o infinita de lı́mites direccionales de f en
(a1 , a2 ) no bastan para garantizar la existencia del lı́mite de f en (a1 , a2 ).
Proposición 10.2 (Propiedades aritméticas de los lı́mites). Sean f, g : lRn −→ lR

dos funciones tales que a es un punto de acumulación del dominio de ambas y tales
que
lı́m f (x) = L1 y lı́m g(x) = L2 .
x→a x→a
Entonces, análogamente a la Proposición 9.1, se tiene:
lı́m (f ± g)(x) = L1 ± L2 .
x→a
lı́m (f g)(x) = L1 L2 .
x→a

f L1
Si L2 = 0, entonces: lı́m (x) = .
x→a g L2
x2 −y 2
Ejemplo 10.1. Hallar los lı́mites reiterados y radiales de la función f (x, y) = x2 +y 2
cuando (x, y) → (0, 0). ¿Existe el lı́mite doble?
Solución: Los lı́mites reiterados son

x2 − y 2 x2 − 02
lı́m lı́m = lı́m =1
x→0 y→0 x2 + y 2 x→0 x2 + 02
2
x2 − y 2 0 − y2
lı́m lı́m 2 = lı́m = −1
y→0 x→0 x + y 2 y→0 02 + y 2
Los lı́mites radiales son lı́mites a lo largo de las lı́neas y = kx:

x2 − k 2 x2 1 − k2
lı́m f (x, kx) = lı́m =
x→0 x→0 x2 + k 2 x2 1 + k2
Como los lı́mites reiterados son distintos, no puede existir el lı́mite doble. Esta conclu-
sión también se podrı́a haber deducido de los lı́mites radiales (que son todos distintos
y dependen de k).
Proposición 10.3. Sean f , g : lRn → lR tales que
|f (x) − L| ≤ |g(x) − L|
en un entorno de x0 y lı́mx→x0 g(x) = L. Entonces lı́mx→x0 f (x) = L. A g(x) se le

llama función mayorante de f (x).
Ejemplo 10.2. Probar que
x2 y + y 2 + x2
lı́m =1
(x,y)→(0,0) y 2 + x2
10.4. Continuidad 201
Solución: Buscaremos una función mayorante para acotar

2
x y + y 2 + x2 x2 y

− 1 = 2
y 2 + x2 y + x2
Para ello, escribimos la última expresión en polares. Es decir, haciendo el cambio
x = r cos θ, y = r sen θ. Llegamos entonces a

r3 cos2 θ sen θ (

|f (x, y) − 1| = 2 = r cos2 θ sen θ ≤ r = x2 + y 2 → 0
r sen 2 θ + r2 cos2 θ (x,y)→(0,0)
(
Una función mayorante es pues g(x, y) = x2 + y 2 +1 que tiende a 1 cuando (x, y) →
(0, 0). Por lo que, aplicando la proposición 10.3, el lı́mite de f (x, y) es 1.
10.4. Continuidad
Definición 10.8. Sea f : lRn −→ lR una función cuyo dominio es A ⊂ lRn . Si a ∈ A,

se dice que la función f es continua en a si
lı́m f (x) = f (a).
x→a
Nota 10.3. Nótese que la igualdad anterior implica tres condiciones: la existencia
del lı́mite de f en el punto a, la existencia de f (a) y la coincidencia de ambos.
Usando la Proposición 10.2 es muy fácil entender la siguiente proposición.

Proposición 10.4. Sean f, g dos funciones continuas en un punto a. Entonces las
funciones f ± g y f g también son continuas en a. Además, si g(a) = 0, entonces la
función fg también es continua en a.
Obsérvese que la definición de continuidad es esencialmente puntual: una función

es continua en un punto a si verifica una determinada condición en dicho punto.
Necesitamos por tanto una definición más:
Definición 10.9. Sea C ⊂ lRn . Si una función f es continua en cada punto de C,
entonces f se dice continua en C.
Teorema 10.1. Sea C ⊂ lRn un conjunto cerrado y acotado, y sea f : lRn −→ lR una
función continua en C. Entonces:
1. f está acotada en C, es decir, existe K ∈ lR tal que, para todo x ∈ C, |f (x)| ≤ K.

2. f alcanza sus valores máximo y mı́nimo en C, es decir, existen a, b ∈ C tales
que, para todo x ∈ C,
m = f (a) ≤ f (x) ≤ f (b) = M.
10.5. Derivada direccional y derivadas parciales
Definición 10.10. Sea Ω ⊂ lRn un abierto, f : Ω → lR y a ∈ Ω. Se define la

derivada direccional de f en el punto a según la dirección u (con u ∈ lRn , u = 0,
u = 1) como el siguiente lı́mite, cuando existe
df f (a + hu) − f (a)
fu (a) =
(a) = Du f (a) = lı́m
du h→0 h
Proposición 10.5. Para cada punto a y cada dirección u se puede definir la siguiente
función de una variable:
φa,u (t) = f (a + tu).
Verificándose que df
du (a) coincide con φa,u (0).
Ejemplo 10.3. Sea
!
x2 sen y+y 2 sen x
x2 +y 2 si (x, y) = (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
Calcular la derivada direccional de f (x, y) en (0, 0) según la dirección u = (u1 , u2 ).
Solución:
df f (a + hu) − f (a) f (hu1 , hu2 ) − f (0, 0)
(0, 0) = lı́m = lı́m
du h→0 h h→0 h
h2 u21 sen(hu2 )+h2 u22 sen(hu1 )
h2 u21 +h2 u22
−0 1 u21 sen(hu2 ) + u22 sen(hu1 ) u2 u2 + u2 u21
= lı́m = lı́m 2 2 = 1 2
h→0 h h→0 h u 1 + u2 u1 + u22
Definición 10.11. Si en la definición anterior el vector u, además de ser unitario,
coincide con el vector ei de la base canónica de lRn , dicha derivada se denomina
∂f
derivada parcial respecto a la variable xi y se representará por ∂xi
(a).
De la definición anterior y de la proposición 10.5 se deduce fácilmente que si existe

∂f
∂xi (a) esta se calculará como la derivada de:
φa,ei (t) = f (a + tei ) = f (a1 , . . . , ai + t, . . . , an )

∂f
en t = 0. Dicho de otra manera, para hallar ∂xi (a) se derivará f respecto a xi dejando
todas las demás variables constantes.
Nota 10.4. Como consecuencia de la proposición 10.5 se verifican las siguientes
igualdades
∂(f + g) ∂f ∂g
(a) = (a) + (a)
∂xi ∂xi ∂xi
∂(f · g) ∂g ∂f
(a) = f (a) (a) + g(a) (a)
∂xi ∂xi ∂xi
10.6. Diferenciabilidad y diferencial de una función de varias variables 203
Ejemplo 10.4. Sea f (x, y, z) = x2 y cos z − z sen x cos y. Calcular ∂f ∂f ∂f

∂x , ∂y , ∂z .
Solución:
∂f ∂ 2
(x, y, z) = x y cos z − z sen x cos y = 2xy cos z − z cos x cos y
∂x ∂x
∂f ∂ 2
(x, y, z) = x y cos z − z sen x cos y = x2 cos z + z sen x sen y
∂y ∂y
∂f ∂ 2
(x, y, z) = x y cos z − z sen x cos y = −x2 y sen z − sen x cos y
∂z ∂z
Proposición 10.6. La existencia de todas las derivadas direccionales de f en a res-
pecto a los distintos vectores u no nulos, no es condición necesaria ni suficiente para
que f sea continua en a.
10.6. Diferenciabilidad y diferencial de una función

de varias variables
Vemos por tanto (proposición 10.6) que la existencia de todas las derivadas direc-
cionales en un punto no implica necesariamente la continuidad en dicho punto. Por
esta razón las derivadas direccionales constituyen una extensión poco satisfactoria del
concepto de derivada unidimensional. Ello nos lleva a buscar una generalización más
conveniente. En el caso unidimensional una función f con derivada en a se puede
aproximar por medio de un polinomio lineal (el polinomio de Taylor de grado 1) en
las proximidades de a:
f (ξ) 2
f (a + h) = f (a) + f (a)h + h = f (a) + f (a)h + O(h)h (10.1)
2!
En donde lı́mh→0 O(h) = 0.
Si se despeja f (a)h de la ecuación (10.1) se obtiene:
f (a)h = f (a + h) − f (a) − O(h)h
Lo cual indica que cuando h es suficientemente pequeño f (a)h es una buena aproxi-
mación de f (a + h) − f (a). Tomando lı́mites en la expresión anterior o en (10.1) se
obtiene:
f (a + h) − f (a) − f (a)h
lı́m =0 (10.2)
h→0 h
que, utilizando la notación empleada para representar la diferencial de funciones de

una variable, se convierte en:
f (a + h) − f (a) − df (a; h)
lı́m =0 (10.3)
h→0 h
A continuación se va a generalizar la expresión 10.3 para definir la diferencial de una

función de varias variables.
Definición 10.12. Sea Ω ⊂ lRn un abierto, f : Ω → lR y a ∈ Ω. Se dice que f es

diferenciable en a si existe una aplicación lineal T de lRn en lR tal que
f (a + h) − f (a) − T h
lı́m =0 (10.4)
h→0 h
Nota 10.5. Se dice que f es diferenciable en B ⊂ Ω si f es diferenciable en todo

punto de B.
Proposición 10.7. Si f es diferenciable en a la aplicación T es única.
Definición 10.13. La única aplicación T que verifica (10.4) recibe el nombre de

diferencial de f en el punto a. Se representa por df (a; ·), Df (a; ·) ó dfa (·).
Proposición 10.8. Sea Ω ⊂ lRn un abierto, f : Ω → lR y a ∈ Ω. Si f es diferenciable

en a, entonces existen todas las derivadas direccionales de f en a. Además para cada
u ∈ lRn , u = 0, u = 1, se tiene que
df
df (a, u) = (a)
du
Teorema 10.2. Sea Ω ⊂ lRn un abierto, f : Ω → lR y a ∈ Ω. Si f es diferenciable
en a entonces f es continua en a.
Definición 10.14. Sea Ω ⊂ lRn un abierto, f : Ω → lR y a ∈ Ω. Si f es diferenciable

en a, entonces como la diferencial de f en a, df (a; ·), es una aplicación lineal de lRn
en lR tendrá una expresión matricial en la base canónica de lRn . A la matriz fila de
la aplicación se le denomina vector gradiente traspuesto de f y se representa por
t
(∇f (a))
t
df (a; h) = (∇f (a)) h (10.5)
Proposición 10.9. Sea Ω ⊂ lRn un abierto, f : Ω ⊂ lRn → lR una función diferen-

ciable en a ∈ Ω, y sea u = (u1 , u2 , ..., un ) ∈ lRn , u = 0, u = 1. Entonces
df ∂f
n
(a) = ui (a)
du i=1
∂xi
10.6. Diferenciabilidad y diferencial de una función de varias variables 205
Proposición 10.10. Sea Ω ⊂ lRn un abierto, f : Ω ⊂ lRn → lR y a ∈ Ω. Si f es

diferenciable en a, el vector gradiente viene dado por
t
t ∂f ∂f ∂f
(∇f (a)) = (a), (a), ..., (a)
∂x1 ∂x2 ∂xn
Nota 10.6. Se tiene, pues, que el vector gradiente está definido en todos los puntos
donde existen derivadas parciales, aunque la función no sea diferenciable.
Nota 10.7. Si la función es diferenciable las derivadas parciales de f en a existen
(la existencia de derivadas parciales es una condición necesaria de diferenciabilidad,
aunque no suficiente).
Nota 10.8. En muchas ocasiones ∇f (a) se denota por grad f (a).
Nota 10.9. Si la función es diferenciable existen todas las derivadas direccionales (la
existencia de todas las derivadas direccionales es una condición necesaria de diferen-
ciabilidad).
Nota 10.10. A menudo, en los libros de fı́sica y quı́mica, aparece la fórmula (10.5)
escrita en la forma
n
∂f
df = dxi (10.6)
i=1
∂xi
donde (h1 , h2 , ..., hn ) se ha sustituido por (dx1 , dx2 , ..., dxn ) y df (a; h) por df . De este
modo df serı́a la derivada direccional en un punto cualquiera (x1 , x2 , ..., xn ) según
una dirección cualquiera (dx1 , dx2 , ..., dxn ). Un ejemplo claro es la primera ley de la
Termodinámica para un gas que se puede expresar mediante la siguiente fórmula
∂U ∂U
dU = dS + dV (10.7)
∂S ∂V
∂S = T , ∂V = −P . Se considera que la energı́a interna de un sistema, U , es
con ∂U ∂U
función de la entropı́a S y del volumen V , es decir U : lR2 → lR. Entonces, la derivada

direccional de U en un punto (S, T ) a lo largo de la dirección (dS, dV ) viene dada por
(10.7).
Nota 10.11. A partir de la expresión (10.4) se obtiene
f (a + h) = f (a) + df (a; h) + O( h ) h (10.8)
que es una generalización al caso de varias variables de la expresión (10.1). Por lo
tanto se puede decir que df (a; h) es una buena aproximación de f (a + h) − f (a)
para h de norma suficientemente pequeña. Esta última observación es la que motiva
que en los libros de fı́sica y quı́mica antes citados la diferencial de una función en un
punto a aparezca definida como “el incremento infinitesimal experimentado por f en a
al incrementar las variables una cantidad infinitesimal (dx1 , dx2 , ..., dxn )”, definición
imprecisa (no queda claro que es un “incremento infinitesimal de una variable”) e
incorrecta (la diferencial no es el incremento sino la aplicación lineal que produce el
incremento).
Nota 10.12. Al igual que sucedı́a en el caso de una variable, en el caso de funciones
de dos variables se le puede dar una interpretación geométrica a la diferencial. Si se
hace x = x1 , y = x2 , a = (x0 , y0 ) y h = (x − x0 , y − y0 ) se obtiene
∂f ∂f
f (a) + df (a; h) = f (x0 , y0 ) + (x0 , y0 )(x − x0 ) + (x0 , y0 )(y − y0 )
∂x ∂y
que es la ecuación del plano tangente a la superficie z = f (x, y) en el punto (x0 ,y0 ,
f (x0 , y0 )). En consecuencia se puede afirmar que la diferencial de una función de
dos variables, f , en un punto (x0 , y0 ) es (la aplicación lineal representada por) la
ecuación del plano que pasa por el origen y es paralelo al plano tangente a la superficie
z = f (x, y) en (x0 ,y0 , f (x0 , y0 )).
En la figura 10.1 se muestra un caso particular relacionado con la nota anterior: el

plano tangente en el punto (0, 1/2, 31/4) a la superficie z = f (x, y) = −x2 − y 2 + 8,
plano que tiene por ecuación z = 33/4 − y. Como se puede comprobar fácilmente la
diferencial de f en (0, 1/2) es df ((0, 1/2); h) = −h2 . Esta aplicación lineal se puede
representar por el plano z = −y que es el plano paralelo a 33/4 − y pasando por el
origen. Obsérvese, por último, que(el plano tangente, 33/4−y, es una buena aproxima-
ción de f (0 + h1 , 1/2 + h2 ) para (h1 )2 + (h2 )2 suficientemente pequeño o, dicho de
otra manera, es una buena aproximación de f en un entorno suficientemente pequeño
de (0, 1/2); y que la diferencial en (0,(1/2), z = −y, es una buena aproximación de
f (0 + h1 , 1/2 + h2 ) − f (0, 1/2) para (h1 )2 + (h2 )2 suficientemente pequeño.
10
6
2
8
3 2 0
1 0 x
1 2 2
y 3
Figura 10.1: Dibujo de la función f (x, y) = −x2 − y 2 + 8 y su plano tangente en

(0, 1/2, 31/4).
10.7. Condiciones suficientes de diferenciabilidad y continuidad 207
10.7. Condiciones suficientes de diferenciabilidad y

continuidad
Teorema 10.3. Sea Ω ⊂ lRn un abierto, f : Ω ⊂ lRn → lR y a ∈ Ω. Si existen las

∂f ∂f ∂f
derivadas parciales de f , es decir, ∂x 1
(x), ∂x 2
(x), ..., ∂x n
(x) para todo x en un entorno
de a y dichas derivadas parciales son continuas en a, entonces f es diferenciable en
a.
Nota 10.13. La continuidad de las derivadas parciales en un punto es condición
suficiente de diferenciabilidad pero no es necesaria.
Nota 10.14. Podemos resumir la relación entre continuidad, diferenciabilidad, exis-
tencia de derivadas direccionales y existencia de derivadas parciales en el siguiente
esquema:
f continua en a
f tiene derivadas

parciales −→ f diferenciable en a

continuas en a
f posee en a todas las
derivadas direccionales
donde todas las demás posibles implicaciones son falsas como mostramos en los si-
guientes ejemplos.
Ejemplo 10.5. (función con derivadas direccionales pero no continua). La función
! 3
y si y = 0
x
f (x, y) =
0 si y = 0
no es continua en (0, 0) ya que f (0, 0) = 0, pero los lı́mites direccionales a lo largo de

y = kx3 son
x3 1
lı́m f (x, kx3 ) = lı́m =
x→0 x→0 kx3 k
En cambio, las derivadas direccionales en (0, 0) existen:

df f ((0, 0) + t(u1 , u2 )) − f (0, 0) f (tu1 , tu2 ) − 0
(0, 0) = lı́m = lı́m
du t→0 t t→0 t
t3 u31
= lı́m = 0 si u2 = 0
t→0 t2 u2
y, si u2 = 0,
df f ((0, 0) + t(u1 , 0)) − f (0, 0) df 0−0
(0, 0) = lı́m = (0, 0) = lı́m =0
du t→0 t du t→0 t
(
Ejemplo 10.6. (función continua pero sin derivadas direccionales) f (x, y) = x2 + y 2
es una función continua en (0, 0), ya que
f (0, 0) = 0 = lı́m f (x, y)
(x,y)→(0,0)
En cambio, los lı́mites direccionales no existen ya que el lı́mite

df f ((0, 0) + t(u1 , u2 )) − f (0, 0) f (tu1 , tu2 ) − 0
(0, 0) = lı́m = lı́m
du t→0 t t→0 t
( - -
t2 u21 + t2 u22 |t|
= lı́m = u21 + u22 lı́m = u21 + u22 lı́m signo(t)
t→0 t t→0 t t→0
no existe.
Ejemplo 10.7. (función no diferenciable pero con derivadas direccionales) La función
! 2
3x y−2x3
x2 +y 4 si x = 0
f (x, y) =
0 si x = 0
tiene todas sus derivadas direccionales bien definidas en (0, 0). En efecto, si u1 = 0
df f ((0, 0) + t(u1 , u2 )) − f (0, 0) f (tu1 , tu2 ) − 0
(0, 0) = lı́m = lı́m
du t→0 t t→0 t
3t3 u21 u2 −2t3 u31
t2 u21 +t4 u42
−0 3u2 − 2u1
= lı́m = lı́m u21 = 3u2 − 2u1
t→0 t t→0 u21 + t2 u42
y si u1 = 0,
df f ((0, 0) + t(0, u2 )) − f (0, 0) 0−0
(0, 0) = lı́m = lı́m =0
du t→0 t t→0 t
Notemos que a lo largo de la dirección (1, 0) la derivada direccional es −2. Por tan-
∂x (0, 0) = −2. A lo largo de (0, 1) la derivada direccional se anula y por tanto
to, ∂f
∂f
∂y (0, 0) = 0. De ser la función diferenciable, la diferencial ha de ser
df ((0, 0); h) = −2h1

Veamos si la función es diferenciable. Para ello, deberı́a anularse el lı́mite
f ((0, 0) + (h1 , h2 )) − f (0, 0) − (−2h1 ) 3h1 + 2h32
lı́m ( = lı́m h 1 h2 (
h→0 h21 + h22 h→0 (h21 + h42 ) h21 + h22
Calculemos lı́mites radiales a lo largo de h2 = kh1 (h1 > 0). Su valor es
3kh31 + 2h1 k 4 h41 3k + 2k 4 h21 3k
lı́m ( = lı́m √ =√
h1 →0 (h2 + k 4 h4 ) h2 + k 2 h2 h1 →0 (1 + k 4 h2 ) 1 + k 2 1 + k2
1 1 1 1 1
que depende de k. El lı́mite no existe y la función, por tanto, no es diferenciable.

10.7. Condiciones suficientes de diferenciabilidad y continuidad 209
Ejemplo 10.8. (función diferenciable pero sin derivadas parciales continuas). Sea
! 0 1
1
(x2 + y 2 ) sen x2 +y 2 si (x, y) = (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
Las derivadas parciales de f son

∂f 1 2x 1
(x, y) = 2x sen − 2 cos si (x, y) = (0, 0)
∂x x2 + y 2 x + y2 x2 + y 2

∂f 1 2y 1
(x, y) = 2y sen − 2 cos si (x, y) = (0, 0)
∂y x2 + y 2 x + y2 x2 + y 2
Las derivadas parciales en (x, y) = (0, 0) valen

0 1
1
∂f f (∆x, 0) − f (0, 0) [∆x]2 sen [∆x] 2
(0, 0) = lı́m = lı́m =
∂x ∆x→0 ∆x ∆x→0 ∆x

1
lı́m ∆x lı́m sen =0
∆x→0 ∆x→0 [∆x]2
0 1
1
∂f f (0, ∆y) − f (0, 0) [∆y]2 sen [∆y]2
(0, 0) = lı́m = lı́m =
∂y ∆y→0 ∆y ∆y→0 ∆y

1
lı́m ∆y lı́m sen =0
∆y→0 ∆y→0 [∆y]2
∂f ∂f
Sin embargo, ni ∂x ni ∂y son continuas en (0, 0) pues

∂f 1 1 1 2 1 1
lı́m (x, kx) = lı́m 2x sen − cos = 0−
x→0 ∂x x→0 x2 1 + k 2 x 1 + k2 x2 1 + k 2

2 1 1 1
− lı́m cos
1 + k 2 x→0 x x2 1 + k 2
que es oscilante (y no existe por tanto)2 . No obstante, f si es diferenciable en (0, 0):
f (0 + h) − f (0) − df (0; h)
lı́m =
h→0 h
f (∆x, ∆y) − f (0, 0) − 0∆x − 0∆y
lı́m ( = 0
∆x→0
∆y→0
[∆x]2 + [∆y]2
2 Se ∂f ∂f
realiza únicamente la comprobación para ∂x
, la comprobación para ∂y
es similar.
10.8. Derivadas parciales de orden superior
Definición 10.15. Sea Ω ⊂ lRn un abierto y f : Ω → lR. Si para cada x ∈ Ω existe

∂f
∂xi (x), entonces se puede definir la función
∂f
∂xi : Ω → lR
x → ∂f
∂xi (x)
Las derivadas parciales de estas funciones se denominan derivadas parciales de

segundo orden.
∂2f
: Ω → lR , (derivada parcial de f en x con respecto a xi y xj )
∂xj ∂xi 0 1
∂2f
x → ∂xj ∂xi (x)= ∂x∂
j
∂f
∂xi (x)
Teorema 10.4 (Teorema de Schwarz). Sea Ω ⊂ lRn un abierto y f : Ω → lR.. Si las

2 2
funciones ∂x∂i ∂x
f
j
y ∂x∂j ∂x
f
i
son continuas en el punto a ∈ Ω, entonces
∂2f ∂2f
(a) = (a)
∂xi ∂xj ∂xj ∂xi
Definición 10.16. De forma análoga a como se han definido las derivadas parciales
de segundo orden, se pueden definir las derivadas parciales de tercer orden, de cuarto
orden, etc. En general
n−1
∂nf ∂ ∂ f
(x) = (x)
∂xk ∂xj ...∂xi ∂xk ∂xj ...∂xi
Definición 10.17. Sea Ω ⊂ lRn un abierto y f : Ω → lR. Se dice que f es una
función de clase C 1 en Ω si existen las derivadas parciales de f de primer orden y
son continuas en Ω (f ∈ C 1 (Ω, lR)).
Definición 10.18. Sea Ω ⊂ lRn un abierto y f : Ω → lR. Se dice que f es una
función de clase C 2 en Ω y se representa por f ∈ C 2 (Ω, lR) si ∂x
∂f
i
∈ C 1 (Ω, lR)
(i = 1, 2, ..., n).
Definición 10.19. En general, si q ∈ lN, se dice que f es una función de clase C q
∂f
en Ω si ∂xi
∈ C q−1 (Ω, lR) (i = 1, 2, ..., n) y se representa por f ∈ C q (Ω, lR).
10.9. Derivadas direccionales de orden superior
Si una función es diferenciable en un punto a, entonces

df ∂f ∂f ∂f ∂f n
(a) = ∇f (a) · u = (a)u1 + (a)u2 + ... + (a)un = (a)ui
du ∂x1 ∂x2 ∂xn i=1
∂xi
10.10. Fórmula de Taylor y extremos de funciones de n variables 211
Si f es diferenciable en un abierto Ω ⊂ lRn puede hablarse de la función derivada

direccional de f en la dirección u
df
: Ω ⊂ lRn → lR
du n
x → du
df
(x) = i=1 ∂f
∂xi (x)ui
Esta función a su vez, si es diferenciable en a puede derivarse nuevamente respecto a

u en a
n n n
d2 f d df d ∂f ∂ ∂f
(a) = (a) = (a)u i = (a)uj ui =
du2 du du i=1
du ∂xi i=1 j=1
∂xj ∂xi
n n
∂2f
(a)uj ui
i=1 j=1
∂xi ∂xj
Teniendo en cuenta el teorema de Schwarz, la expresión anterior puede escribirse como

2 n 32
d2 f ∂
(a) = ui f (a)
du2 i=1
∂xi
En general, se cumple que

2 n 3m
dm f ∂
(a) = ui f (a)
dum i=1
∂x i
10.10. Fórmula de Taylor y extremos de funciones

de n variables
Proposición 10.11. Sea Ω ⊂ lRn un abierto, f : Ω → lR y a ∈ Ω. Supóngase que f

es diferenciable en a y que ∇f (a) = 0. Entonces ∇f (a) tiene la dirección en la cual
f crece más rápidamente (la dirección en la que la derivada direccional es máxima es
la dirección del gradiente).
Nota 10.15. Si ∇f (a) = 0 la derivada direccional es nula en cualquier dirección u.
Nota 10.16. La derivada direccional máxima además de tener la dirección del gra-
diente vale ∇f (a).
Proposición 10.12. Si f : Ω ⊂ lR2 → lR , ∇f es ortogonal a las curvas de nivel
(f (x, y) = cte.). Si f : Ω ⊂ lR3 → lR , ∇f es ortogonal a las superficies de nivel
(f (x, y, z) = cte.). En general, si f : Ω ⊂ lRn → lR, entonces ∇f es ortogonal a las
variedades f (x) = cte.
Fórmula de Taylor para funciones de n variables
Proposición 10.13. Siendo f una función de clase C m+1 (Ω, lR) para todo a ∈ Ω ⊂
lRn y para todo u ∈ lRn tal que a + tu ∈ Ω existe un número real θ ∈ (0, 1) tal que
df 1 d2 f 1 dm f 1 d2 f
f (a+tu) = f (a)+ (a)t+ 2
(a)t2 +...+ m
(a)tm + (a+θu)tm+1
du 2! du m! du (m + 1)! dum+1
(10.9)
Nota 10.17. La igualdad (10.9) recibe el nombre de Fórmula de Taylor.
Nota 10.18. El polinomio
df 1 d2 f 1 dm f
f (a) + (a)t + 2
(a)t2 + ... + (a)tm
du 2! du m! dum
recibe el nombre de polinomio de Taylor de grado m de la función f en el punto
a en la dirección u. También se llama desarrollo en serie de Taylor de orden m en el
entorno de a en la dirección u.
Desarrollo en serie de Taylor de orden 2 de funciones de n variables
Proposición 10.14. Sea f : Ω ⊂ lRn → lR tal que f ∈ C 3 (Ω, lR). Entonces

n
∂f 1
n
∂2f
f (a + tu) = f (a) + t ui (a) + t2 ui u j (a) + R3 (t, a)
i=1
∂xi 2 i,j=1 ∂xi ∂xj
3
0 13
1 d f 3 1 n ∂
siendo R3 (t, a) = 3! du3 (a + θu)t = 3! i=1 ui ∂x i
f (a + θu)t3 = O(t3 ); es decir,
existe un C ∈ lR tal que
|R3 (t, a)| ≤ Ct3 para todo vector u
En el caso particular de f : Ω ⊂ lR2 → lR, tenemos

4 5
∂f ∂f
f (a + tu) = f (a) + u1 (a) + u2 (a) t
∂x1 ∂x2
4 5
1 2 ∂2f ∂2f 2
2∂ f
+ u1 2 (a) + 2u1 u2 (a) + u2 2 (a) t2 + R3 (t, a)
2 ∂x1 ∂x1 ∂x2 ∂x2
o, en forma matricial,

∂f ∂f u1
f (a + tu) = f (a) + (a) , (a) t+
∂x1 ∂x2 u2
2 ∂2f ∂2f
3
1 ∂x21
(a) ∂x1 ∂x2 (a) u1
(u1 , u2 ) ∂2f ∂2f
t2 + R3 (t, a) ≡
2 u2
∂x1 ∂x2 (a) ∂x22
(a)
1
f (a) + ∇f (a)t ut+ ut Hf (a)ut2 + R3 (t, a)
2
donde Hf (a) es una matriz que recibe el nombre de matriz Hessiana de f en el
punto a.
En el caso f : Ω ⊂ lRn → lR, tenemos

1
f (a + tu) = f (a) + ∇f (a)t ut+ ut Hf (a)ut2 + R3 (t, a)
2
donde
∂f ∂f ∂f
∇f (a) = (a) , (a), ....., (a)
∂x1 ∂x2 ∂xn
⎛ ∂2f 2 ⎞
∂x21
(a) .. ∂x∂1 ∂x f
(a)
⎜ n
⎟
Hf (a) = ⎜
⎝
..
.
..
.
..
.
⎟
⎠
2 2
∂ f ∂ f
∂xn ∂x1 (a) ... ∂x2 (a)
n
Nótese que el vector tu se puede expresar en términos de las componentes (x1 , . . . , xn )

de un punto de lRn en la dirección de u a partir de las relaciones
x1 = tu1 + a1 , x2 = tu2 + a2 , . . . , xn = tun + an .
Se puede entonces escribir
1 t
f (x) = f (a) + ∇f (a)t (x − a) + (x − a) Hf (a) (x − a) + R3 (x − a , a).
2
En el caso n = 2 quedarı́a

∂f ∂f x1 − a1
f (x1 , x2 ) = f (a1 , a2 ) + (a), (a)
∂x1 ∂x2 x2 − a2
2 ∂2f ∂2f
3
1 0 1
∂x21
(a) ∂x1 ∂x2 (a) x1 − a1 3
+ x1 − a1 , x2 − a2 2 2 + O x − a
2 ∂ f ∂ f x2 − a2
∂x2 ∂x1 (a) ∂x2
(a)
2
Extremos libres de funciones de n variables
Definición 10.20. Sea f : Ω ⊂ lRn → lR. Se dice que f alcanza un máximo relativo
(o máximo local) en el punto a ∈ Ω si existe un entorno de a tal que en todo punto
del mismo
f (x) ≤ f (a)
Definición 10.21. Sea f : Ω ⊂ lRn → lR. Se dice que f alcanza un mı́nimo relativo
(o mı́nimo local) en el punto a ∈ Ω si existe un entorno de a tal que en todo punto
del mismo
f (x) ≥ f (a)
1.5
0.5
0
1 1
0.5 0.5
0 0
y x
0.5 0.5
1 1
Figura 10.2: Geometrı́a de un mı́nimo relativo.
0.5
1.5
2
1 1
0.5 0.5
0 0
y x
0.5 0.5
1 1
Figura 10.3: Geometrı́a de un máximo relativo.
Definición 10.22. Sea f : Ω ⊂ lRn → lR. Se dice que f es un punto de silla (o

punto de ensilladura) en el punto a ∈ Ω si para todo entorno de a existen dos puntos
x,y tales que
f (x) > f (a) , f (y) < f (a)
Teorema 10.5. (condición necesaria de extremo) Si f : Ω ⊂ lRn → lR es diferenciable

en Ω y f alcanza en a ∈ Ω un extremo relativo (un máximo o un mı́nimo) entonces
df (a; ·) = 0.
4
2
1
0 2
y 1
1 0
1 x
2 2
Figura 10.4: Geometrı́a de un punto de ensilladura.
Corolario 10.6. Si f es diferenciable en Ω ⊂ lRn y a ∈ Ω, una condición necesaria

para que f alcance un extremo en a es que
∂f ∂f
(a) = ... = (a) = 0 ⇔ ∇f (a) = 0 (10.10)
∂x1 ∂xn
Definición 10.23. Los puntos que satisfacen las ecuaciones (10.10) reciben el nombre
de puntos crı́ticos de la función f . También reciben el nombre de puntos crı́ticos
los puntos en los que la función no es diferenciable y los puntos de la frontera de Ω.
Teorema 10.7. Sea a ∈ lRn y f ∈ C 3 (B(a, ε)). Supóngase que a es un punto crı́tico
de f . Se tiene entonces
i) Si Hf (a) es definida positiva (ut Hf (a)u > 0 para todo u ∈ lRn ), f tiene en a un
mı́nimo local.
ii) Si Hf (a) es definida negativa (ut Hf (a)u < 0 para todo u ∈ lRn ), f tiene en a un
máximo local.
iii) Si Hf (a) es indefinida (ut Hf (a)u < 0, vt Hf (a)v > 0 para algunos u, v ∈ lRn ), a
es un punto silla.
iv) Si Hf (a) es semidefinida positiva (ut Hf (a)u ≥ 0) o semidefinida negativa (ut Hf (a)u
≤ 0 ), no se puede afirmar nada y a es un punto dudoso.
En el caso particular n = 2, el carácter de Hf (a) se determina mediante su determi-

nante: Sea a un punto crı́tico (es decir, ∇f (a) = 0) y H = det Hf (a). Entonces
∂2f
i) Si H > 0, f alcanza un extremo en a. Si ∂x2 (a) > 0 entonces f alcanza un mı́nimo
2
∂ f
local. Si ∂x2 (a) < 0 entonces f alcanza un máximo local.
ii) Si H < 0, no hay extremo y a es un punto de ensilladura.

iii) Si H = 0, a es un punto dudoso.

Definición 10.24. Supóngase que f : Ω ⊂ lRn → lR. Se dice que f alcanza en a ∈ lRn
un máximo absoluto (o un mı́nimo absoluto) si
f (x) ≥ f (a) para todo x ∈ Ω
Teorema 10.8. Sea Ω cerrado y acotado en lRn y sea f : Ω → lRn continua. Entonces
f alcanza valores máximo absoluto y mı́nimo absoluto en algunos puntos a y b (no
necesariamente únicos) de Ω.
El procedimiento para calcular los puntos de máximo absoluto o mı́nimo absoluto de

una función f en un dominio Ω = Ω + ∂Ω en el que f es diferenciable constarı́a de
los siguientes pasos:
i) localizar los puntos crı́ticos de f en Ω.
ii) Calcular los puntos crı́ticos de la restricción de f a ∂Ω.
iii) a) Calcular el valor de f en todos los puntos crı́ticos en que f alcance un máximo
relativo y seleccionar el mayor. Este serı́a el máximo absoluto.
b) Calcular el valor de f en todos los puntos crı́ticos en que f alcance un mı́nimo

relativo y seleccionar el menor. Este serı́a el mı́nimo absoluto.
Ejemplo 10.9. Hallar los máximos relativos, mı́nimos relativos y puntos de silla de
la función
f (x, y) = x3 + y 3 − 3x − 12y + 20
Solución: Hallamos en primer lugar los puntos crı́ticos como soluciones de las ecua-
ciones ∂f ∂f
∂x (x, y) = ∂y (x, y) = 0. Tendremos entonces
∂f
(x, y) = 3x2 − 3 = 0 =⇒ x = ±1
∂x
∂f
(x, y) = 3y 2 − 12 = 0 =⇒ y = ±2
∂y
Los puntos crı́ticos son entonces (1, 2), (−1, 2), (1, −2), (−1, −2). Evaluamos a conti-
nuación la matriz Hessiana y su determinante:

6x 0
Hf (x, y) =
0 6y
det Hf (x, y) = 36xy
∂2f
Entonces, en (1, 2) se tiene det Hf (1, 2) = 72 > 0, ∂x2 (1, 2) = 6 > 0. En (1, 2) hay un
mı́nimo relativo.
∂2f
En (−1, 2) se tiene det Hf (−1, 2) = −72 < 0, ∂x2 (−1, 2) = −6 < 0. En (−1, 2) hay
un punto de ensilladura.
∂2f
En (1, −2) se tiene det Hf (1, −2) = −72 < 0, ∂x2 (1, −2) = 6 > 0. En (1, −2) hay un
punto de ensilladura.
∂2f
En (−1, −2) se tiene det Hf (−1, −2) = 72 > 0, ∂x2 (−1, −2) = −6 > 0. En (−1, −2)
hay un máximo relativo.
Ejemplo 10.10. Hallar los extremos relativos y absolutos de la función f (x, y) =
2 2
ex −y en el disco x2 + y 2 ≤ 1.
Solución: Hallamos en primer lugar los extremos relativos en el interior del dominio.
Para ello buscamos los puntos crı́ticos:
∂f 2 2
(x, y) = 2xex −y = 0 =⇒ x = 0
∂x
∂f 2 2
(x, y) = −2yex −y = 0 =⇒ y = 0
∂y
El único punto crı́tico es entonces el (0, 0). La matriz Hessiana es, en un punto genérico
(x, y), 2 3
2 2 2 2
(2 + 4x2 )ex −y −4xyex −y
Hf (x, y) = 2 2 2 2
−4xyex −y (−2 + 4y 2 )ex −y
∂2f
Por tanto, det Hf (0, 0) = −4 < 0, ∂x2 (0, 0) = 2 > 0. En (0, 0) hay un punto de silla.
A continuación estudiamos el comportamiento de la función en el borde del dominio.

El borde es el conjunto de puntos que satisfacen x2 +y 2 = 1 (es decir, la circunferencia
unidad). Describamos tales puntos por sus coordenadas polares. Se tendrá entonces
x = cos θ, y = sen θ. La función en polares y sobre la circunferencia unidad es f (x, y) =
2 2
f (cos θ, sen θ) = ecos θ−sen θ . Calculamos a continuación los puntos crı́ticos de esta
función de θ imponiendo
d cos2 θ−sen 2 θ 2 2 2 2
e = −4 sen θ cos θecos θ−sen θ = −2 sen(2θ)ecos θ−sen θ = 0
dθ
Las soluciones de esta última ecuación son θ = 0, π, π2 , 3π
2 . Para ver si hay máximos o
mı́nimos relativos de la función calculamos la segunda derivada:
d2 cos2 θ−sen 2 θ 2 2
2e = −4 cos(2θ) + 4 sen 2 (2θ) ecos θ−sen θ

dθ
Evaluando, se tiene que la derivada segunda vale −4 en θ = 0, π y vale 4 en θ = π2 , 3π
2 .
Volviendo a las coordenadas cartesianas, eso significa que hay máximos relativos en
los puntos (1, 0) y (−1, 0) y mı́nimos relativos en (0, 1) y (0, −1).
Podemos evaluar f (0, 0) = 1, f (±1, 0) = e, f (0, ±1) = e−1 . El máximo absoluto se

alcanza en los puntos (±1, 0) y vale e mientras que el mı́nimo absoluto se alcanza en
los puntos (0, ±1) y vale e−1 .
10.11. Funciones vectoriales
Hasta ahora se ha trabajado con funciones definidas sobre lRn con valores en lR. Estas
funciones no son más que un caso particular de las funciones definidas de lRn a lRm
(funciones vectoriales).
Ejemplo 10.11. f : lR2 → lR4 definida como
⎛ ⎞
xy
x x ⎜ x+y ⎟
→f =⎜
⎝
⎟
⎠
y y x−y
x + y + xy
La función f asocia a un punto de lR2 con coordenadas (x, y)t el punto de lR4 con
coordenadas (xy, x + y, x − y, x + y + xy)t .
En general, una función de este tipo que llamaremos función vectorial se represen-
tará por m funciones escalares de n variables cada una
⎛ ⎞
f1 (x1 , x2 , ..., xn )
⎜ f2 (x1 , x2 , ..., xn ) ⎟
f (x) = f (x1 , x2 , ..., xn ) = ⎜
⎝
⎟
⎠
...
fm (x1 , x2 , ..., xn )
Todos los conceptos vistos para funciones de lRn → lR se extienden de forma natural
a este tipo de funciones actuando componente a componente.
1) El vector ⎛ ⎞
L1
⎜ L2 ⎟
L=⎜ ⎟
⎝ ... ⎠
Ln
es el lı́mite de la función f (x) cuando x → a si
Li = lı́m fi (x1 , x2 , ..., xn ) i = 1, 2, ..., m

x→a
2) Se dirá que f (x) es continua en el punto a cuando sean continuas en dicho punto
todas las componentes fi (x) de f (x).
10.12. Diferencial de una función compuesta 219
3) La diferencial de una función vectorial f : Ω ⊂ lRn → lRm en un punto a será una

aplicación lineal de lRn en lRm (df (a; ·) : lRn → lRm ). Cada una de sus componentes
dfi (a; ·) será la diferencial de cada una de las componentes de f , fi .
La matriz asociada a la diferencial ya no será una matriz fila sino una matriz de
dimensión m × n:
⎛ ∂f ∂f1 ∂f1
⎞⎛ ⎞
1
(a) ∂x (a) ... ∂xn (a) h1
⎜ ∂x 1 2
⎟⎜
⎟ ⎜ h2 ⎟
∂f2 ∂f ∂f2
⎜ ∂x1 (a) ∂x22 (a) ... ∂xn (a) ⎟ ≡ [Df (a)] · h
df (a; h) = ⎜ ⎟⎝
⎝ ... ... ... ... ⎠ ... ⎠
∂fm ∂fm ∂fm hn
∂x1 (a) ∂x2 (a) ... ∂xn (a)
A la matriz [Df (a)] se le denomina matriz jacobiana de f en el punto a. Cuando

n = m al determinante de la matriz jacobiana se le denomina jacobiano de f en a y
se representa por Jf (a) = |Df (a)|.
4) Para que una función f sea diferenciable es necesario y suficiente que lo sean cada
una de sus componentes fi .
10.12. Diferencial de una función compuesta
Teorema 10.9. (Regla de la cadena). Sean U y V dos subconjuntos abiertos de lRn y

lRm respectivamente. Si las aplicaciones f : U → lRm y g : V → lRk son diferenciables
en x0 ∈ U y f (x0 ) ∈ V respectivamente, entonces la aplicación h = g ◦ f : U → lRk
es diferenciable en x0 y además
dh(x0 ; ·) = dg(f (x0 ); ·) ◦ df (x0 ; ·)
Nota 10.19. Expresión matricial:
[Dh(x0 )] = [Dg(f (x0 ))] [Df (x0 )]
y por tanto
∂hi ∂gi
m
∂fl
(x0 ) = (f (x0 )) (x0 ) i = 1, . . . , k j = 1, . . . , n
∂xj ∂yl ∂xj
l=1
El caso n=1, m=2, k=1 (función de dos variables, dependientes

cada una de ellas de un parámetro)
Esquemáticamente
f g
lR → lR2 → lR
t → (x, y) = (f1 (t), f2 (t)) → g(x, y) = g(f1 (t), f2 (t))
y por tanto
h(t) = g(f1 (t), f2 (t))
de donde se deduce
dh ∂g df1 ∂g df2
(t0 ) = (f1 (t0 ), f2 (t0 )) (t0 ) + (f1 (t0 ), f2 (t0 )) (t0 )
dt ∂x dt ∂y dt
2
Ejemplo 10.12. Sea T (x, y) = exy la temperatura en los puntos (x, y) del plano y
sea (x(t), y(t)) = (cos t, sen t) la trayectoria de una partı́cula. Hallar dΦ
dt (t), en donde
Φ es la función que describe la variación de la temperatura en función del tiempo.
Solución: Lo hacemos usando la regla de la cadena:
dΦ ∂T dx(t) ∂T dy(t)
(t) = (x(t), y(t)) + (x(t), y(t))
dt ∂x dt ∂y dt
2
(t) dx(t) 2
(t) dy(t) 2
= y 2 (t)ex(t)y + 2x(t)y(t)ex(t)y = (− sen 3 t + 2 cos2 t sen t)ecos t sen t
dt dt
El caso n=2, m=2, k=1 (función de dos variables, dependiendo

cada variable de dos parámetros)
Esquemáticamente
f g
lR2 → lR2 → lR
(x, y) → (u, v) = (f1 (x, y), f2 (x, y)) → g(u, v) = g(f1 (x, y), f2 (x, y)) ≡ h(x, y)
y por tanto

∂h ∂h
(x, y), (x, y) = [Dh(x, y)] = [Dg(f1 (x, y), f2 (x, y))] [Df (x, y)] =
∂x ∂y
2 ∂f1 ∂f1
3
∂g ∂g ∂x (x, y) ∂y (x, y)
(f1 (x, y), f2 (x, y)), (f1 (x, y), f2 (x, y)) ∂f2 ∂f2
∂u ∂v ∂x (x, y) ∂y (x, y)
de donde se deduce
∂h ∂g ∂f1 ∂g ∂f2
(x, y) = (f1 (x, y), f2 (x, y)) (x, y) + (f1 (x, y), f2 (x, y)) (x, y)
∂x ∂u ∂x ∂v ∂x
∂h ∂g ∂f1 ∂g ∂f2
(x, y) = (f1 (x, y), f2 (x, y)) (x, y) + (f1 (x, y), f2 (x, y)) (x, y)
∂y ∂u ∂y ∂v ∂y
10.13. Algunas aplicaciones a la ingenierı́a 221
10.13. Algunas aplicaciones a la ingenierı́a
Las derivadas parciales de funciones de varias variables aparecen en numerosos contex-

tos diferentes relacionados con las ciencias medioambientales. Habitualmente aparecen
combinadas entre sı́ en forma de ecuación. Por ejemplo,
∂C ∂C ∂2C ∂2C ∂2C

+U = Dx 2 + Dy 2 + Dz 2 (10.11)
∂t ∂x ∂x ∂y ∂z
es una ecuación que involucra a las derivadas parciales de la función de cuatro variables
C(x, y, z, t) y a constantes U, Dx , Dy , Dz . A una ecuación de este tipo se le denomina
ecuación en derivadas parciales. Las relaciones del tipo (10.11) se deducen a partir de
principios fı́sicos o quı́micos fundamentales y el problema consisten en hallar funciones
C(x, y, z, t) que sustituidas en (10.11) hagan que la ecuación se cumpla.
Transporte de contaminantes en la atmósfera
La ecuación (10.11) representa un modelo simplificado para la distribución espacial

y temporal de la concentración de una sustancia contaminante y se deduce a partir
de principios fı́sicos fundamentales. Para un (x, y, z) dado y para un tiempo t dado,
C(x, y, z, t) es la concentración de una cierta sustancia contaminante. El parámetro
U es la velocidad del viento que suponemos que sopla en la dirección del eje x. Los
demás parámetros dependen de la sustancia contaminante de que se trate.
Si C(x, y, z, t) no depende del tiempo ( ∂C

∂t = 0 por tanto) y suponemos Dx = 0 (hay
ciertas razones que permiten suponer esto) entonces (10.11) se reduce a
∂C ∂2C ∂2C
U = Dy 2 + Dz 2 (10.12)
∂x ∂y ∂z
y una solución de (10.12) es la siguiente:
6 2 2 7
y (z−H)2 y (z+H)2
Q −U2 2Dy x + 2Dz x −U
2 2Dy x + 2Dz x
C(x, y, z) = ( e +e (10.13)
2πx Dy Dz
con Q y H parámetros arbitrarios. Esta función representa la distribución de la con-

centración de humo que sale de una chimenea de altura H situada en (x, y) = (0, 0) que
emite Q gramos de gas por unidad de tiempo.
Verifiquemos que la expresión (10.13) satisface la relación (10.12). Para ello calculamos
todas las derivadas parciales de C que aparecen en (10.12):
∂C Q 8 9
(x, y, z) = − ( eF1 (x,y,z)
+ eF2 (x,y,z)
∂x 2πx2 Dy Dz
4 5
U y2 (z − H)2 F1 (x,y,z) y2 (z + H)2 F2 (x,y,z)
+G(x) + e + + e
2 2Dy x2 2Dz x2 2Dy x2 2Dz x2
8 9
∂C yU
(x, y, z) = G(x) − eF1 (x,y,z) + eF2 (x,y,z)
∂y 2Dy x
6 2 7
∂2C yU U 8 9
(x, y, z) = G(x) − − eF1 (x,y,z)
+ e F2 (x,y,z)
∂y 2 2Dy x 2Dy x
4 5
∂C U (z − L) F1 (x,y,z) U (z + L) F2 (x,y,z)
(x, y, z) = G(x) − e + − e
∂z 2Dz x 2Dz x
∂2C U 8 9
(x, y, z) = − G(x) eF1 (x,y,z)
+ e F2 (x,y,z)
+
∂z 2 2Dz x
6 2 2 7
U (z − L) U (z + L)
+G(x) − e F1 (x,y,z)
+ − eF2 (x,y,z)
2Dz x 2Dz x
en donde
Q
G(x) =(
2πx Dy Dz
2 2
U y (z − H) 2
U y (z + H)2
F1 (x, y, z) = − + , F2 (x, y, z) = − +
2 2Dy x 2Dz x 2 2Dy x 2Dz x
Sustituyendo en (10.12) y simplificando se comprueba que se verifica la ecuación.
Con la fórmula (10.13) podemos usar toda la teorı́a desarrollada en este tema y empe-
zar a responder cuestiones interesantes. Por ejemplo, ¿en qué puntos del plano xy es
máxima la concentración de contaminante? Esto tiene aplicaciones prácticas impor-
tantes, ya que si habitualmente hay vientos de velocidad U en la región entonces no
es buena idea colocar un parque infantil en la zona donde la concentración es máxima
y un ingeniero ambiental ha de saber dónde están las zonas más contaminadas. La
restricción de la función al plano xy (z = 0) da una función de las variables x e y:

y2
Q H2
−U 2Dy x + 2Dz x
C(x, y) = ( e 2
πx Dy Dz
Esta función de dos variables es continua y diferenciable (por ser composición de

funciones continuas y diferenciables) en todo punto excepto quizás en los puntos tales
que x = 0. Busquemos los extremos de la función en lR+ × lR. Primero los puntos
crı́ticos: 2
y (z−H)2
∂C Q −U2 2Dy x + 2Dz x
(x, y) = − 2 ( e +
∂x πx Dy Dz
U y2 (z−H)2
Q U y2 H2 − 2 2Dy x + 2Dz x
+ ( 2
+ 2
e =0
πx Dy Dz 2 2Dy x 2Dz x
10.13. Algunas aplicaciones a la ingenierı́a 223

∂C Q yU y2 H2
−U 2Dy x + 2Dz x
(x, y) = ( − e2
=0
∂y πx Dy Dz 2Dy x
De la segunda ecuación deducimos que y = 0. De la primera, con y = 0, la relación
U H2 1
− =0
2 2Dz x2 x
U H2
que lleva a x = 4Dz . Es fácil (pero laborioso) calcular la Hessiana en el punto crı́tico
2 2 2
( U4D
H
z
, 0) y verificar que su determinante es positivo. Además, ∂∂xC2 ( U4D
H
z
, 0) < 0, lo
cual implica que en el punto crı́tico hay un máximo relativo. Concluimos entonces
que la máxima concentración de contaminante tiene lugar en la dirección del viento
H2
y a una distancia U4D z
de la chimenea. Esa máxima concentración es
:
4Q Dz
Cmáx =
πeU H 2 Dy
Notemos que disminuye de forma inversamente proporcional al cuadrado de la altura

de la chimenea. Es por ello que las directivas medioambientales de muchos paı́ses
exigen chimeneas de emisión de gases contaminantes por encima de una cierta altura.
Debemos señalar que el modelo analizado es demasiado simple en muchas circunstan-

cias y, en la práctica de la ingenierı́a ambiental, se suelen usar modelos más sofisticados
pero que son variantes de éste.
La derivada sustancial (o material)
Imaginemos una partı́cula que se mueve en el espacio siguiendo una curva definida
en forma paramétrica por (x(t), y(t), z(t)), siendo t la variable temporal. En cada
punto del espacio hay definida una temperatura T (x, y, z) (o cualquier otra función
de tres variables). La derivada sustancial de la temperatura será la variación de la
temperatura que siente la partı́cula por unidad de tiempo. Para calcular tal derivada
uno debe hacer uso de la regla de la cadena para la derivación de funciones vectoriales
compuestas. La función vectorial x que asigna a cada tiempo t la posición de la
partı́cula en el espacio es una función de lR a lR3 . La función T que asigna a cada
punto del espacio una temperatura es una función de lR3 a lR. La función compuesta
de x con T , τ = T ◦ x, es de lR a lR y asigna a cada tiempo la temperatura que
siente la partı́cula en ese momento. Para derivar esta función con respecto al tiempo
debemos usar la regla de la cadena y obtener ası́
dτ ∂T dx ∂T dy ∂T dz
= + + = v·∇T
dt ∂x dt ∂z dt ∂x dt
siendo v = (x (t), y (t), z (t)) el vector velocidad de la partı́cula en el instante t.
Si la temperatura en cada punto dependiera también del tiempo, es decir T =

T (x, y, z, t), entonces podemos considerar τ = T ◦ x con T : lR4 → lR y x : lR → lR4
siendo x(t) = (t, x(t), y(t), z(t)). La regla de la cadena entonces implica la fórmula
dτ ∂T dt ∂T dx ∂T dy ∂T dz ∂T
= + + + = + v·∇T .
dt ∂t dt ∂x dt ∂z dt ∂x dt ∂t
A menudo se denota a la función compuesta (que es una temperatura dependiente del
tiempo) también con la letra T , y entonces concluimos
dT ∂T
= + v·∇T .
dt ∂t
A dT
dt se le llama derivada sustancial o material de T y su significado es el de la
variación de la temperatura (o concentración, o lo que corresponda) con respecto al
tiempo que siente la partı́cula que se mueve con velocidad v en el instante t. Estas
derivadas sustanciales aparecen en el modelado de fenómenos de transporte y en
mecánica de fluidos.
los capı́tulos 10 y 11 de [43], los capı́tulos 13, 14, 15 y 16 de [37], el capı́tulo 11 de [8]
y los capı́tulos 2 y 3 del tomo 2 de [25].
10.15. Ejercicios
1. Hallar el dominio de las siguientes funciones
√
a) f (x, y) =arcsen( x2 ) + xy
√ (
b) f (x, y) = 1 − x2 + 1 − y 2
(
c) f (x, y) = sen(x2 + y 2 )
1 1
d ) f (x, y) = x−y + y
e) f (x, y) = ln(x2 + y)
Solución:
a) {(x, y) − 2 ≤ x ≤ 0, y ≤ 0} ∪ {(x, y)0 ≤ x ≤ 2, y ≥ 0}

b) {(x, y) − 1 ≤ x ≤ 1, −1 ≤ y ≤ 1}

c) (x, y)∃k ∈ Z : 2kπ ≤ x2 + y 2 ≤ 2(k + 1)π
d ) {(x, y)x = y, y = 0}

e) (x, y)y > −x2
2. Trazar las curvas de nivel de las funciones:
a) f (x, y) = x + y
b) f (x, y) = x2 + y 2
y
c) f (x, y) = x2
Solución:
a) Rectas de pendiente −1.

b) Circunferencias de centro le origen.
c) Parábolas de ecuación y = kx2 .
3. Calcular los lı́mites radiales y el lı́mite doble en (0, 0) de la función
x2 y
f (x, y) =
x2 + y2
Solución: lı́mites radiales: 0; lı́mite doble: 0

π
4. Hallar en (0, 0) los lı́mites reiterados y el lı́mite doble de f (x, y) = xy sen( x2 +y 2)
Solución: lı́mites reiterados: 0, lı́mite doble: 0

5. Calcular
ln(1 + x2 + y 2 )
lı́m (
x → 0 1 − 1 + x2 + y 2
y→0
Solución: -2
x2 −y 2
6. Demostrar que lı́m 2 2 no existe mediante el cálculo de los lı́mites
(x,y)→(0,0) +2y
x
radiales y de los lı́mites reiterados.

(1−k2 )
Solución: lı́mites radiales: 1+2k2 , lı́mites reiterados - 12 y 1.
x3 −y 2
7. Considérese la función f (x, y) = 1−cos x+y . Se pide
a) Calcular los lı́mites reiterados en (0, 0).

b) Calcular los lı́mites radiales en (0, 0).
c) Calcular los lı́mites direccionales según las curvas y = λxα con α > 0.
d ) ¿Existe el lı́mite doble?
Solución: Los reiterados valen 0, los radiales valen 0, los direccionales valen 0
salvo en el caso en que α = 2 y λ = − 12 en que no existe. El lı́mite doble no
existe.
8. Si f : Ω ⊂ lRn → lR es diferenciable en Ω, probar que x → f 2 (x)+2f (x) también

es diferenciable en Ω, y calcular su diferencial.
Solución:
a) Se demostrará en primer lugar que si f y g son diferenciables entonces f +g

también lo es y su diferencial vale d(f + g)(x; ·) =df (x; ·) + dg(x; ·):
f (x+h)+g(x+h)−f (x)−g(x)−df (x;h)−dg(x;h)
lı́m h =0⇔
h→0
(f +g)(x+h)−(f +g)(x)−df (x;h)−dg(x;h)
lı́m h = 0 ⇒ f + g es diferenciable Ssi
h→0
d(f + g)(x; h) =df (x; h) + dg(x; h).
b) En segundo lugar se comprobará que f y g son diferenciables entonces f g
también lo es y su diferencial vale d(f g)(x; .) =g(x)df (x; ·) + f (x)dg(x; ·)
f (x+h)g(x+h)−f (x)g(x)−d(f g)(x;h)
lı́m h =0⇔
h→0
f (x)(g(x+h)−g(x))+g(x+h)(f (x+h)−f (x))−d(f g)(x;h)
lı́m h =0⇔
h→0
f (x) lı́m g(x+h)−g(x)

h + g(x) lı́m f (x+h)−f
h
(x)
− lı́m d(f g)(x;h)
h =0⇔
h→0 h→0 h→0
lı́m f (x)df (x;h)+g(x)df

h
(x;h)−d(f g)(x;h)
= 0 ⇒ f g es diferenciable Ssi
h→0
d(f g)(x; h) =f (x)dg(x; h)+g(x)df (x; h).
Aplicando los dos resultados anteriores es evidente que x → f 2 (x)+2f (x) es

diferenciable y su diferencial en el punto x es: 2(f (x)+1)df (x; ·).
9. Probar que las siguientes funciones son diferenciables, y hallar sus diferenciales
en un punto arbitrario
a) f : lR2 → lR, f (x, y) = 2

b) f : lR2 → lR, f (x, y) = x + y
c) f : lR2 → lR, f (x, y) = 2 + x + y
d ) f : lR2 → lR, f (x, y) = x2 + y 2
e) f : lR2 → lR, f (x, y) = exy
(
f ) f : U → lR, f (x, y) = 1 − x2 − y 2 , U = (x, y)x2 + y 2 < 1
g) f : lR2 → lR, f (x, y) = x4 − y 4
Solución:
a) Si es diferenciable. df (x; h) =0h1 + 0h2 (dz = 0dx + 0dy).

b) Si es diferenciable. df (x; h) =h1 + h2 (dz = dx + dy).

c) Si es diferenciable. df (x; h) =h1 + h2 (dz = dx + dy).
d ) Si es diferenciable. df (x; h) =2xh1 + 2yh2 (dz = 2xdx + 2ydy).
e) Si es diferenciable. df (x; h) =yexy h1 + xexy h2 (dz = yexy dx + xexy dy).
f ) Si es diferenciable. df (x; h) = − √ x2 2 h1 + − √ y 2 2 h2
1−x −y 1−x −y
(dz = − √ x
dx −√ y
dy).
1−x2 −y 2 2
1−x −y 2
g) Si es diferenciable. df (x; h) =4x3 h1 − 4y 3 h2 (dz = 4x3 dx − 4y 3 dy).
Nota: entre paréntesis aparece otra forma de representar el resultado, en donde

z = f (x, y), dz = df (x; h), dx = h1 y dy = h2 .
10. Estudiar la continuidad, existencia de derivadas parciales y diferenciabilidad en
(0,0) de las siguiente función de dos variables.
!
√ xy si (x, y) = (0, 0)
f (x, y) = x2 +y 2
0 si (x, y) = (0, 0)
Solución:
∂f ∂f
Es continua. ∂x (0, 0) = 0. ∂y (0, 0) = 0. No es diferenciable.
f (x, y) = |x| + |y|
Solución:
Es continua. No existen las derivadas parciales en el origen. No es diferenciable.
!
xy 2
x2 +y 4 si (x, y) = (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
Solución:
∂f ∂f
No es continua. ∂x (0, 0) = 0. ∂y (0, 0) = 0. No es diferenciable.
1
xy sen( x2 +y 2) si (x, y) = (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
Solución:
Es continua. ∂f
∂x (0, 0) = 0.
∂f
∂y (0, 0) = 0. Es diferenciable en (0,0): df ((0, 0); h)
= 0h1 + 0h2 = 0.
14. Estudiar la diferenciabilidad en el origen de la siguiente función de lR2 en lR3 ,
⎧ ⎧ ⎫
⎪
⎪ ⎨ ex+y ⎬
⎪
⎪
⎪
⎪ sen(x − y) si x = 0
⎨ ⎩ 2 1 ⎭
⎧ x sen( )
x ⎫
f (x, y) =
⎪
⎪ ⎨ ey ⎬
⎪
⎪
⎪
⎪ sen(−y) si x = 0
⎩ ⎩ ⎭
0
Solución:
La función es diferenciable en el origen.
⎛ ⎞ ⎛ ∂f1 ∂f1
⎞
df1 ((0, 0); h) ∂x (0, 0) ∂y (0, 0)
⎜ ⎟ h1
df ((0, 0); h) = ⎝ df2 ((0, 0); h) ⎠ = ⎝ ∂f2
∂x (0, 0)
∂f2
∂y (0, 0) ⎠
∂f3 ∂f3
h2
df3 ((0, 0); h)
∂x (0, 0) ∂y (0, 0)
⎛ ⎞
1 1
h1
=⎝ 1 −1 ⎠
h2
0 0
15. Determinar la ecuación implı́cita del plano tangente a la superficie

ex
f (x, y) =
x2 + y2
en el punto (1,2).
Solución: z = e
5 + 3e
25 (x − 1) + 4e
25 (y − 2).
16. Determinar el plano tangente al cono z 2 = x2 + y 2 en el punto donde x = 3,
y = 4 y z > 0.
Solución: z = 25 + 6(x − 3) + 8(y − 4).
17. Hallar la ecuación del plano tangente a la superficie S dada por x2 y+y 2 z+z 2 x =
5 en el punto (1, −1, 2).
Solución: 2x − 3y + 5z = 0.
18. Obtener la expresión de las siguientes derivadas parciales o totales utilizando la
regla de la cadena.
a) ∂h/∂x, donde h(x, y) = f (x, u(x, y)).

b) dh/dx, donde h(x) = f (x, u(x), v(x)).

c) ∂h/∂x, donde h(x, y, z) = f (u(x, y, z), v(x, y), w(x)).
Solución:
∂h ∂f ∂x ∂f ∂u ∂f ∂f ∂u
a) ∂x = ∂x ∂x + ∂u ∂x = ∂x + ∂u ∂x
dh ∂f dx ∂f du ∂f dv ∂f ∂f du ∂f dv
b) dx = ∂x dx + ∂u dx + ∂v dx = ∂x + ∂u dx + ∂v dx
∂h ∂f ∂u ∂f ∂v ∂f dw
c) ∂x = ∂u ∂x + ∂v ∂x + ∂w dx
19. Un cilindro circular recto varı́a de tal manera que su radio r crece a la tasa de
3 cm/min y su altura h decrece a la tasa de 5 cm/min. ¿A qué tasa varı́a el
volumen con respecto al tiempo cuando el radio es de 10cm y la altura de 8cm?
Solución: ≈ 62,8 cm3 /min.
2
20. Sea w(x, y, z) = 4x + y 2 + z 3 , donde x(r, s) = ers , y = ln r+s 2
t y z = rst , hallar
∂w
.
∂s
∂w 2
2
Solución: (r, s) = 8rsers + r+s ln r+s 3 2 6
t + 3r s t .
∂s
21. Sea v = v(x, y). Si se verifica que x = eθ e y = eϕ , transformar la expresión
∂2v 2
2ϕ ∂ v ∂v ∂v
E = e2θ (x, y) + e (x, y) + eθ (x, y) + eϕ (x, y)
∂x2 ∂y 2 ∂x ∂y
de forma que únicamente aparezcan derivadas parciales respecto de θ y ϕ.

∂2v ∂2v
Solución: E = (θ, φ) + (θ, φ)
∂θ2 ∂ϕ2
22. Cambiar las variables u y v en la expresión
2
∂ ϕ ∂ϕ
E = cos u (u, v) − (u, v)
∂u∂v ∂u
por las variables x e y mediante las ecuaciones de cambio:

ev
x= ; y = ev tgu
cos u
Solución:

∂2ϕ ∂2ϕ 2 2 ∂ ϕ
2
E = xy (x, y) + (x, y) + (x + y ) (x, y)
∂x2 ∂y 2 ∂x∂y
23. Sean f : lR3 → lR y g : lR3 → lR diferenciables. Probar que:

∇(f g) = f ∇g + g∇f
24. Siendo f (x, y) = x3 + 6x3 y + 2xy 5 y x = 1 + t2 e y = t3 − 2t + 1 calcular df

dt (0)
Solución: -32

t2 + 1
25. Siendo g(t) = y siendo t = x4 +6x3 y +2xy 5 . Calcular la matriz
t − 2t + 1
3
jacobiana [Dg(0, 0)].

Solución:
0 0
[Dg(0, 0)] =
0 0

x2 + y
26. Siendo f (x, y) = , calcular el jacobiano de (f ◦ f ◦ f ) en (1, 2).
xy
Solución:

318 159
D(f ◦ f ◦ f )(1, 2) = , Jf ◦f ◦f (1, 2) = 0
194 97
27. ¿Dónde falla el siguiente razonamiento? Supóngase que w = f (x, y) e y = x2 .

Por la regla de la cadena,
∂w ∂w dx ∂w dy ∂w ∂w
= + = + 2x (10.14)
∂x ∂x dx ∂y dx ∂x ∂y
por lo tanto 0 = 2x ∂w ∂w
∂y , y ası́ ∂y = 0. Dar un ejemplo claro en el que se ponga
de manifiesto que esto es incorrecto.
∂y = 1 = 0.
Solución: supóngase la función w = f (x, y) = x + y, en este caso ∂w
El razonamiento falla por un abuso de notación que lleva a considerar que el ∂w
∂x
que está a la izquierda de la igualdad (10.14) es igual al ∂w
∂x que está a la de-
recha (siendo falso). Si se plantea correctamente el problema: w(x) = f (u, v) =
f (u(x), v(x)) con u(x) = x y v(x) = x2 ,
dw ∂f du ∂f dv ∂f ∂f
(x) = (u, v) (x) + (u, v) (x) = (x) + 2x (x)
dx ∂u dx ∂v dx ∂u ∂v
con lo que:
∂f 1 dw ∂f
(x) = (x) − (x)
∂v 2x dx ∂u
que utilizando la notación del enunciado (incorrecta) se convertirı́a en:

∂w 1 dw ∂w
= −
∂y 2x dx ∂x
que evidentemente no es siempre 0 porque dw
dx = ∂w
∂x .
28. Supóngase que un pato está nadando en el cı́rculo x = cos t, y = sen t y que la
temperatura del agua está dada por la fórmula T = x2 ey − xy 3 . Hallar dT /dt,
la tasa de cambio instantánea de temperatura que puede sentir el pato.
Solución:
dT
(t) = −2 cos t sen t(esen t ) + sen4 t + cos3 t(esen t ) − 3 cos2 tsen2 t
dt
29. Supóngase que la temperatura en el punto (x, y, z) en el espacio es T (x, y, z) =

x2 + y 2 + z 2 . Dada una partı́cula que viaja por la hélice circular recta σ(t) =
(cos t, sen t, t) y sea T (t) su temperatura en el tiempo t. Calcular T (t).
Solución: T (t) = 2t
30. La altura h del volcán hawaiano Mauna Loa se describe (aproximadamente)

mediante la función h(x, y) = 2,59 − 0,024y 2 − 0,065x2 donde h es la altura
sobre el nivel del mar en millas y x e y miden distancias este - oeste y norte -
sur, respectivamente, en millas, a partir de la cima de la montaña.
En el punto (x, y) = (−2, 4) :
a) ¿Con qué rapidez se incrementa la altura en la dirección (1, 1) (esto es,

hacia el nordeste)? Expresar la respuesta en millas de altura por milla de
distancia recorrida.
b) ¿En qué dirección se sube más rápidamente?
Solución:
√
a) u = √12 (1, 1); du
dh
(−2, 4) = √1
2
(−0,13(−2), −0,048(4)) = 0,034 2
t t
b) ∇h(−2, 4) = (−0,13(−2), −0,048(4)) = (0,26, −0,192)
31. Supóngase que f es una función diferenciable de una variable y que una función
u = g(x, y) está definida por

x+y
u = g(x, y) = xyf
xy
Demuéstrese que u satisface una ecuación diferencial en derivadas parciales de

la forma
∂u ∂u
x2 (x, y) − y 2 (x, y) = G(x, y)u(x, y)
∂x ∂y
determinando la expresión de G(x, y).

Solución: G(x, y) = x − y
32. Hallar todos los puntos crı́ticos de f (x, y) = 8x3 − 24xy + y 3 e indicar para cada
uno de ellos si es un máximo relativo, un mı́nimo relativo, un punto silla o un
punto dudoso.
Solución:los puntos crı́ticos son (0, 0) y (2, 4). El punto (0, 0) es un punto de
ensilladura, el (2, 4) es un mı́nimo relativo.
33. Hallar todos los extremos relativos y puntos de ensilladura de f (x, y) = x2 y 4 .

Solución: los puntos del eje y y los del eje x son todos crı́ticos. Si se analiza el
Hessiano de f para los puntos de los ejes se concluye que son todos dudosos. Esta
duda se puede resolver si se tiene en cuenta que para todo punto perteneciente
a los ejes coordenados f (x, y) = 0 y f (x, y) = x2 y 4 > 0 cuando x = 0 e y = 0
por lo tanto todos los puntos crı́ticos son mı́nimos relativos.
2
−y 2
34. Determinar los extremos absolutos de la función f (x, y) = ex en el disco
x2 + y 2 ≤ 0.
Solución: El máximo absoluto de la función f en el disco es e y se alcanza
en los puntos (1, 0) y (−1, 0). El mı́nimo absoluto de f en el disco es e−1 y se
alcanza en los puntos (0, 1) y (0, −1).
35. Dada la función f (x, y) = (y 2 − 1) sen(x) determinar los puntos crı́ticos perte-
necientes al dominio
& π '
D = (x, y) ∈ lR2 0 ≤ x ≤ , −1 ≤ y ≤ 1
2
y el tipo de punto crı́tico que es cada uno.

Solución: (0, −1) : punto de silla, (0, 1) : punto de silla y ( π2 , 0) : mı́nimo
relativo de valor f ( π2 , 0).
Capı́tulo 11
Integración de funciones de
una variable
La integración es una operación sobre funciones que proporciona una “suma continua”
de todos los valores de la función en un intervalo. Existen numerosos ejemplos de la
integración a la resolución de problemas fı́sicos y técnicos, algunos de ellos son:
La distancia recorrida por un objeto que se desplaza según una recta es la

integral de la velocidad respecto del tiempo (se generaliza la fórmula espacio=
velocidad × tiempo, que es válida cuando la velocidad es constante).
El volumen de un cable de sección variable se obtiene integrando el área de la

sección a lo largo de la longitud del cable.
La energı́a eléctrica consumida en una casa a lo largo de un dı́a se obtiene

integrando la función de potencia utilizada a lo largo del dı́a.
En este capı́tulo se recuerdan los aspectos básicos de la integración de funciones de

una variable con vistas a preparar el estudio de la integración de funciones de varias
variables.
233
234 Capı́tulo 11. Integración de funciones de una variable
11.2. Primitivas (o antiderivadas)
Definición 11.1. La primitiva de una función f es otra función cuya derivada es f .

Ejemplo 11.1. Sea f (x) = 2x + 3. Entonces la función x2 + 3x es una primitiva de
f.
Nota 11.1. La función x2 +3x no es la única posible solución del problema planteado
en el ejemplo anterior. También lo son las funciones x2 + 3x + 1, x2 + 3x + 2, etc.
Como la derivada de una constante es cero, las funciones de la forma x2 + 3x + C son
todas ellas primitivas de f .
En general, si F es una primitiva de f , también lo es cualquier función de la forma

F + C con C ∈ lR.
Se puede conseguir que el problema de hallar la primitiva de una función dada tenga
solución única imponiendo alguna condición adicional sobre la primitiva, por ejemplo
alguna condición del tipo F (a) = b.
Ejemplo 11.2. La velocidad de una partı́cula que sigue una trayectoria recta es
v(t) = 3t + 5 m/s. En el instante t = 1s la partı́cula está en la posición x = 4m
(x(1) = 4). Determinar la posición de la partı́cula en t = 10s (x(10)).
Solución: Como
dx(t)
v(t) =
dt
se tiene que x(t) es una primitiva de v(t), por tanto x(t) = 32 t2 +5t+C. Como sabemos
que x(1) = 4, se sigue que C = − 52 , y x(t) = 32 t2 + 5t − 52 , y, por tanto, x(10) = 197,5
metros.
11.3. Integral de Riemann de funciones de una va-

riable
En el caso de funciones de una variable se define la integral de Riemann (o integral

definida) sobre un intervalo [a, b] como el área que encierra la función a integrar entre
su gráfica y el eje de abscisas en el intervalo [a, b], y consideramos como área “positiva”
la que se encierra por encima de dicho eje y como área “negativa” la que se encierra
por debajo de él. Ésta es una definición bastante intuitiva pero poco rigurosa. Para
dar una definición más precisa introducimos previamente los siguientes conceptos:
Sea f : [a, b] −→ lR. Consideremos los puntos a = x0 < x1 < · · · < xn−1 < xn = b.
Entonces al conjunto P = {a = x0 , x1 , . . . , xn−1 , xn = b} se le denomina una partición
11.3. Integral de Riemann de funciones de una variable 235
;n
de [a, b] (Nótese que [a, b] = k=1 [xk−1 , xk ] y que los intervalos (xk−1 , xk ) son dos a
dos disjuntos). Para todo k ∈ {1, . . . , n}, definamos
Mk = sup {f (x)} y mk = ı́nf {f (x)}.

x∈(xk−1 ,xk ) x∈(xk−1 ,xk )
Definamos ahora las denominadas suma superior y suma inferior de Riemann mediante

n
n
U (f, P ) = Mk ∆xk y L(f, P ) = mk ∆xk
k=1 k=1
donde ∆xk = xk − xk−1 .
Gráficamente (figuras 11.1 y 11.2) se aprecia que estas sumas representan una apro-
ximación por exceso o por defecto, respectivamente, del área que encierra la función.
Es fácil ver que si se van haciendo particiones cada vez más finas, esto es, con más
puntos y por tanto con intervalos cada vez más pequeños, las sumas superiores de
Riemann van decreciendo y las sumas inferiores van creciendo (figuras 11.1 y 11.2).
40 40
30 30
20 20
10 10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x x
40
30
20
10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

x
Figura 11.1: Aproximaciones cada vez más finas a la integral de Riemann mediante
sumas superiores.
Definición 11.2. Sea f : [a, b] −→ lR. Se define la integral superior de f en [a, b]

como
ı́nf U (f, P ),
P
40 40
30 30
20 20
10 10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
x x
40
30
20
10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

x
Figura 11.2: Aproximaciones cada vez más finas a la integral de Riemann mediante
sumas inferiores.
y se representa mediante
< b
f (x)dx.
a
Se define la integral inferior de f en [a, b] como

sup L(f, P ),
P
< b
f (x)dx.
a
Se dice que f es integrable en [a, b] si

< b < b
f (x)dx = f (x)dx.
a a
En ese caso, a ese valor común se le denomina integral de f en [a, b], y se representa
mediante < b < b
f , ó f (x)dx.
a a
11.4. El teorema fundamental del cálculo 237
Proposición 11.1 (Condición de Riemann). Sea f : [a, b] −→ lR. f es integrable en

[a, b] si y sólo si para todo
> 0 existe δ > 0 tal que, si P es una partición tal que
todos los intervalos tienen longitud xk − xk−1 < δ, entonces
U (f, P ) − L(f, P ) <
.
Definición 11.3. Un subconjunto A ⊂ lR tiene medida nula si para todo
> 0
existe un recubrimiento {Si }i∈I de A por intervalos cerrados tal que la suma de las
longitudes de los intervalos Si sea menor que
. No es difı́cil ver que si A es finito o
numerable, entonces A tiene medida nula (recordamos que un conjunto es numerable
si se pueden ordenar sus elementos formando una sucesión).
Teorema 11.1. (Criterio de Lebesgue para la existencia de la integral de
Riemann).
Sea f : [a, b] −→ lR. Si f es continua salvo en un conjunto de medida nula, entonces

f es integrable.
Propiedades de la integral definida

< a
1. f (x)dx = 0.
a
< b < a
2. f (x)dx = − f (x)dx.
a b
< c < b < c
3. Si a < b < c entonces f (x)dx = f (x)dx + f (x)dx.
a a b
11.4. El teorema fundamental del cálculo
Teorema 11.2. Sea f : [a, b] −→ lR integrable y definamos

< t
F (t) = f (x)dx.
a
Entonces, F es continua en [a, b] y si f es continua en c ∈ [a, b], se tiene que F es

derivable en c y
F (c) = f (c).
Una consecuencia inmediata del teorema anterior es que la función F es una primitiva
de f , y como toda primitiva de f se diferencia respecto de f en una constante:
< < t
f (t)dt = f (x)dx + Cte = F (t) + Cte.
a
A partir de la igualdad anterior es fácil demostrar el siguiente teorema:

Teorema 11.3. Sea f : [a, b] −→ lR integrable en [a, b], entonces:
< b
f (x)dx = F (b) − F (a).
a
Este último teorema se conoce como teorema fundamental del cálculo, fórmula de
Newton - Leibniz o regla de Barrow.
11.5. Repaso de reglas básicas de integración
11.5.1. Integrales inmediatas

< < <
(f (x) + g(x))dx = f (x)dx + g(x)dx
< <
Si a es una constante, af (x)dx = a f (x)dx
<
xn+1
Si n = −1, xn dx = + cte
n+1
<
cn n+1 c1
(cn xn + · · · + c1 x + c0 )dx = x + · · · + x2 + c0 x + cte
n+1 2
<
1
dx = ln |x| + cte
x
<
ex dx = ex + cte
<
ax
ax dx = + cte, 1)
(0 < a =
ln a
<
sen xdx = − cos x + cte
<
cos x = sen x + cte
<
tan xdx = − ln | cos x| + cte
<
1
dx = arctan x + cte
1 + x2
11.5. Repaso de reglas básicas de integración 239
<
1
√ dx = arcsen x + cte
1 − x2
<
1
− √ dx = arc cos x + cte
1 − x2
11.5.2. Cambio de variable
El método de integración mediante cambio de variable (o por sustitución) se basa en

la regla de la cadena:
(F (g(x))) = F (g(x))g (x)
y por tanto <

F (g(x))g (x)dx = F (g(x)) + cte
Es cómodo introducir una variable intermedia (de donde viene el nombre de cambio
de variable)
u = g(x)
<
du
F (u) dx = F (u) + cte
dx
Si a F (u) se le llama f (u) y se hace

<
f (u)du = F (u) + cte
se tiene < <

du
f (u) dx = f (u)du.
dx
Esta fórmula es fácil de recordar si uno piensa que se “cancelan” las dx.
Cuando la función a integrar es complicada no es fácil encontrar el cambio de variable

adecuado (si es que hay alguno). Se puede seguir el siguiente algoritmo para ensayar
un cambio determinado.
=
Dada una integral h(x)dx, para resolverla mediante un cambio de variable
1. Se elige una nueva variable u = g(x).

2. Se obtiene du
dx = g (x) y se “despeja” dx; dx = du
g (x) .
3. Se reemplaza dx en el integrando por la expresión encontrada en 2.
4. Se intenta expresar el integrando únicamente en términos de u (eliminando x)

(si no se puede, ensayar otro cambio u otro método de integración).
=
5. Resolver la nueva integral f (u)du.
6. Expresar el resultado en términos de x.
7. Comprobar el resultado derivando.
Ejemplo 11.3. Calcular la integral

<
x2 + 2x
I= √
3
dx.
x + 3x2 + 1
3
Solución: Hacemos el cambio de variable
u = x3 + 3x2 + 1
y entonces
du du
= 3x2 + 6x y por tanto dx = 2
dx 3x + 6x
Ası́ pues,
< <
1 x2 + 2x 1 1 31 2 1(
I= √
3
du = √
3
du = u 3 + cte =
3
(x3 + 3x2 + 1)2 + cte.
u 3x2 + 6x 3 u 23 2
Nota 11.2. Si se utiliza el cambio de variable u = g(x) para resolver la integral

=b
definida a h(x)dx hay que modificar los lı́mites como se indica a continuación:
< b < g(b)

du
h(x)dx = f (u)du, donde h(x) = f (u)
a g(a) dx
11.5.3. Integración por partes
Se basa en la derivación de un producto de funciones:
(F (x)G(x)) = (F G) (x) = F (x)G(x) + F (x)G (x)

11.5. Repaso de reglas básicas de integración 241
es decir, F (x)G(x) es una primitiva de F (x)G(x) + F (x)G (x), y por tanto,

<
(F (x)G(x) + F (x)G (x))dx = F (x)G(x) + cte
de donde se sigue que

< <
F (x)G (x)dx = F (x)G(x) − F (x)G(x)dx + cte.
=
La constante se puede agrupar con la constante de F (x)G(x)dx y entonces se tiene
finalmente
< <
F (x)G (x)dx = F (x)G(x) − F (x)G(x)dx. (11.1)
Nota 11.3. Si se hace u = F (x) y v = G(x), la expresión 11.1 se convierte en

< <
dv dv
u dx = uv − v dx,
dx dx
es decir,
< <
udv = uv − vdu. (11.2)
Nota 11.4. Cuando se utiliza la integración por partes, para integrar una función
h hay que escribir h(x) como F (x)G (x) en donde G (x) es una función de la cual
se conoce como
= calcular su primitiva. Con una buena elección
= de F (x) y G (x) se
consigue que F (x)G(x)dx sea más fácil de integrar que F (x)G (x)dx.

Ejemplo 11.4. Calcular la siguiente integral

<
x2 ex dx
Solución: Utilizamos la estrategia de integración por partes para eliminar el factor

polinómico (x2 ) mediante derivación. Más precisamente, hacemos en primer lugar
u = x2 , dv = ex dx de modo que v = ex . Se tiene
< <
x2 ex dx = x2 ex − 2xex dx
Hacemos ahora u = x, dv = 2ex dx de modo que v = 2ex . Tendremos

< <
x2 ex dx = x2 ex − (2xex − 2ex dx) = (x2 − 2x + 2)ex + C
los capı́tulos 5 y 6 de [43], los capı́tulos 4 y 7 de [37], los capı́tulos 8 y 9 de [8] y el
capı́tulo 4 del primer tomo de [25].
11.7. Ejercicios
<
x2
1. Calcular dx
(x3 − 2)5
Solución: − 12
1
(x3 − 2)−4 + C
<
tdt
2. Calcular √
1 − t4
Solución: 12 arcsen(t2 ) + C
< 1
ex
3. Calcular dx
0 1 + e2x
Solución: arctan(ex ) − π
4
<
4. Calcular x2 e−x dx
Solución: −e−x (x2 + 2x + 2) + C

<
5. Calcular e2x sen xdx
Solución: 15 e2x (2 sen x − cos x) + C

< π
4
6. Calcular arctgxdx
0
π2
Solución: π π
4 arctg 4 − 1
2 ln(1 + 16 )
< π
2
π
7. Sabiendo que sen2 (x)dx = 4, resolver las siguientes integrales:
0
< π
a) sen2 (x/2)dx
0
< π
b) sen2 (x − π2 )dx
π
2
< π/4
c) cos2 (2x)dx
0
Solución:
π
a) 2
π
b) 4
π
c) 8
8. Dadas dos funciones f y g, se define una función h mediante

< 1
h(x) = f (x − t)g(t)dt
0
Se pide demostrar que

< x
h(x) = g(x − t)f (t)dt
x−1
9. Determinar el área encerrada entre la curva y = (x + 1)/(x2 + 2x + 2)3/2 y el

eje x entre x = 0 y x = 1.
√ √
Solución: (5 2 − 2 5)/10
< π2
10. Hallar cos2 x sen xdx mediante el cambio u = cos x.
0
1
Solución: 3
Capı́tulo 12
Integración de funciones de
varias variables
El concepto de integral múltiple aparece casi ubı́cuamente en ciencia. Es una herra-

mienta necesaria en el cálculo de volúmenes, áreas, centros de masa, momentos de
inercia y, de modo indirecto, en el cálculo de flujos y circulaciones.
12.2. Integrales dobles
12.2.1. Introducción
La integral doble tiene una interpretación geométrica básica como volumen y se puede
definir rigurosamente como lı́mite de sumas de Riemann.
Si denotamos por I el rectángulo [a, b] × [c, d] y por V la región del espacio acotada
por la gráfica de f : I → lR, el rectángulo I y los cuatro planos x = a, x = b, y = c e
y = d, entonces se define la integral doble de f como el volumen de V (será positivo
cuando esté situado por encima del plano z = 0 y negativo cuando esté situado por
debajo) y se representa por
< < < < < < d < b
f, f (x, y)dA , f (x, y)dxdy , f (x, y)dxdy , f (x, y)dxdy
I I I I c a
245
246 Capı́tulo 12. Integración de funciones de varias variables
12.2.2. Rectángulos en lR2
Siendo (a1 , b1 ) y (a2 , b2 ) dos intervalos de lR se denomina rectángulo de lados

paralelos a los ejes, al dominio de lR2 formado por el producto cartesiano I =
(a1 , b1 ) × (a2 , b2 ). Cuando hablemos de rectángulo nos referiremos a uno de lados
paralelos.
Definición 12.1. Se llama medida del rectángulo I, µ(I) al área de dicho rectángu-
lo, esto es el valor resultante de multiplicar las longitudes de los intervalos (a1 , b1 ) y
(a2 , b2 ):
µ (I) = (b1 − a1 )(b2 − a2 ).
Definición 12.2. Dado un rectángulo I, de denomina partición P de I en sub-

rectángulos a toda subdivisión de I en rectángulos de menor medida y tal que todos
los rectángulos en los que se subdivide I, tengan interiores disjuntos y la unión de
todos ellos sea exactamente I.
Definición 12.3. Se denomina tamaño de una partición P a la medida del mayor

de los rectángulos que la forman.
Definición 12.4. Dadas dos particiones P y P de un mismo rectángulo I diremos

que P es más fina que P si el tamaño de P es menor que el tamaño de P .
12.2.3. Integral doble sobre un rectángulo
Consideremos una partición P de I en N (P ) subrectángulos Ik (k = 1, 2, ..., N (P )).

Definamos
Mk = sup {f (x, y)} y mk = ı́nf {f (x, y)}.

(x,y)∈Ik (x,y)∈Ik

U (f, P ) = Mk µ (Ik ) y L(f, P ) = mk µ (Ik )
P P
puntos y por tanto con rectángulos cada vez más pequeños, las sumas superiores de
Riemann van decreciendo y las sumas inferiores van creciendo.
Definición 12.5. Sea f : [a, b] × [c, d] → lR. Se define la integral superior de f en

[a, b] × [c, d] como
ı́nf U (f, P ),
P
12.2. Integrales dobles 247
< d < b
f (x, y)dxdy.
c a
Se define la integral inferior de f en [a, b] × [c, d] como
sup L(f, P ),
P
< d < b
f (x, y)dxdy.
c a
Se dice que f es integrable en I si

< d < b < d < b
f (x, y)dxdy = f (x, y)dxdy.
c a c a
En ese caso, a ese valor común se le denomina integral de f en [a, b] × [c, d], y se
representa mediante
< d< b < d< b
f ó f (x, y)dxdy.
c a c a
Proposición 12.1 (Condición de Riemann). Sea f : [a, b] × [c, d] −→ lR. f es in-

tegrable en [a, b] × [c, d] si y sólo si para todo
> 0 existe δ > 0 tal que, si P es
una partición tal que todos los rectángulos Ik de la misma verifican que µ(Ik ) < δ,
entonces
U (f, P ) − L(f, P ) <
.
==
Proposición 12.2. La idea de que I
f (x, y)dxdy es el volumen de la región V hace
evidentes las siguientes propiedades
i) < < < < < <

f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy
I1 ∪I2 I1 I2
para todos I1 , I2 de interiores disjuntos.
ii) < < < < < <

(f (x, y) + g(x, y))dxdy = f (x, y)dxdy + g(x, y)dxdy
I I I
iii) < < < <

λf (x, y)dxdy = λ f (x, y)dxdy para todo λ real
I I
==
Para calcular I
f (x, y)dxdy es útil el siguiente teorema:
Teorema 12.1. (Teorema de Fubini) Sea f una función continua con dominio
rectangular I = [a, b] × [c, d]. Entonces,
< < < b 2< d 3 < d 2< b 3
f (x, y)dxdy = f (x, y)dy dx = f (x, y)dx dy
I a c c a
==
Ejemplo 12.1. Considérese el rectángulo I = [0, 1] × [0, 2]. Calculemos I
x2 ydxdy.
Para ello, aplicamos el teorema de Fubini:
< < < 1 < 2 < 1 2 2 2 2 3
2 2 x y
x ydxdy = x ydy dx = dx
I 0 0 0 2 0
< 1
2
= 2x2 dx =
0 3
También se puede calcular la integral de la siguiente forma:
< < < 2 < 1 < 2 2 3 1 3 < 2
2 2 x y y 2
x ydxdy = x ydx dy = dy = dy =
I 0 0 0 3 0 0 3 3
12.2.4. Integral doble sobre un dominio no rectangular
Definición 12.6. Sea f (x, y) una función definida y acotada sobre un dominio D de
lR2 . Considérese un rectángulo I que incluya a D. Sobre I se define la función

f (x, y) si (x, y) ∈ D
g(x, y) = (12.1)
0 si (x, y) ∈/D
Se dice que f (x, y) es integrable sobre D en el sentido de Riemann si existe

< <
g(x, y)dxdy.
I
Además, el valor de la integral de f (x, y) sobre D se define como

< < < <
f (x, y)dxdy = g(x, y)dxdy
D I
Nota 12.1. Puesto que g(x, y) es nula fuera de D, el volumen encerrado entre la
superficie g(x, y) y el rectángulo I del plano z = 0 coincide con=el= volumen encerrado
por la superficie f (x, y) y el dominio D del plano z = 0. Luego D f (x, y)dxdy sigue
representando el volumen encerrado por la superficie f (x, y) sobre el dominio plano
D.
Proposición 12.3. i) Si D1 y D2 son tales que su unión es D y la intersección de

sus interiores es vacı́a, entonces se verifica
< < < < < <
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy
D D1 D2
ii) < < < < < <

(f (x, y) + h(x, y)) dxdy = f (x, y)dxdy + h(x, y)dxdy
D D D
iii) < < < <

λf (x, y)dxdy = λ f (x, y)dxdy
D D
CÁLCULO DE UNA INTEGRAL DOBLE: Desde el punto de vista del cálculo se

pueden considerar 3 tipos de dominios en lR2 .
1) Dominios del tipo 1. Son dominios limitados por las curvas y = ϕ1 (x) e y = ϕ2 (x)
entre los valores a1 ≤ x ≤ b1 :
D = {(x, y)/ a1 ≤ x ≤ b1 , ϕ1 (x) ≤ y ≤ ϕ2 (x)}
Si encerramos D en el rectángulo [a1 , b1 ] × [a2 , b2 ] y definimos g(x, y) como en (12.1),
entonces
< < < b1 < b2 < b1 2< ϕ2 (x) 3
f (x, y)dxdy = g(x, y)dxdy = f (x, y)dy dx
D a1 a2 a1 ϕ1 (x)
2) Dominios del tipo 2. Dominios limitados por las curvas x = ψ 1 (y) y x = ψ 2 (y)
entre los valores a2 ≤ y ≤ b2 :
D = {(x, y)/ a2 ≤ y ≤ b2 , ψ 1 (y) ≤ x ≤ ψ 2 (y)}
Aplicando el mismo razonamiento que en el caso anterior
< < < b2 2< ψ2 (y) 3
f (x, y)dxdy = f (x, y)dx dy
D a2 ψ 1 (y)
3) Dominios del tipo 3. Aquellos dominios que se pueden expresar tanto como domi-
nios del tipo 1 como dominios del tipo 2.
4) Dominios que son la unión de dominios de los tipos anteriores. En este caso, las
integrales se calculan partiendo los dominios en subdominios de los tipos 1,2 ó 3, cal-
culando cada integral por separado y aplicando el primer apartado de la Proposición
12.3.
Ejemplo 12.2. Las curvas y = x − x2 , y = x2 delimitan una región D (contenida en

el primer cuadrante). Calcular
<<
(e2x − y 2 )dxdy
D
Solución: Hallemos los valores de x que delimitan nuestra región. Para ello buscamos
los puntos de intersección de ambas curvas imponiendo
x
x − x2 =
2
La solución es : x = 0, x = 12 . Nuestra región es de Tipo 1, y para integrarla haremos
0.25
0.2
0.15
0.1
0.05
0 0.1 0.2 0.3 0.4 0.5
Figura 12.1: Región de integración(sombreada) correspondiente al ejemplo 12.2.
uso de la fórmula de integración para regiones de este tipo:

<< < 1 2< 2
2 x−x
3
2x
(e − y )dxdy = 2 2x
(e − y )dy dx
2
(12.2)
x
D 0 2
Nótese que el lı́mite inferior de integración en y es x2 . Esto se debe a que, en el intervalo

(0, 12 ), la curva y = x2 está por debajo de la curva x − x2 . Evaluamos la integral en
(12.2):
< 12 2< x−x2 3 < 12 2 x−x2 3
y 3
I= (e − y )dy dx =
2x 2
e y−
2x
dx
0 x
2 0 3 x
2
< 1
2 3 3
2
2x x x − x2 x3
= e ( −x )−
2
+ dx
0 2 3 24
Evaluemos por separado las distintas integrales que han aparecido:
< 1 12 < 1
2 x 1 2x x
2 1 2 2x 1
e ( − x )dx = e ( − x ) −
2x 2
e ( − 2x)dx
0 2 2 2 0 2 0 2
12 12 < 12
1 2x x 1 1 1
= e ( − x2 ) − e2x ( − 2x) − 2 e2x dx
2 2 0 4 2 0 4 0
1 1 1 1 3
= 0 − (− e − ) − (e − 1) = − e +
8 8 4 8 8
(hemos integrado por partes),
< 12 3 < 1
x − x2 1 2 3 1
− dx = − x − 3x4 + 3x5 − x6 dx = −
0 3 3 0 840
< 12 3
x 1
dx =
0 24 1536
La integral buscada será pues
1 3 1 1 1 20131
I =− e+ − + =− e+
8 8 840 1536 8 53760
12.2.5. Algunas propiedades de la integral doble
a) Linealidad.
< < < < < <
(αf (x, y) + βg(x, y)) dxdy = α f (x, y)dxdy + β g(x, y)dxdy
D D D
b) Si f y g son integrables en D y f (x, y) ≤ g(x, y) para todos (x, y) ∈ D, entonces

< < < <
f (x, y)dxdy ≤ g(x, y)dxdy
D D
==
c) Área de un dominio plano. El área de un dominio plano D es igual a D
1dxdy.
La razón es que el volumen encerrado por la función f (x, y) = 1 sobre D es el área
de D multiplicado por la unidad.
d) Cotas de la integral. Si m y M son respectivamente los valores máximo y mı́nimo

de la función f en D entonces
< <
m × Área(D) ≤ f (x, y)dxdy ≤ M × Área(D)
D
e) Teorema del valor medio. Si f es continua en un dominio acotado y cerrado D

entonces existe al menos un punto (x∗ , y ∗ ) de D tal que
< <
f (x, y)dxdy = f (x∗ , y ∗ ) × Área(D)
D
12.2.6. Cambio de variables en la integral doble
Definición 12.7. Se denomina cambio de variables en lR2 a toda aplicación ϕ :

D∗ ⊂ lR2 → D ⊂ lR2 tal que

ϕ1 (u, v)
(u, v) → ϕ(u, v) =
ϕ2 (u, v)
que verifica las tres condiciones siguientes
1) ϕ es una aplicación biunı́voca (biyectiva): D = ϕ (D∗ ).

2
2) ϕ ∈ C 1 (D∗ ) .
3) El jacobiano de ϕ no se anula en ningún punto de D∗ :

∂ϕ1 ∂ϕ
∂u (u, v) ∂v1 (u, v)
Jϕ (u, v) = ∂ϕ2 = 0 para todo (u, v) ∈ D∗
∂u (u, v) ∂v (u, v)
∂ϕ2
La cuestión ahora es la siguiente: ¿cómo cambia una integral doble ante un cambio
de variables? El resultado esencial se recoge en el siguiente teorema:
Teorema 12.2. (cambio de variables para integrales dobles) Sean D y D∗ dos
regiones del plano y sea ϕ : D∗ → D una función de cambio de variables. Entonces
para cualquier función integrable se tiene
< < < <
f (x, y)dxdy = f (ϕ1 (u, v), ϕ2 (u, v)) |Jϕ (u, v)| dudv
D D∗
donde (x, y) = (ϕ1 (u, v), ϕ2 (u, v)).
Un cambio importante es el de coordenadas cartesianas (x, y) ∈ lR2 a polares (r, θ) ∈

lR+ × [0, 2π). Se define en la forma
x = r cos θ
y = r sen θ
En este cambio, el Jacobiano es

∂x ∂x
Jϕ (r, θ) = ∂r (r, θ) ∂θ (r, θ) =r
∂y ∂y
∂r (r, θ) ∂θ (r, θ)
Ejemplo 12.3. Calcular

<<
I= ln(x2 + y 2 )dxdy
D
12.3. Integrales triples 253
siendo D la región

D = (x, y) ∈ lR2 / x ≥ 0, y ≥ 0, x2 + y 2 ≤ b2 , x2 + y 2 ≥ a2
Solución: En primer lugar nos hacemos una idea de la geometrı́a de la región. Note-
mos que por ser x ≥ 0, y ≥ 0, nos encontraremos en el primer cuadrante. La región
x2 +y 2 ≤ b2 es un cı́rculo de radio b, mientras que la región x2 +y 2 ≥ a2 es el exterior a
un cı́rculo de radio a. Nuestra región será por tanto la parte del anillo de radio interior
a y radio exterior b que está en el primer cuadrante. La geometrı́a sugiere un cambio
a coordenadas polares, ya que nuestra región, en esas coordenadas, está acotada por
constantes. Más precisamente:
a≤ r ≤b
π
0≤ θ ≤
2
pudiéndose entonces escribir
< r=b < θ= π
2
I= (ln r2 )rdrdθ
r=a θ=0
que se integra fácilmente usando el teorema de Fubini:

< < θ= π <
r=b 2 π b
π 2 2
I= (ln r2 )rdrdθ = 2 r ln rdr = b ln b − b2 − a2 ln a2 + a2
r=a θ=0 2 a 4
12.3. Integrales triples
12.3.1. Paralelepı́pedos y particiones de paralelepı́pedos en lR3 .
Definición 12.8. Siendo [a1 , b1 ] , [a2 , b2 ] , [a3 , b3 ] tres intervalos de lR, se denomina
paralelepı́pedo I de caras paralelas a los planos cartesianos, al dominio de
lR3 formado por el producto cartesiano de los tres intervalos [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ]
I = [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] .

= (x, y, z) ∈ lR3 / a1 ≤ x ≤ b1 , a2 ≤ x ≤ b2 , a3 ≤ x ≤ b3
Puesto que los paralelepı́pedos de caras paralelas a los planos coordenados serán los
únicos que utilizaremos los designaremos simplemente como paralelepı́pedos.
Definición 12.9. Se denomina medida del paralelepı́pedo I y se representa por µ(I),

al volumen de dicho paralelepı́pedo.
Definición 12.10. Dado un paralelepı́pedo I se denomina partición P de I (en

subparalelepı́pedos) a toda división de I en paralelepı́pedos I1 , I2 , ..., IN (P ) de menor
medida y tal que todos los paralelepı́pedos en los que se subdivide I tengan interiores
disjuntos y la unión de todos los paralelepı́pedos de la partición sea exactamente I.
Definición 12.11. Se denomina tamaño de una partición P del paralelepı́pedo I a
la medida del mayor de los paralelepı́pedos que la forman.
Definición 12.12. Dadas dos particiones P y P de un mismo paralelepı́pedo, se dice
que P es más fina que P si el tamaño de P es menor que el tamaño de P .
Definición 12.13. Dadas dos particiones P, P del mismo paralelepı́pedo, se dice que
P es posterior a P si P es más fina que P y además todo paralelepı́pedo de la
partición P está incluido en un paralelepı́pedo de la partición P .
12.3.2. Integral triple de Riemann sobre un paralelepı́pedo
Consideremos una partición P de I en N (P ) subparalelepı́pedos Ik (k = 1, 2, ..., N (P )).

Definamos
Mk = sup {f (x, y, z)} y mk = ı́nf {f (x, y, z)}.

(x,y,z)∈Ik (x,y,z)∈Ik

U (f, P ) = Mk µ (Ik ) y L(f, P ) = mk µ (Ik )
P P
puntos y por tanto con paralelepı́pedos cada vez más pequeños, las sumas superiores
de Riemann van decreciendo y las sumas inferiores van creciendo.
Definición 12.14. Sea I = [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] → lR3 . Se define la integral
superior de f en [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] como
ı́nf U (f, P ),
P
< b3 < b2 < b1
f (x, y, z)dxdydz.
a3 a2 a1
Se define la integral inferior de f en [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] como

sup L(f, P ),
P
< b3 < b2 < b1
f (x, y, z)dxdydz.
a3 a2 a1
Se dice que f es integrable en I si

< b 3 < b2 < b1 < b3 < b2 < b1
f (x, y, z)dxdydz = f (x, y, z)dxdydz .
a3 a2 a1 a3 a2 a1
En ese caso, a ese valor común se le denomina integral de f en [a1 , b1 ] × [a2 , b2 ] ×

[a3 , b3 ], y se representa mediante
< b 3 < b2 < b1 < b3 < b 2 < b1
f (x, y, z)dxdydz. ó f (x, y, z)dV.
a3 a2 a1 a3 a2 a1
Proposición 12.4 (Condición de Riemann). Sea f : [a1 , b1 ]×[a2 , b2 ]×[a3 , b3 ] −→ lR3 .

f es integrable en [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ] si y sólo si para todo
> 0 existe δ > 0
tal que, si P es una partición tal que todos los rectángulos Ik de la misma verifican
que µ(Ik ) < δ, entonces
U (f, P ) − L(f, P ) <
.
Teorema 12.3. (Teorema de Fubini para integrales triples sobre un parale-
lepı́pedo). Siendo I = [a1 , b1 ] × [a2 , b2 ] × [a3 , b3 ]:
< < < < b1 2< b2 2< b3 3 3
f (x, y, z)dxdydz = f (x, y, z)dz dy dx
I a1 a2 a3
< 2< 2< 3 3 < 2< 2< 3 3
b1 b3 b2 b3 b2 b1
= f (x, y, z)dy dz dx = ... = f (x, y, z)dx dy dz
a1 a3 a2 a3 a2 a1
12.3.3. Integral triple de Riemann sobre un dominio cualquie-

ra de lR3
Sea f una función definida y acotada sobre un dominio D de lR3 . Sea I un parale-
lepı́pedo de lR3 que incluya a D. Sobre I se define la función

f (x, y, z) si (x, y, z) ∈ D
g(x, y, z) = (12.3)
0 si (x, y, z) ∈ /D
Definición 12.15. Se = =dice
= que f es integrable en el sentido de Riemann sobre el
dominio D si existe I
g(x, y, z)dxdydz. El valor de la integral de Riemann de
f (x, y, z) sobre el dominio D se define como:
< < < < < <
f (x, y, z)dxdydz = g(x, y, z)dxdydz
D I
12.3.4. Propiedades de la integral triple de Riemann
a) Linealidad.
< < < < < <
(αf (x, y, z) + βg(x, y, z)) dxdydz = α f (x, y, z)dxdydz
D D
< < <
+β g(x, y, z)dxdydz
D
b) Si f y g son integrables en D y f (x, y, z) ≤ g(x, y, z) para todos (x, y, z) ∈ D,

entonces < < < < < <
f (x, y, z)dxdydz ≤ g(x, y, z)dxdydz
D D
=c)=Volumen de un dominio de lR . El volumen de un dominio D de lR es igual a

3 3
D
1dxdydz.
d) Cotas de la integral. Si m y M son respectivamente los valores máximo y mı́nimo

de la función f en D entonces
< < <
m × Volumen(D) ≤ f (x, y, z)dxdydz ≤ M × Volumen(D)
D
e) Aditividad sobre dominios. Si f es integrable sobre el dominio D y se considera D

subdividido en dos dominios D1 y D2 tales que su interior sea disjunto y su unión
sea el propio dominio D, entonces f es integrable tanto sobre D1 como sobre D2 se
verifica:
< < < < < < < < <
f (x, y, z)dxdydz = f (x, y, z)dxdydz + f (x, y, z)dxdydz
D D1 D2
f) Teorema del valor medio. Si f es continua en un dominio acotado y cerrado D

entonces existe al menos un punto (x∗ , y ∗ , z ∗ ) de D tal que
< < <
f (x, y, z)dxdydz = f (x∗ , y ∗ , z ∗ ) × Volumen(D)
D
g) Teorema de Lebesgue. Toda función f definida y acotada sobre el dominio acotado

D que sea discontinua a lo sumo en un subconjunto de medida nula de D es integrable
sobre D y viceversa.
h) Teorema de Fubini para el cálculo de la integral triple. Si D es un dominio definido

como:
D = (x, y, z) ∈ lR3 /(x, y) ∈ Ωxy , ϕ1 (x, y) ≤ z ≤ ϕ2 (x, y)
entonces para toda función f (x, y, z) integrable sobre D:

< < < < < 2< 3
ϕ2 (x,y)
f (x, y, z)dxdydz = f (x, y, z)dz dxdy
D Ωxy ϕ1 (x,y)
Análogamente, si el dominio D se define mediante

D = (x, y, z) ∈ lR3 /(x, z) ∈ Ωxz , ϕ1 (x, z) ≤ y ≤ ϕ2 (x, z)

< < < < < 2< 3
φ2 (x,z)
f (x, y, z)dxdydz = f (x, y, z)dy dxdz
D Ωxz φ1 (x,z)
Análogamente, si el dominio D se define mediante

D = (x, y, z) ∈ lR3 /(y, z) ∈ Ωyz , ψ 1 (y, z) ≤ x ≤ ψ 2 (y, z)

< < < < < 2< 3
ψ 2 (y,z)
f (x, y, z)dxdydz = f (x, y, z)dx dydz
D Ωyz ψ 1 (y,z)
12.3.5. Cambio de variables en la integral triple
Definición 12.16. Se denomina cambio de variables en lR3 a toda aplicación

ϕ : D∗ ⊂ lR3 → D ⊂ lR3 tal que
⎛ ⎞
ϕ1 (u, v, w)
(u, v, w) → ϕ(u, v, w) = ⎝ ϕ2 (u, v, w) ⎠
ϕ3 (u, v, w)
que verifica las tres condiciones siguientes:
1) ϕ es una aplicación biunı́voca (biyectiva): D = ϕ (D∗ ).

3
2) ϕ ∈ C 1 (D∗ ) .
3) El jacobiano de ϕ no se anula en ningún punto de D∗ :

∂ϕ1 (u, v, w) ∂ϕ1 (u, v, w) ∂ϕ1 (u, v, w)
∂u
∂v ∂w

Jϕ (u, v, w) = ∂ϕ 2
(u, v, w) ∂ϕ2
(u, v, w) ∂ϕ2
∂w (u, v, w)
= 0 ∀(u, v, w) ∈ D∗
∂ϕ
∂u ∂v
∂u3 (u, v, w) ∂ϕ∂v
3
(u, v, w) ∂ϕ3
∂w (u, v, w)

Teorema 12.4. (cambio de variables para integrales triples) Sean D y D∗ dos

regiones del espacio y sea ϕ : D∗ → D una función de cambio de variables. Entonces
para cualquier función integrable se tiene
< < <
f (x, y, z)dxdydz
< < <D
= f (ϕ1 (u, v, w), ϕ2 (u, v, w), ϕ3 (u, v, w)) |Jϕ (u, v, w)| dudvdw
D∗
donde (x, y, z) = (ϕ1 (u, v, w), ϕ2 (u, v, w), ϕ3 (u, v, w)).
En el espacio tridimensional, hay dos cambios importantes:
1. el cambio de cartesianas ((x, y, z) ∈ lR3 ) a cilı́ndricas ((r, θ, z) ∈ lR+ ×(−π, π]×

lR) se define como:
x = r cos θ
y = r sen θ
z = z
y su jacobiano es:
Jϕ (r, θ, z) = r
2. el cambio de cartesianas (x, y, z) ∈ lR3 a esféricas ((r, θ, φ) ∈ lR+ × (−π, π] ×

[0, π]) se define como:
x = r sen φ cos θ
y = r sen φ sen θ
z = r cos φ
y su jacobiano es:
Jϕ (r, θ, φ) = −r2 sen φ
12.4. Aplicaciones de las integrales triples y dobles
12.4.1. Valor medio de una función en un dominio
La media de n números reales x1 , x2 , ..., xn está definida por

n
xi
x = i=1
n
12.4. Aplicaciones de las integrales triples y dobles 259
Si se conocen los valores que toma una función f en un número discreto de puntos
x1 , x2 , ..., xn espaciados regularmente (tal que xk − xk−1 = h para k = 2, . . . , n),
entonces la media de f en este conjunto de puntos es:
n n
i=1 f (xi ) f (xi )h
= i=1
n nh
El concepto anterior lleva a definir el valor medio de una función de una variable en
el intervalo [a, b] por
=b
f (x)dx
f= a
b−a
El valor medio de una función de dos variables en una región bidimensional D será:
==
f (x, y)dxdy
f= ==
D
D
dxdy
y de una función de tres variables en una región tridimensional D:
===
f (x, y)dxdydz
f= =D
==
D
dxdydz
12.4.2. Centro de masas
Si se tienen m1 , m2 , ..., mn masas en los puntos x1 , x2 , ..., xn , sobre el eje x, el centro

de masas se define como n
mi xi
xCM = i=1 m
i=1 mi
Si la distribución de masa es continua con densidad ρ(x), entonces
=
xρ(x)dx
xCM = =
ρ(x)dx
En el caso de materiales bidimensionales que ocupan una región D (por ejemplo una
placa), == ==
xρ(x, y)dxdy yρ(x, y)dxdy
xCM = = = D
, yCM = = =D
D
ρ(x, y)dxdy D
ρ(x, y)dxdy
y en el caso tridimensional (por ejemplo una caja),
=== ===
xρ(x, y, z)dxdydz yρ(x, y, z)dxdydz
xCM = = = =
D
, yCM = = = =D ,
D
ρ(x, y, z)dxdydz D
ρ(x, y, z)dxdydz
===
zρ(x, y, z)dxdydz
zCM = = = =D
D
ρ(x, y, z)dxdydz
12.4.3. Momentos de inercia
El momento de inercia de un conjunto de n masas mi que giran respecto a un eje y

están a una distancia ri del mismo se define como:

n
I= mi ri2
i=1
En el caso de una distribución continua de masas (un sólido rı́gido por ejemplo)
< < <
I= r2 (x, y, z)ρ(x, y, z)dxdydz
D
donde r(x, y, z) es la distancia del punto (x, y, z) al eje.
el capı́tulo 12 de [43], el capı́tulo 17 de [37], el 21 de [8] y el capı́tulo 4 del tomo 2 de
[25].
12.6. Ejercicios
1. Determinar las coordenadas del centro de masas del sólido incluido en el cilindro
ρ = 2 cos θ limitado superiormente por el paraboloide z = ρ2 , e inferiormente
por el plano z = 0. Se supondrá que la densidad es constante.
Solución: xcm = 43 , ycm = 0, zcm = 10
9
2. Hallar la masa de un plato circular de radio r sabiendo que la densidad superficial

en cada punto es proporcional al cuadrado de su distancia a un punto de la
circunferencia.
Solución: 32 kπr4 , con k = constante de proporcionalidad.
3. Determinar el centro de masas de una figura plana delimitada por la parábola
y 2 = 8x y la recta x = 2, sabiendo que la densidad superficial en cada punto es
proporcional a su distancia a la recta x = 2.
Solución: ( 67 , 0)
4. Hallar el momento de inercia, con respecto al eje x, de una figura plana delimi-
tada por la curva y = sen x, el eje x y las rectas x = 0 y x = π, sabiendo que la
densidad de cada punto es proporcional a su distancia al eje x.
3 3
Solución: 32 kπ = 8 m, k = constante de proporcionalidad, m = masa de la
figura.
5. Hallar la masa de una esfera de radio r sabiendo que la densidad en cada punto
es inversamente proporcional al cuadrado de su distancia al centro.
Solución: 4kπr, con k = constante de proporcionalidad.
6. Determinar el centro de masas de un cilindro circular recto de radio r y altura

h sabiendo que la densidad en cada punto es proporcional a su distancia a la
base.
Solución: (0, 0, 32 h)
7. La temperatura de los puntos del cubo W = [−1, 1] × [−1, 1] × [−1, 1] es pro-
porcional al cuadrado de la distancia al origen. Se pide
a) ¿Cuál es la temperatura promedio?

b) ¿En que puntos del cubo la temperatura es igual a la temperatura prome-
dio?
Solución:
a) Tm = c, con c = constante de proporcionalidad.

b) Los puntos de la esfera x2 + y 2 + z 2 = 1 (que está inscrita en el cubo W ).
8. Una placa de oro, D, esta determinada por 0 ≤ x ≤ 2π y 0 ≤ y ≤ π (centı́-

metros) y tiene una densidad superficial ρ(x, y) = y 2 sen2 4x + 2 (gramos por
centı́metro cuadrado). Si el oro cuesta 7 euros por gramo, ¿Cuánto vale la placa?
Solución: 503.06 euros.
9. Un sólido con densidad constante está acotado por arriba por el plano z = a y
por debajo por el cono descrito en coordenadas esféricas por ϕ = k, donde k es
una constante (0 ≤ k ≤ 2π). Escribir una integral que determine el momento
de inercia del sólido alrededor del eje z.
< k < 2π < cosa ϕ
Solución: ρ ρ4 sen3 ϕdρdθdϕ
0 0 0
10. Calcular el momento de inercia de una cubo de arista a con respecto a una
cualquiera de sus aristas, siendo la densidad en cada punto igual al cuadrado de
su distancia a un extremo de dicha arista.
38 2
Solución: 45 a m, m = masa del cubo.
Capı́tulo 13
Cálculo vectorial
Muchas cantidades fı́sicas de interés tienen carácter vectorial. La posición de un punto

en el espacio, por ejemplo, queda completamente descrita por sus coordenadas respec-
to a un cierto sistema de referencia. Estas tres coordenadas son las componentes de
un vector, el vector de posición del punto. Si el punto esta en movimiento, entonces
la dirección a lo largo de la cual se mueve en un instante dado es también un vector,
ya que queda completamente descrita por sus tres coordenadas respecto a la base
del sistema de referencia utilizado para expresar las coordenadas de los puntos. Si
ahora consideramos, en lugar de un solo punto, un gran número de puntos, entonces
para cada uno de ellos podremos designar vectores para su posición y su velocidad.
Tendremos ası́ una familia de vectores distribuidos en el espacio, y esto constituye un
campo vectorial. A continuación describiremos con detalle todas estas ideas.
13.2. Campos vectoriales
Definición 13.1. Un campo vectorial A(x, y, z) es una aplicación de lR3 en lR3

que asigna a cada punto de una región del espacio un vector de tres componentes. Se
puede denotar por
A(x, y, z) = Ax (x, y, z)i + Ay (x, y, z)j + Az (x, y, z)k
donde [i, j, k] constituyen una base ortonormal de lR3 . Utilizando la notación empleada
en los temas de álgebra lineal, serı́an los vectores i = e1 = (1, 0, 0); j = e2 = (0, 1, 0);
263
264 Capı́tulo 13. Cálculo vectorial
k = e3 = (0, 0, 1).
Los conceptos de continuidad, diferenciabilidad, etc. son los ordinarios de funciones

de lR3 en lR3 .
Ejemplo 13.1. Consideremos el campo vectorial:
A(x, y, z) = 3x2 yi + yz 2 j − xzk
Las primeras derivadas de A serı́an

∂A
= 6xyi + 0j − zk = 6xyi − zk
∂x
∂A
= 3x2 i + z 2 j − 0k = 3x2 i + z 2 j
∂y
∂A
= 0i + 2yzj − xk = 2yzj − xk
∂z
es decir, nuevos campos vectoriales.
Un concepto también importante es el de campo escalar:

Definición 13.2. Un campo escalar φ(x, y, z) es una aplicación de lR3 en lR que
asigna a cada punto del espacio un número real (un escalar).
13.3. Gradiente, divergencia y rotacional
En el capı́tulo 10 se definió el gradiente de una función de lRn en lR. Un caso particular

(para n = 3) es el gradiente de un campo escalar en el espacio:
Definición 13.3. Si un campo escalar φ(x, y, z) tiene primeras derivadas parciales
continuas en una región del espacio, entonces el gradiente de un campo escalar φ es
un campo vectorial definido por

∂ ∂ ∂ ∂φ ∂φ ∂φ
grad φ = ∇φ = i +j +k φ=i +j +k
∂x ∂y ∂z ∂x ∂y ∂z
Definición 13.4. El operador ∇ (se pronuncia nabla) está definido por
∂ ∂ ∂
∇=i +j +k
∂x ∂y ∂z
Si un campo vectorial A(x, y, z) tiene primeras derivadas parciales continuas en una

región del espacio, entonces se pueden definir:
13.3. Gradiente, divergencia y rotacional 265
Definición 13.5. La divergencia de un campo vectorial A es un campo escalar

definido por

∂ ∂ ∂
div A = ∇ · A = i +j +k · (Ax i + Ay j + Az k)
∂x ∂y ∂z
∂Ax ∂Ay ∂Az

= + +
∂x ∂y ∂z
Definición 13.6. El rotacional de un campo vectorial A es un campo vectorial
definido por

∂ ∂ ∂
rot A = ∇ × A = i +j +k × (Ax i + Ay j + Az k)
∂x ∂y ∂z

i j k ∂ ∂ ∂
∂ ∂ ∂ ∂
= ∂x ∂y ∂ ∂
∂z = i ∂y ∂z − j ∂x ∂z + k ∂x ∂y
Ay Az Ax Az Ax Ay
Ax Ay Az

∂Az ∂Ay ∂Az ∂Ax ∂Ay ∂Ax
=i − −j − +k −
∂y ∂z ∂x ∂z ∂x ∂y
Ejemplo 13.2. Sean
φ(x, y, z) = x2 yz 2
A(x, y, z) = xzi − y 2 j + 2x2 yk
Calculemos ∇φ, ∇ · A y ∇ × A:
∂φ ∂φ ∂φ
∇φ = i+ j+ k = 2xyz 2 i + x2 z 2 j + 2x2 yzk
∂x ∂y ∂z
∂Ax ∂Ay ∂Az

∇·A= + + = z − 2y + 0 = z − 2y
∂x ∂y ∂z

∂Az ∂Ay ∂Az ∂Ax ∂Ay ∂Ax
∇×A=i − −j − +k −
∂y ∂z ∂x ∂z ∂x ∂y
2
= i 2x − 0 − j (4xy − x) + k (0 − 0) = 2x2 i + (x − 4xy) j
Teorema 13.1. (Algunas propiedades). Sean A y B dos campos vectoriales y U y V

dos campos escalares. Entonces:
1) ∇(U + V ) = ∇U + ∇V
2) ∇ · (A + B) = ∇ · A + ∇ · B
3) ∇ × (A + B) = ∇ × A + ∇ × B
4) ∇ · (U A) = (∇U ) · A + U (∇ · A)
5) ∇ × (U A) = (∇U ) × A + U (∇ × A)
6) ∇ · (A × B) = B · ∇ × A − A · ∇ × B
7) ∇ × (A × B) = (B · ∇) A − B (∇ · A) − (A · ∇) B + A (∇ · B)
8) ∇(A · B) = (B · ∇) A + (A · ∇) B + B × (∇ × A) + A × (∇ × B)
∂2 ∂2 ∂2
9) ∇· (∇U ) = ∆U, donde ∆ = ∂x2 + ∂y 2 + ∂z 2 es el llamado laplaciano.
10) ∇ × (∇U ) = 0
11) ∇· (∇ × A) = 0
12) ∇ × (∇ × A) = ∇ (∇·A) − ∆A
13.4. Integral curvilı́nea. Circulación
Sea C una curva en el espacio (x, y, z) que une los puntos p1 (a1 , b1 , c1 ) y p2 (a2 , b2 , c2 ).
Sea A(x, y, z) = (Ax (x, y, z), Ay (x, y, z), Az (x, y, z)) un campo vectorial definido a lo
largo de C. Subdividamos C en n partes eligiendo (n − 1) puntos de la misma dados
por (x1 , y1 , z1 ), (x2 , y2 , z2 ), ...., (xn−1 , yn−1 , zn−1 ). Denotemos por ∆xk = xk − xk−1 ,
∆yk = yk −yk−1 , ∆zk = zk −zk−1 con k = 1, 2, ..., n, siendo (a1 , b1 , c1 ) = (x0 , y0 , z0 ) y
(a2 , b2 , c2 ) = (xn , yn , zn ). Tomemos puntos (ξ k , η k , ζ k ) de C situados entre los puntos
(xk , yk , zk ) y (xk−1 , yk−1 , zk−1 ). La integral curvilı́nea a lo largo de C se define
como

n
lı́m (Ax (ξ k , η k , ζ k )∆xk + Ay (ξ k , η k , ζ k )∆yk + Az (ξ k , η k , ζ k )∆zk )
n→∞
k=1
< <
= (Ax dx + Ay dy + Az dz) = A · dr
C C
donde dr = (dx, dy, dz) = dxi + dyj + dzk.
Teorema 13.2. (Propiedades de las integrales curvilı́neas). Sea C una curva

que une los puntos (a1 , b1 , c1 ) y (a2 , b2 , c2 ). Entonces
1)
< < (a2 ,b2 ,c2 ) < (a1 ,b1 ,c1 )
A · dr = A · dr = − A · dr
C (a1 ,b1 ,c1 ) (a2 ,b2 ,c2 )
13.4. Integral curvilı́nea. Circulación 267
2)
< < (a2 ,b2 ,c2 ) < (a3 ,b3 ,c3 ) < (a2 ,b2 ,c2 )
A · dr = A · dr = A · dr + A · dr
C (a1 ,b2 ,c1 ) (a1 ,b2 ,c1 ) (a3 ,b3 ,c3 )
donde (a3 , b3 , c3 ) es un punto de C.

Nota 13.1. En el caso de que la curva se pueda parametrizar en la forma r =
(σ 1 (t), σ 2 (t), σ 3 (t)), dr se podrá expresar como dr = σ (t)dt. Por consiguiente la
integral de lı́nea se podrá escribir como
< t2
A(σ(t)) · σ (t)dt
t1
siendo σ(t1 ) = (a1 , b1 , c1 ) y σ(t2 ) = (a2 , b2 , c2 ).

Ejemplo= 13.3. Sea A(x, y, z) = (3x2 − 6yz)i + (2y + 3xz)j + (1 − 4xyz 2 )k. Cal-
culemos C A · dr donde C es una curva entre los puntos (0, 0, 0) y (1, 1, 1) dada
paramétricamente por (x, y, z) = (t, t2 , t3 ).
< <
> 2 ?
A · dr = (3x − 6yz)dx + (2y + 3xz)dy + (1 − 4xyz 2 )dz
C C
Notemos que el punto (0, 0, 0) corresponde a t = 0 y el punto (1, 1, 1) a t = 1. Además
(dx, dy, dz) = (dt, 2tdt, 3t2 dt)
y por tanto
< < 1 > 2 ?
A · dr = (3t − 6t2 t3 )dt + (2t2 + 3tt3 )2tdt + (1 − 4tt2 (t3 )2 )3t2 dt
C 0
< 1
= (3t2 − 6t5 + 4t3 + 6t5 + 3t2 − 12t11 )dt = 2
0
Definición 13.7. Curva simple cerrada es una curva cerrada que no se corta a
sı́ misma en ningún punto.
Una región plana que tiene la propiedad de que toda curva cerrada de la región se
puede reducir a un punto sin salir de la región se dice que es simplemente conexa.
Si no, se dice que es múltiplemente conexa.
Definición 13.8. La circulación de un vector a lo largo de una curva cerrada C es
la integral curvilı́nea a lo largo de dicha curva, y se denota por
@
A · dr
C
0.8
0.6
z
0.4
0.2
0
0.2 0.4
x 0.6 0.8
0.5 y 1
Figura 13.1: Curva C en el ejemplo 13.3.
∂Q
Teorema 13.3. (Teorema de Green en el plano). Sean P , Q, ∂P ∂y y ∂x , uni-
formes y continuas en una región simplemente conexa R del plano xy. Supongamos
además que el contorno de R es una curva simple cerrada C. Entonces
@ <<
∂Q ∂P
P dx + Qdy = − dxdy
C R ∂x ∂y
donde suponemos que C se recorre en sentido opuesto a las agujas del reloj.
=
Teorema 13.4. Una condición necesaria y suficiente para que C A · dr sea indepen-
diente del camino C que une dos puntos cualesquiera en una región R es que en R se
tenga
∂Ax ∂Ay ∂Az ∂Ax ∂Ay ∂Az
= , = , =
∂y ∂x ∂x ∂z ∂z ∂y
o, equivalentemente,
∇×A=0
Además, en este caso, A · dr es una diferencial exacta. Es decir, existe una función
φ(x, y, z) tal que
dφ = A · dr
y entonces
< < (x1 ,y1 ,z1 )
A · dr = A · dr = φ(x1 , y1 , z1 ) − φ(x0 , y0 , z0 )
C (x0 ,y0 ,z0 )
Nota 13.2. En Fı́sica, a menudo el campo vectorial A(x, y, z) representa un campo

de fuerzas y la integral curvilı́nea representa el trabajo empleado por el campo para
mover una partı́cula puntual de un punto inicial a un punto final. Si dicha integral
curvilı́nea es independiente del camino, entonces se dice que el campo A(x, y, z) es
conservativo. El que un campo de fuerzas sea conservativo es, por el teorema anterior,
equivalente a ser irrotacional (es decir, tener rotacional idénticamente nulo en todo
punto).
13.5. Integrales de superficie. Área de una superficie 269
Teorema 13.5. Si C es cerrada y ∇ × A = 0 entonces

@
A · dr = 0
C
13.5. Integrales de superficie. Área de una superfi-

cie
Sea S una superficie bilátera (con dos lados, al contrario de lo que sucede con otras
superficies, como la cinta de Möbius, que tienen un sólo lado) cuya proyección sobre
el plano xy es R. Supóngase que una ecuación de S sea z = f (x, y), donde f es
uniforme y continua para todo x e y de R. Dividimos R en n subregiones de área
∆Ap , p = 1, 2, ..., n y levantamos una columna sobre cada una de estas subregiones
hasta que corte a S donde determinan un área ∆Sp . Sea φ(x, y, z) uniforme y continua
en todo punto de S. Formemos la suma

n
φ(ξ p , η p , ζ p )∆Sp
p=1
siendo (ξ p , η p , ζ p ) un punto de ∆Sp . Si existe el lı́mite de esta suma para n → ∞

de modo que cada ∆Sp → 0, se dice que ese lı́mite es la integral de superficie de
φ(x, y, z) sobre S y se designa por
< <
φ(x, y, z)dS
S

Como ∆Sp = sec γ p ∆Ap aproximadamente, siendo γ p el ángulo que forma la normal
a S con el eje positivo z, el lı́mite de la suma se puede escribir
< <
φ(x, y, z) |sec γ| dA
R
donde : 2 2
1 ∂z ∂z
|sec γ| = = 1+ +
|np · k| ∂x ∂y
Si z = f (x, y) tiene derivadas continuas en R, entonces la integral se escribe en
coordenadas cartesianas como
: 2 2
< <
∂f ∂f
φ(x, y, f (x, y)) 1 + + dxdy
R ∂x ∂y
Si la ecuación de S esta dada en forma implı́cita, es decir F (x, y, z) = 0, entonces la

integral se puede escribir como
< < (
(Fx )2 + (Fy )2 + (Fz )2
φ(x, y, z) dxdy
R |Fz |
Se ha supuesto en todo momento que S es tal que toda paralela al eje z corta S en un
solo punto. Si S no es de ese tipo se puede, por lo general, subdividir S en superficies
S1 , S2 , ... que son de ese tipo. Entonces la integral sobre S se define como la suma de
las integrales de superficie sobre S1 , S2 , ....
El área de una superficie se calcula con la integral sobre dicha superficie de la función
φ(x, y, z) = 1.
Ejemplo 13.4. Evalúa la integral de superficie
<<
xzdS
S
donde S es la parte del plano x + y + z = 1 que se encuentra en el primer octante.
Solución: En primer lugar, observemos que nuestra superficie es un triángulo cuyos

vértices se apoyan en los puntos (1, 0, 0), (0, 1, 0), (0, 0, 1) y de aristas los segmentos de
rectas y = 1 − x, z = 1 − y, x = 1 − z con x, y, z ∈ (0, 1). La superficie puede escribirse
en la forma z = 1 − x − y ≡ f (x, y). Nuestra integral de superficie se podrá escribir
como : 2 2
< <
∂f ∂f
φ(x, y, f (x, y)) 1 + + dxdy
R ∂x ∂y
< < (
= x(1 − x − y) 1 + (−1)2 + (−1)2 dxdy
R
< <
1 y=1−x √ √ < 1
(1 − x)2
= 3x(1 − x − y)dxdy = 3 (x − x )(1 − x) − x
2
dx
x=0 y=0 0 2
1√
= 3
24
13.6. Flujo de un campo vectorial. Teoremas inte-

grales del análisis vectorial
Definición 13.9. Flujo de un campo vectorial A(x, y, z) a través de una su-

perficie cerrada S es < <
A(x, y, z) · n(x, y, z)dS
S
13.6. Flujo de un campo vectorial. Teoremas integrales del análisis vectorial 271
donde n(x, y, z) es el vector normal de la superficie en el punto (x, y, z) ∈ S dirigido

hacia el exterior de la superficie.
Teorema 13.6. (Teorema de la divergencia o teorema de Gauss) Sea S una
superficie cerrada que encierra una región de volumen V . Tómese como dirección
positiva la de la normal exterior a la superficie. Sea A(x, y, z) un campo vectorial
diferenciable. Entonces
< < < < <
A(x, y, z) · n(x, y, z)dS = ∇ · AdV
S V
Es decir, el flujo de A a través de S es igual a la integral de la divergencia de A en
el volumen encerrado por S.
Teorema 13.7. (Teorema del rotacional o teorema de Stokes) Sea S una
superficie abierta bilátera cuyo contorno sea una curva cerrada C que no se corta a
sı́ misma (curva simple cerrada). Considérese una recta normal a S como positiva si
está a un lado de la superficie S y negativa si está al otro lado de S. La elección del lado
positivo es arbitraria, pero debe hacerse de antemano. Tómese como sentido positivo
sobre C el que deja la superficie a la izquierda de un observador que va recorriendo
C con su cabeza dirigida en el sentido de la normal positiva. Entonces si el campo
vectorial A(x, y, z) es diferenciable en una región del espacio que contenga a S, se
tiene @ < <
A(x, y, z) · dr = (∇ × A) · ndS
C S
Ejemplo 13.5. Sea S la superficie que consiste en porción de la superficie z =
1 − x2 − y 2 sobre el plano xy junto con el cı́rculo unidad en el plano xy (es decir,
x2 + y 2 < 1). Encontrar el flujo del campo vectorial A(x, y, z) = xi + yj + zk a través
de S.
0.8
0.6
0.4
0.2
1 1
0.5 0.5
0.5 y
x
1 1
Figura 13.2: Superficie S en el ejemplo 13.5.
Solución: Calculemos los flujos a través del paraboloide y del cı́rculo por separado.
A través del paraboloide tendremos
< <
f lujo1 = A(x, y, z) · n(x, y, z)dS1
S1
< <
= (xi + yj + f (x, y)k) · (2xi + 2yj + k) dA1
A1
< < < <
= (2x + 2y + 1 − x − y )dxdy =
2 2 2 2
(x2 + y 2 + 1)dxdy
A1 A1
1 f (x, y) = 1 − x − y
2 2
donde A1 es el cı́rculo unidad en el plano xy,0 hemos definido
y hemos calculado la normal exterior como − ∂x , − ∂y , 1 = (2x, 2y, 1). Entonces,
∂f ∂f
pasando a polares,
< θ=2π < r=1
3π
f lujo1 = (r2 + 1)rdrdθ =
θ=0 r=0 2
A través del cı́rculo tendremos

< < < <
f lujo2 = A(x, y, z) · n(x, y, z)dS2 = (xi + yj) · (−k) dS2 = 0
S2 S2
3π
Por tanto, el flujo total es 2 .
Como la superficie es cerrada, el flujo se puede calcular también aplicando el teorema

de la divergencia:
< < < < < < < θ=2π < 1 < z=1−r2
f lujo = div AdV = 3dV = 3 rdrdθdz =
θ=0 r=0 z=0
< θ=2π < 1
1 1 3π
3 r(1 − r2 )drdθdz = 6π − =
θ=0 r=0 2 4 2
Ejemplo 13.6. Verificar el teorema de Stokes para el campo vectorial A(x, y, z) =
2zi + 3xj + 5yk siendo S la porción del paraboloide z = 4 − x2 − y 2 con z ≥ 0 y C
la circunferencia de radio 2, x2 + y 2 = 4 que constituye el borde del paraboloide y se
recorre en el sentido contrario a las agujas del reloj.
Solución: La circunferencia unidad se puede parametrizar mediante (x(θ), y(θ)) =

(2 cos θ, 2 sen θ) con θ ∈ [0, 2π]. Entonces
< < 2π
A(x, y, z) · dr = (0i + 6 cos θj + 10 sen θk) · (−2 sen θi + 2 cos θj) dθ =
C 0
< 2π
= 12 cos2 θdθ = 12π
0
Calculemos ahora la circulación aplicando el teorema de Stokes

i
∂ j∂ k∂
∇ × A = ∂x ∂y ∂z = 5i + 2j + 3k

2z 3x 5y
Por tanto,
< < < <
(∇ × A) · ndS = (5i + 2j + 3k) · (2xi + 2yj + k) dA1
S A1
< < < θ=2π < r=2

= (10x + 4y + 3)dxdy = (10r cos θ + 4r sen θ + 3)rdrdθ = 12π
A1 θ=0 r=0
el capı́tulo 13 de [43], el capı́tulo 18 de [37], los capı́tulos 22 y 23 de [8] y el libro
completo de [38].
13.8. Ejercicios
1. Demostrar que el campo vectorial gradiente correspondiente a una función es-
calar de tres variables es perpendicular a las superficies de nivel de la función
en todo punto.
=
2. Si A = (3x2 + 6yz)i + (2y + 3xz)j + (1 − 4xyz 2 )k, calcular A·dr de (0, 0, 0) a
(1, 1, 1) a lo largo de los siguientes caminos C:
(a) x = t, y = t2 , z = t3 .
(b) Los segmentos de (0, 0, 0) a (0, 0, 1), de (0, 0, 1) a (0, 1, 1) y de (0, 1, 1) a
(1, 1, 1).
(c) El segmento de recta de (0, 0, 0) a (1, 1, 1).
Solución: (a) 2, (b) −3, (c) 65 .
==
3. Calcular S A · ndS, donde A = xyi − x2 j + (x + z)k, S es la parte del plano
2x + 2y + z = 6 que queda en el primer octante y n es un vector normal unitario
a S.
27
Solución: 4 .
4. Comprobar el teorema de Stokes para A = 3yi−xzj+yz 2 k, siendo S la superficie

del paraboloide 2z = x2 + y 2 limitada por z = 2 y C su contorno.
Solución: La circulación a lo largo de C es 20π.
Capı́tulo 14
Introducción a las ecuaciones

diferenciales ordinarias
Las ecuaciones que se han resuelto hasta ahora respondı́an a la necesidad de obtener
los valores numéricos de ciertas magnitudes. En las aplicaciones de las matemáticas
surgen a menudo problemas de una clase cualitativamente diferente: problemas en
los que la incógnita es una función, una ley que expresa la dependencia de ciertas
variables respecto a otras. Por ejemplo al investigar el proceso de enfriamiento de un
cuerpo hay que determinar cómo varı́a la temperatura en el transcurso del tiempo;
para describir el movimiento de un planeta o de una estrella debe determinarse la
dependencia de sus coordenadas polares respecto del tiempo, etc.
A menudo es posible plantear una ecuación que permita encontrar las funciones des-
conocidas pedidas, y estas ecuaciones reciben el nombre de ecuaciones funcionales.
Su naturaleza puede ser, en general, muy diversa; de hecho puede decirse que ya
conocemos el ejemplo más sencillo y primitivo de ecuación funcional: las funciones
implı́citas.
En este capı́tulo se va a estudiar la clase más importante de ecuaciones funcionales:

las llamadas ecuaciones diferenciales, ecuaciones en las que además de la función
desconocida aparecen también sus derivadas de distintos órdenes.
275
276 Capı́tulo 14. Introducción a las ecuaciones diferenciales ordinarias
14.2. Conceptos básicos
Comenzaremos introduciendo los conceptos básicos relacionados con la clasificación

de las ecuaciones y el concepto de solución de una ecuación diferencial.
14.2.1. Tipos de ecuaciones
Definición 14.1. Se llama ecuación diferencial a cualquier ecuación en la que

aparecen relacionadas
- una o más variables independientes,
- una función de dichas variables,
- las derivadas de la función con respecto a una o más variables independientes.

Definición 14.2.
1. Ecuación diferencial ordinaria (e.d.o.) : una ecuación diferencial en la

que la función incógnita depende de una sola variable independiente. Se puede
expresar de dos formas:
a) Ecuación en forma implı́cita (no aparece despejada la derivada de mayor
orden):
F (x, y(x), y (x), y (x), ...., y (n) (x)) = 0
b) Ecuación en forma normal (aparece despejada la derivada de mayor orden
y (n) (x)):
y (n) (x) = f (x, y(x), y (x), ...., y (n−1) (x))

2. Ecuación diferencial en derivadas parciales: aquella ecuación diferencial
en la que la función incógnita depende de varias variables.
Ejemplo 14.1.
1. Ecuación diferencial ordinaria en forma implı́cita.
x2 y (x) − 3xy(x) = 0 , sen(y (x)) + 4x2 y (x) + 5y(x) cos x = 0
2. Ecuación diferencial ordinaria en forma normal.

y (x) = 4xy(x) + sen x ; y (x) = −6xy (x) − cos x
3. Ecuación diferencial en derivadas parciales. Sea z = f (x, y),

∂z ∂2z ∂2z ∂z ∂2z
+ 2
+ =0 , + =z
∂x ∂x ∂x∂y ∂y ∂x2
14.2. Conceptos básicos 277
14.2.2. Orden y grado
Definición 14.3. Se llama orden de una ecuación diferencial al de la mayor derivada

que aparece en la ecuación.
Definición 14.4. Se llama grado de una ecuación diferencial al exponente, si es un
numero natural, al que está elevada la derivada de mayor orden que aparece en ella.
Si esta derivada no está elevada a un exponente natural no es posible definir el grado
de la ecuación.
Ejemplo 14.2. ¿Cuál es el orden, el grado y la forma en que se han expresado las
siguientes ecuaciones diferenciales ordinarias?
1. x2 y +2xy +2x = 01 , e.d.o. de segundo orden y primer grado en forma implı́cita.

2. y = 3y − sen(x − 1) = 0, e.d.o. de tercer orden y primer grado en forma
normal.
3. (y )2 = 4x(1 − y 2 )2 , e.d.o. de segundo orden y segundo grado en forma normal.
4. (y )2 = cos x + yex , e.d.o. de tercer orden y segundo grado en forma normal.
14.2.3. Ecuaciones diferenciales lineales
Definición 14.5. Una ecuación diferencial ordinaria lineal de orden n es una

ecuación en la que la derivada n-ésima de la variable y es una función lineal de las
demás derivadas, de la propia función y, y de una función cualquiera de x que recibe
el nombre de término independiente. Por lo tanto, una e.d.o. lineal de orden n es
de la forma
an (x)y (n) + an−1 (x)y (n−1) + ....a1 (x)y + a0 (x)y = b(x) .
Si b(x) ≡ 0, entonces se dice que la ecuación diferencial es homogénea.
Ejemplo 14.3. Algunos casos de ecuaciones diferenciales ordinarias lineales y no
lineales.
d2 y dy
+5 + 6y = 0 es lineal
dx2 dx
2 3
d y dy
2
+ 5y + 6y 2 = 0 no es lineal
dx dx
x tan y + y = x + cos x no es lineal

y tan x + y = x + cos x es lineal
1 Obsérvese
el abuso de notación que se comete al reemplazar y(x) por y e y (x) por y . Este
abuso se mantendrá en lo sucesivo con el objeto de aligerar la escritura de las ecuaciones
14.2.4. Soluciones de una e.d.o.
Definición 14.6. Se llama solución de una e.d.o. a toda función y = f (x) que
satisface dicha e.d.o.. El proceso de hallar las soluciones de una e.d.o. se denomina
integrar la ecuación.
Ejemplo 14.4. Dada la ecuación y + y = 0, la función y = sen x es solución de ella
ya que:
y (x) = cos x , y (x) = − sen x y por tanto y + y = − sen x + sen x = 0
De la misma manera, se comprueba que y(x) = cos x es solución.
En general, y = C1 cos x + C2 sen x son solución para cualesquiera valores reales de

C1 y C2 , tal como se puede comprobar fácilmente.
Definición 14.7. Solución general de una e.d.o.: Conjunto de todas las funcio-
nes que verifican dicha ecuación.
Nota 14.1. En general son familias n-paramétricas de curvas siendo n el orden de
la ecuación. Cuando existe alguna solución que no pertenece a dicha familia, esta
función recibe el nombre de solución singular.
Definición 14.8. Solución particular de una e.d.o.: cualquier función que sa-
tisfaga la e.d.o.. Se puede obtener fijando el valor de las constantes de la solución
general.
Ejemplo 14.5. La solución general de la ecuación y − y = 0 es el conjunto de funcio-
nes y(x) = Cex , que es una familia de funciones dependientes de un solo parámetro
(C). Una solución particular de dicha ecuación es y(x) = ex .
3
Ejemplo 14.6. Puede comprobarse que la familia y(x) = (x + C) 2 es solución de la
1
ecuación y = 32 y 3 . La función y = 0 es también solución de la ecuación y no pertenece
a la familia dada, por lo que constituye una solución singular de la ecuación.
Nota 14.2. Una de las aplicaciones prácticas de las e.d.o.s aparece en problemas
con una ecuación y una o más condiciones (en función del orden de la ecuación) que
ha de verificar la solución de la ecuación dada. Se trata de determinar una solución
particular de la ecuación.
Definición 14.9. Si todas las condiciones se refieren a un mismo valor x, se deno-
mina problema de valor inicial o problema de Cauchy.
Ejemplo 14.7. Un ejemplo de problema de Cauchy o de valor inicial es el siguiente:
⎧ 2
⎨ dxd y
2 + y = 0
y(1) = 3
⎩
y (1) = −4
14.3. Ecuaciones diferenciales ordinarias de primer orden 279
Definición 14.10. Si las condiciones dadas se refieren a valores diferentes de la x,

se denomina problema de contorno.
Ejemplo 14.8. Un ejemplo de problema de contorno es el siguiente:

⎧ 2
⎨ dx
d y
2 + y = 0
y(0) = 1
⎩ π
y (2) = 5
14.3. Ecuaciones diferenciales ordinarias de primer

orden
14.3.1. Distintas expresiones de las ecuaciones de primer or-

den
- Forma normal
y (x) = F (x, y(x))
- Forma implı́cita
F (x, y(x), y (x)) = 0
- Forma diferencial
M (x, y)dx + N (x, y)dy = 0
(x,y)
Se obtiene a partir de la forma normal si F (x, y(x)) = − M
N (x,y) :
dy M (x, y)
=− ⇒ N (x, y)dy + M (x, y)dx = 0
dx N (x, y)
Ejemplo 14.9. La ecuación que en forma normal se escribe
x2 + y 2
y (x) =
x−y
se escribe en forma diferencial como
(x2 + y 2 )dx − (x − y)dy = 0
y en forma implı́cita como
(x − y)y − (x2 + y 2 ) = 0
14.3.2. Resolución de diferentes tipos de ecuaciones de primer

orden
Ecuaciones del tipo y = f (x)
Sin duda el caso más sencillo. Se resuelve por simple integración

< < <
y (x) = f (x) ⇔ dy = f (x)dx ⇒ dy = f (x)dx + C ⇒ y = f (x)dx + C
(y(x) es la primitiva de f ).
Ejemplo 14.10. La solución de la ecuación diferencial
y = cos(3x) + 5
es <
sen(3x)
y(x) = (cos(3x) + 5) dx = + 5x + C
3
y la solución de la ecuación diferencial
y = e2x − x
es <
e2x x2
y(x) = e2x − x dx = − +C
2 2
Ecuación de variables separadas
La forma general de este tipo de ecuaciones es
F (x)G(y)dx + H(x)P (y)dy = 0
ó
dy F (x)G(y)
=−
dx H(x)P (y)
Son ecuaciones en las que ambas variables, dependiente e independiente, pueden se-
pararse. Para resolverlas, se procede a dicha separación y se integra respecto de cada
variable. El proceso de resolución consiste en “enviar” todo lo que implique x y todo
lo que implique y a distintos lados de una igualdad:
P (y) F (x)
dy = − dx
G(y) H(x)
A continuación, se integra
< <
P (y) F (x)
dy = − dx
G(y) H(x)
y se obtiene
f (x) + g(y) = C
F (x) P (y)
donde f (x) es la primitiva de H(x) y g(y) es la primitiva de G(y) .
Ejemplo 14.11.
< <
dy dx 2
2ydx + 3xdy = 0 ⇒ =− ⇒ y = Cx− 3
2y 3x
Ecuaciones de tipo homogéneo
Este es un tipo de ecuación que, aunque no es de variables separadas, se puede reducir

a una de ellas mediante un cambio de variable adecuado.
Definición 14.11. Una función f (x1 , x2 , ..., xn ) es homogénea de grado r si
f (λx1 , λx2 , ..., λxn ) = λr f (x1 , x2 , ..., xn ) para todo λ ∈ lR
Ejemplo 14.12. Casos particulares de funciones homogéneas:
1. f (x, y) = x2 + y 2 − xy
2
Se evalúa f (λx, λy) = (λx) + (λy)2 − λxλy = λ2 x2 + y 2 − xy = λ2 f (x, y), y
f (x, y) es por tanto una función homogénea de grado 2.
2. f (x, y) = x2 + y 3
2
Se evalúa f (λx, λy) = (λx) + (λy)3 = λ2 x2 + λ3 y 3 = λr f (x, y) para ningún r.
f , por tanto, es no homogénea.
1
3. f (x, y) = (x + y) 2
1 1 1 1
Se evalúa f (λx, λy) = (λx + λy) 2 = λ 2 (x + y) 2 = λ 2 f (x, y). f es por tanto
homogénea de grado 12 .
Definición 14.12. Ecuación de tipo homogéneo2 . Dada una ecuación diferencial
ordinaria y = f (x, y), se dice que es una ecuación de tipo homogéneo si la función
f (x, y) es homogénea de grado 0.
2 No confundir las ecuaciones de tipo homogéneo con las ecuaciones homogéneas de las que se
habló en el apartado de conceptos básicos y de las que se volverá a hablar cuando se estudien las
ecuaciones lineales.
Nota 14.3. Una e.d.o. de primer orden, expresada en forma diferencial M (x, y)dx +
N (x, y)dy = 0 es de tipo homogéneo si M (x, y) y N (x, y) son funciones homogéneas
de igual grado.
RESOLUCIÓN DE UNA e.d.o. DE TIPO HOMOGÉNEO: Si M (x, y)dx+N (x, y)dy =

0 es una ecuación de tipo homogéneo, el cambio de variable y = ux la transforma en
una ecuación de variables separadas en u y x:
0 = M (x, ux)dx + N (x, ux)(udx + xdu) = xr M (1, u)dx + xr N (1, u)(udx + xdu)
de donde se deduce
[M (1, u) + uN (1, u)] dx + xN (1, u)du = 0
que es una ecuación de variables separadas.
Ejemplo 14.13. Resolver la e.d.o.
(x2 − 3y 2 )dx + 2xydy = 0
En primer lugar, obsérvese que la ecuación se puede escribir en la forma normal
dy x2 − 3y 2
=− ≡ f (x, y)
dx 2xy
y la función f (x, y) es homogénea de orden cero, ya que
(λx)2 − 3(λy)2 λ2 (x2 − 3y 2 )
f (λx, λy) = − =− = f (x, y)
2λxλy λ2 (2xy)
Si hacemos ahora y = ux, entonces
(x2 − 3(ux)2 )dx + 2xux(xdu + udx) = 0
y, separando variables,
2u 1
du = − dx
1 − u2 x
Solo resta integrar para obtener

ln 1 − u2 = ln |x| + C
que implica
1 − u2 = |Kx|
y deshaciendo el cambio y = ux, obtenemos la solución al problema en forma implı́cita:

2
1 − y = |Kx|
x2
También se puede obtener la solución en forma explı́cita despejando y:
(
y = ±x 1 + K1 x
Ecuaciones exactas
Definición 14.13. Ecuación exacta. Dada una ecuación diferencial
M (x, y) + N (x, y)y (x) = 0

dF (x,y(x))
se dice que es exacta si existe una función F de lR2 en lR tal que dx = M (x, y)+
N (x, y)y (x); es decir,
∂F ∂F
= M (x, y) y = N (x, y)
∂x ∂y
Ejemplo 14.14. La ecuación y 2 dx + 2xydy = 0 es exacta ya que tomando la función

F (x, y) = xy 2 se verifica que
∂F ∂F
= y 2 = M (x, y) , = 2xy = N (x, y)
∂x ∂y
SOLUCIÓN DE UNA e.d.o. EXACTA: Por definición de ecuación exacta, existe una
función F (x, y(x)) tal que dF (x,y(x))
dx = 0. Eso implica que F (x, y(x)) = K y ésta es
la solución (dada en forma implı́cita).
Teorema 14.1. La e.d.o. M (x, y) + N (x, y)y (x) = 0 donde M (x, y) y N (x, y) ad-
miten derivadas primeras continuas en un dominio D, es exacta si y solo si
∂M ∂N
=
∂y ∂x
La única dificultad en este tipo de ecuaciones reside en encontrar la función F (x, y).
Como ∂F ∂x = M (x, y), entonces necesariamente
<
F (x, y) = M (x, y)dx + C1 (y)
∂F
con C1 (y) una función desconocida. Pero F (x, y) debe verificar ∂y = N (x, y), y por
tanto <
∂
M (x, y)dx + C1 (y) = N (x, y)
∂y
con lo cual <
∂
C1 (y) = N (x, y) − M (x, y)dx
∂y
Se puede comprobar que la función a la derecha no depende de x y ello nos permite
encontrar C1 (y).
Ejemplo 14.15. Obtener la solución general de la e.d.o.
y 2 dx + 2xydy = 0
En este caso M (x, y) = y 2 y N (x, y) = 2xy. La ecuación es exacta, ya que
∂M ∂N
= 2y , = 2y
∂y ∂x
y por tanto
<
F (x, y) = y 2 dx + C1 (y) = y 2 x + C1 (y)
Por otra parte

∂F
2xy = N (x, y) = = 2xy + C1 (y)
∂y
de lo que se deduce C1 (y) = 0 y por tanto C1 (y) = K. En consecuencia la solución

general es
xy 2 + K = 0
Ejemplo 14.16. Obtener la solución general de la e.d.o.
dy
3y + ex + (3x + cos y) =0
dx
En este caso M (x, y) = 3y + ex y N (x, y) = 3x + cos y. La ecuación es exacta, ya que
∂M ∂N
=3 , =3
∂y ∂x
y por tanto
<
F (x, y) = (3y + ex ) dx + C1 (y) = 3yx + ex + C1 (y)
Por otra parte

∂F
3x + cos y = N (x, y) = = 3x + C1 (y)
∂y
de lo que se deduce C1 (y) = cos y y por tanto C1 (y) = sen y + C1 . Nuestra solución
general es por tanto
3yx + ex + sen y = K
Factores integrantes
Muchas ecuaciones, aún no siendo exactas, se pueden convertir en una ecuación exacta
multiplicándolas por una función (llamada factor integrante). No toda ecuación posee
un factor integrante, pero veremos ciertos casos en los que tal factor se puede hallar
fácilmente. Consideremos la ecuación
M (x, y)dx + N (x, y)dy = 0
Multipliquemos por el factor integrante µ(x, y). Se obtiene entonces
µ(x, y)M (x, y)dx + µ(x, y)N (x, y)dy = 0
para que esta ecuación sea exacta es necesario que
∂ (µ(x, y)M (x, y)) ∂ (µ(x, y)N (x, y))

=
∂y ∂x
Esto es,
∂µ ∂M ∂µ ∂N
M +µ =N +µ
∂y ∂y ∂x ∂x
lo que representa una ecuación en derivadas parciales para µ. En general es muy difı́cil
resolver este tipo de ecuaciones, pero hay ciertos casos en los que no lo es tanto:
1) El factor es de la forma µ(x). Se obtiene entonces la ecuación
∂M ∂µ ∂N
µ =N +µ
∂y ∂x ∂x
y por tanto 4 5
1 ∂µ 1 ∂M (x, y) ∂N (x, y)
= −
µ ∂x N (x, y) ∂y ∂x
Una
8 condición
9 para tener factor integrante que dependa solo de x es entonces que
∂y − ∂x
1 ∂M ∂N
N también dependa solamente de x. Si se sigue operando:
4 5
1 ∂µ ∂ ln µ 1 ∂M (x, y) ∂N (x, y)
= = − ≡ g(x)
µ ∂x ∂x N (x, y) ∂y ∂x
y 4
g(x)dx
µ(x) = Ke
2) El factor es de la forma µ(y). Entonces, la condición que deben cumplir M y N es

4 5
1 ∂M (x, y) ∂N (x, y)
− ≡ h(y)
M (x, y) ∂y ∂x
y el factor integrante es 4
µ(x) = Ke− h(y)dy
3) El factor integrante es de la forma µ(z) con z = z(x, y). La condición para M y N

es entonces 8 9
∂M (x,y) ∂N (x,y)
∂y − ∂x
≡ f (z)
N (x, y) ∂x − M (x, y) ∂y
∂z ∂z
y el factor integrante es entonces

4
f (z)dz
µ(z) = Ke
Ecuaciones lineales
Una e.d.o. de primer orden lineal es de la forma
y (x) + p(x)y(x) = r(x) (14.1)
Hay dos tipos esenciales:
1) homogéneas. Si r(x) = 0.
2) no-homogéneas (o completas). Si r(x) = 0.
La ecuación homogénea asociada a un problema no-homogéneo como el (14.1) es
y (x) + p(x)y(x) = 0
La razón de introducir esta diferenciación proviene del siguiente teorema:

Teorema 14.2. La solución general de una ecuación lineal completa puede escribir-
se como suma de la solución general de la ecuación homogénea asociada más una
solución particular de la ecuación lineal completa.
Demostración. Sea yp (x) una solución del problema no-homogéneo, y escribamos
y(x) = yh (x) + yp (x)
Entonces,

(yh (x) + yp (x)) + p(x) (yh (x) + yp (x)) = r(x)
o, agrupando términos,
> ?
yp + p(x)yp + [yh + p(x)yh ] = r(x)
Pero yp + p(x)yp = r(x) por definición de yp . Por tanto, yh debe satisfacer
yh + p(x)yh = 0
es decir, debe ser solución del problema homogéneo asociado.
RESOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA: Si
y + p(x)y = 0
entonces
y
= −p(x)
y
y por tanto 4 4
y(x) = ±e− p(x)dx+C
= Ke− p(x)dx
RESOLUCIÓN DE LA ECUACIÓN NO-HOMOGÉNEA: En virtud del Teorema

14.2, para resolver un problema no-homogéneo debemos:
1) Calcular la solución general yh (x) de la ecuación homogénea, lo cual se ha hecho

en el apartado anterior.
2) Encontrar alguna solución del problema no-homogéneo. Esta solución se llama

solución particular.
3) Sumarlas.
La dificultad radica entonces en el paso 2). Hay dos métodos esenciales para encontrar
soluciones particulares:
El método de variación de constantes. Consiste en suponer que la solución del

problema no-homogéneo tiene un aspecto muy parecido a la solución del problema
homogéneo: 4
yp (x) = K(x)e− p(x)dx (14.2)
pero con la constante sustituida por una función desconocida de x. Si introducimos
(14.2) en la ecuación obtenemos
0 4 1 4
K(x)e− p(x)dx + p(x)K(x)e− p(x)dx
4 4 4
= K (x)e− p(x)dx
− p(x)K(x)e− p(x)dx
+ p(x)K(x)e− p(x)dx
= r(x)
y por tanto 4
K (x) = r(x)e p(x)dx
y < 4
p(x)dx
K(x) = r(x)e dx + C
C es una constante arbitraria, pero como buscamos solo una solución particular, la
escogemos igual a cero. Entonces, la solución particular buscada es
4 < 4
− p(x)dx
yp (x) = e r(x)e p(x)dx dx
Ejemplo 14.17. Encontrar la solución general de la ecuación y + 2xy = 4x.
Paso 1). Encontremos solución general del problema homogéneo asociado:
yh + 2xyh = 0
Entonces 4 2
yh (x) = e− 2xdx+C
= Ke−x
Paso 2). Encontremos solución particular del problema no-homogéneo.
4 < 4 <
2 2
yp (x) = e− p(x)dx
r(x)e p(x)dx
dx = e−x 4xex dx = 2
Paso 3). Sumarlas para obtener la solución general

2
y(x) = Ke−x + 2
Uso
4 de factores integrantes. Se trata simplemente de darse cuenta de que µ(x) =
e p(x)dx es un factor integrante de una ecuación lineal y usar este hecho para integrar
la ecuación.
14.4. Resolución de Ecuaciones Diferenciales Ordi-

narias lineales de orden n
Recordemos que una ecuación lineal de orden n tiene la forma general
an (x)y (n) (x) + an−1 (x)y (n−1) (x) + .... + a1 (x)y (x) + a0 (x)y(x) = b(x) (14.3)
y que un problema de valores iniciales asociado a una ecuación lineal de orden n

consiste en la ecuación (14.3) junto con las n condiciones:
y(x0 ) = y0 , y (x0 ) = y0 , y (x0 ) = y0 , ....., y (n−1) (x0 ) = y0

(n−1)
(14.4)
Recordemos también que si b(x) ≡ 0, la ecuación (14.3) recibe el nombre de ecuación

lineal homogénea de orden n.
14.4. Resolución de Ecuaciones Diferenciales Ordinarias lineales de orden n 289
Con respecto al problema (14.3)-(14.4), el siguiente teorema garantiza la existencia y

unicidad de soluciones:
Teorema 14.3. Dado el problema de valor inicial (14.3)-(14.4), si b(x), ai (x) (i =
0, 1, ..., n) son funciones continuas en un intervalo (a, b) que contiene a x0 , entonces
el problema tiene una única solución en (a, b).
14.4.1. Ecuación lineal homogénea
Proposición 14.1. Dadas y1 (x), y2 (x), ..., yn (x) funciones solución de una ecuación
lineal homogénea de orden n, toda combinación lineal de ellas

n
Ci yi (x)
i=1
es también solución de dicha ecuación.

Definición 14.14. Un conjunto de n soluciones linealmente independientes de una
e.d.o. homogénea de orden n recibe el nombre de sistema fundamental de soluciones
de dicha ecuación.
Definición 14.15. Wronskiano: Dadas las funciones y1 (x), y2 (x), ..., yn (x), se de-
fine su Wronskiano como el determinante

y1 (x) y2 (x) ... yn (x)

y1 (x) y2 (x) ... yn (x)
W [y1 , y2 , ..., yn ] = ... ... .. ...

(n−1)
y (n−1)
(x) y2 (x) ...
(n−1)
yn (x)
1
Teorema 14.4. Un conjunto de n soluciones de una e.d.o. lineal homogénea de orden

n, y1 (x), y2 (x), ..., yn (x), tales que
W [y1 , y2 , ..., yn ] = 0
para todo x en el intervalo en el que los coeficientes de la ecuación son funciones

continuas, constituyen un sistema fundamental en dicho intervalo. Toda solución de
la ecuación homogénea se puede escribir como combinación lineal de estas soluciones.
14.4.2. Ecuación lineal no-homogénea
Teorema 14.5. La solución general de la e.d.o. lineal completa resulta de añadir a

la solución general de la homogénea asociada una solución particular de la completa.
El conjunto de soluciones de la ecuación lineal completa tiene estructura de espacio
vectorial afı́n al espacio vectorial de las soluciones de la homogénea asociada.
Por tanto, para resolver una ecuación lineal no homogénea, debemos:
1) hallar la solución general yh (x) del problema homogéneo asociado.
2) hallar una solución particular yp (x) del problema no-homogéneo.
3) sumarlas para obtener solución general del problema no-homogéneo.
En general, este plan se puede complicar desde el principio por el hecho de que no
hay recetas generales para calcular las soluciones del problema homogéneo. Un caso
en el que si las hay, es el de coeficientes constantes.
14.4.3. Ecuaciones lineales homogéneas de coeficientes cons-

tantes
Una e.d.o. homogénea de coeficientes constantes tiene la forma
an y (n) + an−1 y (n−1) + an−2 y (n−2) + ... + a1 y + a0 y = 0

con a0 , a1 , a2 , ..., an ∈ lR
(14.5)
Es natural buscar como soluciones funciones tales que sus derivadas tengan el “mismo
aspecto” que ellas, de modo que los términos de la ecuación se puedan cancelar para
todo valor de x. Unas funciones que cumplen esta propiedad son las exponenciales. Si
introducimos y(x) = emx en (14.5) obtenemos
> ?
an mn + an−1 mn−1 + an−2 mn−2 + .... + a1 m + a0 emx = 0
Ası́ es que emx será solución si y solo si
Pn (m) ≡ an mn + an−1 mn−1 + an−2 mn−2 + .... + a1 m + a0 = 0
Definición 14.16. Al polinomio Pn (m) se le llama polinomio caracterı́stico aso-

ciado a la ecuación (14.5).
La existencia de soluciones exponenciales está entonces ligada a la existencia de raı́ces

del polinomio caracterı́stico. Sabemos que todo polinomio de grado n tiene n raı́ces
m1 , m2 , ..., mn (algunas reales, algunas complejas y algunas que pueden estar repeti-
das) en el campo de los complejos. Se presentan entonces varias posibilidades:
a) Todas las raı́ces son reales y simples. Entonces son soluciones
y1 (x) = em1 x , y2 (x) = em2 x , ......, yn (x) = emn x
se puede verificar que su Wronskiano es no nulo y constituyen por tanto un sistema

fundamental. Entonces, la solución general será:
y(x) = C1 em1 x + C2 em2 x + ... + Cn emn x

b) Existe alguna raı́z compleja mj = λ+µi. Entonces λ−µi es también raı́z y podemos
construir dos soluciones complejas al problema homogéneo:
yC1 (x) = e(λ+µi)x = eλx (cos(µx) + i sen(µx))

yC2 (x) = e(λ−µi)x = eλx (cos(µx) − i sen(µx))
Combinando las dos soluciones complejas se obtienen dos soluciones reales linealmente
independientes:
y1 (x) = eλx cos(µx) , y2 (x) = eλx sen(µx)
c) Existe alguna raı́z mj real repetida r veces (multiplicidad r). Entonces, podemos
construir r soluciones de la forma
y1 (x) = emj x
y2 (x) = xemj x
y3 (x) = x2 emj x
...
yr (x) = xr−1 emj x
d) Existe alguna raı́z mj = λ + µi compleja repetida r veces. Entonces la compleja

conjugada también está repetida r veces. En este caso, por tanto, se pueden construir
2r soluciones de la forma
y1 (x) = eλx cos(µx)

y2 (x) = xeλx cos(µx)
...
yr (x) = xr−1 eλx cos(µx)
yr+1 (x) = eλx sen(µx)
yr+2 (x) = xeλx sen(µx)
...
y2r (x) = xr−1 eλx sen(µx)
Se puede verificar que el Wronskiano de todas las soluciones construidas es no nulo

(en todo punto) y por tanto constituyen un sistema fundamental.
14.4.4. Cálculo de una solución particular de la ecuación no-

homogénea
Método de variación de constantes
Si hemos sido capaces de encontrar un sistema fundamental de soluciones para la

ecuación homogénea (ya sea porque vienen dadas o porque la ecuación es de coefi-
cientes constantes y aplicamos el método del apartado anterior), entonces encontrar
una solución particular para la ecuación completa es relativamente simple mediante
el método de variación de constantes. Este método parte de la hipótesis de que las
soluciones de una e.d.o. lineal son de la misma forma que la ecuación lineal homogénea
asociada, pero donde las constantes dependen de la variable independiente. Dada
an (x)y (n) + an−1 (x)y (n−1) + ... + a1 (x)y + a0 (x)y = b(x) (14.6)
y calculada la solución de
an (x)y (n) + an−1 (x)y (n−1) + ... + a1 (x)y + a0 (x)y = 0
que será de la forma
y(x) = C1 y1 (x) + C2 y2 (x) + ... + Cn yn (x)
se impondrá que la solución de (14.6) sea de la forma
y(x) = C1 (x)y1 (x) + C2 (x)y2 (x) + ... + Cn (x)yn (x)
De este modo, deben determinarse los valores Ci (x) con i = 1, 2, ..., n. Para ello han
de establecerse n ecuaciones:

n
Ci (x)yi (x) = 0
i=1

n
Ci (x)yi (x) = 0
i=1
....

n
Ci (x)yi
(n−2)
(x) = 0 (14.7)
i=1
n
b(x)
Ci (x)yi
(n−1)
(x) =
i=1
an (x)
Las primeras n − 1 ecuaciones se imponen a priori y la última se deduce del hecho

de que y(x) tiene que ser solución de (14.6) y de las anteriores. El sistema (14.7) es
un sistema de n ecuaciones con n incógnitas (C1 (x), C2 (x), ..., Cn (x)). Nótese que el
determinante del sistema no es más que el Wronskiano de y1 (x), y2 (x), ..., yn (x) y es
no nulo si estas funciones forman un conjunto fundamental. Resolviendo el sistema
encontramos Ci (x) (i = 1, 2, ..., n) y mediante simple integración hallamos Ci (x).
Método de los coeficientes indeterminados
Este es un método que solo funciona en ciertos casos: cuando la ecuación es lineal de
coeficientes constantes y cuando el término b(x) tiene una forma particular. El méto-
do consiste en proponer como solución una cierta función que contiene coeficientes
arbitrarios, y fijar dichos coeficientes de modo que la función propuesta sea realmente
una solución a la ecuación. Más precisamente, si el segundo miembro de la ecuación
tiene la forma
b(x) = eαx [sen(βx)Pm (x) + cos(βx)Qn (x)] ,
donde Pm y Qn son polinomios de grado m y n respectivamente se podrá utilizar
el método de los coeficientes indeterminados que consistirá en buscar una solución
particular de la forma:
8 9
Ak (x) + cos(βx)Q
yp (x) = xs eαx sen(βx)P Ak (x) ,
en donde k = máx{m, n}; P Ak y QAk son polinomios de grado k de coeficientes a

determinar; y s es el orden de la multiplicidad de la raı́z α ± βi en la ecuación
caracterı́stica (s = 0 si α + βi no es raı́z de la ecuación caracterı́stica). Como casos
particulares se tendrá:
b(x) y(x)
Pn (x) = A0 xn + A1 xn−1 + ... + An An (x)
xs (B0 xn + B1 xn−1 + ... + Bn ) = xs P
sA
Pn (x)eαx x P8n (x)eαx
9
Pm (x) sen(βx) + Qn (x) cos(βx) xs sen(βx)P Ak (x) + cos(βx)Q
Ak (x)
Ejemplo 14.18. Determı́nese una solución particular para la ecuación

y + 4y = xex + x sen(2x) (14.8)
Solución: Por el principio de superposición una solución particular será suma de las
soluciones particulares de las ecuaciones
y + 4y = xex (14.9)

y + 4y = x sen(2x) (14.10)
Buscamos una solución particular de (14.9) en la forma y(x) = (B0 x + B1 )ex . Intro-
duciendo esta expresión en (14.9) obtenemos la ecuación:
(2B0 + B0 x + B1 ) ex + 4(B0 x + B1 )ex = xex
y tenemos ası́ las siguientes ecuaciones para los coeficientes indeterminados B0 y B1 :
2B0 + 5B1 = 0
5B0 = 1
cuya solución es B1 = − 25
2
, B0 = 15 . Para la ecuación (14.10) tenemos que proponer
y(x) = x(B0 x + B1 ) cos(2x) + x(C0 x + C1 ) sen(2x)
ya que sen(2x) y cos(2x) son soluciones del problema homogéneo (o, lo que es lo
mismo, 2i y −2i son raı́ces del polinomio caracterı́stico de la ecuación homogénea
asociada a (14.10)). Introduciendo y(x) en (14.10) obtenemos :
(2B0 + 8xC0 + 4C1 ) cos 2x + (−8xB0 − 4B1 + 2C0 ) sen 2x = x sen(2x)
de donde se deduce el sistema
2B0 + 4C1 = 0
8C0 = 0
−4B1 + 2C0 = 0
−8B0 = 1
con solución B1 = 0, C0 = 0, C1 = 1
16 , B0 = − 18 .
Por tanto, una solución particular de (14.8) es

2 1 1 1
y(x) = − + x ex − x2 cos(2x) + x sen(2x)
25 5 8 16
14.5. Algunas aplicaciones de las ecuaciones dife-

renciales
Se puede decir sin miedo a exagerar que las matemáticas alcanzan su grado máximo
de aplicabilidad a las ciencias a través de las ecuaciones diferenciales. La razón estriba
en el hecho de que muchas leyes naturales se expresan en forma de ecuaciones dife-
renciales. Esto es natural, ya que los hechos experimentales sobre los que se apoyan
tales leyes suelen implicar la variación de una cierta magnitud en función de unas
causas dadas y eso conlleva una relación entre velocidad de variación (derivada) y
causas (una función de ciertas magnitudes). En esta sección nos centraremos en apli-
caciones a la cinética quı́mica, la desintegración nuclear, la evolución de poblaciones,
la mecánica y las mezclas. Los ejemplos son solo una muestra de las aplicaciones que
habrá de usar un Ingeniero Quı́mico o Medioambiental.
14.5.1. Aplicaciones a la cinética quı́mica
En cinética quı́mica se enuncia la siguiente ley con respecto a las reacciones de la

forma
A→B
14.5. Algunas aplicaciones de las ecuaciones diferenciales 295
A+B →X
Ley de acción de masas: La velocidad de una reacción quı́mica a una temperatura

dada depende únicamente de las concentraciones de las sustancias involucradas.
Las reacciones se clasifican según el siguiente criterio:
1) La reacción A → B se llama de primer orden si la velocidad de reacción es propor-

cional a la concentración de A (que denotamos por [A] (t)). Entonces
d [A] (t)
= −k1 [A] (t)
dt
2) La reacción A → B se llama de segundo orden si la velocidad de reacción es

proporcional al cuadrado de la concentración de A. Entonces
d [A] (t) 2
= −k2 [A] (t)
dt
3) La reacción A + B → X es de primer orden en A y de primer orden en B si la

velocidad de reacción es proporcional a las concentraciones de A y B. Si denotamos
por x(t) la concentración de X en el instante t y [A] (0) = a, [B] (0) = b, se tendrá que
las moléculas de A y B desaparecen simultáneamente para dar lugar a una molécula
de X. Si medimos las concentraciones en moles/l, tendremos
dx(t)
= k3 (a − x(t))(b − x(t))
dt
14.5.2. Aplicaciones a las desintegraciones nucleares
Algunos núcleos atómicos con un cierto número de protones y neutrones experimentan

transformaciones espontáneas para convertirse en otros núcleos con menor número de
protones o neutrones. La masa restante es emitida en forma de radiación. Un ejemplo
puede ser la presente desintegración, llamada desintegración alfa:
236
88 Ra → 232
86 Rn + 42 He
Un núcleo de Radio con 88 protones y 236 − 88 neutrones se transforma en un núcleo

de Radón con 86 protones y 232 − 86 neutrones. Sale emitido, en forma de radiación,
un núcleo de Helio (radiación alfa). Las desintegraciones radioactivas satisfacen la
siguiente ley:
Ley de desintegración radiactiva: La cantidad de átomos de una sustancia ra-

diactiva que se desintegran por unidad de tiempo es proporcional a la cantidad de
átomos presentes.
Si se denota por Q(t) el número de átomos de 236

88 Ra, tendremos de acuerdo con la ley
de desintegración radiactiva, que
dQ(t)
= −kQ(t)
dt
donde k es una constante (distinta para cada núcleo que se desintegra).
Una aplicación interesante de la ley de desintegración radiactiva es la datación de

restos históricos (el célebre carbono 14) o las aplicaciones a la datación de estructuras
geológicas o fósiles. Se verán ejemplos en los ejercicios.
Otro contexto en el que aparece, es la estimación de la vida y el nivel de riesgo de

residuos radiactivos.
14.5.3. Aplicaciones a la ecologı́a
Las variaciones que experimentan las poblaciones (ya sea de animales, plantas o per-
sonas) se pueden deber a varias causas. Hay dos básicas: el nacimiento y la muerte de
individuos. Otra causa que puede afectar es la existencia de corrientes migratorias.
Vamos a centrarnos en esta corta exposición en el caso de sistemas cerrados. Es decir,
sistemas en los que no entran ni salen individuos.
La cantidad de individuos que nacen se puede medir con un parámetro α llamado tasa
de natalidad. Nos da el número de individuos que nacen por cada 1000 habitantes y
por año (la escala de número de habitantes y tiempo puede cambiar). La cantidad de
individuos que mueren se mide con un parámetro β llamado tasa de mortalidad. Nos
da el número de individuos que mueren por cada 1000 habitantes y por año.
Si denotamos por N (t) el número de miles de individuos que contiene la población,

tendremos que
dN (t)
= αN (t) − βN (t)
dt
A r = α − β se le llama tasa de crecimiento.
Este modelo de crecimiento es muy simplista ya que, si r > 0, se tiene N (t) = N (0)ert
que se traduce en un crecimiento exponencial e ilimitado de la población, lo cual
es imposible dado lo limitado de los recursos. Lo que se hace en muchos modelos
ecológicos es sustituir la ley anterior por la llamada ley logı́stica:

dN (t) N (t)
= αN (t) − βN (t) − γN 2 (t) = rN (t) 1 −
dt k
donde el nuevo término modela el hecho de que la población, cuando es excesivamente
grande, experimenta problemas de subsistencia y muchos individuos fallecen por cau-
sas distintas al ciclo de vida normal (luchas, hambre, etc.). El modelo, aunque muy
simple, se ha revelado correcto en muchos contextos. Al parámetro k se le llama nivel

de saturación, ya que las soluciones N (t) de la ecuación han de ser menores que k.
Intuitivamente, mide el nivel máximo de población que el sistema admite.
Figura 14.1: Comparación entre la ley de crecimiento exponencial y la ley logı́stica.
14.5.4. Problemas de mecánica
La ley fundamental de la mecánica es la segunda ley de Newton, que establece que

la masa de una partı́cula móvil por su aceleración es igual a la resultante de la suma
de todas las fuerzas que actúan sobre la partı́cula. Si nos restringimos al caso de
partı́culas que se mueven en una dimensión, la ley se expresa matemáticamente en la
forma
d2 x(t)
N
m = Fi (x(t), x (t), t)
dt2 i=1
Esta es una ecuación de segundo orden y, en general, no lineal. Los casos particulares
que sabemos resolver ahora corresponden a fuerzas que dependen sólo del tiempo, o
sólo de x (t), en cuyo caso definimos x (t) = v(t) y escribimos
dv
N
m = Fi (v(t))
dt i=1
o dependen linealmente de x(t):
d2 x(t)
N
m = ki x(t)
dt2 i=1
14.5.5. Problemas de mezclas
Una cierta sustancia entra en un recipiente (que puede ser un contenedor o la cuenca
de un lago) disuelta en agua o directamente. Se trata de conocer la concentración
de sustancia que hay en el recipiente en cada instante. Pensemos, por ejemplo, en un
lago al que afluyen rı́os que llevan disueltos una sustancia contaminante o sobre el que
se arroja el contaminante directamente. Al lago llegan r litros por segundo de agua
con k g/l de sustancia disuelta. Sobre el lago se arrojan P g/s de sustancia y del lago
salen (al mar, por ejemplo) r litros por segundo de agua. ¿Cuál es la concentración
de sustancia en cada instante? La ecuación que describirá el proceso es
dQ(t) Q(t)
= kr − r +P
dt V
donde Q(t) es la cantidad de sustancia presente en el lago y V es el volumen de agua
en el lago.
14.5.6. Aplicaciones más avanzadas de las ecuaciones diferen-

ciales ordinarias
En el siguiente capı́tulo se estudiarán los sistemas de ecuaciones diferenciales ordi-

narias. No obstante, con manipuladores simbólicos (tipo Maple), se pueden hallar
soluciones aproximadas y deducir propiedades cualitativas de las soluciones. Discuti-
remos dos ejemplos:
1) Evolución de cadenas radiactivas
Las sustancias radiactivas, por lo general, se desintegran siguiendo ciertas cadenas,

en la que unos núcleos se desintegran en otros y esos otros en unos nuevos. Por
ejemplo, la evolución de cuatro de los primeros isótopos de la 2a cadena radiactiva
Cm246 –> Pu242 –> U238 –> U234 se rige mediante el sistema de cuatro ecuaciones
diferenciales:
dy1
= −1,46 × 10−4 y1
dt
dy2
= 1,46 × 10−4 y1 − 1,842 × 10−6 y2
dt
dy3
= 1,842 × 10−6 y2 − 1,551 × 10−10 y3
dt
dy4
= 1,551 × 10−10 y3 − 2,83 × 10−6 y4
dt
donde y1 , y2 , y3 e y4 son las cantidades de los isótopos Cm246, Pu242, U238 y U234
respectivamente y las constantes que las multiplican en el sistema anterior son las
constantes de desintegración de dichos isótopos expresadas en (1/años). Suponiendo

que se considera un contenedor de residuos radiactivos donde inicialmente hay 1000 gr.
de Cm246, 300gr de Pu242, 800gr de U238 y 500gr de U234, ¿Qué cantidad habrá de
cada una de las sustancias en los primeros 100.000 años?
La solución analı́tica del sistema anterior aparece en la figura 14.2, en donde se re-
presenta la cantidad de cada unos de los isótopos presentes en función del tiempo.
1200 Pu242
1000
U238
800
600
U234
400
200
Cm246
0 20000 40000 60000 80000 100000
Figura 14.2: Evolución de cuatro isótopos de la 2a cadena radiactiva.
2) Evolución de sistemas depredador-presa
En un sistema cerrado, conviven zorros y conejos. Los zorros comen conejos para
subsistir. Tantos más conejos hay, más zorros pueden ser mantenidos. Pero si la po-
blación de zorros aumenta mucho, entonces comen demasiados conejos, y la población
de estos puede disminuir drásticamente, con lo cuál los zorros no tienen que comer y
mueren de hambre. Estas consideraciones dan una idea de lo compleja que es, a priori,
la dinámica de poblaciones cuando unas dependen de otras. El modelo generalmente
utilizado es el llamado de Lotka-Volterra o depredador presa. Si denotamos por x(t) la
población de conejos (en miles) y por y(t) la población de zorros (en miles) el sistema
que describe la evolución de tales poblaciones es
dx(t)
= a1 x(t) − a2 x(t)y(t)
dt
dy(t)
= −a3 y(t) + a4 x(t)y(t)
dt
con ai constantes positivas. Consideremos por ejemplo a1 = 1, a2 = 0,5, a3 = 0,75,
a4 = 0,25 y que en el instante inicial hay 4000 conejos y 500 zorros. La solución del
problema se halla numéricamente con un ordenador y la gráfica que representa la

evolución de las poblaciones de zorros y conejos aparece en la figura 14.3.
conejos
zorros
y
0 5 10 15 20
Figura 14.3: Evolución de las poblaciones de presas(conejos) y depredadores(zorros).
los capı́tulos 1, 2, 3, 4 y 5 de [59] y los capı́tulos 16 y 17 de [55].
14.7. Ejercicios
1. Indicar el orden y el grado de las siguientes e.d.o.:

a) x2 y + 2xy + 2x = 0. ( Sol: orden 2, grado 1 ).

b) y = 3(y )2 − sen(x − 1). ( Sol: orden 3, grado 1).

c) (y )2 = 4x(1 − y )6 . ( Sol: orden 2, grado 2 ).

d ) (y )2 = cos x + yex . ( Sol: orden 3, grado 2).
2 2
∂ y ∂y
e) sen x + 3xy + yex = 0. ( Sol: orden 2, grado 2).
∂x2 ∂x
2
∂2y 2 ∂y
f) + 5x + 6y = 0. ( Sol: orden 2, grado 1 ).
∂x2 ∂x
2. Indicar si son lineales o no las siguientes e.d.o.:


a) y + 5y + 6y = x2 cos x. ( Sol: Sı́).

b) (y )3 + 5y y + 6y 2 = 0. ( Sol: No).
c) xtg(y) + y = x + cos x. ( Sol: No).
d ) y + x2 − 1 = y. ( Sol: Sı́).
e) ydx + (xy + x − 3y)dy = 0. ( Sol: No).

f ) 3xy − 4y y + y sen x = 4x. ( Sol: No).

g) y − 2y + 3 = ex . ( Sol: Sı́).
h) 4xy + cos y = 5x. ( Sol: No).
3. Demuestra que las funciones dadas son soluciones de las e.d.o que las acom-
pañan:

a) y(x) = C sen x + K cos x y + y = 0.
b) y(x) = ex y − y = 0.
c) y(x) = x + e−x y + y = x + 1.

d ) y(x) = 2e3x − 5e4x y − 7y + 12y = 0.
4. Verifica si las siguientes funciones son solución general de las e.d.o. que las a-
compañan:

a) y(x) = C1 + C2 e−x y + y = 0. ( Sol: Sı́).

b) y(x) = C1 e−4x + C2 e−2x y − 2y − 8y = 0. ( Sol: No).
5. Determina los valores de m para los cuales la función y(x) = emx es una solución

particular de la e.d.o.: −3y + 4y − 2y = 0.
√
Solución: m = 2
3 ± 8
6 i
6. Verifica que la función dada mediante la relación x2 + y 2 − 4 = 0 es una solución

de la e.d.o.: y = − xy .
7. Verifica que la función:

!
−x2 si x < 0
y(x) =
x2 si x ≥ 0
es solución de la e.d.o.: xy − 2y = 0.
8. Sabiendo que y(x) = C1 sen x + C2 cos x es la solución general de la ecuación

diferencial y + y = 0 determina la función que es solución de los problemas de
Cauchy siguientes:
a) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 0
⎪
⎪
⎪
⎩
y (0) = 0
(Solución: y(x) = 0.)
b) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(1) = 3
⎪
⎪
⎪
⎩
y (1) = 4
(Solución: y(x) = (3 sen 1 + 4 cos 1) sen x + (−4 sen 1 + 3 cos 1) cos x.)
9. Sabiendo que y(x) = C1 sen x + C2 cos x es la solución general de la ecuación

diferencial y + y = 0 determina, si existen, las funciones que son solución de
los problemas de contorno siguientes:
a) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 0 ( Sol: y(x) = sen x.)
⎪
⎪
⎪
⎩
y(π/2) = 1
b) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 1 ( Sol: y(x) = 5 sen x + cos x.)
⎪
⎪
⎪
⎩
y(π/2) = 5
c) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 1 ( Sol: No existe solución.)
⎪
⎪
⎪
⎩
y (π/2) = 5
d) ⎧
⎪
⎪ y +y =0
⎪
⎨
y(0) = 1 ( Sol: y(x) = C sen x + cos x.)
⎪
⎪
⎪
⎩
y (π/2) = −1
10. Resolver el problema de valor inicial
(1 + ey )y = cos t, y(π/2) = 3
Solución: y + ey = 2 + e3 + sen t
11. Resolver el siguiente problema de valor inicial
dy
ey − (t + t3 ) = 0, y(1) = 1
dt
t2 t4
Solución: y(t) = ln(e − 3
4 + 2 + 4)
12. Halla las soluciones generales y dibuja las curvas integrales de las e.d.o. siguien-
tes:
a) yy = −x.
√ √
( Sol: y(x) = ± C − x2 , circunferencias de centro (0, 0) y radio C.)
b) y = − xy . ( Sol: curvas de ecuación y(x) = C/x.)
13. Hallar la solución general de las e.d.o.s:
a) y = cos(3x) + 5. ( Sol: y(x) = 1

3 sen(3x) + 5x + C)

b) y = e 2x
− x. ( Sol: y(x) = 1
2 (e
2x
− x2 ) + C)

c) y = cos(3x) + 5. ( Sol: y(x) = − 27
1
sen(3x) + 56 x3 + K1 x2 + K2 x + K3 .)
14. Hallar la solución general de la e.d.o.: 2ydx + 3xdy = 0.

Solución: y(x) = Kx−2/3 .
15. Hallar la solución general de la e.d.o.: ex dx − (1 + ex )ydy = 0.

Solución: y(x) = ±(2 ln(1 + ex ) + C)1/2 .
16. Hallar la solución de la e.d.o.: y 2 dx + (xy + 1)dy = 0 sabiendo que admite un

factor integrante que es función de z(x, y) = xy.
Solución: Factor integrante: µ(x, y) = exy . Solución general dada por: yexy +
K = 0.
17. Hallar la solución del problema de Cauchy:

!
(x2 + 1)y + 4xy = x 4 2
19+ x4 + x2
( Sol: y(x) = (x2 +1)2
y(2) = 1
18. a) Hallar el valor de la constante K para que la e.d.o.
(y 3 − Kxy 4 − 2x)dx + (3xy 2 + 20x2 y 3 )dy = 0
sea una e.d.o. exacta. ( Sol: K = −10.)

b) Con dicho valor del parámetro K hallar la solución general de la e.d.o.
( Sol: La solución general está dada por la ecuación: y 3 x+5x2 y 4 −x2 = C.)
19. Sabiendo que la e.d.o. ydx + 2xdy = 0 admite un factor integrante que sólo
depende de y, se pide:
a) Determinar el factor integrante. ( Sol: µ(y) = y.)

-
b) Hallar la solución general de la e.d.o. ( Sol: y(x) = ± Kx .)
20. Hallar la solución general de la e.d.o. y(y − 1)dx + x(x − 1)dy = 0.

x
Solución: y(x) = x−C(x−1) , siendo una solución particular y(x) = 0.
3
−y 2 y
21. Dada la e.d.o. ex + x2 y = 0 se pide:
a) Hallar la solución general.

-
( Sol: y(x) = ± ln C − 23 ex3 .)
b) Hallar la solución de la e.d.o. que verifica y(1) = 1.
-
( Sol: y(x) = + ln 53 e − 23 ex3 .)
22. Hallar la solución general de la e.d.o. (1 + ex )yy = ex .

(
Solución: y(x) = ± 2 ln (1 + ex ) + K.
23. Hallar la solución general de la e.d.o. y = − 3y
x
.
-
( Solución: y(x) = ± 13 (C − x2 ).)
24. Encontrar las soluciones generales de las siguientes e.d.o.:
a) y = − x12 + ex sen 3x. ( Sol: y(x) = 1

x − 3 x
10 e cos 3x + 1 x
10 e sen 3x + C.)

b) y = ln x. ( Sol: y(x) = x ln(x) − x + C.)
c) y = e2x − x. ( Sol: y(x) = 12 (e2x − x2 ) + C.)
C 2
d ) 2ydx + 3xdy = 0. ( Sol: y(x) = x1/3 .)
(
e) (5 + ex )yy = ex . ( Sol: y(x) = ± 2 ln(5 + ex ) + C.)
f ) y = y 2 . ( Sol: y(x) = 1
C−x ; también es solución y(x) = 0.)

(
g) yy = 2x. ( Sol: y(x) = ± 2(x2 + C).)
-
K2
h) (1 + y 2 ) + xyy = 0. ( Sol: y(x) = ± x2 − 1.)
25. Hallar las soluciones (general o particular según el caso) de:
a) (x − 2)y 2 dx − x(y 2 − 1)dy = 0. ( Sol: y + = x − 2 ln x + C.)

1
y
2 √
b) y = 3x +4x+2
2(y−1) con la condición y(0) = 1. ( Sol: y(x) = 1± x3 + 2x2 + 2x.)
c) y = 1+2y
y cos x
2 con la condición y(0) = 1. ( Sol: Dada por ln(y) + y 2 =
sen(x) + 1.)
( √ -√ 2
d ) x 1 + y 2 + y 1 + x2 y = 0. ( Sol: y(x) = ± 1 + x2 + C − 1.)
26. Sabiendo que la e.d.o. (3x + 2y + y 2 )dx + (x + 4xy + 5y 2 )dy = 0 admite un factor
integrante dependiente de la función z = x + y 2 , se pide:
a) Determinar la expresión del factor integrante. ( Sol: µ(x, y) = x + y 2 .)

b) Resolver la e.d.o.
( Sol: Dada por la ecuación x3 + x2 y + 2x2 y 2 + 2xy 3 + xy 4 + y 5 = C.)
27. Hallar las soluciones generales de las siguientes e.d.o.:

2
a) y + 2xy = 4x. ( Sol: y(x) = 2 + Ce−x .)
x2 +1
b) y = y
x + x . ( Sol: y(x) = x2 + Cx − 1.)
c) y + y = cos x. ( Sol: y(x) = 21 (sen x + cos x) + Ce−x .)

d ) y = xex . ( Sol: y(x) = (x − 2)ex + C1 x + C2 .)

e) y = sen x. ( Sol: y(x) = − sen x + C1 x + C2 .)
28. Sabiendo que la función y1 (x) = x es una solución particular de la e.d.o.

(x2 + 1)y − 2xy + 2y = 0
hallar la solución general de dicha ecuación.

Solución: y(x) = C1 (x2 − 1) + C2 x.

29. Hallar la solución general de la e.d.o. xy −y −4x3 y = 0 sabiendo que la función
2
y1 (x) = ex es una solución particular de ella.
2 2
Solución: y(x) = C1 e−x + C2 ex .
30. Hallar las soluciones generales de las siguientes e.d.o.:

a) y − 9y = 0. ( Sol: y(x) = C1 e3x + C2 e−3x .)

b) y − 6y + 9y = 0. ( Sol: y(x) = (C1 + C2 x)e3x .)

c) y − 4y − 3y + 18y = 0, sabiendo que las raı́ces del polinomio m3 − 4m2 −
3m + 18 son m1 = −2 (raı́z simple) y m2 = 3 (raı́z doble).
( Sol: y(x) = C1 e−2x + (C2 + C3 x)e3x .)

d ) y − 4y + 13y = 0
( Sol:y(x) = e2x + (C1 cos 3x + C2 sen 3x).

e) y (v −2y (iv +2y +4y +y −2y = 0 sabiendo que el polinomio caracterı́stico
m5 −2m4 +2m3 +4m2 +m−2 tiene por raı́ces m1 = 2 (raı́z simple), m2 = i
(raı́z doble) y m3 = −i (raı́z doble) .
( Sol: y(x) = C1 e2x + (C2 + C3 x) cos x + (C4 + C5 x) sen x.)

31. Dada la e.d.o.: x2 y − 4xy + 6y = 0 se pide:
a) Demostrar que las funciones y1 (x) = x2 y y2 (x) = x3 son soluciones parti-

culares de ella.
b) Siendo y1 (x) e y2 (x) dos soluciones particulares de la e.d.o. demuestra que
la función y(x) = C1 y1 (x) + C2 y2 (x) es la solución general de la e.d.o.
32. Hallar la solución general de las siguientes e.d.o.:
a) 2y − 4y − 6y = 3e2x . (Sol: y(x) = C1 e3x + C2 e−x − 12 e2x )

b) y + 2y = 3 + 4 sen(2x). (Sol: y(x) = C1 + C2 e−2x + 32 x − 1
2 sen(2x) −
1
2 cos(2x))
c) y + 9y = x2 e3x + 6. (Sol: y(x) = C1 cos(3x) + C2 sen(3x) + 18 1
(x2 − 23 x +
1 3x 2
9 )e + 3)
x
0√ 1 x
0√ 1
d ) y + y + y = sen2 x. (Sol: y(x) = C1 e− 2 cos 23 x + C2 e− 2 sen 23 x +
1
2 − 1
13 sen(2x) + 3
26 cos(2x))
33. Una reacción quı́mica de segundo orden involucra la interacción (colisión) de

una molécula de una sustancia P con otra de una sustancia Q para producir
una molécula de una nueva sustancia X; P + Q → X es la notación usual.
Supóngase que p y q son las concentraciones iniciales de las sustancias P y
Q, respectivamente, y sea x(t) la concentración de X en el tiempo t. Entonces
p − x(t) y q − x(t) son las concentraciones de P y Q al tiempo t, y la velocidad
a la que ocurre la reacción está descrita por la ecuación
dx
= α (p − x(t)) (q − x(t))
dt
donde α es una constante positiva. Si x(0) = 0, encontrar x(t).
pq [eα(q−p)t −1]
Solución: x(t) = .
[qeα(q−p)t −p]
34. Supóngase que en una cierta reacción quı́mica una sustancia P se transforma
en otra sustancia X. Sea p la concentración inicial de P y x(t) la concentración
de X en el tiempo t. Entonces p − x(t) es la concentración de P a tiempo t.
Supóngase además que la reacción es autocatalı́tica, esto es, que la reacción se
estimula por la misma sustancia que se produce. Por lo tanto dx dt es proporcional
a x(t) y a p − x(t), y
dx
= αx(p − x)
dt
donde α es una constante positiva. Si x(0) = x0 , encontrar x(t).
px0
Solución: x(t) = [(p−x0 )e−pαt +x0 ] .
35. Considérese un lago de volumen constante V que contiene en el tiempo t una

cantidad Q(t) de agente contaminador, homogéneamente distribuido en todo el
lago con una concentración c(t) donde c(t) = Q(t) V . Supóngase que agua que
contiene una concentración k de contaminante entra al lago a una velocidad
r, y que sale agua del lago a la misma velocidad. Supóngase que hay además
contaminantes que se agregan directamente al lago a una velocidad constante
P . Nótese que las suposiciones hechas desprecian un número de factores que
pueden, en algunos casos, ser importantes; por ejemplo, el agua agregada o per-
dida por precipitación, absorción, y evaporación; el efecto estratificador de las
diferencias de temperatura en un lago profundo; la tendencia de las irregula-
ridades de la orilla del lago a producir bahı́as protegidas; y el hecho de que
los contaminantes no se depositan homogéneamente en todo el lago, sino que
(generalmente) se depositan en puntos aislados alrededor de su perı́metro.
a) Si al tiempo t = 0 la concentración de contaminante es c0 , encontrar una ex-
presión para la concentración c(t) para cualquier tiempo t. ¿A qué concentración
lı́mite se tiende cuando t → ∞?
b) Si se termina la introducción de contaminantes en el lago (k = 0 y P = 0
para t > 0), determı́nese el intervalo de tiempo T que deberá transcurrir antes
de que la concentración de contaminantes se reduzca al 50 % de su valor original
y al 10 % de su valor original.
c) En la siguiente tabla se dan los datos para algunos grandes lagos de América:
Lago V (km3 · 10−3 ) r (km3 /año)
Superior 12.2 65.2
Michigan 4.9 158
Erie 0.46 175
Ontario 1.6 209
Usando estos datos determı́nese de la parte b) el tiempo T necesario para reducir
la contaminación de cada uno de estos lagos al 10 % de su valor original.
> ? rt
Solución: a) c(t) = k + Pr + c0 − k − Pr e− V , b) T = Vr ln 2; T = Vr ln 10 , c)
Superior: T = 430 años, Michigan: T = 71,4 años, Erie: T = 6,05 años, Ontario:
T = 17,6 años.
36. En una cierta comunidad aislada, la velocidad de crecimiento de la población es

una función de la población, es decir,
dp
= f (p)
dt
a) La expresión más simple para f (p) es f (p) =

p, donde
es una constante
positiva. Encontrar p(t) en este caso si p(0) = p0 . ¿Cuál es el lı́mt→∞ p(t)?
b) Una suposición mejor en muchas situaciones es que f (p) =
p − kp2 donde

y k son ambas constantes positivas. El término −kp2 se justifica por el hecho
de que para grandes valores de p dan como resultado un aumento de muertes y
una disminución en el ritmo de nacimientos. Si p(0) es igual a p0 , encontrar una
expresión para la población como función del tiempo. Encontrar el lı́mite de la
población cuando t → ∞. Comparar estos resultados con los de la parte a).
p0 et
Solución: a) p(t) = p0 e
t ; b) p(t) = 1+ k p0 (et −1)
.
37. Sobre un cuerpo que cae en un fluido relativamente denso, aceite por ejemplo,
actúan tres fuerzas: Una fuerza resistiva R, una fuerza de flotación B, y su peso
debido a la gravedad. La fuerza de flotación es igual al peso del fluido desplazado
por el objeto. Para un cuerpo esférico de radio a que se mueve lentamente, la
fuerza resistiva está dada por la ley de Stokes R = 6πµa |v|, donde v es la
velocidad del cuerpo y µ es el coeficiente de viscosidad del fluido circundante.
Encuéntrese la velocidad lı́mite de una esfera sólida de radio a y densidad ρ
cayendo libremente en un medio de densidad ρ y coeficiente de viscosidad µ.
2
2 a g(ρ−ρ )
Solución: vl = 9 µ .
38. Un cierto material radiactivo tiene una vida media de dos horas. Encuéntrese
el intervalo de tiempo requerido para que una cantidad dada de este material
decaiga hasta un décimo de su masa original.
2 ln 10
Solución: t = ln 2 horas.
39. Una masa de 20 gr estira un resorte espiral una distancia de 5 cm. Si el resorte
está conectado a un amortiguador de aceite que tiene una constante de amorti-
guamiento de 400 dinas/seg/cm, determı́nese el movimiento subsecuente si la
masa es empujada hacia abajo una distancia adicional de 2 cm y soltada luego.
√ √
Solución: u(t) = e−10t (2 cos(4 6t) + √56 sen(4 6t)) cms.
Capı́tulo 15
Sistemas de ecuaciones
diferenciales ordinarias
A menudo, en una ecuación diferencial ordinaria para una función x(t) aparecen
funciones cuya forma explı́cita no es conocida y sobre las cuáles tenemos la única
información de que son solución de otras ecuaciones diferenciales ordinarias. Estas
ecuaciones pueden, a su vez, contener a la propia función x(t). Esta situación da
lugar a los sistemas de ecuaciones diferenciales, en los que tenemos que resolver todas
las ecuaciones “simultáneamente”.
15.2. Conceptos generales
Un sistema de n ecuaciones diferenciales lineales es de la forma

dx1
(t) = a11 (t)x1 (t) + a12 (t)x2 (t) + ... + a1n (t)xn (t) + F1 (t) (15.1)
dt
dx2
(t) = a21 (t)x1 (t) + a22 (t)x2 (t) + ... + a2n (t)xn (t) + F2 (t) (15.2)
dt
...
dxn
(t) = an1 (t)x1 (t) + an2 (t)x2 (t) + ... + ann (t)xn (t) + Fn (t) (15.3)
dt
donde suponemos que todas las funciones aij (t) y Fi (t) son continuas en el intervalo
real a ≤ t ≤ b.
309
310 Capı́tulo 15. Sistemas de ecuaciones diferenciales ordinarias
Definición 15.1. Si Fi (t) = 0, i = 1, 2, .., n para todo t, el sistema (15.1)-(15.3) se

llama homogéneo. En caso contrario recibe el nombre de no-homogéneo.
Definición 15.2. Si aij (t), i, j = 1, 2, ..., n, es constante para todo t, el sistema
(15.1)-(15.3) se llama de coeficientes constantes.
El sistema (15.1)-(15.3) puede escribirse en forma compacta como sigue:
dxi n
(t) = aij (t)xj (t) + Fi (t) (i = 1, 2, ..., n).
dt j=1
y de forma aún más compacta mediante el uso de vectores y matrices. Sean

⎛ ⎞
a11 (t) a12 (t) ... a1n (t)
⎜ a21 (t) a22 (t) ... a2n (t) ⎟
⎜ ⎟
A(t) ≡ ⎜ . .. .. ⎟
⎝ .. . . ⎠
an1 (t) an2 (t) ... ann (t)
⎛ ⎞ ⎛ ⎞
F1 (t) x1 (t)
⎜ F2 (t) ⎟ ⎜ x2 (t) ⎟
⎜ ⎟ ⎜ ⎟
F(t) ≡ ⎜ .. ⎟ , x(t) ≡ ⎜ .. ⎟
⎝ . ⎠ ⎝ . ⎠
Fn (t) xn (t)
Entonces, el sistema (15.1)-(15.3) es
dx
(t) = A(t)x(t) + F(t) (15.4)
dt
expresión a menudo llamada ecuación diferencial vectorial correspondiente al sistema.
Definición 15.3. Por solución de la ecuación diferencial vectorial (15.4) entendemos
una función vectorial columna n × 1
⎛ ⎞
φ1 (t)
⎜ φ2 (t) ⎟
⎜ ⎟
φ≡⎜ . ⎟
⎝ .. ⎠
φn (t)
cuyas componentes φ1 , φ2 , ..., φn tienen, cada una de ellas, derivada continua en el

intervalo real a ≤ t ≤ b, y satisfacen
dφ
(t) = A(t)φ(t) + F(t)
dt
para todo t ∈ [a, b].
15.3. Sistemas lineales homogéneos 311
La existencia de soluciones de un sistema dado está garantizada por el siguiente

teorema:
Teorema 15.1. Supongamos que todas las componentes de A(t) y F(t) son funciones
continuas en [a, b]. Sea t0 un punto de [a, b] y sea
⎛ ⎞
c1
⎜ c2 ⎟
⎜ ⎟
c≡⎜ . ⎟
⎝ .. ⎠
cn
un vector columna formado por n números reales arbitrarios. Entonces existe una
solución única en [a, b] de la ecuación (15.4), φp , tal que
φp (t0 ) = c
Concluimos esta sección haciendo notar que una ecuación diferencial lineal de orden
n es reducible a un sistema de orden n. En efecto, consideremos la ecuación
dn x dn−1 x dx
+ a n−1 (t) + ... + a1 (t) + a0 (t)x = F (t)
dtn dtn−1 dt
y hagamos
x(t) ≡ x1 (t)

dx1 (t) dx(t)
= ≡ x2 (t)
dt dt
2

dx2 (t) d x(t)
= ≡ x3 (t)
dt2 dt2

dn−1 x(t) dn−1 x(t)
= ≡ xn (t)
dtn−1 dtn−1
Entonces se verifica:
dxn (t)
= F (t) − an−1 (t)xn (t) − ... − a1 (t)x2 (t) − a0 (t)x1 (t)
dt
Este hecho reduce el cálculo de soluciones de una ecuación de orden n al cálculo de
soluciones del sistema de n ecuaciones lineales asociado.
15.3. Sistemas lineales homogéneos
Una familia importante de sistemas lineales son los homogéneos (es decir, aquellos en
los que F(t) = 0). La razón estriba en el hecho de que las soluciones de los sistemas
lineales generales se construyen a partir de las soluciones de los sistemas homogéneos

asociados que se obtienen de los primeros haciendo F(t) = 0.
Una propiedad esencial del conjunto de soluciones de un sistema lineal homogéneo es

su carácter de espacio vectorial.
Teorema 15.2. Una combinación lineal de m soluciones de la ecuación diferencial
vectorial homogénea
dx
(t) = A(t)x(t) (15.5)
dt
es también solución de 15.5
Veremos que, de hecho, el conjunto de soluciones, que tiene estructura de espacio

vectorial, tiene como base un conjunto de n soluciones si el sistema es de orden n.
Supongamos que encontramos n soluciones: φ1 , φ2 ,...,φn que en notación de vectores
columna serı́an
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
φ11 φ12 φ1n
⎜ φ21 ⎟ ⎜ φ22 ⎟ ⎜ φ2n ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
φ1 = ⎜ . ⎟ , φ2 = ⎜ . ⎟ , ..., φn = ⎜ . ⎟
⎝ .. ⎠ ⎝ .. ⎠ ⎝ .. ⎠
φn1 φn2 φnn
Definición 15.4. El determinante n × n

φ11 φ12 ... φ1n

φ21 φ22 φ2n

.. .. ..
. . .

φ φ ... φnn
n1 n2
se denomina Wronskiano de las n funciones vectoriales y se denota por W (φ1 ,φ2 ,...,φn )
y su valor en t por W (φ1 ,φ2 ,...,φn )(t).
Teorema 15.3. Sean φ1 ,φ2 ,...,φn n soluciones de una ecuación diferencial vectorial
homogénea en el intervalo [a, b]. entonces
W (φ1 , φ2 , ..., φn )(t) = 0 para todo t ∈ [a, b]
o bien W (φ1 , φ2 , ..., φn )(t) = 0 para todo t ∈ [a, b]
Una consecuencia de este teorema es que n soluciones φ1 ,φ2 ,...,φn de una ecuación
diferencial vectorial homogénea son linealmente independientes en todo el intervalo
de t si lo son en un punto. Si esto ocurre, constituyen una base del conjunto de todas
las soluciones. Se dice entonces que forman un conjunto fundamental y a la matriz
⎛ ⎞
φ11 (t) φ12 (t) ... φ1n (t)
⎜ φ21 (t) φ22 (t) φ2n (t) ⎟
⎜ ⎟
⎜ .. .. .. ⎟
⎝ . . . ⎠
φn1 (t) φn2 (t) ... φnn (t)
15.4. Sistemas lineales no homogéneos 313
se le llama matriz fundamental.

Teorema 15.4. a) Existe un conjunto fundamental del sistema homogéneo de orden
n
dx
(t) = A(t)x(t)
dt
b) Toda solución del sistema homogéneo es expresable como combinación lineal de las
n soluciones del conjunto fundamental.
15.4. Sistemas lineales no homogéneos
Al igual que en el caso de las ecuaciones lineales de orden n, las soluciones de un sis-
tema lineal no homogéneo son también suma de una solución particular del problema
homogéneo y la solución general del problema homogéneo asociado. Más precisamente,
Teorema 15.5. Sea φ0 una solución cualquiera (solución particular) de la ecuación
diferencial vectorial lineal no homogénea
dx
(t) = A(t)x(t) + F(t); (15.6)
dt
sea φ1 , φ2 , ..., φn un conjunto fundamental de soluciones de la ecuación homogénea
correspondiente
dx
(t) = A(t)x(t)
dt
y sean c1 , c2 ,...,cn n números reales.
Entonces la función vectorial

φ0 + c1 φ1 + c2 φ2 + ... + cn φn (15.7)
es también una solución de la ecuación diferencial no homogénea para cualesquiera
valores de ci . Además, toda solución de la ecuación no homogénea es de la forma
(15.7) para elecciones adecuadas de c1 , c2 , ..., cn . A la expresión (15.7) se le llama
solución general del sistema.
Notemos que la solución general se puede expresar en la forma

φ0 (t) + Φ(t)c
siendo Φ(t) la matriz fundamental y
⎛ ⎞
c1
⎜ c2 ⎟
⎜ ⎟
c=⎜ .. ⎟
⎝ . ⎠
cn
Busquemos la solución particular φ0 mediante variación de constantes. Supongamos

que es de la forma Φ(t)c(t). Si insertamos esta expresión en (15.6) obtendremos
dΦ(t) dc(t)
c(t) + Φ(t) = A(t)Φ(t)c(t) + F(t)
dt dt
Usando el hecho de que dΦ(t)
dt = A(t)Φ(t) (por ser cada columna de Φ solución del
problema homogéneo) podemos deducir a partir de la ecuación anterior
dc(t)
Φ(t) = F(t)
dt
De donde podemos concluir
< t
c(t) = Φ−1 (τ )F(τ )dτ
0
y una solución particular es pues

< t
φ0 (t) = Φ(t) Φ−1 (τ )F(τ )dτ
0
El problema de resolver un sistema lineal no homogéneo queda pues reducido a ha-

llar un sistema fundamental del problema homogéneo asociado. Esto no es sencillo
en general. Nosotros nos concentraremos en los sistemas con coeficientes constantes
para los que sı́ existe una teorı́a relativamente simple que permite hallar conjuntos
fundamentales de sistemas homogéneos.
15.5. Sistemas lineales con coeficientes constantes
15.5.1. Solución en el caso general
Si la matriz A(t) de un sistema homogéneo tiene todos sus coeficientes independientes

del tiempo, entonces se puede expresar simplemente como A y el sistema homogéneo
asociado como
dx
(t) = Ax(t) (15.8)
dt
Las soluciones las buscaremos de la forma

x(t) = αeλt
siendo α un vector de componentes reales e independientes de t y λ un número
(no necesariamente real en principio) a determinar. Insertando esta expresión en la
ecuación se obtiene
λαeλt = Aαeλt
15.5. Sistemas lineales con coeficientes constantes 315
o, simplificando,
λα = Aα
lo cual implica que λ es un autovalor de A y α un autovector. Por tanto, un primer
paso para hallar soluciones de (15.8) es buscar autovalores y autovectores de A, es
decir, resolver
(A − λI) α = 0
Recordemos que los autovalores se hallan calculando las n raı́ces complejas λ1 , λ2 ,...,λn
de |A − λI| = 0 y los autovectores correspondientes resolviendo (A − λi I) α = 0. Una
vez calculados los n autovalores, se presentan las siguientes posibilidades:
1) Todos los autovalores son distintos
a) Si el autovalor λj es real, entonces una solución del sistema es
αj eλj t
siendo αj el correspondiente autovector.
b) Si un cierto autovalor λj es complejo, es decir, de la forma λj = α + βi con α y β

reales, entonces necesariamente su conjugado α − βi ha de ser también autovalor. La
autofunción compleja de A correspondiente a α + βi será αj y la de α − βi será αj .
Dos soluciones complejas serán pues
αj e(α+βi)t y αj e(α−βi)t
Evidentemente, no nos sirven las soluciones complejas para nuestro sistema (sus so-
luciones han de ser reales), pero con las soluciones complejas construidas se pueden
hallar dos reales linealmente independientes:
αj e(α+βi)t + αj e(α−βi)t αj e(α+βi)t − αj e(α−βi)t

y
2 2i
que se pueden combinar para formar las soluciones
β 1 eαt cos(βt) , β 2 eαt sen(βt)
en donde β 1 y β 2 son dos vectores de componentes reales.
2) Existen autovalores repetidos
Si un cierto autovalor λj está repetido r veces y la dimensión del subespacio propio

es r entonces r soluciones son de la forma
α1j eλj t , α2j eλj t , ..., αrj eλj t
donde α1j , α2j , ..., αrj son base del subespacio propio. Si la dimensión del subespacio
propio es m < r la situación se vuelve más complicada. Concentrémonos en el caso
más simple: r = 2. Hay dos posibilidades. La primera es que el subespacio propio sea
de dimensión 2 y estamos en la situación de arriba. La segunda es que el subespacio
propio sea de dimensión 1. Entonces una solución es α1j eλj t con α1j un autovector y
la otra es β j teλj t con β j satisfaciendo
(A − λI) β j = α1j
15.5.2. Solución en el caso n = 2
En este caso es corriente dibujar las soluciones en el plano x1 x2 en forma de curva

parametrizada con t. Hay varias situaciones posibles dependiendo del carácter de los
dos autovalores λ1 , λ2 .
I. Las raı́ces λ1 , λ2 son reales y distintas.
a) λ1 < 0, λ2 < 0. El punto (x1 , x2 ) = (0, 0) se denomina nodo estable.
b) λ1 > 0, λ2 > 0. El punto (x1 , x2 ) = (0, 0) se denomina nodo inestable.
c) λ1 > 0, λ2 < 0. El punto (x1 , x2 ) = (0, 0) se denomina punto de ensilladura.
II. Las raı́ces λ1 = α + iβ, λ2 = α − iβ son complejas conjugadas.
a) α < 0, β = 0. El punto (x1 , x2 ) = (0, 0) se denomina foco estable.
b) α > 0, β = 0. El punto (x1 , x2 ) = (0, 0) se denomina foco inestable.
c) α = 0, β = 0. El punto (x1 , x2 ) = (0, 0) se denomina centro.
III. Las raı́ces son múltiples, λ1 = λ2 . Dependiendo de que el signo sea positivo o
negativo será en (0, 0) un nodo inestable o estable.
Nota 15.1. Esta clasificación del origen dependiendo del comportamiento de las
soluciones cerca de él se puede extender a los puntos de equilibrio en sistemas de
ecuaciones no lineales. Consideremos un sistema de la forma
dx1
= f1 (x1 , x2 ) (15.9)
dt
dx2
= f2 (x1 , x2 ) (15.10)
dt
y supongamos que f1 (x01 , x02 ) = f2 (x01 , x02 ) = 0 para un punto (x01 , x02 ) (es decir,
el punto (x01 , x02 ) es de equilibrio, ya que una solución del sistema es (x1 (t), x2 (t)) =
(x01 , x02 )). Podemos hacer un desarrollo de Taylor lineal de f1 , f2 en torno a (x01 , x02 )
y obtener
∂fi ∂fi
fi (x1 , x2 ) fi (x01 , x02 ) + (x01 , x02 )(x1 − x01 ) + (x01 , x02 )(x2 − x02 )
∂x1 ∂x2
= 0 + ai1 (x1 − x01 ) + ai2 (x2 − x02 )

Definiendo xi − x0i = xBi tendremos que el sistema (15.9),(15.10) se escribe, cerca del
punto de equilibrio,
dA
x1
= A1 + a12 x
a11 x A2 (15.11)
dt
dA
x2
= A1 + a22 x
a21 x A2 (15.12)
dt
y el comportamiento de las soluciones corresponde con el de las soluciones de este
sistema homogéneo.
el capı́tulo 8 de [59] y los capı́tulos 18 y 19 de [55].
15.7. Ejercicios
1. Resolver los siguientes sistemas de ecuaciones diferenciales ordinarias:
dx
a) dt = x − 2y
dy
dt = x + 3y
dx
b) dt + 3x + y = 0 con condiciones iniciales x(0) = y(0) = 1
dt − x + y = 0
dy

dt = −7x + y
dx
c)
dt = −2x − 5y
dy
Solución: a) x(t) = (C1 − C2 )e2t cos t − (C1 + C2 )e2t sen t , y(t) = (C1 sen t +
C2 cos t)e2t ,
b) x(t) = e−2t (1 − 2t), y(t) = e−−2t (1 + 2t), c) x(t) = (C1 − 3C1 t − 3C2 )e5t ,
y(t) = (C1 t + C2 )e5t .
2. Determinar el carácter de los puntos de equilibrio para los siguientes sistemas

de ecuaciones diferenciales:
dx
a) dt = 3x + y
dt = −2x + y
dy

dt = −x + 2y
dx
b) dy
dt = x + y

dt = −x + 3y
dx
c)
dt = −x + y
dy
Solución: a) Foco inestable, b) Punto de ensilladura, c) Centro.

Capı́tulo 16
Técnicas básicas de cálculo

numérico
La mayorı́a de los problemas matemáticos importantes relacionados con la integración,

la diferenciación y las ecuaciones diferenciales son resolubles mediante una compu-
tadora aunque no se sepan resolver analı́ticamente. Evidentemente, la solución de la
que hablamos es aproximada, pero a efectos prácticos (obtención de resultados cua-
litativamente correctos y cuantitativamente tan próximos al resultado correcto como
la potencia del computador permita) es correcta. La formulación exacta de los pro-
cedimientos numéricos no es tan importante como el comprender la filosofı́a de los
métodos, y es por ello que haremos énfasis fundamental en la deducción de estos
últimos y en el error que acarrean.
16.2. Interpolación de Lagrange
Se considera a continuación el problema de hallar un polinomio que coincida con

los valores que una función toma en un conjunto finito y discreto de puntos de un
intervalo. Al proceso de encontrar tales polinomios se le denomina Interpolación de
Lagrange.
Se considerará un intervalo cerrado [a, b] de lR, acotado, una función f definida en

[a, b] y un conjunto de n + 1 puntos distintos {x0 , x1 , ..., xn } pertenecientes a [a, b].
319
320 Capı́tulo 16. Técnicas básicas de cálculo numérico
En cuanto a la función f se refiere, bastará con conocer los valores que toma la función
n
en los puntos {xi }i=0 .
Teorema 16.1. En las condiciones anteriores el polinomio

n
pn (x) = f (xi )Li (x) (16.1)
i=0
con
n
(x − xj )
Li (x) =
j=0
(xi − xj )
i=j
es el único polinomio de grado menor o igual que n (∈ Pn (x)) que verifica
pn (xi ) = f (xi ) , i = 0, 1, ..., n
Definición 16.1. a) El polinomio definido por (16.1) se denomina polinomio in-

n
terpolador de Lagrange de f respecto a los puntos {xi }i=0 .
b) Las funciones Li (x) (i = 0, 1, ..., n) se denominan Polinomios de base de La-

n
grange asociados a los puntos {xi }i=0 .
n
c) Al conjunto de puntos {xi }i=0 se le denomina soporte de la interpolación.
Nota 16.1. Li (x) es el único polinomio de grado menor o igual a n tal que Li (x) = δ ji .
1
L0 L1
0.8
0.6
0.4
0.2
0 0.2 0.4 0.6 0.8 1

x
Figura 16.1: Polinomios de base de Lagrange de grado 1.

16.3. Acotación del error de interpolación 321
1
L0 L2
0.8
L1
0.6
0.4
0.2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Figura 16.2: Polinomios de base de Lagrange de grado 2.
16.3. Acotación del error de interpolación
Si se va a utilizar el polinomio interpolador de Lagrange para “predecir ” el valor que

toma una cierta función f en algún punto de un intervalo [a, b] es conveniente conocer
el error que se comete:
E(x) = f (x) − pn (x)
Evidentemente, si el punto en que se estima el error es un punto del soporte de la

interpolación, dicho error será nulo.
Por otro lado, si de f no se conoce más que los valores que toma en los puntos del
n
soporte, {f (xi )}i=0 , es evidente que nada se puede decir sobre E(x). En efecto, se
puede cambiar f fuera del soporte sin modificar pn (x). Por tanto se deben hacer
hipótesis suplementarias sobre la función f . Dichas hipótesis serán fundamentalmente
hipótesis de regularidad.
Teorema 16.2. Si f ∈ C n+1 ([a, b] , lR) para todo x ∈ [a, b], entonces existe ξ x perte-
neciente al más pequeño intervalo cerrado que contenga a x, x0 , ...., xn tal que
f (n+1) (ξ x )
E(x) = f (x) − pn (x) = Πn (x)
(n + 1)!
donde pn (x) es el polinomio interpolador de Lagrange de f en el soporte {x0 , x1 , ..., xn }

y
n
Πn (x) = (x − xi )
i=0
Corolario 16.3. Designando por

M = máx f (n+1) (x)
x∈[a,b]
se verifica
M
|E(x)|x∈[a,b] ≤ |Πn (x)|
(n + 1)!
En la figura 16.3 se ha dibujado, en el intervalo [0, 3π/2], la función sen(πx) y sus

tres primeros polinomios de Lagrange. En la figura se aprecia como al aumentar el
número de puntos del soporte de interpolación y por lo tanto el grado del polinomio
interpolador el error disminuye.
1
f
p3
0.5 p2
0 0.2 0.4 0.6 0.8 1 1.2 1.4
0.5
p1
Figura 16.3: La función f (x) = sen(x) y los polinom. de Lagrange de grados 1, 2 y 3.
16.4. Fórmula de Newton
Considérese el polinomio interpolador de Lagrange, pn , de una función f en un so-

porte de n puntos. Supóngase que con el fin de reducir el error de interpolación, se
decide añadir un punto más al soporte. Esto obligarı́a, dado que se han utilizado los
polinomios de base de Lagrange, a rehacer todos los cálculos para obtener pn+1 . A
continuación se verá cómo simplificar este proceso mediante una nueva técnica de
cálculo del polinomio de Lagrange en la que no es necesario calcular los polinomios
de base, y en la que el polinomio pn+1 se puede obtener a partir del polinomio pn .
Definición 16.2. Se denomina diferencia dividida de una función f respecto a un

16.4. Fórmula de Newton 323
soporte {x0 , x1 , ..., xn } al siguiente número real

f [x0 , ..., xn−1 ] − f [x1 , ..., xn ]
f [x0 , ..., xn ] =
(x0 − xn )
con f [xi ] = f (xi ) (i = 0, 1, ..., n).
Nota 16.2. La forma de obtener las diferencias divididas es por lo tanto recursiva.
Se calculan a partir de su propia definición aplicada a un soporte disminuido en un
punto:
f (x0 ) → f [x0 , x1 ] → f [x0 , x1 , x2 ] ..f [x0 , ..., xn−1 ] → f [x0 , ..., xn ]

f (x1 ) → f [x1 , x2 ] → f [x1 , x2 , x3 ] ..f [x1 , x1 , ..., xn ]

f (x2 ) → f [x2 , x3 ]

f (x3 )
... ... ... ... ... ....
f (xn−2 ) → f [xn−2 , xn−1 ] → f [xn−2 , xn−1 , xn ]

f (xn−1 ) → f [xn−1 , xn ]

f (xn )
Esta tabla se llama “tabla de Frasser y Logenze”.
Nota 16.3. El valor de la diferencia dividida es independiente del orden en el que se
tomen los puntos del soporte.
Teorema 16.4. (Fórmula de Newton). Sea f una función definida sobre un inter-
valo [a, b] de la que se conocen los valores que toma en un soporte {x0 , x1 , ..., xn }. El
n
polinomio interpolador de Lagrange de f respecto a {xi }i=0 se puede calcular mediante
la siguiente fórmula:

n
i−1
pn (x) = f (x0 ) + f [x0 , ..., xi ] (x − xj )
i=1 j=0
Nota 16.4. La fórmula anterior permite calcular pn a partir de pn−1

n−1
pn (x) = pn−1 (x) + f [x0 , ..., xn ] (x − xi )
i=0
n−1
De este modo si se ha realizado una interpolación sobre n puntos {xi }i=0 , y si se
quiere realizar una nueva interpolación añadiendo un puntoal soporte no es necesario
n−1
rehacer todos los cálculos, basta con calcular f [x0 , ..., xn ] i=0 (x − xi ).
16.5. Derivación numérica
En los problemas fı́sicos y técnicos muchas veces deben manejarse funciones tan solo
conocidas en un conjunto discreto de puntos o que tienen expresiones demasiado
complicadas para su rápida derivación mediante un programa de cálculo simbólico.
En estos casos el cálculo del valor aproximado de la derivada de una de tales funciones
se realiza mediante derivación numérica. La derivación numérica resuelve, por lo tanto,
el siguiente problema: “Conocidos los valores de una función f (x0 ), . . . , f (xn ) en un
soporte de n + 1 puntos, {xi }ni=0 ∈ [a, b], calcular el valor (aproximado) de la derivada
de la función en un punto x∗ ∈ [a, b] ”.
Empezaremos introduciendo el ejemplo más sencillo de fórmula de derivación numéri-

ca. Sea f ∈ C 1 ([a, b], lR), entonces
f (x + h) − f (x)
f (x) = lı́m
h→0 h
Si h es suficientemente pequeño:
f (x + h) − f (x)
f (x) ≈ = c0 f (x + h) + c1 f (x) (16.2)
h
con c0 = h1 , c1 = − h1 . Si se conocen los valores de la función en los puntos x y x + h

se puede calcular el valor de f en x a partir de la fórmula (16.2). Desarrollos más
completos y con más puntos soporte conducen, en general, a fórmulas del siguiente
tipo (expresión general de una fórmula de derivación numérica):
n
f (x) = ci f (xi ) + R(f ) (16.3)
i=1
n n
En donde: {xi }i=0 = soporte de la fórmula, {ci }i=0 = coeficientes de la fórmula,
R(f ) = error de la fórmula. Se dirá que la fórmula (16.3) es exacta de orden k si
es exacta para los k + 1 monomios {1, x, . . . , xk } es decir R(xi ) = 0 (i = 0, . . . , k).
Es fácil demostrar que si una fórmula de derivación numérica es exacta de orden k
entonces es exacta para cualquier polinomio de grado ≤ k. En el siguiente apartado
se va a estudiar un subconjunto importante de las fórmulas (16.3): las fórmulas de
derivación numérica de tipo interpolatorio.
16.6. Fórmulas de derivación numérica de tipo interpolatorio 325
16.6. Fórmulas de derivación numérica de tipo in-

terpolatorio
Para obtener fórmulas de aproximación de la derivada de tipo interpolatorio, supon-

gamos que {x0 , x1 , ..., xn } son (n + 1) números distintos en algún intervalo I y que
f ∈ C n+1 (I). Entonces, por interpolación de Lagrange,

n
f (n+1) (ξ x )
f (x) = f (xi )Li (x) + Πn (x) .
i=0
(n + 1)!
Al derivar esta expresión obtenemos

(n+1)

n
f (n+1) (ξ x ) f (ξ x )

f (x) = f (xi )Li (x) + Π (x) + Πn (x)
i=0
(n + 1)! n (n + 1)!

f (n+1) (ξ xj )
Pero en xj se tendrá que (n+1)! Πn (xj ) = 0 de modo que

n
f (n+1) (ξ xj )
f (xj ) = f (xi )Li (xj ) + Πn (xj )
i=0
(n + 1)!

n
f (n+1) (ξ xj )
n
= f (xi )Li (xj ) + (xj − xk ) (16.4)
i=0
(n + 1)!
k=0
k=j
A esta fórmula se le llama fórmula de derivación numérica de tipo interpola-

torio de (n + 1) puntos para aproximar f (xj ), ya que se usa una combinación lineal
de los n + 1 valores f (xk ) para k = 0, 1, ..., n. Es por lo tanto un caso particular de la
f (n+1) (ξ x ) n
fórmula (16.3) en donde ci = Li (xj ) (i = 0, . . . , n) y R(f ) = (n+1)! j k=0 (xj −xk ).
k=j
En la práctica no se utiliza esta expresión para estimar el error, sino que se utilizan los
desarrollos de Taylor en los puntos en donde se evalúa la función. Se puede demostrar
que la fórmula (16.4) es exacta de orden n1 , o dicho de otra forma, que es exacta
para todo polinomio de grado menor o igual que n. En toda fórmula exacta de orden
n al estimar el error, combinando pertinentemente los desarrollos de Taylor, el resto
resultante (y por lo tanto el error) es igual a O(hn ).
Ası́, si consideramos tres puntos equidistantes, x0 , x1 = x0 +h, x2 = x0 +2h, podemos
1 Puede ser de orden aun mayor, pero el orden n está garantizado.

deducir las siguientes fórmulas de 3 puntos:

4 5
1 3 1 h2
f (x0 ) = − f (x0 ) + 2f (x1 ) − f (x2 ) + f (3) (ξ 0 )
h 2 2 2
4 5 2
1 1 1 h
f (x1 ) = − f (x0 ) + f (x2 ) − f (3) (ξ 1 )
h 2 2 6
4 5
1 1 3 h2
f (x2 ) = f (x0 ) − 2f (x1 ) + f (x2 ) + f (3) (ξ 2 )
h 2 2 3
La tercera ecuación es igual a la primera tras intercambiar x0 por x2 y h por −h, de

modo que hay solo dos aproximaciones a la derivada distintas. La primera se puede
reescribir (haciendo x0 = a) como
4 5
1 3 1 h2
f (a) = − f (a) + 2f (a + h) − f (a + 2h) + f (3) (ξ)
h 2 2 2
y la segunda (haciendo x1 = a),

4 5
1 1 1 h2
f (a) = − f (a − h) + f (a + h) − f (3) (ξ)
h 2 2 6
Con polinomios de Lagrange de grado 4 es posible obtener las siguientes fórmulas de

cinco puntos que aproximan a la derivada con errores O(h4 ):
1 h4
f (a) = [f (a − 2h) − 8f (a − h) + 8f (a + h) − f (a + 2h)] + f (5) (ξ)
12h 30
1
f (a) = [−25f (a) + 48f (a + h) − 36f (a + 2h) + 16f (a + 3h)]
12h
h4
−3f (a + 4h) + f (5) (ξ)
30
16.7. Integración numérica
Ya se ha comentado anteriormente que en muchas ocasiones hay que manejar fun-

ciones de las que únicamente se conoce el valor que toman en un conjunto finito de
puntos (soporte). Para integrar estas funciones en un intervalo [a, b] no se puede ha-
llar su antiderivada y aplicar el teorema fundamental del cálculo. Hay que integrarlas
numéricamente utilizando la única información de que se dispone, que es el valor que
toman en los puntos del soporte.
La integración numérica también se aplica en los casos en que no es posible o es difı́cil

hallar la primitiva de una función. Incluso aunque la primitiva sea fácil de calcular, es
16.8. Fórmulas de integración numérica de tipo interpolatorio 327
difı́cil describir mediante procesos elementales su cálculo, por lo que en las aplicaciones
en las que el tiempo de cálculo sea crı́tico es necesario usar integraciones numéricas.
De forma similar al problema de la derivación numérica, el problema de integración

=b
numérica consiste en hallar a f (x)dx a partir de los valores conocidos de f en un
cierto soporte {f (x0 ), ..., f (xn )}. En general las fórmulas numéricas de integración (o
de cuadratura) son de la forma
< b
n
f (x)dx = ci f (xi ) + R(f ) (16.5)
a i=0
n
Al igual que en las fórmulas de derivación numérica a los {xi }i=0 se les conoce como
n
soporte de la fórmula, a los {ci }i=0 como coeficientes de la fórmula y a R(f )
como error de la fórmula. Es deseable que dicho error sea lo menor posible. Se
dirá que la fórmula (16.5) es exacta de orden k si es exacta para los k + 1 monomios
{1, x, . . . , xk } es decir R(xi ) = 0 (i = 0, . . . , k). Es fácil demostrar que si una fórmu-
la de integración numérica es exacta de orden k entonces es exacta para cualquier
polinomio de grado ≤ k. En el siguiente apartado se va a estudiar un subconjun-
to importante de las fórmulas (16.5): las fórmulas de integración numérica de tipo
interpolatorio.
16.8. Fórmulas de integración numérica de tipo in-

terpolatorio
Considérese un soporte de (n + 1) puntos {x0 , x1 , ..., xn } en los que se conoce {f (x0 ),

f (x1 ), ..., f (xn )}. Según lo visto en la interpolación de Lagrange

n
f (x) = pn (x) + E(x) = f (xi )Li (x) + E(x)
i=0
Por tanto, se podrı́a construir una fórmula de integración numérica del siguiente modo
< b < b < b 2 n
3 < b
f (x)dx = (pn (x) + E(x)) dx = f (xi )Li (x) dx + E(x)dx
a a a i=0 a
2< 3 <

n b b
= f (xi ) Li (x)dx + E(x)dx
i=0 a a

n
= ci f (xi ) + R(f ) (16.6)
i=0
con
< b
ci = Li (x)dx
a
< b
R(f ) = E(x)dx
a
La fórmula (16.6) se denomina fórmula de integración numérica de tipo inter-

polatorio.
Teorema 16.5. La fórmula
< b
n
f (x)dx = ci f (xi ) + R(f )
a i=0
es exacta para todo polinomio de grado menor o igual que n si y sólo si es de tipo
interpolatorio.
Nota 16.5. En los siguientes apartados se van a obtener diversas fórmulas de tipo
interpolatorio. Estas fórmulas se obtendrán integrando el polinomio interpolador de
n
Lagrange de la función f (función a integrar) sobre el soporte {xi }i=0 (soporte de inte-
gración). Para ello no es imprescindible calcular los polinomios de base de Lagrange.
Se pueden utilizar otras formas más rápidas de cálculo del polinomio interpolador
como por ejemplo la fórmula de Newton.
Nota 16.6. (Estimación del error). En principio la expresión del error se obtiene
integrando la expresión del error de interpolación correspondiente. Sin embargo, dicha
integración no es siempre sencilla. Por ello se utilizarán desarrollos de Taylor para
evaluar R(f ). Esta evaluación, al igual que sucedı́a con las fórmulas de derivación
numérica de tipo interpolatorio, se realiza dejando la expresión del error en función de
la separación, h, de dos puntos consecutivos del soporte que se supondrá equidistante.
16.9. Fórmulas más usuales de integración numéri-

ca
16.9.1. Fórmulas construidas sobre un soporte de un punto
Dado el soporte de un punto {x0 }, el polinomio interpolador de Lagrange sobre este

soporte de la función f (x) será p0 (x) = f (x0 ), entonces
< b < b < b

f (x)dx = p0 (x)dx + E(x)dx = f (x0 )(b − a) + R(f )
a a a
16.9. Fórmulas más usuales de integración numérica 329
a) Fórmula del rectángulo. En este caso el soporte coincide con el extremo izquier-
do del intervalo de integración (x0 = a).
< b
f (x)dx = f (a)(b − a)
a
Estimación del error: R(f ) = O(h2 ) (la fórmula es exacta de orden 2).
Nota 16.7. También se puede definir la fórmula del rectángulo con soporte en el lado
derecho (x0 = b).
a+b
b) Fórmula del punto medio. x0 = 2 . Entonces
< b
a+b
f (x)dx = f ( )(b − a) + R(f )
a 2
Estimación del error: R(f ) = O(h3 ).
f(x)
f(a+b)/2
a b
(a+b)/2
Figura 16.4: Fórmula del punto medio.
16.9.2. Fórmulas construidas sobre un soporte de dos puntos
Dado un soporte de dos puntos {x0 , x1 } el polinomio interpolador de Lagrange sobre

este soporte será
p1 (x) = f (x0 ) + f [x0 , x1 ] (x − x0 )
Entonces
< b < b < b < b
f (x)dx = p1 (x)dx+ E(x)dx = f (x0 )(b−a)+f [x0 , x1 ] (x−x0 )dx+R(f )
a a a a
4 5
(b − x0 )2 (a − x0 )2
= f (x0 )(b − a) + f [x0 , x1 ] − + R(f )
2 2
Pero
f (x0 ) − f (x1 ) f (a) − f (b)
f [x0 , x1 ] = =
x0 − x1 a−b
y por tanto
< b
f (a) + f (b)
f (x)dx = (b − a)
a 2
3
Estimación del error: O(h ). Esta última fórmula se denomina Fórmula del trape-
cio.
f(b)
f(x)
f(a)
a b
Figura 16.5: Fórmula del trapecio.
16.10. Fórmulas de Newton-Cotes
Definición 16.3. Se denominan fórmulas de Newton-Cotes a las fórmulas de

integración de tipo interpolatorio obtenidas al tomar un soporte equidistante.
Se distinguen dos casos:
1) Si el soporte de integración incluye los extremos del intervalo. Entonces se tienen

fórmulas de Newton-Cotes cerradas. Por lo tanto el soporte se puede escribir
como
b−a
E = xi / xi = a + ih , (i = 0, 1, ..., n), h =
n
donde n es el número de subintervalos en los que se divide [a, b].
16.10. Fórmulas de Newton-Cotes 331
2) Si el soporte de integración no incluye los extremos de los intervalos. Entonces

se tienen fórmulas de Newton-Cotes abiertas. Por lo tanto el soporte se puede
escribir como

b−a
E = xi / xi = a + (i + 1)h , (i = 0, 1, ..., n), h =
n+2
16.10.1. Fórmulas de Newton-Cotes cerradas
a) Soporte de 2 puntos {x0 , x1 }. Se obtiene de nuevo la fórmula del trapecio.
b) Soporte de 3 puntos {x0 , x1 , x2 }. x0 = a, x1 = a+b

2 , x2 = b. Entonces,
f (x) = p2 (x) + E(x)
siendo p2 (x) el polinomio interpolador de Lagrange de f en el soporte E. Da lugar a

la fórmula de Simpson:
< b 4 5
b−a a+b
f (x)dx = f (a) + 4f + f (b)
a 6 2
Estimación del error: O(h5 ).
f(b)
p(x)
f(a)
f(x)
f(a+b)/2
a b
(a+b)/2
Figura 16.6: Fórmula de Simpson.
Para n puntos el soporte está formado por los puntos x0 = a, x1 = a + h, ..., xi =

a + ih, ..., xn = a + nh = b con h = b−a
n . En consecuencia, para el caso general, las
fórmulas de Newton-Cotes abiertas son de la forma:
< b
b−a
n
f (x)dx = cj f (xj ) + Error
a D j=0
donde los parámetros se pueden esquematizar en la siguiente tabla:
n cj D |Error| Nombre
h3
1 (un punto) 1,1 2 12 f (ξ) Trapecio
h5 iv
2 (dos puntos) 1,4,1 6 90 f (ξ) Simpson
3h5 iv
3 (tres puntos) 1,3,3,1 8 80 f (ξ) Regla 38
8h7 vi
4 (cuatro puntos) 7,32,12,32,7 90 945 f (ξ) Milne
275h7 vi
5 (cinco puntos) 19,75,50,50,75,19 288 12096 f (ξ)
9h9 viii
6 (seis puntos) 41,216,27,272,27,216,41 840 1400 f (ξ) Weddle
16.10.2. Fórmulas de Newton-Cotes abiertas
El soporte esta formado por los puntos x0 = a + h, ..., xi = a + (i + 1)h, ..., xn =

a + (n + 1)h = b − h con h = n+2
b−a
. Las fórmulas de Newton-Cotes abiertas son de la
forma:
< b
b−a
n
f (x)dx = cj f (xj ) + Error
a D j=0
donde cj , D y el error vienen dados en la siguiente tabla:
n cj D |Error| Nombre
h3
1 (un punto) 1 1 3 f (ξ) Punto Medio
3h3
2 (dos puntos) 1,1 2 4 f (ξ)
14h5 iv
3 (tres puntos) 2,-1,2 3 45 f (ξ)
95h5 iv
4 (cuatro puntos) 11,1,1,11 24 144 f (ξ)
16.11. Fórmulas de integración numérica de tipo in-

terpolatorio compuestas
Cuanto más se quiera aproximar el valor de una integral mediante las fórmulas de
Newton-Cotes, más puntos se deberán incluir en el soporte de integración. Al aumen-
tar el número de puntos del soporte se irán complicando los cálculos y aumentando
los errores de redondeo que inciden sobre el error total. Puede llegarse ası́ al caso en
que aumentar el soporte en un punto conduzca a un mayor error total de integración
numérica en lugar de a una disminución. El valor n (número de puntos del soporte)
tiene un lı́mite que no conviene sobrepasar. Surge entonces la idea de subdividir el
intervalo [a, b] en un cierto número de subintervalos y emplear sobre cada uno de ellos
una fórmula con un soporte de pocos puntos.
16.12. Resolución numérica de problemas de valor inicial para e.d.o.s 333
Sea ∆ una partición de [a, b] en N subintervalos Ii = [xi−1 , xi ] (i = 1, 2, ..., N ). Sobre

ni
cada subintervalo Ii se supondrá conocida la función f en (ni + 1) puntos {xij }j=0 .
Entonces:
< b N < xi N ni N
f (x)dx = f (x)dx aij f (xij ) + Ri [f ]
a i=1 xi−1 i=1 j=0 i=1
donde {aij } son los coeficientes de las fórmulas de integración basadas en ni +1 puntos
utilizada sobre el intervalo Ii .
16.12. Resolución numérica de problemas de valor

inicial para e.d.o.s
Las ecuaciones diferenciales que se pueden resolver analı́ticamente son muy escasas.
Habitualmente, cuando deseamos resolver un problema de valor inicial (PVI) asociado
a una cierta ecuación diferencial ordinaria seremos incapaces de hacerlo. No obstante,
a menudo uno está interesado no en la solución analı́tica concreta, sino en valores
aproximados de la solución para ciertos valores de las variable o en propiedades cua-
litativas de la misma. En estos casos, se impone el uso de métodos numéricos que,
si bien no resuelven la ecuación, dan lugar a conjuntos de puntos muy próximos (de
hecho, tan próximos como uno quiera) a puntos de la solución.
16.12.1. El método de Euler
Consideremos el problema de valor inicial

dy
(t) = f (t, y(t)) , t0 ≤ t ≤ b
dt
y(t0 ) = y0 .
En general, la solución de este problema es imposible de hallar en forma analı́tica. Los

métodos numéricos de resolución de e.d.o.s generan aproximaciones a la solución en
varios puntos, llamados puntos de red, en el intervalo [t0 , b]. Una vez obtenida la apro-
ximación en los puntos, podemos obtener por interpolación la solución aproximada
en otros puntos del intervalo.
En primer lugar colocamos los puntos de la red distribuidos uniformemente en todo

el intervalo [t0 , b]. Para ello seleccionamos un entero positivo N y los puntos de la red
{t0 , t1 , ..., tN } donde
ti = t0 + ih, para cada i = 0, 1, 2, ..., N.
La distancia común entre los puntos h = (b − t0 )/N recibe el nombre de tamaño de

paso.
Supongamos que y(t), solución del problema de valor inicial, tiene dos derivadas con-
tinuas en [t0 , b], de modo que podemos escribir, desarrollando por Taylor
1 1
y(ti+1 ) = y(ti ) + y (ti )(ti+1 − ti ) + y (ξ i )(ti+1 − ti )2 = y(ti ) + y (ti )h + y (ξ i )h2 .
2 2
Como y(t) satisface la ecuación diferencial se puede escribir
1
y(ti+1 ) = y(ti ) + f (ti , y(ti ))h + y (ξ i )h2 = y(ti ) + f (ti , y(ti ))h + O(h2 ) (16.7)
2
El método de Euler construye wi ≈ y(ti ) para cada i = 1, 2, ..., N al eliminar el término

restante (que es de orden cuadrático en el tamaño de paso) en 16.7; obteniéndose, por
tanto, el siguiente algoritmo:
w0 = y0
wi+1 = wi + f (ti , wi )h (i = 0, . . . , N − 1).
Teorema 16.6. Si la función f (t, y) es diferenciable en [t0 , b] × (−∞, ∞) y ∂f ∂y

está acotada, entonces las aproximaciones generadas con el método de Euler para
cualquier tamaño de paso h aproximan a la solución del problema de valor inicial con
un error O(h).
Cuanto más pequeño sea el tamaño de paso, entonces, menor será el error cometido
al aproximar la solución del PVI por la aproximación de Euler.
16.12.2. Regla del punto medio
Cerca de un ti podemos escribir, gracias a la fórmula de Taylor,
1
y(t) = y(ti ) + y (ti )(t − ti ) + y (ti )(t − ti )2 + O((t − ti )3 )
2
De modo que
1
y(ti+1 ) = y(ti ) + f (ti , y(ti ))h + y (ti )h2 + O(h3 )
2
1
y(ti−1 ) = y(ti ) − f (ti , y(ti ))h + y (ti )h2 + O(h3 )
2
Restando ambas ecuaciones concluimos

y(ti+1 ) − y(ti−1 ) = 2f (ti , y(ti ))h + O(h3 )
y deducimos la regla del punto medio:
wi+1 = wi−1 + 2f (ti , wi ))h
El problema de esta regla es que para calcular todos los valores de y(ti ) necesitamos
aparte de y(t0 ) el valor de y(t1 ). Esto exigirı́a el empleo de otro método para esti-
mar y(t1 ) (Euler por ejemplo) y si queremos preservar el orden del error, hacer esa
estimación con un tamaño de paso mucho más pequeño que h.
El error es O(h2 ).
16.12.3. Métodos de Runge-Kutta
Los métodos de Runge-Kutta alcanzan mayores precisiones (de hecho, el método de

Euler se puede considerar un caso particular de los métodos de Runge-Kutta). El
método de Runge-Kutta de segundo orden aproxima la solución del PVI por
w0 = y0
1
wi+1 = wi + [hf (ti , wi ) + hf (ti , wi + hf (ti , wi ))] .
2
El error es O(h2 ).
El método de Runge Kutta de cuarto orden aproxima la solución del PVI por
w0 = y0
1
wi+1 = wi + [k1 + 2k2 + 2k3 + k4 ]
6
h k1
donde k1 = hf (ti , wi ), k2 = hf (ti + , wi + ),
2 2
h k2
k3 = hf (ti + , wi + ), k4 = hf (ti+1 , wi + k3 ) .
2 2
El error es O(h4 ).
los capı́tulos 3, 4 y 5 de [60].
Para profundizar más en el tema, ver [62], [65], [60] y [64].

16.14. Ejercicios
1. Determinar el polinomio
> ? interpolador de Lagrange de la función
f (x) =
sen x en el intervalo 0, π2 con el soporte de interpolación 0, π4 , π2 .
√ √
Solución: p(x) = π82 (1 − 2)x2 + π2 (2 2 − 1)x.
π
2. Sea f (x) = sen(5x + 2). Siendo x0 = 0 y x1 = 10 se pide:
a) Determinar los polinomios de base de Lagrange asociados al soporte

{x0 , x1 }.
Solución: L0 (x) = 1 − 10 10
π x, L1 (x) = π x.
b) Determinar el polinomio interpolador de Lagrange sobre el soporte
{x0 , x1 }.
Solución:
10 0 0 π1 1
p(x) = sen 2 + sen 2 + − sen 2 x ≈ 0 9092974268 − 4 219020124x
π 2
c) Determinar la expresión del error de interpolación.

> π? > π?
Solución: ∀ x ∈ 0, 10 , ∃ c ∈ 0, 10 tal que
−25 sen(5c + 2) 0 2 π
E(x) = x − x
2 10
d ) Hallar una cota del error de interpolación en el intervalo [x0 , x1 ].

2
Solución: E(x) ≤ 25 sen
2 0 024674 ≈ 0 2804501.
3. Sea f (x) = 2xe−(4x+2) . Siendo x0 = 0 2 y x1 = 1 se pide:
a) Determinar los polinomios de base de Lagrange asociados al soporte

{x0 , x1 }.
Solución: L0 (x) = −1 25x + 1 25, L1 (x) = 1 25x − 25.
b) Determinar el polinomio interpolador de Lagrange sobre el soporte
{x0 , x1 }.
Solución: p(x) = 0 0291656 − 0 0242081x.
c) Determinar la expresión del error de interpolación.
Solución: ∀ x ∈ [0 2, 1], ∃ c ∈ [0 2, 1] tal que
(32c − 16)e−(4c+2) 2
E(x) = (x − 1 2x + 0 2).
2
d ) Hallar una cota del error de interpolación en el intervalo [x0 , x1 ].

Solución: E(x) ≤ 0 04670212809.
4. Siendo f (x) = 2xe−(4x+2) y considerando en el intervalo [0 2, 1] los puntos

x0 = 0 2, x1 = 0 6 y x2 = 1 se pide:
a) Determinar los polinomios de base de Lagrange sobre el soporte {x0 , x1 ,

x2 }.
Solución:
x2 − 1 6x + 0 6 x2 − 1 2x + 0 2
L0 (x) = , L 1 (x) = − ,
0 32 0 16
x2 − 0 8x + 0 12
L2 (x) =
0 32
b) Determinar el polinomio interpolador de Lagrange de la función f (x)
sobre el soporte {x0 , x1 , x2 }.
Solución: p(x) = −5 75 · 10−4 x2 − 0 0235177x + 0 0290505.
c) Escribir la expresión del error de interpolación.
Solución: ∀ x ∈ [0 2, 1], ∃ c ∈ [0 2, 1] tal que
1
E(x) = (96 − 128c)e−(4c+2) (x − 0 2)(x − 0 6)(x − 1).
6
d ) Determinar una cota del error de interpolación.

Solución: |E(x)| ≤ 0 0175762.
5. Sea
f (x) = sen(5x + 2).
π π
Siendo x0 = 0, x1 = 20 , x2 = 10 , se pide:
a) Determinar los polinomios de base de Lagrange sobre el soporte de

tres puntos {x0 , x1 , x2 }.
Solución:
π2
x2 − 3π
20 x + 200 −x2 + π
10 x2 − π
20 x
L0 (x) = π2
, L1 (x) = π2
, L2 (x) = π2
.
200 400 200
b) Determinar el polinomio interpolador de Lagrange de la función f (x)

sobre el soporte {x0 , x1 , x2 }.
Solución: p(x) = −4 1393675x2 − 2 9185993x + 0 9092974.
c) Escribir la expresión del error de interpolación.
> π? > π?
Solución: ∀ x ∈ 0, 10 , ∃ c ∈ 0, 10 tal que
−125 cos(5c + 2) 0 π 10 π 1
E(x) = x− x x− x
6 20 10
d ) Determinar una cota del error de interpolación.

Solución: |E(x)| ≤ 0 0310416.
6. Calcular los polinomios de base de Lagrange para el soporte de interpolación

formado por los puntos {1 2, 2 4, 4 6, 5 0, 5 7, 6 3}.
Solución:
L0 (x) = 5 5709 − 6 5081x + 2 9189x2 − 0 6350x3 + 0 0675x4 − 0 0028x5

L1 (x) = −11 2194 + 17 7815x − 9 3918x2 + 2 2643x3 − 0 2581x4 + 0 0113x5
L2 (x) = 92 4217 − 164 896x + 102 552x2 + 28 595x3 + 3 681x4 − 0 012x5
L3 (x) = −132 284 + 238 317x − 150 429x2 + 42 752x3 − 5 617x4 + 0 278x5
L4 (x) = 60 827 − 111 077x + 71 599x2 − 20 931x3 + 2 842x4 − 0 146x5
L5 (x) = −14 3159 + 26 3817x − 17 2501x2 + 5 1444x3 − 0 7166x4 + 0 0379x5
7. Hallar el polinomio
interpolador
de Lagrange de la función f (x) = cos x
en el soporte 0, π6 , π3 , π2 . Hallar el valor del polinomio en el punto x = 1 y
comparar con el resultado exacto. Compárese el error real con la cota del error
de interpolación.
Solución: p(x) = 1 + π1 0 0884572x − 1
π 2 5 9422863x
2
+ 1 3
π 3 3 5307436x .
Valor en x = 1: p(1) = 0 5399493 y cos 1 = 0 5403023.
Error real: 0 000353, Cota del error: 0 000535.
8. Construir la tabla de diferencias divididas de la función f (x) = sen x en

el soporte formado por los puntos 0, π4 , π2 . Con ella calcúlese el polinomio
interpolador de Lagrange de la función sen x en el soporte anterior.
Solución:
x0 = 0 0
√
2 2
π ≈ 0 9003
√ √
x1 = π
4 2
2
≈ 0 7071 8(1− 2)
π 2 ≈ −0 3357
√
2(2− 2)
π ≈ 0 3729
π
x2 = 2 1
√ √
4 2−2 8(1 − 2) 2
p(x) = x+ x
π π2
9. Construir la tabla de diferencias
divididas de la función f (x) = sen x en el
soporte formado por los puntos 0, π6 , π4 , π3 , π2 . Con ella calcúlese el polinomio
interpolador de Lagrange de la función sen x en el soporte anterior.
Solución:
x0 = 0 0
0 9003
x1 = π
4 0 7071 −0 3357
0 3729 −0 1214
x2 = π
2 1 −0 3993 0 0185
0 4775 −0 0913
x3 = π
6 0 5 −0 4232
0 6991
x4 = π
3 0 8660
√ √
2 2 8(1 − 2) 0 π1
0 π10 π1
p(x) = x+ x x − − 0 1214 x x − x − +
π π2 4 4 2
0 π 1 0 π 1 0 π 1
+0 0185 x x − x− x−
4 2 6
10. Utilizar la tabla de diferencias divididas de la función f (x) = x5 en el
soporte formado por los puntos {−2, −1, 0, 1, 2} para calcular el polinomio in-
terpolador de Lagrange de dicha función.
Solución:
x0 = −2 −32
31
x1 = −1 −1 −15
1 5
x2 = 0 0 0 0
1 5
x3 = 1 1 15
31
x4 = 2 32
p(x) = −32 + 31(x + 2) − 15(x + 2)(x + 1) + 5(x + 2)(x + 1)x.
11. Hallar el polinomio interpolador de Lagrange y una cota del error de interpola-
ción que se comete al interpolar en [0, 2] la función f (x) = x4 con los siguientes
soportes:
a) {0, 1, 2}
Solución: p2 (x) = 7x2 − 6x, |E(x)| ≤ 3 0792014.
b) {0, 0 5, 1, 2}
Solución: p3 (x) = 3 5x3 − 3 5x2 + 6x, |E(x)| ≤ 4 2925.
c) {0, 0 5, 1, 1 5, 2}
Solución: p4 (x) = x4 , E(x) = 0.
NOTA: En el desarrollo de este ejercicio será necesario resolver la ecuación:
4x3 − 10 5x2 + 7x − 1 = 0
Una raı́z de dicha ecuación está en el intervalo [0, 2] y es 1 663175.

12. El censo de población de una determinada ciudad proporciona los siguientes
datos del número de habitantes en diferentes años:
Año 1,910 1,930 1,950 1,970 1,980
Población 125,350 133,420 117,183 120,323 145,311
Se pide:
a) Hallar un polinomio interpolador de Lagrange que interpole a la función

de evolución de la población en esta ciudad con los datos anteriores.
Solución:
p(x) = 125,350 + 403 5(x − 1,910) + 30 38375(x − 1,910)(x − 1,930)−
−0 910083(x − 1,910)(x − 1,930)(x − 1,950)+

+0 010733(x − 1,910)(x − 1,930)(x − 1,950)(x − 1,970)
b) Estimar la población existente en el año 1,964.
Solución: p(1,964) = 116,402.

13. Se considera la función f (x) = x3 −4x2 +2 y el soporte de interpolación {1, 2, 3}.
Se pide:
a) Determinar los polinomios de base de Lagrange y representarlos grá-

ficamente.
Solución:
x2 − 5x + 6 x2 − 5x + 6
L0 (x) = , L1 (x) = −(x2 − 4x + 3), L2 (x) = .
2 2
b) Hallar el polinomio interpolador de Lagrange de f (x) sobre el soporte
dado.
Solución: p2 (x) = 2x2 − 11x + 8.
c) Hallar una cota del error de interpolación cometido en [1, 3].

Solución: |E(x)| ≤ 0 3849001.
d ) Utilizar la expresión del polinomio interpolador para hallar el valor apro-
ximado de f (2). Solución: p (2) = −3, (siendo f (2) = −4).
e) Al soporte dado se le añade el punto 2 5. Determinar el nuevo polinomio
interpolador de Lagrange. Solución: p3 (x) = x3 − 4x2 + 2.
14. De una función se conoce la siguiente tabla de valores:

x 0 2 5 6

f (x) 3 6 10 5 24
Se pide:
a) Construir la tabla de diferencias divididas y, utilizando la fórmula de

Newton, hallar el polinomio interpolador de Lagrange de la función
sobre el soporte dado.
Solución:
x0 = 0 3
1 5
x1 = 2 6 0

15 0 5
x2 = 5 10 5 3

13 5
x3 = 6 24
p(x) = 0 5x3 − 3 5x2 + 6 5x + 3

b) Evaluar el valor interpolado en x = 4 con el polinomio del apartado a).
Solución: p(4) = 5.

15. Sea f (x) = x2 cos(5x + 2) y considérese el soporte 0, π3 , π2 . Se pide:
a) Determinar los polinomios de base de Lagrange sobre el soporte ante-

rior y representarlos gráficamente.
Solución:
6x2 − 5πx + π 2 18x2 − 9πx 12x2 − 4πx
L0 (x) = , L1 (x) = − , L2 (x) =
π2 π2 π2
b) Determinar el polinomio interpolador de Lagrange de f (x) sobre el soporte
anterior.

Solución: p2 (x) = − 38 360139
π2 x2 + 14 692866
π x.
c) Al soporte dado se le añade el punto π6 . Evaluar el nuevo polinomio inter-

polador.

Solución: p3 (x) = − 152 π18195
3 x3 + 88 45815
π2 x2 − 10 670792
π x

16. Sea el soporte {0, 0 6, 2} y sea la función f (x) = e−x + cos 4xπ . Se pide:
a) Calcular y representar gráficamente los polinomios de base de Lagran-

ge asociados al soporte anterior.
Solución:
x2 − 2 6x + 1 2 x2 − 2x x2 − 0 6x
L0 (x) =
, L1 (x) = − , L2 (x) = .
12 0 84 2 8
b) Sabiendo que los valores de la función en el soporte son:
f (0) = 2, f (0 6) = 1 2709251, f (2) = −0 6927495
calcular el polinomio interpolador de Lagrange.

Solución: p2 (x) = −0 0937499x2 − 1 1588749x + 2.
c) Al soporte anterior se le añade el punto 1 4. Calcúlese el nuevo polinomio
interpolador de Lagrange.
Solución: p(x) = 0 2342095x3 − 0 7026948x2 − 0 8778234x + 2.
17. De una función se conoce la siguiente tabla de valores:

x 0 1 2 3 4
f (x) 2 3 086 7 524 20 135 54 616
Se pide:
a) Encontrar el polinomio interpolador de Lagrange de f (x) sobre el

soporte dado utilizando para ello diferencias divididas.
Solución: p(x) = 2 − 1 202x + 3 3336667x2 − 1 4155x3 + 0 3698333x4 .
b) Indicar la expresión del error de interpolación sabiendo que f (x) = e−x +ex .
Solución: ∀ x ∈ [0, 4] ∃ c ∈ [0, 4] tal que:
e−c + ec 5
E(x) = (x − 10x4 + 35x3 − 50x2 + 24x)
120
18. Siendo f (x) = e−x + cos x y designando por p(x) al polinomio interpolador
de Lagrange de f (x) sobre el soporte 0, π3 , π2 , indicar cual de las siguientes
opciones recoge una cota del error de interpolación cometido. En el caso de que
varias opciones expresen una cota de dicho error, señala únicamente la que, de
entre ellas, sea menor:
a) |f (x) − p(x)| ≤ 0 138350 . 0 3032603

b) |f (x) − p(x)| ≤ 0 333334 . 0 0905972

c) |f (x) − p(x)| ≤ 0 138350 . 0 0905972
d ) |f (x) − p(x)| ≤ 0 333334 . 0 3032603
Solución: La única cota del error de interpolación es la dada en la opción d).
1
19. Dada la función f (x) = 1+x 2 se desea hallar su polinomio interpolador de La-
grange sobre el soporte {0, 1, 2}. Indica entre las siguientes opciones cuál recoge
correctamente la expresión de los polinomios de base de Lagrange asociados a
dicho soporte y la del polinomio interpolador.
a)
1 2 1 2
L0 (x) = (x − 3x + 2), L1 (x) = 2x − x2 , L2 (x) = (x − x),
2 2
1 2 3
p(x) = x − x+1
10 5
b)
1 2 1 2
L0 (x) = (x − 3x + 2), L1 (x) = 2x − x2 , L2 (x) = (x − x),
2 2
4 2 1
p(x) = x − x+1
3 20
c)
1 1 2
L0 (x) = (2x2 + 4x − 3), L1 (x) = 2(3x2 − 1), L2 (x) = x + 1,
2 2
1 2 3
p(x) = x − x+1
10 5
d)
1 1 2
L0 (x) = (2x2 + 4x − 3), L1 (x) = 2(3x2 − 1), L2 (x) = x + 1,
2 2
4 2 1
p(x) = x − x+1
3 20
Solución: La opción correcta es la recogida en el apartado a).

20. El polinomio interpolador de Lagrange de la función f (x) = cos 4x−π π sobre el
soporte {0, 1} está dado por p(x) = 0 5403 + 0 4226 x. Señala, entre las opciones
siguientes cuál de ellas recoge una cota del error de interpolación en el intervalo
[0, 1]. En el caso de haber más de un valor que pueda ser cota del error, señala
la más pequeña de las posibles cotas:
a) 1 05, b) 0 21, c) 0 14, b) 0 03
Solución: La opción correcta es la recogida como b).

21. De una función f (x) se conocen los siguientes valores:

x −1 0 1 3 4
f (x) 7 1 −1 −41 −43
Se pide obtener mediante la fórmula de Newton un polinomio de grado menor
o igual que 4 que interpole a la función f (x) en el soporte {−1, 0, 1, 3, 4}.
Solución: p(x) = 1 + x + x2 − 5x3 + x4 .
22. a) Obtener la fórmula de Newton-Côtes abierta con dos puntos de soporte.

Hallar también la expresión del error de integración numérica correspon-
diente a dicha fórmula.
=b 3 3
b) Solución: a f (x)dx ≈ 3h2 (f (x0 ) + f (x1 )). Error= 4 h f (x1 ) + ....
c) Evaluar con ayuda de la fórmula anterior una aproximación del valor de la
integral:
< 2
(x3 − 2x2 + 1)dx.
0
Solución: Paso de integración: h = 2/3. Puntos de integración: x0 = 2/3,

x1 = 4/3.
< 2
2
(x3 − 2x2 + 1)dx ≈
0 9
23. Sean x0 , x1 y x2 tres puntos pertenecientes a un intervalo [a, b]. Se pide:
a) Hallar una fórmula de integración numérica de tipo interpolatorio con dicho

soporte.
=b 2 2
Solución: a f (x)dx ≈ f (x0 )(b − a) + f [x0 , x1 ] (b−x0 ) −(a−x
2
0)
+

(b3 − a3 ) (b2 − a2 )
+f [x0 , x1 , x2 ] − (x0 + x1 ) + x0 x1 (b − a)
3 2
b) Particularizar la fórmula al caso en que x0 = a, x1 = a+b 2 y x2 = b

determinando la expresión del error de integración numérica.
=b
Solución: a f (x)dx ≈ (b−a)
6 (f (x0 ) + 4f (x1 ) + f2 (x2 )) (Fórmula de Sim-
pson).
5
Error= − (b−a)
2880 f
(iv
(x1 ) + ....
c) Aplicar la fórmula del apartado anterior a la estimación de la integral
=1 x
0
e dx.
=1
Solución: 0 ex dx ≈ 1 7188612 (Valor exacto: e − 1 = 1 7182818...).
24. a) Deducir la fórmula de Milne compuesta y la expresión de su error.

Solución: Siendo N el número de subintervalos en que se subdivide [a, b],
H la longitud de cada subintervalo en que se divide [a, b] (es decir que
H = (b−a) H
N , h = 4 y considerando los puntos de soporte:
x0 = a, x1 = a + h, x2 = a + 2h, ..., x1 = a + ih, ..., x4N = a + 4N h = b

la fórmula de Milne resulta ser:
< b N
4h
f (x)dx ≈ [7f (x0 ) + 32 (f (x4,i−3 ) + f (x4,i−1 ))+
a 90 i=1

N
N −1
+12 f (x4,i−2 ) + 14 f (x4,i ) + 7f (x4,N )]
i=1 i=1
b) Escribir un programa que evalúe integrales mediante la fórmula de Milne

compuesta.
c) Aplicar dicho programa a la estimación del valor aproximado de la integral:
< 3
(cos x − x sen x)dx
1
subdividiendo el intervalo [1, 3] en N subintervalos y dando a N los valores:

2, 4, 8, 16, 32, 64, 128 y 250.
Solución: Para los distintos valores de N se obtienen los siguientes resul-
tados:
N H Valor aproximado error
2 1 00000000 −3 0763240 −0 4396472

4 0 50000000 −3 3120220 −0 1982579
8 0 25000000 −3 4195440 −0 0907359
16 0 12500000 −3 4673693 −0 0429103
32 0 06250000 −3 4894821 −0 0207975
64 0 03125000 −3 5000493 −0 0102303
128 0 01562500 −3 5052034 −0 0050762
250 0 00800000 −3 5076880 −0 0025921
25. De una función f (x) se conoce la siguiente tabla de valores:
x f (x)
0 1,0000000
π/12 0 9659258
π/6 0 8660254
π/4 0 7071067
π/3 0 5000000
5π/12 0 2588190
π/2 0 0000000
= π/2
Se pide evaluar una aproximación de 0
f (x)dx:
a) Mediante la fórmula de Weddle. ( Solución: 1 0000000).

b) Mediante la fórmula del trapecio compuesta. ( Solución: 0 9942818).
c) Mediante la fórmula de Simpson compuesta. ( Solución: 1 0000263).
d ) Mediante la regla de 3/8 compuesta. ( Solución: 1 0000596).
26. Considérense los puntos del intervalo [a, b] definidos por:
x0 = a, x1 = a + h, x2 = a + 2h, x3 = a + 3h, x4 = b,
con h = (b−a) 2
4 . Siendo f (x) una función de clase C ([a, b]), se pretende calcular
la integral de f (x) en el intervalo [a, b] subdividiendo el intervalo de integración
según la expresión:
< b < x2 < x3 < b
f (x)dx = f (x)dx + f (x)dx + f (x)dx
a a x2 x3
y aproximando la integral en [a, x2 ] mediante la fórmula de Simpson, en el

intervalo [x2 , x3 ] mediante la fórmula del trapecio y la integral sobre [x3 , b]
mediante la fórmula del trapecio. Se pide encontrar la fórmula de integración
compuesta correspondiente al proceso anterior y la expresión de su error.
=b
Solución: a f (x)dx ≈ h6 [2f (x0 ) + 8f (x1 ) + 5f (x2 ) + 6f (x3 ) + 3f (x4 )]
8 9
h2 (iv
Error= − (b−a)
24 h 2
f (ξ) + 15 f (µ) .
27. Considérense los puntos x1 < x2 < .... < x10 que forman un soporte equidistante
y sea h la distancia entre dos puntos consecutivos del soporte. Sobre el soporte
anterior se suponen conocidos los valores f1 , f2 , ...., f10 que toma =una función
x
f (x) en ellos y se desea calcular una aproximación de la integral x110 f (x)dx.
Para ello se propone descomponer la integral en suma de las cuatro integrales
siguientes:
< x10 < x3 < x5 < x7 < x10
f (x)dx = f (x)dx + f (x)dx + f (x)dx + f (x)dx
x1 x1 x3 x5 x7
y calcular el valor aproximado de cada una de las tres primeras mediante la

fórmula de Simpson y la cuarta mediante una fórmula de Newton-Côtes abierta
de soporte con 2 puntos. Se pide obtener la expresión de la fórmula de integración
compuesta resultante ası́ como la expresión del error de integración cometido.
=x
Solución: x110 f (x)dx ≈ h6 [2(f1 + f7 ) + 4(f3 + f5 ) + 8(f2 + f4 + f6 ) + 9(f8 + f9 )].
5
3h3
Error= − h30 f (iv (ξ) + 4 f (µ).)
28. Aplicar el método de Euler para aproximar las soluciones de los siguientes pro-
blemas de valor inicial en el intervalo dado:
a) y = te3t − 2y, 0 ≤ t ≤ 1, y(0) = 0 con h = 0,5.
b) y = 1 + (t − y)2 , 2 ≤ t ≤ 3, y(2) = 1 con h = 0,5.
c) y = 1 + y/t, 1 ≤ t ≤ 2, y(1) = 2 con h = 0,25.
d) y = cos(2t) + sen(3t), 0 ≤ t ≤ 1, y(0) = 1 con h = 0,25.
Resolver las ecuaciones en forma exacta y comparar los valores reales con las
aproximaciones del método de Euler.
29. Resolver los problemas de valor inicial del problema anterior usando los métodos
de Euler modificado, de Runge-Kutta de segundo orden y de Runge-Kutta de
orden cuatro. Comparar los errores de cada método con las soluciones exactas.
Capı́tulo 17
Métodos numéricos de
resolución de sistemas de
ecuaciones no lineales
Muchos de los fenómenos fı́sicos y quı́micos con los que tiene que enfrentarse un
ingeniero son no lineales. La resolución de modelos no lineales implica que en algún
momento se deban resolver ecuaciones y sistemas que no son lineales. Aunque el
tema es complicado y requiere, para su estudio en profundidad, una base matemática
que no hemos podido desarrollar en los temas anteriores, hemos optado por incluir
este capı́tulo con el objetivo de exponer los dos métodos más sencillos para resolver
ecuaciones y sistemas no lineales: el método de aproximaciones sucesivas y el método
de Newton. Incluimos previamente un apartado de conceptos previos que contiene un
breve resumen de los resultados necesarios para abordar el estudio de los métodos
antes citados.
17.2. Conceptos previos
Los métodos que se van a estudiar en este tema son iterativos. Los métodos iterativos
consisten en generar una sucesión de vectores que, en el mejor de los casos, se vaya
aproximando hacia el vector solución. Para determinar el grado de aproximación,
349
350 Capı́tulo 17. Métodos numéricos de resolución de sistemas de ecuaciones no lineales
será necesario trabajar en conjuntos sobre los que se haya definido una forma de
medir la distancia entre sus elementos. Este tipo de conjuntos recibe el nombre de
espacios métricos (un caso particular de espacio métrico es el espacio euclı́deo). Las
distancias más habituales en lRn son:
)
* n

n
*
|xi − yi | , d2 (x, y) =+
2
d1 (x, y) = |xi − yi | , d∞ (x, y) = M ax {|xi − yi |}
1≤i≤n
i=1 i=1
Estas tres distancias, por tanto, definen tres espacios métricos distintos sobre lRn ;
espacios que se representan respectivamente por (lRn , d1 ), (lRn , d2 ); y (lRn , d∞ ).
A continuación se enuncian algunas definiciones y propiedades elementales de los

espacios métricos que serán de utilidad en la descripción y el análisis de los métodos
que se estudiarán en los apartados siguientes.
Definición 17.1. Se dice que la sucesión infinita de elementos, {xi }∞ i=0 , del espacio
métrico (E, d), es convergente hacia el elemento x∗ ∈ E, si para cualquier valor
> 0
siempre se puede encontrar un número natural N tal que para todo ı́ndice n > N se
verifica que d(xn , x∗ ) <
. Al elemento x∗ anterior, si existe se le denomina lı́mite
de la sucesión {xi }∞
i=0 .
Definición 17.2. Dada una sucesión infinita de elementos {xi }∞ i=0 del espacio métri-
co (E, d) se dice que la sucesión es una sucesión de Cauchy, si para cualquier valor
> 0 siempre se puede encontrar un número natural N tal que para todos los ı́ndices
n > N y m > N se verifica que d(xn , xm ) <
.
Se observa que las sucesiones de Cauchy son tales que las distancias entre todos sus
elementos pueden hacerse inferiores a cualquier valor
, a partir de un cierto ı́ndice N
(que dependerá del valor
elegido). Dicho de otra forma, parece que estas sucesiones
convergen hacia “algo”, pero no se sabe si dicho “algo” pertenece al espacio métrico
considerado, si perteneciese, serı́a el lı́mite de la sucesión. Para evitar problemas en
lo sucesivo se trabajará con espacios que incluyan entre sus elementos a todos los
posibles lı́mites de sus sucesiones, espacios que reciben el nombre de espacios métricos
completos. Expresado de forma rigurosa:
Definición 17.3. Se dice que el espacio métrico (E, d) es un espacio métrico com-
pleto si toda sucesión de Cauchy de elementos de E es una sucesión convergente en
(E, d).
Cuando se estudien los métodos para resolver sistemas de ecuaciones será necesario
trabajar sobre espacios vectoriales puesto que las soluciones de los sistemas serán
vectores. Para medir distancias en un espacio vectorial, además de la norma euclı́dea
)
* n
*
x2 = + (xi )2
i=1
17.2. Conceptos previos 351
ya introducida en el capı́tulo dedicado al estudio del espacio euclı́deo, se suelen utilizar

las dos normas siguientes:
n
x1 = |xi | y x∞ = M ax {|xi |}
1≤i≤n
i=1
Se recuerda que una norma definida sobre un lR−espacio vectorial V verifica las
propiedades siguientes:
1. x = 0 ⇔ x = 0.
2. λx = |λ| x , ∀λ ∈ lR, ∀x ∈ V.
3. x + y ≤ x + y, ∀x, y ∈V.
A todo espacio vectorial sobre el que se ha definido una norma se le denomina espacio
vectorial normado. En el tema dedicado al estudio del espacio euclı́deo se introdujo
el concepto de distancia asociada a una norma, concepto que ahora recordamos:
Proposición 17.1. Siendo (E, ·) un espacio vectorial normado, se verifica que la
aplicación d(x, y) = x − y es una distancia denominada distancia asociada a la
norma ·
Las distancias asociadas a las normas ·1 , ·2 y ·∞ se denominan d1 , d2 y d∞ res-
pectivamente. Los espacios vectoriales normados (lRn , ·1 ), (lRn , ·2 ), y (lRn , ·∞ )
son espacios métricos completos con las distancias d1 , d2 y d∞ .
En los métodos iterativos que se van a plantear en este capı́tulo la sucesión de vectores
que, en su caso, vaya a ir convergiendo hacia la solución de la ecuación o del sistema
se generará a partir de un vector inicial x0 mediante un esquema de cálculo que se
traducirá en determinar una función g(x), a partir de la cual se generará la sucesión
en cuestión:
x0 conocido (17.1)
i+1
x = g(xi ) (i = 1, 2, . . .)
Convendrá, por lo tanto, trabajar con funciones g para las cuales se pueda asegurar
que la sucesión que con ella se genere es convergente hacia alguna solución del sistema
que se quiera resolver. Si x∗ fuese el lı́mite de la sucesión generada por el esquema
anterior y además la aplicación g(x) fuese continua se verificará que:
lı́m (xi+1 ) = lı́m g(xi ) ⇔ x∗ = g(x∗ )
i→∞ i→∞
Los puntos x∗ , del dominio sobre el que está definida la aplicación g, que verifican que
x∗ = g(x∗ ) reciben el nombre de puntos fijos de la aplicación. Más concretamente:
Definición 17.4. Siendo g una aplicación definida en un espacio métrico (E, d) y

con valores en el mismo espacio métrico se denomina punto fijo de la aplicación g
a todo elemento x∗ de E tal que x∗ = g(x∗ ).
Interesará, por tanto, trabajar con funciones g que posean un punto fijo. Un tipo de
tales funciones son las que se denominan contracciones.
Definición 17.5. Sean (E, d) y (V, d ) dos espacios métricos y sea g : E → V una
aplicación definida en E y con valores en V. Se dice que g es una aplicación lips-
chitciana cuando existe una constante real k > 0 tal que:
d (g(x), g(y)) ≤ kd(x, y) ∀x, y ∈ E
A la menor constante k que verifica la condición anterior se le denomina constante

de Lipschitz de la aplicación.
Nota 17.1. En el caso de que se esté trabajando con espacios vectoriales normados

(E, ·) y (V, · ) toda aplicación g : E → V que sea lipschitciana de constante k
verificará:

g(x)−g(y) ≤ k x − y , ∀x, y ∈E
Definición 17.6. Toda aplicación lipschitciana que verifique las dos condiciones si-
guientes:
1. Ser una aplicación de un espacio métrico (E, d) sobre si mismo,

2. Tener una constante de Lipschitz estrictamente inferior a 1,
recibe el nombre de contracción en E.
El hecho de que para las contracciones se garantice la convergencia de la sucesión

generada mediante el esquema (17.1) se debe al teorema del punto fijo que se enuncia
a continuación.
Teorema 17.1 (del punto fijo). Toda contracción definida sobre un espacio métrico
completo admite un único punto fijo.
17.3. Caso de una única ecuación
17.3.1. Métodos de aproximaciones sucesivas (o del punto de

fijo)
El método de aproximaciones sucesivas (o del punto fijo) para determinar una solución
de la ecuación no lineal f (x) = 0 se basa en el teorema del punto fijo. Por ello la
17.3. Caso de una única ecuación 353
primera etapa de este método consiste en reescribir la ecuación f (x) = 0 en la forma

x = g(x) (reescritura que no es única). Posteriormente el método busca un punto fijo
de la función g mediante el siguiente esquema de cálculo:
∞
Dado un valor x0 se genera la sucesión {xi+1 = g(xi )}i=0
Según se ha visto en el apartado anterior: si g es una contracción definida sobre

un intervalo [a, b] entonces el método de aproximaciones sucesivas que se acaba de
describir genera, a partir de cualquier valor inicial x0 ∈ [a, b], una sucesión {xi }∞
i=0
que converge hacia la única solución de la ecuación x = g(x) en el intervalo [a, b].
Conviene, por tanto, elegir la función g de forma que sea una contracción.
Gráficamente (ver la figura 17.1) el método se puede interpretar como la búsqueda de

la intersección entre la bisectriz del primer cuadrante y la curva y = g(x) mediante
sucesivos “escalones” comprendidos entre la gráfica de g(x) y la bisectriz del primer
cuadrante.
y=x
y = g(x)
x x x
0 1 2
Figura 17.1: Representación gráfica del método de punto fijo.
17.3.2. Método de Newton
El método de Newton es un procedimiento general que se puede aplicar en muy

diversas situaciones. Cuando se emplea para localizar los ceros de una función real de
variable real, se suele llamar método de Newton-Raphson.
Sea r un cero de f (x). Es decir, una solución de la ecuación f (x) = 0. Sea x una
aproximación a r. Si f existe y es continua, por el teorema de Taylor sabemos que:
0 = f (r) = f (x + h) = f (x) + hf (x) + O(h2 )

donde h = r − x. Si |h| << 1, entonces es razonable ignorar los términos O(h2 ) y

obtener entonces que aproximadamente
f (x)
h=−
f (x)
Si x es próximo a r, entonces x + h = x − ff(x)

(x) deberá estar aún más próximo a r. El
método de Newton comienza con una estimación x0 de r a partir de la cual se define
inductivamente una sucesión de aproximaciones
f (xn )
xn+1 = xn − , n ≥ 0.
f (xn )
Obsérvese que si hacemos

f (x)
g(x) = x −
f (x)
estamos ante un caso particular del método de aproximaciones sucesivas y, por lo

tanto, si la función g(x) = x − f (x)/f (x) es una contracción sobre el intervalo [a, b],
la sucesión {xi+1 = xi − f (xi )/f (xi )}∞
i=0 , obtenida a partir de cualquier punto x0 ∈
[a, b], converge hacia la única solución de la ecuación f (x) = 0 en [a, b].
Si se tiene en cuenta que f (xi ), geométricamente, representa la tangente trigonométri-

ca de la recta tangente a la gráfica de f (x) en el punto (xi , f (xi )) y, en consecuencia,
f (xi )
que f (xi ) representa la distancia existente entre xi y el punto de corte de la rec-
ta tangente a f (x) en (xi , f (xi )) con el eje de abscisas; las primeras iteraciones del
método de Newton Raphson se pueden representar gráficamente según aparece en la
figura 17.2.
Es interesante, además, conocer cuan rápido las aproximaciones convergen a la so-

lución del problema. Definamos el error asociado al método de Newton como la
cantidad
en = xn − r
Supongamos que f es continua y que r es un cero simple de f tal que f (r) = 0 =
f (r). Entonces
f (xn ) f (xn ) en f (xn ) − f (xn )

en+1 = xn+1 − r = xn −
− r = en − = (17.2)
f (xn ) f (xn ) f (xn )
Por el teorema de Taylor,

1
0 = f (r) = f (xn − en ) = f (xn ) − en f (xn ) + e2n f (ξ n ) , ξ n ∈ (xn , r)
2
17.3. Caso de una única ecuación 355
y=f(x)
x2 x1 x0
Figura 17.2: Representación gráfica del método de Newton-Raphson.
de donde resulta
1 2
en f (xn ) − f (xn ) = e f (ξ n ) (17.3)
2 n
Poniendo juntas (17.2) y (17.3), obtenemos
1 2 f (ξ n ) 1 f (r)
en+1 = en ≈ e2n = Ce2n
2 f (xn ) 2 f (r)
Por tanto,
e1 ≈ C(x0 − r)2 , e2 ≈ C 2 (x0 − r)4 , ...., en ≈ C n (x0 − r)2n
de modo que si C(x0 − r)2 < 1, entonces lı́mn→∞ en = 0. Esto prueba el siguiente
teorema:
Teorema 17.2. Sea f (x) continua y sea r un cero simple de f . Hay un entorno de
r y una constante C tales que si el método de Newton se inicia en ese entorno, los
puntos sucesivos se hacen cada vez más cercanos a r y satisfacen
|xn+1 − r| ≈ C(xn − r)2 ≈ C n+1 (x0 − r)2(n+1)
17.3.3. Aplicación a ecuaciones polinómicas
Un problema clásico en matemáticas es el de encontrar las raı́ces de un polinomio de

grado n, es decir, las soluciones de
Pn (x) = 0
Existen fórmulas explı́citas que dan el valor de dichas raı́ces cuando el grado del
polinomio es menor que 5, pero para grados superiores el único método para hallarlas
es el numérico.
Recordemos que
Teorema 17.3. Un polinomio de grado n tiene exactamente n raı́ces complejas con-

tando multiplicidades (una raı́z de multiplicidad k cuenta k veces).
El método de Newton permite la obtención de raı́ces de los polinomios más compli-

cados. Este algoritmo toma la forma
P (zk )
zk+1 = zk −
P (zk )
donde P (z) y P (z) se considera polinomios en la variable compleja z.
Especialmente interesante es el siguiente teorema que nos permite “localizar” las raı́ces
en el plano complejo:
Teorema 17.4. Sean xk y xk+1 dos iteraciones sucesivas que resultan de la aplicación
de método de Newton a un polinomio p de grado n. Entonces existe un cero de p en
una vecindad de xk de radio n |xk − xk+1 | en el plano complejo.
17.4. Aplicación a sistemas de ecuaciones no linea-

les
17.4.1. Método de aproximaciones sucesivas
Al igual que en el caso de una ecuación este método se basa en el teorema del punto
fijo. Para su aplicación se transforma el sistema f (x) = 0 en otro equivalente de la
forma x =g(x). Conviene señalar que de la misma forma que sucedı́a en el caso de
una ecuación esta transformación no es única.
Una vez escrito el sistema de ecuaciones en la forma x =g(x) el método de aproxima-

ciones sucesivas consiste en seleccionar un vector x0 (mejor cuanto más próximo a la
solución exacta del sistema) con el que inicializar el esquema iterativo siguiente:
xi+1 = g(xi ) (i = 0, 1, 2, . . .)
∞
De esta forma se genera una sucesión de vectores xi+1 = g(xi ) i=0 ; y, según el
teorema del punto fijo se tiene el resultado siguiente:
17.4. Aplicación a sistemas de ecuaciones no lineales 357
Teorema 17.5. Si para alguna norma · definida sobre lRn se verifica que g(x) es
una contracción sobre un dominio D cerrado de lRn y x0 es un punto de D, entonces
el método de aproximaciones sucesivas converge hacia la única solución en D de la
ecuación x =g(x).
17.4.2. El método de Newton
Considérese el sistema de ecuaciones

f1 (x1 , x2 ) = 0
f2 (x1 , x2 ) = 0
Si (x1 , x2 ) es una solución aproximada, calculemos las correcciones h1 , h2 respectivas.

Desarrollando por Taylor
∂f1 ∂f1
0 = f1 (x1 + h1 , x2 + h2 ) ≈ f1 (x1 , x2 ) + h1 + h2
∂x1 ∂x2
∂f2 ∂f2
0 = f2 (x1 + h1 , x2 + h2 ) ≈ f2 (x1 , x2 ) + h1 + h2
∂x1 ∂x2
Entonces,
h1 f1 (x1 , x2 )
≈ −Jf−1 (x)
h2 f2 (x1 , x2 )
donde 2 3
∂f1 ∂f2
∂x1 ∂x1
Jf (x) = ∂f1 ∂f2
∂x2 ∂x2
En consecuencia, deducimos el algoritmo de Newton siguiente:

2 3 2 3 2 3
(k+1) (k) (k)
x1 x1 h1
(k+1) = (k) + (k)
x2 x2 h2
donde 2 3 2 3
(k) (k) (k)
h1 f1 (x1 , x2 )
(k) = −Jf−1 (x) (k) (k)
h2 f2 (x1 , x2 )
Para resolver sistemas más grandes del tipo
fi (x1 , x2 , ..., xn ) = 0 (1 ≤ i ≤ n)
obtenemos el algoritmo
x(k+1) = x(k) + h(k)
donde
⎛ (k)
⎞ ⎛ (k)
⎞ ⎛ (k) (k) (k)
⎞
x1 h1 f1 (x1 , x2 , ..., xn )
⎜ (k) ⎟ ⎜ (k) ⎟ ⎜ (k) (k) (k) ⎟
⎜ x2 ⎟ ⎜ h2 ⎟ ⎜ f2 (x1 , x2 , ..., xn ) ⎟
x(k) = ⎜ ⎟ , h(k) = ⎜ ⎟ = −Jf−1 (x) ⎜ ⎟
⎝ ... ⎠ ⎝ ... ⎠ ⎝ ... ⎠
(k) (k) (k) (k) (k)
xn hn fn (x1 , x2 , ..., xn )
y Jf es la matriz jacobiana asociada a (f1 , f2 , ..., fn ).
Obsérvese que, al igual que sucedı́a en el caso de una ecuación, si se denota:

−1
g(x) = x− [Jf (x)] f (x)
estamos en presencia de un caso particular del método de aproximaciones sucesivas

antes contemplado. Por lo tanto se tiene la siguiente propiedad:
−1
Proposición 17.2. Si la función g(x) = x− [Jf (x)] f (x) es, para alguna norma
matricial, una contracción definida en D; la sucesión
& > ?−1 '∞
xk+1 = xk − Jf (xk ) f (xk )
i=0
obtenida a partir de cualquier vector x0 ∈ D converge hacia la única solución de la

ecuación f (x) = 0 en D.
[60], [61] y [65].
17.6. Ejercicios
1. Hallar una raı́z de la ecuación 8x − cos x − 2x2 = 0 utilizando el método de
aproximaciones sucesivas.
Solución: x = 0,128077101
2. Determinar las tres raı́ces del polinomio p(x) = −x3 + 8x2 + 6x + 28.
Solución:
x1 = −7,693181114,
x2 = −0,153409443 − 1,901592041i,
x3 = −0,153409443 − 1,901592041i
3. Una partı́cula se encuentra en reposo sobre una placa en posición horizontal.

En el instante t = 0 la placa empieza a inclinarse, formando un ángulo (que
va aumentando) con el plano horizontal, con velocidad angular w. En estas
condiciones, despreciando el rozamiento, el desplazamiento x(t) de la partı́cula
está dado por la ecuación:
wt
g e − e−wt
x(t) = − sen(wt)
2w2 2
Sabiendo que en el instante t = 1s la partı́cula se ha desplazado 0,5m y que

la aceleración gravitatoria es g = 9,81ms−2 , encontrar, mediante el método de
Newton Raphson, y con una precisión superior a 10−5 la velocidad angular con
la que se está inclinando el plano.
Solución: w = 0,305802092
4. Hallar una solución del sistema de ecuaciones
800x + 0,5y 2 + 2z 3 = 18008

x + 10500y + z 3 = 43003
x3 + 0,5y + 7850z = 78510
mediante el método de Newton con una tolerancia de 10−3 .

Solución: x = 20,7604, y = 4,0273, z = 8,8612.
Apéndice A
Números complejos
A.1. Introducción
En ciencia e ingenierı́a hay que manipular cantidades expresables en forma de núme-

ros. Los conjuntos numéricos básicos cuya manipulación algebraica nos es ya familiar
son los naturales, enteros, racionales y reales. En este apéndice centraremos la dis-
cusión en un conjunto nuevo: el cuerpo de los complejos. La utilidad de aprender
a manejar estos números es clara. Las raı́ces de polinomios se buscan en el cuerpo
complejo; las soluciones de ecuaciones diferenciales lineales, que pueden modelar la
evolución de la concentración de una cierta sustancia quı́mica, involucran exponen-
ciales de complejos; las rotaciones en el plano verifican un álgebra análoga a la de los
complejos, etc.
Definición A.1. Un número complejo es toda expresión de la forma
a + bi
donde a y b son números reales e i es un número que satisface i2 = −1. Al número
real a se le llama parte real del complejo y al número real b se le llama parte
imaginaria.
√
Nota A.1. El número i = −1 recibe el nombre de unidad imaginaria.
Nota A.2. Los números complejos con parte imaginaria nula se identificarán con los
números reales: a + 0i = a.
Nota A.3. El conjunto de los números complejos se representa por la letra C.
Definición A.2. Dos números complejos z1 = a1 + b1 i y z2 = a2 + b2 i se dicen
iguales si y sólo si a1 = a2 y b1 = b2 .
361
362 Números Complejos
Definición A.3. Dados dos números complejos z1 = a1 +b1 i y z2 = a2 +b2 i se define

la suma de ambos como el número complejo z3 = a3 + b3 i cuyas dos componentes se
definen mediante a3 = a1 + a2 y b3 = b1 + b2 .
Definición A.4. Dados dos números complejos z1 = a1 +b1 i y z2 = a2 +b2 i se define
el producto de ambos como el número complejo z3 = a3 + b3 i cuyas dos componentes
se definen mediante a3 = a1 a2 − b1 b2 y b3 = a1 b2 + b1 a2 .
Proposición A.1. La suma y el producto de complejos son operaciones conmutativas.
z1 + z2 = (a1 + b1 i) + (a2 + b2 i) = (a2 + b2 i) + (a1 + b1 i) = z2 + z1
z1 z2 = (a1 + b1 i)(a2 + b2 i) = (a2 + b2 i)(a1 + b1 i) = z2 z1

∀z1 , z2 ∈ C
Proposición A.2. La suma y el producto de números complejos son operaciones
asociativas.
z1 + (z2 + z3 ) = (z1 + z2 ) + z3
z1 (z2 z3 ) = (z1 z2 )z3
∀z1 , z2 , z3 ∈ C
Proposición A.3. El producto de números complejos es distributivo respecto a la
suma de números complejos.
z1 (z2 + z3 ) = z1 z2 + z1 z3 , ∀z1 , z2 , z3 ∈ C
Proposición A.4. Relativa a los elementos neutros de la suma y el producto de

complejos.
1. El complejo 0 + 0i es el elemento neutro de la operación suma.
(a + bi) + (0 + 0i) = a + bi, ∀a + bi ∈ C
2. El complejo 1 + 0i = 1 es el elemento neutro de la operación producto.
(a + bi)(1 + 0i) = a + bi, ∀a + bi ∈ C
3. El complejo −a − bi es el elemento opuesto de a + bi para la operación suma.
(a + bi) + (−a − bi) = 0 + 0i, ∀a + bi ∈ C
4. (a + bi)(0 + 0i) = 0 + 0i, ∀a + bi ∈ C

5. (a + bi)(−1 + 0i) = −a − bi, ∀a + bi ∈ C
A.2. Representación de números complejos 363
Definición A.5. Siendo z = a + bi un número complejo diferente del 0 + 0i se define

el número complejo inverso de z, y se representará por z −1 , mediante
a −b
z −1 = (a + bi)−1 = + 2 i
a2 + b2 a + b2
Proposición A.5. (a + bi)−1 (a + bi) = 1 + 0i = 1.
Definición A.6. Siendo z1 = a1 + b1 i y z2 = a2 + b2 i dos números complejos tales
que a2 + b2 i = 0 + 0i, se define el cociente entre z1 y z2 mediante la expresión:
z1 a1 + b1 i
= = (a1 + b1 i)(a2 + b2 i)−1 = z1 z2−1
z2 a2 + b2 i
A.2. Representación de números complejos
En forma de par ordenado
El complejo a + bi también se suele representar en la forma (a, b) donde el primer

elemento del par representa siempre la parte real y el segundo la parte imaginaria.
En forma módulo-argumental
Los números complejos se pueden representar geométricamente mediante puntos del

plano. Si se utiliza un sistema cartesiano de referencia, el eje de abscisas se corresponde
con la parte real del complejo y el eje de ordenadas con la parte imaginaria.
1.5
0.5
1 0.5 0 0.5 1
0.5
1.5
√ √
Figura A.1: Rep. geométrica de los complejos 1 + 3i y −1 − 3i.
El complejo a + bi se puede también definir por su módulo ρ (la longitud del segmento
que une el punto que representa al complejo con el origen del sistema cartesiano) y
por su argumento α (el ángulo que forma el segmento anterior con la parte positiva
del eje de abscisas). La relación entre a y b y el módulo se obtiene fácilmente aplicando
el teorema de Pitágoras:
(
ρ = a2 + b2
En cuanto al argumento, puesto que son coincidentes los valores de las funciones
trigonométricas de un ángulo θ y del ángulo θ + 2kπ con k ∈ Z, se tendrá que son
argumentos todos los ángulos de la forma:
α = θ + 2kπ, k∈Z
siendo θ un ángulo perteneciente al intervalo [−π, π] y que se denominará argumento

principal. Este argumento principal se determina mediante:
⎧
⎪
⎪ arctg( ab ) si a > 0
⎪
⎪
⎪
⎪ arctg( ab ) + π si a < 0 y b ≥ 0
⎨
arctg( ab ) − π si a < 0 y b < 0
θ= (A.1)
⎪
⎪
π
si a = 0 y b > 0
⎪
⎪
2
⎪
⎪ − π2 si a = 0 y b < 0
⎩
indeterminado si a = 0 y b = 0
Las figuras A.1 y A.2 muestran la representación √geométrica √

de cuatro números com-
plejos. En la figura A.1 aparecen los complejos 1+ 3i y −1− 3i; el módulo de ambos
es 2 y los argumentos son, respectivamente, π/3 y −2π/3 como se puede comprobar
gráficamente
√ √o aplicando la expresión A.1. En la figura A.2 aparecen los complejos
3 − i y − 3 + i; en este caso el módulo de ambos es 2 y los argumentos son,
respectivamente, −π/6 y 5π/6.
La representación de un complejo a+bi mediante su módulo y su argumento principal,

(ρ)θ , se denomina forma módulo-argumental de representación del complejo.
En forma trigonométrica
Siendo a + bi un número complejo de módulo ρ y argumento θ se verifica que:
a = ρ cos θ y b = ρ sen θ
por lo que a + bi = ρ(cos θ + i sen θ). Esta última expresión es la representación en

forma trigonométrica del complejo a + bi.
A.3. Distintas formas de expresar las operaciones elementales 365
0.5
1.5 1 0.5 0.5 1 1.5
0.5
√ √
Figura A.2: Rep. geométrica de los complejos 3 − i y − 3 + i.
En forma exponencial
A partir de la fórmula de Euler:
eix = cos(x) + i sen(x),
igualdad que se demuestra en la sección C.15, el complejo z = a + bi se puede también

representar (forma exponencial de representar el complejo) como:
z = ρeiθ
en donde ρ es el módulo del complejo y θ el argumento.
A.3. Distintas formas de expresar las operaciones

elementales
A.3.1. Suma de complejos
En forma binómica:
a1 + b1 i + a2 + b2 i = a1 + a2 + (b1 + b2 )i
En forma de par:
(a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 )

En forma módulo-argumental:
(ρ1 )α1 + (ρ2 )α2 = (ρ3 )α3
en donde
(
ρ3 = (ρ1 )2 + (ρ2 )2 + 2ρ1 ρ2 (cos(α1 − α2 ))
y α3 se obtiene aplicando la expresión (A.1) con a = ρ1 cos α1 + ρ2 cos α2 y

b = ρ1 sin α1 + ρ2 sin α2 .
En forma trigonométrica:
ρ1 (cos α1 + i sen α1 ) + ρ2 (cos α2 + i sen α2 ) = ρ3 (cos α3 + i sen α3 )
con ρ3 y α3 obtenidos de la misma manera que en el caso anterior.
A.3.2. Producto de complejos
(a1 + b1 i)(a2 + b2 i) = a1 a2 − b1 b2 + (a1 b2 + a2 b1 )i
En forma de par:
(a1 , b1 )(a2 , b2 ) = (a1 a2 − b1 b2 , a1 b2 + a2 b1 )
(ρ1 )α1 (ρ2 )α2 = (ρ1 ρ2 )α2 +α1
ρ1 (cos α1 + i sen α1 )ρ2 (cos α2 + i sen α2 ) = ρ1 ρ2 (cos(α1 + α2 ) + i sen(α1 + α2 ))
En la figura A.3 se muestra la representación gráfica √

del producto de dos complejos.
Obsérvese que el módulo del complejo resultante (≈ ( 50)2,35619 ) es el producto de
los módulos de los dos factores y su argumento es la suma de los argumentos de los
dos factores.
A.3. Distintas formas de expresar las operaciones elementales 367
5 4 3 2 1 1 2
√
Figura A.3:√Rep. geométrica del producto de los complejos 2 + i ≈ ( 5)0,46365 y
−1 + 3i ≈ ( 10)1,89255 .
A.3.3. Inverso de un número complejo no nulo
En forma de par:
a −b
(a, b)−1 = , 2
a + b a + b2
2 2
a −b
(a + bi)−1 = + 2 i
a2 + b2 a + b2

−1 1
((ρ)α ) =
ρ −α
−1 1
(ρ(cos α + i sen α)) = (cos(−α) + i sen(−α))
ρ
A.3.4. Cociente de dos complejos
En forma binómica
z1 a1 + b1 i a1 a2 + b1 b2 a2 b1 − a1 b2
= = (a1 + b1 i)(a2 + b2 i)−1 = 2 2 + i
z2 a2 + b2 i a2 + b2 a22 + b22
En forma de par:

z1 (a1 , b1 ) a1 a2 + b1 b2 a2 b1 − a1 b2
= = (a1 , b1 )(a2 , b2 )−1 = ,
z2 (a2 , b2 ) a22 + b22 a22 + b22

(ρ1 )α1 ρ1
=
(ρ2 )α2 ρ2 α1 −α2
ρ1 (cos α1 + i sen α1 ) ρ
= 1 (cos(α1 − α2 ) + i sen(α1 − α2 ))
ρ2 (cos α2 + i sen α2 ) ρ2
Nota A.4. De lo anterior es fácil concluir que para realizar sumas de números com-
plejos conviene expresarlos en forma de par o en forma binómica. Por el contrario para
realizar productos, cocientes o calcular inversos de complejos conviene expresarlos en
forma módulo-argumental o en forma trigonométrica.
A.3.5. Conjugado de un número complejo
Definición A.7. Dado el complejo a + bi se denomina complejo conjugado de éste,

y se representa por (a + bi), al número complejo definido mediante (a + bi) = a − bi.
Nota A.5. En forma módulo-argumental: (ρ)α = (ρ)−α .
Proposición A.6. (a + bi)(a + bi) = a2 + b2 , ∀a + bi ∈ C.
A.4. Potenciación de números complejos
Proposición A.7. Sea a + bi un número complejo de módulo ρ y argumento α. Se

verifica la siguiente relación:
n
((ρ)α ) = (ρn )nα , ∀ (ρα ) ∈ C
Como ejemplos de potenciación de complejos obsérvense las figuras A.4 y A.5. En la

primera se muestra la representación geométrica del complejo z = 1,2 + 0,9i y de sus 6
2 3 4 5 6
( z, z , z , z , z y z . En la segunda se representa geométricamente
primeras potencias:
el complejo v = (3)/2 + (1/2)i y sus primeras once potencias. Como en este caso
el módulo de v es igual a 1, sus potencias siempre tienen módulo 1 y lo único que
varı́a es el argumento: los extremos de las distintas potencias dibujadas están siempre
situados en una circunferencia de radio unidad.
A.5. Radicación compleja 369
8 6 4 2
0
Figura A.4: Rep. geométrica del complejo z = 1,2+0,9i y de sus primeras 6 potencias.
v^3
1
v^4 v^2
v^5 v
0.5
v^6 1 0.5 0.5 1
0.5
v^7 v^1
v^8 1 v^10
v^9
√
Figura A.5: Rep. geométrica del complejo v = 3/2 + (1/2)i y de sus primeras once
potencias.
Proposición A.8. Se verifica la siguiente fórmula llamada Fórmula de Moivre:

n
(cos(α) + i sen(α)) = cos(nα) + i sen(nα)
A.5. Radicación compleja
Proposición A.9. Sea a + bi un número complejo de módulo ρ y de argumento θ.

Se verifica la siguiente relación:
-
√ α 2π
n
(ρ)α = ( n ρ)ϕ , donde ϕk = +k , (k = 0, . . . , n − 1).
k n n
Nota A.6. De la proposición anterior se deduce que las n raı́ces n-ésimas de un

número complejo z tienen el mismo módulo y sus argumentos difieren en 2π n radianes;
por lo tanto los extremos de estas raı́ces son los
√ vértices de un polı́gono regular de n
lados inscritos en una circunferencia de radio n r (r = módulo del complejo z).
2 0 2 4 6 8
Figura A.6: Rep. geométrica del complejo z = 8 + 0i y sus tres raı́ces cúbicas.
A.6. Referencias bibliográficas
Para obtener explicaciones mas detalladas de la materia tratada en este tema consultar
el capı́tulo 1 de [24], el apéndice de [22], el capı́tulo 10 de [1], el apéndice B de [10] y
el capı́tulo 1 de [40].
Para profundizar más en el tema, incluyendo variable compleja, ver [26], [41], [31] y
[36].
A.7. Ejercicios
1. Calcular
a) (5 + 3i) + (3 − 2i).
b) (5 + 3i)(3 − 2i).
(5+3i)
c) (3−2i) .
Solución: (a) 8 + i, (b) 21 − i, (c) 9

13 + 19
13 i.
A.7. Ejercicios 371
2. Expresar en forma módulo - argumental, trigonométrica, de par ordenado y

exponencial los siguientes complejos: (a) 5 + 3i, (b) 3 − 2i, (c) 1 + i, (d) −4i.
Solución:
√ √ √
a) ( 34)0,54 = 34(cos(0,54) + i sen(0,54)) = (5, 3) = 34e0,54i
√ √ √
b) ( 13)−0,588 = 13(cos(−0,588) + i sen(−0,588)) = (3, −2) = 13e−0,588i
√ √ √ π
c) ( 2) π4 = 2(cos( π4 ) + i sen( π4 )) = (1, 1) = 2e 4 i
π
d ) (4)− π2 = 4(cos(− π2 ) + i sen(− π2 )) = (0, −4) = 4e− 2 i
3. Dibujar el vector que representa geométricamente a cada uno de los siguientes

complejos: (a) 2 + 3i, (b) −4, (c) −3 − 2i, (d) −5i.
Solución: Consultar la figura A.7
2+3i
-4
-3-2i
-5i
Figura A.7: Rep. geométrica de los complejos 2 + 3i, −4, −3 − 2i y −5i.
4. Determinar la forma módulo-argumental de los siguientes complejos:

√ √
(a) 2i, (b) −4, (c) 5 + 5i, (d) −6 + 6 3i, (e) −3 − 3i (f) 2 3 − 2i.
Solución:
√ √
(a) (2) π2 , (b) (4)π , (c) (5 2) π4 , (d) (12) 2π
3
, (e) (3 2)− 3π
4
(f) (4)− π6
√ √
5. Expresar z1 = i, z2 = 1 − 3i y z3 = 3 + i en forma trigonométrica. Utilizar
el resultado para calcular z1z3z2 . Comprobar el resultado realizando los cálculos
en forma binomial.
Solución:z1 = cos( π2 ) + i sen( π2 ), z2 = 2(cos(− π3 ) + i sen(− π3 )), z3 = 2(cos( π6 ) +
i sen( π6 ))
z1 z2
=1
z3
6. Determinar las raı́ces cuadradas de −i. Dibujar el resultado.
1 1
i
2 2
π
4
1 1
i
2 2
Figura A.8: Raı́ces cuadradas de −i.
7. Determinar todas las soluciones de las dos ecuaciones siguientes

(a) z 4 − 16 = 0, (b) z 4 + 64 = 0
Solución:
a) ±2, ±2i.
b) ±(2 + 2i), ±(2 − 2i).
√
8. Determinar las cuatro raı́ces de orden 4 de −8 + 8 3i y representarlas gráfica-
mente.
9. ¿Cuál es el efecto geométrico de dividir un número complejo por i?

Solución: girarlo 90o en sentido horario.
10. Hallar la parte real y la parte imaginaria de los siguientes complejos.
√ π
(a) z1 = 3eπi , (b) z2 = 3e−πi , (c) z3 = 2e− 2 i , (d)z4 = 3e−2πi .
Solución:
a) Real(z1 ) = −3, Imag(z1 ) = 0

b) Real(z2 ) = −3, Imag(z2 ) = 0
√
c) Real(z3 ) = 0, Imag(z3 ) = − 2
d ) Real(z4 ) = 3, Imag(z4 ) = 0
A.7. Ejercicios 373
-1+ 3i
3 +i
π
2 π
6
- 3-i
1- 3i
√
Figura A.9: Las cuatro raı́ces de orden 4 de −8 + 8 3i.
Apéndice B
Exámenes propuestos en la
URJC con sus soluciones
B.1. Prueba de control de noviembre de 1999

1. Dado el complejo z = −64 se pide:
√
a) calcular todos los valores de 6 z;
b) dibujar el resultado indicando cuál es la figura geométrica que se obtiene
al unir los extremos de los complejos hallados en el apartado anterior.
√
Solución: z = (64)π , y = 6 z = (2) π + 2kπ (k = 0, . . . , 5)
6 6
a) y0 = (2) π6 , y1 = (2) π2 , y2 = (2) 5π

6
, y3 = (2)− 5π
6
, y4 = (2)− π2 , y5 = (2)− π6 .
b) Las cinco soluciones son los vértices de un hexágono regular inscrito en
una circunferencia de radio 2. En la figura B.1 se representa gráficamente
el resultado.
2. Dado el sistema de ecuaciones

x1 + x2 + x3 = 0
x1 + ax2 + x3 = 1
bx1 + x2 + ax3 = 1
se pide discutir las soluciones del sistema en función de los valores de a y b

(a, b ∈ lR).
Solución:
375
376 Exámenes propuestos en la Universidad Rey Juan Carlos
y1
2
y0
y2 1
2 1 1 2
y3 1
y5
2
y4
Figura B.1: Representación gráfica de la solución del problema 1.
⎛ ⎞ ⎛ ⎞
1 1 1 1 1 1
Matriz de coeficientes: A = ⎝ 1 a 1 ⎠∼⎝ 0 a−1 0 ⎠
b 1 a 0 0 a−b
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
Matriz ampliada: Ab = ⎝ 1 a 1 1 ⎠∼⎝ 0 a−1 0 1 ⎠ con
b 1 a 1 0 0 a−b a−2+b
a−1
a = 1.
Si a = 1
a) Si a = b, rg(A) = 2. y rg(Ab ) = 3 (2a − 2 = 0 salvo si a = 1) ⇒
Sistema incompatible.
b) Si a = b, rg(A) = 3 y rg(Ab ) = 3 ⇒ Sistema compatible determinado.
Si a =
⎛1 ⎞ ⎛ ⎞
1 1 1 1 1 1
A = ⎝ 1 1 1 ⎠ ∼ ⎝ 0 1 − b 1 − b ⎠,
b 1 1 0 0 0
⎛ ⎞ ⎛ ⎞
1 1 1 0 1 1 1 0
Ab = ⎝ 1 1 1 1 ⎠ ∼ ⎝ 0 1 − b 1 − b 1 ⎠ ,
b 1 1 1 0 0 0 1
a) Si b = 1, rg(A) = 1 y rg(Ab ) = 2 ⇒ Sistema incompatible.
b) Si b = 1, rg(A) = 2 y rg(Ab ) = 3 ⇒ Sistema incompatible.
3. Demostrar que si T ∈ M3 (lK) es una matriz triangular superior inversible, la

inversa de T también es triangular superior.
B.1. Prueba de control de noviembre de 1999 377
Solución: Si la matriz T −1 es la inversa de la matriz T se verifica T T −1 = I3 .

La ecuación T T −1 = I3 se puede expresar como:
T (t−1 −1 −1
1 , t2 , t3 ) = (e1 , e2 , e3 ) (B.1)
donde (t−1 −1 −1
1 , t2 , t3 ) y (e1 , e2 , e3 ) representan las columnas de T
−1
e In res-
pectivamente:
⎛ −1 ⎞ ⎛ −1 ⎞ ⎛ −1 ⎞
t11 t12 t13
t−1
1 =
⎝ t−1
21
⎠ , t−12 =
−1 ⎠
⎝ t22 , t−1
3 =
⎝ t−123
⎠ y
−1 −1 −1
t31 t32 t33
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0
e1 = ⎝ 0 ⎠ , e2 = ⎝ 1 ⎠ , e3 = ⎝ 0 ⎠
0 0 1
De (B.1) se deduce que para obtener los elementos de T −1 se deben resolver los
siguientes 3 sistemas de ecuaciones lineales (cada uno de ellos con 3 ecuaciones
y 3 incógnitas):
⎛ −1 ⎞ ⎛ ⎞ ⎛ −1 ⎞ ⎛ ⎞ ⎛ −1 ⎞ ⎛ ⎞
t11 1 t12 0 t13 0
T ⎝ t−121
⎠ = ⎝ 0 ⎠ T ⎝ t −1 ⎠
22 = ⎝ 1 ⎠ T ⎝ t −1 ⎠
23 = ⎝ 0 ⎠
t−1
31 0 t −1
32 0 t −1
33 1
Resolviendo el primero
t11 t−1 −1 −1
11 + t12 t21 + t13 t31 = 1
−1 −1 −1
0t11 + t22 t21 + t23 t31 = 0 ⇒ t−1
21 = 0
0t−1 −1 −1
11 + 0t21 + t33 t31 = 0 ⇒ t−1
31 = 0
Resolviendo el segundo
t11 t−1 −1 −1
12 + t12 t22 + t13 t32 = 1
−1 −1 −1
0t12 + t22 t22 + t23 t32 = 0
0t−1 −1 −1
12 + 0t22 + t33 t32 = 0 ⇒ t−1
32 = 0
lo que implica que t−1

ik = 0 si i > k (i, k = 1, 2, 3) y por lo tanto T
−1
es una
matriz triangular superior como se querı́a demostrar.
4. Sean

1 a
H1 = A ∈ M2 (lR)A = , a, b, c ∈ lR y
b c

−b a
H2 = A ∈ M2 (lR)A = , a, b ∈ lR
a b
dos subconjuntos de M2 (lR). ¿Son subespacios de M2 (lR)? Justifica la respuesta.
Solución:

1 a 1 d 1 a
a) A = ∈ H1 , B = ∈ H1 . λA + µB = λ +
b c e f b c

1 d λ + µ λa + µd
µ = ∈ H1 únicamente si λ + µ = 1 ⇒
e f λb + µe λc + µf
existen valores de λ y µ para los cuales λA + µB ∈/ H1 y por lo tanto H1
no es un subespacio de M2 (lR).

−b a −d c
b) A = ∈ H2 , B = ∈ H2 .
a b c d

−b a −d c −(λb + µd) λa + µc
λA+µB = λ +µ = ∈
a b c d λa + µc (λb + µd)
H2 ∀λ, µ ∈ lR ⇒ H2 es un subespacio de M2 (lR).
5. Sean {e1 , . . . , en } , {u1 , . . . , un } y {w1 , . . . , wn } tres bases de un espacio vec-
torial de dimensión n de las que se conoce las relación entre {ei } y {wi } :
n
n
ei = aji wj y entre {wi } y {ui } : wi = bji uj . Si se denota por A a
j=1 j=1
(aij )n×n y por B a (bij )n×n se pide obtener, en función de A y B, la matriz de
cambio de base que transforma las componentes de un vector en la base {ei } en
las componentes del mismo vector en la base {ui } .
Solución:
t
x1 . . . xn → componentes de x en la base {e1 , . . . , en }

t
x1 . . . xn → componentes de x en la base {u1 , . . . , un }
t
x1 . . . xn → componentes de x en la base {w1 , . . . , wn }
A = (e1 , . . . , en ){wi } , B = (w1 , . . . , wn ){ui }
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎫
x1 x1 x1 ⎪
⎪
⎜ .. ⎟ ⎜ .. ⎟ ⎜ .. ⎟ ⎪ ⎪
⎝ . ⎠ = (e1 , . . . , en ){wi } ⎝ . ⎠ = A ⎝ . ⎠ ⎪ ⎪
⎪

⎪
⎬
⎛ ⎞x ⎛ ⎞ x n x
⎛ ⎞
n
n
⇒
x1 x1 x1 ⎪
⎪
⎜ .. ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎪ ⎪
⎝ . ⎠ = (w1 , . . . , w3 ){ui } ⎝ .. ⎠ = B ⎝ .. ⎠ ⎪ ⎪
⎪
⎪
⎭
xn xn xn
⎛ ⎞ ⎛ ⎞
x1 x1
⎜ .. ⎟ ⎜ . ⎟
⎝ . ⎠ = BA ⎝ .. ⎠ ⇒
xn xn
La matriz de cambio de base de {ei } a {ui } es BA.
B.2. Examen parcial de febrero de 2000

√
1. Dados los complejos z1 = −2 3 + 2i y z2 = 10 + 10i, se pide:
B.2. Examen parcial de febrero de 2000 379
z1 · z2
a) calcular .
z2 · z 2
√
b) calcular todos los valores de 4 z1 y dibujar el resultado.
Puntuación de la pregunta: 3 puntos. ((a) 1 punto, (b) 2 puntos)

Solución:
√ √ √
z1 = 4 · 3 + 4 arctg( √
−1
)+π
= (4) 5π
6
, z2 = 200 arctg( 10 ) = (10 2) π4 ,
3 10
√
z1 · z2 (40 2) 5π + π √
a) = 6 4
= 52 13 π
z2 · z 2 200 12
√ √
4
√
b) 4 z1 = 4 (5π/6) + 2kπ (k = 0, 1, 2, 3) = 2 5π + kπ (k = 0, 1, 2, 3) =
4 4 24 2
⎧ √
⎪
⎪ r1 = 2 5π (k = 0)
⎪
⎪ √ 24
⎨ r2 = 2 17π (k = 1)
√ 24
⎪
⎪ r3 = 2 − 19π (k = 2)
⎪
⎩ r = √2 7π (k = 3)
⎪ 24
4 − 24
r2
1 r1
0.5
1 0.5 0 0.5 1
0.5
r3
1
r4
Figura B.2: Representación gráfica de la solución.
2. Justificar si es cierta o falsa la proposición “si u, v y w son tres vectores

pertenecientes a un espacio vectorial V tales que u, v = u, w , entonces
u, v = u, v, w”.
Puntuación de la pregunta: 3 puntos.

Solución: Se denominará S al subespacio generado por u y v, que es el mismo
que el generado por u y w (S = u, v = u, w). Debido a que {u, v} es un
sistema generador de S, cualquier vector de S se podrá expresar como combi-
nación lineal de u y v. Como por otro lado w pertenece a S (por pertenecer a
un sistema generador de S), w se puede expresar como combinación lineal de
u y v. En consecuencia u, v = u, v, w puesto que si a un sistema generador
se le añade un vector combinación lineal de los ya existentes el subespacio que
generan sigue siendo el mismo.
3. Considérese el e.v. V = M2 (lR), de las matrices cuadradas de tamaño 2 × 2, y

sea S = {M1 , M2 , M3 , M4 } el sistema formado por las matrices:

0 0 0 1 1 1 1 1
M1 = M2 = M3 = M4 =
0 1 1 1 0 0 0 1
Se pide:
a) estudiar sı́ S es una base de V .

b) Si S es una base de V, hallar las coordenadas x1 , x2 , x3 , x4 en la base S de
una matriz genérica, M, de V.

a b
M=
c d
Si S no es una base de V escoger un subconjunto de S formado por matrices
linealmente independientes y determinar unas ecuaciones paramétricas del
subespacio que generan. Expresar las matrices restantes como combinación
lineal de las linealmente independientes.
Puntuación de la pregunta: 6 puntos. ((a) 2 puntos, (b) 4 puntos).

Solución:
a) Para que {M1 , M2 , M3 , M4 } sea una base de M2 (lR), cualquier matriz de

dimensión 2 × 2 se tiene que poder expresar de forma única como combina-
ción lineal de M1 , M2 , M3 y M4 . Para ello el siguiente sistema de ecuaciones
tiene que tener solución única para cualesquiera a, b, c y d
0x1 + 0x2 + x3 + x4 = a
0x1 + x2 + x3 + x4 = b
0x1 + x2 + 0x3 + 0x4 = c
x1 + x2 + 0x3 + x4 = d
y para ello es necesario y suficiente que la matriz de coeficientes del sistema

anterior, A, tenga rango 4:

⎛ ⎞ ⎛ ⎞
1 1 0 1 1 1 0 1
⎜ 1 1 0 0 ⎟ ⎜ 0 1 1 1 ⎟
A=⎜ ⎝ 0 1
⎟∼⎜ ⎟ = A
1 1 ⎠ ⎝ 0 0 0 −1 ⎠
0 0 0 1 0 0 0 0
y por lo tanto el rango de A es 3 y S = {M1 , M2 , M3 , M4 } no es una base

de M2 (lR).
b) Existen distintas soluciones a este apartado debido a que se pueden coger
distintos subconjuntos de S formados por matrices linealmente indepen-
dientes. A continuación se da una de ellas en la que se ha escogido un
subconjunto formado por el máximo número de matrices linealmente inde-
pendientes que se pueden encontrar en S : 3 (rg(A) = 3).
Las filas de la matriz A son las componentes de las cuatro matrices M1 , M2 ,
M3 y M4 en la base

1 0 0 1 0 0 0 0
B1 = B2 = B3 = B4 =
0 0 0 0 1 0 0 1
(1a fila = componentes de M4 , . . . , 4a fila = componentes de M1 ). Como

el rango de A es 3, el número de matrices linealmente independientes que
hay en S es tres. Como además observando A se aprecia que la última fila
es combinación lineal de la primera y la segunda (4a fila = 1a fila -2a fila),
el subconjunto de S, S = {M4 , M3 , M2 }, es un subconjunto formado por
matrices linealmente independientes. Llamando W al subespacio generado
por S sus ecuaciones paramétricas son:
⎧
⎪
⎪ x1 = α+β
⎨
x2 = α + β + γ
W =
⎪
⎪ x3 = γ
⎩
x4 = α+γ
La matriz restante, M1 , se podrá expresar como M1 = −M3 + 0M2 + M4 .
4. Sean f : lR2 → lR3 una aplicación lineal y

⎛ ⎞
2 1
A = ⎝ 1 −1 ⎠
1 0
la matriz asociada a f en las bases B1 = {c1 = (1, 0)t , c2 = (1, 1)t } de lR2
y B2 = {b1 = (1, 0, 0)t , b2 = (1, 1, 0)t , b3 = (1, 1, 1)t } de lR3 . Si v = c1 + c2 .
Determinar f (v). Nota: Todos los vectores del enunciado están referidos a las
bases canónicas de lR2 y lR3 respectivamente. El resultado, f (v), también se
debe expresar en la base canónica de lR3 .
Solución: f (v) =f (c1 + c2 ) = f (c1 ) + f (c2 ) = (2, 1, 1)tB2 + (1, −1, 0)tB2 =
(3, 0, 1)tB2 = 3b1 + b3 = 3(1, 0, 0)t + (1, 1, 1)t = (4, 1, 1)t .
5. Se define un homomorfismo f : V → W entre dos lK−e.v. de dimensiones 3 y

4 respectivamente de manera que f (e1 − e2 ) = u3 + u2 + u4 , f (2e2 ) =2u1 +
2u2 + 2u4 y f (4e2 − e3 ) =2u1 +4u2 − 2u3 , donde B = {e1 , e2 , e3 } es una base
de V y B = {u1 , u2 , u3 , u4 } es una base de W. Se pide:
a) matriz asociada a f en las bases B y B ,

b) ecuaciones implı́citas de Im(f ),
c) ecuaciones paramétricas del núcleo de f.
d ) Clasificar la aplicación (inyectiva, sobreyectiva, biyectiva o ninguna de las
tres cosas).
Puntuación de la pregunta: 7 puntos ((a) 2 puntos, (b) 2 puntos, (c) 2

puntos, (d) 1 punto).
Solución:
a) con los datos del enunciado se pueden obtener las columnas de la matriz
pedida:
f (e1 − e2 ) = f (e1 ) − f (e2 ) = u3 + u2 + u4
f (2e2 ) =2f (e2 )=2u1 + 2u2 + 2u4
f (4e2 − e3 ) =4f (e2 ) − f (e3 )=2u1 +4u2 − 2u3
Las tres igualdades anteriores constituyen un sistema de ecuaciones del

que se pueden despejar f (e1 ), f (e2 ) y f (e3 ) en función de u1 , u2 , u3 y u4 ,
obteniéndose:
f (e1 ) = u1 +2u2 + u3 + 2u4
f (e2 ) = u1 +u2 + u4
f (e3 ) = 2u1 +2u3 + 4u4
Con lo que la matriz asociada a f en las bases B y B es:

⎛ ⎞
1 1 2
⎜ 2 1 0 ⎟
⎜ ⎟
⎝ 1 0 2 ⎠
2 1 4
⎛ ⎞ ⎛ ⎞
1 2 1 2 1 2 1 2
b) ⎝ 1 1 0 1 ⎠ ∼ ⎝ 0 −4 0 0 ⎠ ⇒ f (e1 ), f (e2 ) y f (e3 ) son
2 0 2 4 0 0 −1 −1
linealmente independientes y por lo tanto constituyen una base de Im(f ).
Una vez conocida una base de Im(f ) es fácil construir sus ecuaciones pa-
ramétricas: ⎧ ⎫
⎪
⎪ % x1 = λ ⎪
⎪
⎨ ⎬
x2 = 2λ − 4µ
Im(f ) = x ∈ lR 4
⎪
⎪ x3 = λ − α ⎪
⎪
⎩ ⎭
x4 = 2λ − α
eliminando λ, µ y α se obtiene la ecuación implı́cita de Im(f ). Im(f ) =

{x ∈ lR4 x4 − x3 − x1 = 0}.
c) Como dim(V ) = dim(Im(f )) + dim(ker(f )), se deduce que dim(ker(f )) = 0

3 3
y sus ecuaciones paramétricas serán:
⎧ % x =0 ⎫
⎨ 1 ⎬
ker(f ) = x ∈ lR3 x2 = 0
⎩ ⎭
x3 = 0
d ) La aplicación es inyectiva porque ker(f ) = {0}. No es sobreyectiva

porque dim(Im(f )) < dim(W ) y por lo tanto habrá vectores de W que no
tengan antecedente.
6. Sea B = {v1 , v2 , v3 } una base de un espacio euclı́deo, E, de dimensión 3 que

verifica:
v1 · v2 = 0, v1 · v1 = 1, v2 · v2 = 1, v3 · v3 = 3
⊥
y además v1 − v3 ∈ v1 , v2 . Se pide:
a) obtener la matriz del producto escalar respecto de la base B,

b) calcular el ángulo formado por los vectores v2 y v3 , ası́ como el que forman
v1 − v2 y v1 + v2 ,
c) Obtener una base ortonormal de E. ¿Qué matriz tiene asociada el producto
escalar en dicha base?,
d ) ¿cuáles son las coordenadas de los vectores w y v respecto de la base
ortonormal calculada en el apartado anterior si respecto de la base B son
w = (1, 3, −1)t y v = (1, 2, 0)t ?
e) Calcular el producto escalar w · v expresando w y v en la base B. Volver a

calcular el producto escalar w · v expresando w y v en la base ortonormal
obtenida anteriormente. ¿Qué relación hay entre los dos valores obtenidos?,
razónese la respuesta.
Puntuación de la pregunta: 7 puntos ((a) 1 punto, (b) 1 punto, (c) 2 puntos,

(d) 2 puntos, (e) 1 punto).
Solución:

(v1 − v3 ) · v1 = 0 ⇒ v3 v1 = v1 v1 = 1
⊥
a) v1 − v3 ∈ v1 , v2 ⇒
(v1 − v3 ) · v2 = 0 ⇒ v1 v2 = v3 v2 = 0
Con los dos productos escalares que se acaban de calcular se tienen todos
los elementos de la matriz de Gram:
⎛ ⎞
1 0 1
G=⎝ 0 1 0 ⎠
1 0 3
v2 ·v3
b) arc cos(v
2 , v3 ) = v2 v3 = 0 ⇒ v
2 , v3 =
π
2,
arc cos((v1 − v
2 )(v1 + v2 )) =
(v1 −v2 )·(v1 +v2 )
v1 −v2 v1 +v2 = 0 ⇒ (v1 − v
2 )(v1 + v2 ) =
π
2.
c) Como v1 · v2 = 0, v1 y v2 son ortogonales con lo que c1 y c2 se pue-

den calcular directamente sin más que dividir v1 y v2 por sus respectivas
normas
c1 = vv11 = v1 = (1, 0, 0)t{vi } ,
v2
c2 = v2 = v2 = (0, 1, 0)t{vi } ,
c3 se calcula mediante la tercera etapa del método de Gram - Schmidt:
c3 = zz33 = √12 (−1, 0, 1)t{vi } ,
z3 = v3 − (v3 · c1 )c1 − (v · c2 )c2 = (0, 0, 1) − (1, 0, 0) = (−1, 0, 1)t{vi } ,
⎛ ⎞⎛ ⎞
1 0 1 −1
z3 = z3 · z3 = (−1, 0, 1) ⎝ 0 1 0 ⎠ ⎝ 0 ⎠ = 2.
2
1 0 3 1
La matriz del producto escalar en la base {c1 , c2 , c3 } es
⎛ ⎞
1 0 0
G = ⎝ 0 1 0 ⎠
0 0 1
puesto que ci · cj = δ ji .
d ) Para realizar el cambio de base será necesario expresar {vi } en función de

{ci }
⎧ ⎧
⎨ c 1 = v1 ⎨ v1 = c1
c 2 = v2 ⇒ v2 = c
√2
⎩ c = − √1 v + √1 v ⎩
3 2 1 2 3 v3 = 2c3 + c1
√ √
w = v1 + 3v2 − v3 = c1 + 3c2 − ( 2c3 + c1 ) = 3c2 − 2c3
v = v1 + 2v2 = c1 + 2c2 = c1 + 2c2 .
⎛ ⎞⎛ ⎞
1 0 1 1
e) En la base {vi } : w · v = (1, 3, −1) ⎝ 0 1 0 ⎠ ⎝ 2 ⎠ = 6.
1 0 3 0
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 0 0 1 1
En la base {vi } : w · v = (1, 3, −1) ⎝ 0 1 0 ⎠ ⎝ 2 ⎠ = (1, 3, −1) ⎝ 2 ⎠
0 0 1 0 0
= 6.
Los dos valores son iguales puesto que el producto escalar de dos vectores
es siempre el mismo independientemente de cuál sea la base en la que se
expresen los vectores.
7. Dada la matriz ⎛ ⎞
1 2 3
A=⎝ 2 1 1 ⎠
4 −1 2
se pide:
a) utilizando el método LU con pivote parcial, determinar las matrices F, L

y U que satisfacen que F A = LU.
b) resolver el sistema de ecuaciones Ax = b mediante el método LU con pivote
parcial en el caso en que b = (1, 0, 1)t .
Puntuación de la pregunta: 7 puntos ((a) 5 puntos, (b) 2 puntos).

Solución:
⎛ ⎞
4 −1 2
1
a) Etapa 1, A = ⎝ 1/2 3/2 0 ⎠ , IFIL(1)=3
1/4 9/4 5/2
⎛ ⎞
4 −1 2
Etapa 2, A2 = ⎝ 1/2 9/4 5/2 ⎠ , IFIL(2)=3
1/4 2/3 −5/3
Por lo tanto:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 4 −1 2 0 0 1
L = ⎝ 1/4 1 0 ⎠ , U = ⎝ 0 9/4 5/2 ⎠ , F = ⎝ 1 0 0 ⎠ .
1/2 2/3 1 0 0 −5/3 0 1 0
b) Se transforma el sistema F Ax =F b en el sistema LU x =F b (1) utilizando

la factorización obtenida en el apartado anterior. Para resolver (1) se re-
suelve en primer lugar el sistema Ly =F b, obteniéndose y = (1, 3/4, −1)t .
A continuación se resuelve el sistema U x = y obteniéndose x = (−2/15, −
1/3, 3/5)t que es la solución del sistema Ax = b.
8. Demostrar, utilizando la definición δ − ε, que lı́m (x3 + 2x) = 33. Nota: si

x→3
para resolver la pregunta se utiliza la propiedad lı́m (f (x) + g(x)) = lı́m f (x) +
x→a x→a
lı́m g(x) será necesario demostrarla previamente utilizando la definición δ − ε.
x→a
Solución: teniendo en cuenta que x = x − 3 + 3, x3 = (x − 3)3 + 9(x − 3)2 +
27(x − 3) + 27 se deduce que:
3
x + 2x − 33 = (x − 3)3 + 9(x − 3)2 + 29(x − 3) ≤ |x − 3|3 + 9 |x − 3|2 +
29 |x − 3| . Para todos los x que pertenezcan al intervalo
abierto de centro 3 y
radio δ se verificará |x − 3| < δ por lo que: x3 + 2x − 33 < δ 3 +9δ 2 +29δ ≤ 39δ
(si se supone δ ≤ 1) y por lo tanto:
lı́m(x3 + 2x) = 33
debido a que:
ε
∀ε > 0 ∃(δ ≤ y δ ≤ 1) t.q. (0 < |x − 3| < δ ⇒ |x3 + 2x − 33| < ε)
39
B.3. Prueba de control de abril de 2000

1. (3 puntos) Considerar la función y = f (x) definida implı́citamente por
F (x, y) ≡ x2 + y 4 − 2 = 0 y tal que f (1) = −1
df
Hallar dx en el punto x = 1.
Solución: Si F (x, y) define implı́citamente una función y = f (x), entonces
F (x, f (x)) = 0
B.3. Prueba de control de abril de 2000 387
Tomando derivadas a ambos lados de la igualdad obtenemos
dF (x, f (x))
=0
dx
es decir,
d 2
x + f 4 (x) − 2 = 0
dx
Operando,
2x + 4f 3 (x)f (x) = 0
es decir,
−2x x
f (x) = =− 3
4f 3 (x) 2f (x)
Si (x, f (x)) = (1, −1), tendremos
1 1
f (1) = − =
2(−1)3 2
2. Dadas las funciones

√
f (x) = 1+x
g(x) = ln(1 + sen x)
a) (1.5 puntos) Hallar los polinomios de Taylor de orden 2 alrededor de x = 0

de f (x) y g(x).
Solución:
f (0) 2
f (x) = f (0) + f (0)x + x + O(x3 ) = P2 (x) + O(x3 )
2
g (0) 2
g(x) = g(0) + g (0)x + x + O(x3 ) = Q2 (x) + O(x3 )
2
Se calcula automáticamente f (0) = 1, g(0) = 0. Calculemos las derivadas
de f en cero hasta el orden segundo:
1 1 1
f (x) = (1 + x)− 2 , f (0) =
2 2
1 − 32 1
f (0) = − (1 + x)
, f (0) = −
4 4
1
g (0) =
cos x , g (0) = 1
1 + sen x
sen x cos2 x
g (0) = − − , g (0) = −1
1 + sen x (1 + sen x)2
Por tanto,
1 1
P2 (x) = 1 + x − x2
2 8
x2
Q2 (x) = x −
2
b) (1.5 puntos) Usar esta información para calcular

√
1 + x − 1 − x2
lı́m .
x→0 ln(1 + sen x) − x
Solución: Podemos escribir

√
1 + x − 1 − x2 1 + 12 x − 18 x2 + O(x3 ) − 1 − x
lı́m = lı́m 2
x→0 ln(1 + sen x) − x
2
x→0 x − x2 + O(x3 ) − x
− 18 x2 + O(x3 )
= lı́m 2
x→0 − x2 + O(x3 )
0 1
O(x3 ) O(x3 )
x2 − 18 + x2 − 18 + − 18 1
0 1 = lı́m x2
= lı́m O(x3 )
= 1 = 4
x→0 2
x − 12 + O(x3 ) x→0 − 12 + −2
x2 x2
3. (3 puntos) Se debe hacer un embudo cónico que tenga la generatriz igual a 20

cms. ¿Cuál debe ser la altura del embudo para que su volumen sea el máximo po-
sible? (Nota: el volumen de un cono es un tercio del área de la base multiplicado
por la altura).
Solución: El volumen en función de la altura h y del radio r será
1 2
V (r, h) = πr h
3
La generatriz mide 20 cms. La generatriz, el radio y la altura forma un triángulo
rectángulo. Por tanto
r2 + h2 = 202 = 400
Es donde podemos despejar r :
(
r= 400 − h2
y obtener ası́
1
V (h) = π 400 − h2 h
3
Para hallar el máximo (si existe) calculemos el o los puntos crı́ticos imponiendo
dV (h) 1
= π 400 − 3h2 = 0
dh 3
20
que se cumple con h = √ 3
. Para ver si es máximo el volumen en este punto,
calculemos la segunda derivada
d2 V (h) d2 V 20 −40π
= −2πh , (√ ) = √ < 0
dh2 dh2 3 3
20
Por tanto, hay un máximo local para h = √ 3
y esta será la altura del embudo
para la cual el volumen es máximo y vale

1 400 20 16000 √
Vmáx = π 400 − √ = π 3 = 3224,5 cm3
3 3 3 27
4. Considerar la función de dos variables f (x, y) = −x2 − 14 y 4 .
a) (1 punto) Calcular la derivada direccional de f en el punto (x, y) = (1, 1)

a lo largo de la dirección u = ( √12 , √12 ).
Solución: La función f tiene derivadas parciales
∂f
= −2x
∂x
∂f
= −y
∂y
que son dos funciones continuas en lR2 . Será en particular continua en

(1, 1). Por tanto, la función f es diferenciable en (1, 1) y eso implica que
tiene todas sus derivadas direccionales y estas se expresan en la forma

df ∂f ∂f
(1, 1) = (1, 1) u1 + (1, 1) u1 = −2u1 − u2
du ∂x ∂y
Si u = ( √12 , √12 ), entonces
df 1 1 3
(1, 1) = −2 √ − √ = − √
du 2 2 2
b) (1 punto) Calcular la diferencial de f en ese punto.

Solución: Como f es diferenciable, se tendrá

∂f ∂f
df ((1, 1); h) = (1, 1) h1 + (1, 1) h1 = −2h1 − h2
∂x ∂y
c) (1 punto) Calcular la ecuación del plano tangente en el punto.

Solución: El plano tangente tiene ecuación

∂f ∂f
z − f (1, 1) = (1, 1) (x − 1) + (1, 1) (y − 1)
∂x ∂y
Calculando,
5
z+ = (−2)(x − 1) + (−1)(y − 1)
4
Simplificando,
7
z= − 2x − y
4
d ) (1 punto extra) Si en lugar de f consideramos la función
!
−x2 − 14 y 4
x2 +xy 2 + 14 y 4
si (x, y) = (0, 0)
g(x, y) =
−1 si (x, y) = (0, 0)
¿Será continua esta función en (0, 0)?
Solución: Tenemos que ver si se verifica
lı́m g(x, y) = −1
(x,y)→(0,0)
Calculemos lı́mites radiales

−x2 − 14 k 4 x4 −1 − 14 k 4 x2
lı́m g(x, kx) = lı́m = lı́m = −1
x→0 x→0 x2 + k 2 x3 + 1 k 4 x4 x→0 1 + k 2 x + 1 k 4 x2
4 4
Intentemos hallar una mayorante. Haciendo cambio a polares

−r2 cos2 θ − 14 r4 sen4 θ
g(x, y) =
r2 cos2 θ + r3 cos θ sen2 θ + 14 r4 sen4 θ
− cos2 θ − 14 r2 sen4 θ
=
cos2 θ + r cos θ sen2 θ + 14 r2 sen4 θ
y por tanto
− cos2 θ− 14 r 2 sen4 θ
g(x, y) + 1 = cos2 θ+r cos θ sen2 θ+ 14 r 2 sen4 θ
+1
2
= 4r 4 cos2 θ+4r cos θ−4r(sen θ)(cos θ)
cos3 θ+r 2 −2r 2 cos2 θ+r 2 cos4 θ
≡ 4rh(r, θ)
El producto de r por una función de r y θ. Si esta función está acotada,
entonces el mayorante será r y g(x, y) tenderá a −1. Desafortunadamente
éste no es el caso, ya que
(sen2 θ) (cos θ) sen2 θ
h(r, θ) → = cuando r → 0
4 cos2 θ 4 cos θ
que no es acotada. Esto hace sospechar que quizás el lı́mite no sea −1. Bus-
quemos una trayectoria y = ϕ(x) tal que g(x, ϕ(x)) = M = 0. Tendremos
−x2 − 14 ϕ4 (x)
g(x, ϕ(x)) = = −M
x2 + xϕ2 (x) + 41 ϕ4 (x)
−x2 − 14 y 2
= −M
x2 + xy + 14 y 2
Una posible ϕ(x) será
:
1 0 ( 1
ϕ(x) = −4M x + 4 (−x2 + 2M x2 )
2 (M − 1)
que solo será tendrá sentido cuando M verifique
(M − 1) < 0 , 2M − 1 > 0 , (2M − 1) < M 2

y esto solo ocurre si M ∈ 12 , 1 . La función g, por tanto, no es continua
en (0, 0).
√
Otra posibilidad es la de darse cuenta de que a lo largo de y = k x se
tiene
√ −x2 − 14 k 4 x2 −1 − 14 k 4
f (x, y) = f (x, k x) = 1 = = −1
x2 + k 2 x2 + 4 k 4 x2 1 + k 2 + 14 k 4
5. (3 puntos) Hallar los extremos relativos y/o puntos de silla de la función

1 5
f (x, y) = x + y 3 − 12y − 12x3 − 15
5
definida en lR2 .
Solución: Hallemos primero los puntos crı́ticos. Imponemos
∂f
= x4 − 36x2 = 0
∂x
∂f
= 3y 2 − 12 = 0
∂y
De la primera ecuación obtenemos x = 0 ó x = ±6. De la segunda obtenemos
y = ±2. Hay por tanto 6 puntos crı́ticos: (0, 2), (0, −2), (6, 2), (6, −2), (−6, 2),
(−6, −2).
La matriz Hessiana es
2 3
∂2f ∂2f
∂x2 ∂x∂y 4x3 − 72x 0
Hf = ∂2f ∂2f
=
0 6y
∂x∂y ∂y 2
Por tanto,
∂2f
∆2 = det Hf = 24x3 y − 432xy , ∆1 = = 4x3 − 72x
∂x2
En (0, 2) y (0, −2), ∆2 = 0. Por tanto, son todos puntos dudosos.

En (6, 2), ∆2 = 24 63 2 − 432(12) = 5184 > 0, ∆1 = 4 63 − 72(6) = 432 > 0.
Hay, por tanto, un mı́nimo relativo.

En (6, −2), ∆2 = 24 63 (−2) + 432(12) = −5184 < 0. Hay, por tanto, un punto
de silla.
En (−6, 2), ∆2 = −5184 < 0. Hay, por tanto, un punto de silla.

En (−6, −2), ∆2 = 5184 > 0. ∆2 = 4 (−6)3 + 72(6) = −432 < 0. Hay, por
tanto, un máximo relativo.
B.4. Examen final de la convocatoria de junio de

2000
1. Hallar el polinomio de Taylor de tercer grado en torno a x = 0 de las funciones
x2
f (x) = sen(x − )
2
g(x) = e−x − 1
Usar estos polinomios para calcular

f (x) + g(x)
lı́m
x→0 x3
Solución: Calculamos
x2
f (x) = sen(x − ) , f (0) = 0
2
x2
f (x) = (1 − x) cos(x − ) , f (0) = 1
2
x2 x2
f (x) = − cos(x − ) − (1 − x)2 sen(x − ) , f (0) = −1

2 2
2
x x2
f (0) = 3(1 − x) sen(x − ) − (1 − x)3 cos(x − ) , f (0) = −1
2 2
Por tanto
x2 x3
f (x) = 0 + x − − + O(x4 )
2 6
B.4. Examen final de la convocatoria de junio de 2000 393
x2 x3
El desarrollo de la exponencial es conocido: ex = 1 + x + 2 + 6 + O(x4 ). Por
tanto,
x2 x3
g(x) = −x + − + O(x4 )
2 6
Podemos concluir
3
f (x) + g(x) − x3 + O(x4 ) 1 O(x4 )
= = − +
x3 x3 3 x3
y finalmente

f (x) + g(x) 1 O(x4 ) 1 O(x4 ) 1
lı́m = lı́m − + = − + lı́m =−
x→0 x3 x→0 3 x3 3 x→0 x3 3
2. Considérese la función
(
x−y
sen x2 + y 2 en lR2 \(0, 0)
x2 +y 2
f (x, y) =
0 en (0, 0)
a) ¿Es continua en (0, 0)?

b) Calcular ∂f
∂x (1, 1) y
∂f
∂y (1, 1) y la derivada direccional de f (x, y) a lo largo
de la dirección u = √1 (1, −1) en el punto a = (1, 1).
2
Nota: la valoración de cada apartado en la calificación global del ejercicio es la

siguiente: apartado (a) 50 %, apartado (b) 50 %.
Solución: a) No es continua. Calculemos los lı́mites direccionales:
- 2 ( 3
x − λx 2 1 − λ sen |x| 1 + λ 2
lı́m f (x, λx) = lı́m sen x2 + (λx) = lı́m
x→0 x→0 x2 + (λx)2 x→0 1 + λ2 x
2 ( 3
1−λ sen |x| 1 + λ2
=( lı́m (
1 + λ2 x→0 x 1 + λ2
Podemos ahora calcular
(
sen |x| 1 + λ2
lı́m ( = +1
x→0+ x 1 + λ2
(
sen |x| 1 + λ2
lı́m ( = −1
x→0− x 1 + λ2
y concluir
1−λ λ−1
lı́m+ f (x, λx) = ( , lı́m+ f (x, λx) = (
x→0 1 + λ2 x→0 1 + λ2
que sólo son cero si λ = 1. La función, por tanto, no es continua en (0, 0).
b) Fuera del punto (0, 0) la función es diferenciable (composición de funciones
diferenciables). Por tanto
( (
∂f 1 2x(x − y) x(x − y)
= 2 2
− 2 2 2
sen x2 + y 2 + 3 cos x2 + y 2
∂x x +y (x + y ) 2 2
(x + y ) 2
( (
∂f −1 2y(x − y) y(x − y)
= 2 2
− 2 2 2
sen x2 + y 2 + 3 cos x2 + y 2
∂y x +y (x + y ) (x2 + y 2 ) 2
Podemos calcular entonces
∂f sen 2 ∂f sen 2
(1, 1) = , (1, 1) = −
∂x 2 ∂y 2
La derivada direccional buscada será entonces

df ∂f ∂f sen 2 1 sen 2 1 sen 2
(1, 1) = (1, 1)u1 + (1, 1)u2 = √ − −√ = √
du ∂x ∂y 2 2 2 2 2
3. La temperatura T en un lago está dada en cada punto por la fórmula

1 1
T (x, y, z) = 4 − (x2 + y 2 ) + z − z 2
4 10
donde (x, y, z) son las coordenadas de un punto del lago en un cierto sistema de
referencia. Un pez sigue la trayectoria
x(t) = t
y(t) = t
z(t) = 1 + t2
con 0 ≤ t ≤ 2. ¿En qué instantes (valores de t) siente el pez la máxima y mı́nima

temperaturas y cuáles serán éstas?
Solución: Denotemos por τ (t) la temperatura que siente el pez en cada ins-
tante. Dicha función es el resultado de componer la ecuación vectorial de la
trayectoria con la función T (x, y, z) que da la temperatura en cada punto del
espacio. Es decir τ (t) = T (x(t), y(t), z(t)). Para calcular los extremos globales
de τ (t) deberemos hallar primero los locales y, para ello, los puntos crı́ticos.
Aplicando la regla de la cadena obtenemos
= + +
dt ∂x dt ∂y dt ∂z dt
(las derivadas parciales se evalúan en (x(t), y(t), z(t))). Se obtiene entonces

dτ 1 1 1 1
= − x(t) 1+ − y(t) 1+ 1 − z(t) (2t) = −t+2t 1 − 1 + t2
dt 2 2 5 5
3 2
= t − t3
5 5
-
dτ 3
Los puntos crı́ticos (puntos en los que se anula dt ) son t = 0 y t = 2. La
segunda derivada es
d2 τ 3 6
= − t2
dt2 5 5
-
que es positiva para t = 0 y negativa para t = 32 . La función τ (t) (definida
- lR) tendrá por tanto un mı́nimo local en t = 0 y un máximo local en
en todo
3 9
t= 2. El mı́nimo local es τ (0) = T (0, 0, 1) = 4 + 10 = 49
10 , mientras que el
- - -
máximo local es τ ( 32 ) = T ( 32 , 32 , 52 ) = 4 − 34 + 52 − 58 = 41
8 . Como estamos
en el intervalo t ∈ [0, 2], para calcular los extremos globales en el intervalo
deberemos comparar los extremos locales con los valores de la función en el
borde. τ (0) ha sido calculado arriba, y τ (2) = T (2, 2, 5) = 4 − 2 + 5 − 52 = 92 .
Como τ (2) < τ (0), el mı́nimo global se alcanza en t = 2 y vale 92 . El máximo
-
global se alcanza en t = 32 y vale 418 .
4. Una caja de base rectangular (lados de la base de longitud x e y, altura z) sin

tapa superior ha de tener un volumen de 32 decı́metros cúbicos. ¿Cuáles han de
ser las dimensiones de la caja de modo que el área sea mı́nima?
Solución: El volumen de la caja es
V = xyz = 32 (B.2)
y el área total será el área de los cuatro lados más el área de la base:
A = xz + yz + xz + yz + xy = 2xz + 2yz + xy
32
De (B.2) deducimos z = xy , y, por tanto
64 64
A= + + xy
y x
Es decir, el área es una función de dos variables que denotaremos por A(x, y).
Para calcular el área mı́nima, tendremos que encontrar el mı́nimo global de
A(x, y). Busquemos sus puntos crı́ticos:
∂A 64
= − +y =0
∂x x2
∂A 64
= − 2 +x=0
∂y y
De la primera ecuación obtenemos y = x642 , que introducido en la segunda lleva
a
1
− x4 + x = 0
64
con soluciones x = 0 (no realista) y x = 4. El correspondiente valor de y

64 32
será (4) 2 = 4. El correspondiente valor de z será pues z = (42 ) = 2. Compro-
bemos que A(x, y) tiene un mı́nimo en (x, y) = (4, 4). Para ello calculamos la
matriz Hessiana
2 2 3
∂ A ∂2A 128
∂x2 ∂x∂y x3 1
H= 2 2 = 128
∂ A ∂ A
2
1 y3
∂x∂y ∂y

2 1 2
En (4, 4) la Hessiana es H = . Como ∂∂xA2 (4, 4) = 2 > 0 y det(H) =
1 2
3 > 0, concluimos que, efectivamente, hay un mı́nimo de A(x, y) en (4, 4). Las
dimensiones de la caja de área mı́nima son entonces 4 × 4 × 2 (las longitudes
tienen dimensiones de decı́metros).
5. Las curvas y = x, y = x2 delimitan una región D (contenida en el primer
cuadrante). Calcular <<
(ex + y)dxdy
D
Solución: Es elemental dibujar las curvas: una recta y una parábola. Dichas
curvas tienen intersección en los puntos (0, 0) y (1, 1). En el intervalo x ∈ (0, 1)
la parábola está por debajo de la recta. Estamos pues ante una región del Tipo
1 y la integral se calculará con la fórmula
< 1 < x
x
I= (e + y)dy dx
0 x2
En primer lugar,
< x x
y 2 x2 x4
(e + y)dy = e y + = ex x +
x x
− ex x2 −
x2 2 x2 2 2
y la integral buscada es entonces
< 1 < 1 < 1 2 < 1 < 1 4
x2 x4 x x
x
e x+ −e x −
x 2
dx = x
e xdx+ dx− x 2
e x dx− dx
0 2 2 0 0 2 0 0 2
Las únicas integrales que no se calculan en forma directa son las que involucran
exponenciales, que debemos integrar por partes
< 1 < 1
x 1
e xdx = e x|0 −
x
ex dx = e − e + 1 = 1
0 0
< <
1 1 1
ex x2 dx = ex x2 −
0
2xex dx = e − 2
0 0
Nuestra integral será entonces

1 1 46
I =1+ − (e − 2) − = −e
6 10 15
6. Calcular << -
3
x 1 − (x2 + y 2 ) 2 dxdy
D
donde D es la región del primer cuadrante (x ≥ 0 e y ≥ 0) limitada por la

circunferencia x2 + y 2 = 1 y los ejes x e y.
Solución: Dado que parte de la región está delimitada por una circunferencia,
parece natural intentar expresar la región en coordenadas
> π? polares. Nuestra re-
gión es el conjunto
de puntos con
> ρ ∈
?[0, 1] y θ ∈ 0, 2 , es decir, el rectángulo en
polares D∗ = (ρ, θ) ∈ [0, 1] × 0, π2 . Después del cambio a polares, la integral
será (sin olvidar el jacobiano!):
<< - << (
3
x 1 − (x2 + y 2 ) 2 dxdy = ρ cos θ 1 − ρ3 ρdρdθ
D D∗
< π
2
< 1 (
= cos θ 1 − ρ3 ρ2 dρdθ =
0 0
< < 2 3
π
2 1 ( π 2 3 1 2
3 2
cos θ 1− ρ3 ρ2 dρ dθ = sen θ|0 2
− 1−ρ =
0 0 9 0 9
7. Hallar la solución general de las siguientes ecuaciones diferenciales:
a)
2
y + 2xy = xe−x
b)
2y + y − y = 2ex

Solución: a) La solución al problema homogéneo:
yh + 2xyh = 0
será 4 2 2
yh (x) = e− 2xdx
= e−x +C
= Ke−x
Para encontrar una solución al problema no homogéneo ensayamos el método
de variación de constantes
2
yp (x) = K(x)e−x
Introducimos yp (x) en la ecuación y se obtiene

2 2 2 2
K (x)e−x − 2xK(x)e−x + 2xK(x)e−x = xe−x
Por tanto < <

−x2 x2 x2
K(x) = xe e dx = xdx =
2
La solución final será por tanto

x2 2
y(x) = yh (x) + yp (x) = K+ e−x
2
b) Ecuación homogénea:
2yh + yh − yh = 0
Para hallar la solución general, encontramos las raı́ces del polinomio carac-
terı́stico correspondiente: 2r2 + r − 1. Dichas raı́ces son r = −1, 12 , y la solución
general:
x
yh (x) = C1 e−x + C2 e 2
La solución particular de la ecuación no homogénea la hallaremos por el método
de coeficientes indeterminados. Probemos una solución de la forma yp (x) = Aex ,
que introducida en la ecuación lleva a
2Aex + Aex − Aex = 2ex
de donde deducimos 2A = 2. Por tanto, A = 1 y la solución general de nuestra

ecuación será
x
y(x) = C1 e−x + C2 e 2 + ex
8. Una bala de masa m penetra en una tabla cuyo grosor es h = 10 cms., con
una velocidad v0 = 200 m/seg. Al atravesarla, sale por el otro lado con una
velocidad v1 = 80 m/seg. Considerando la fuerza de la resistencia que ofrece
la tabla proporcional al cuadrado de la velocidad de ésta (con constante de
proporcionalidad k), calcular el tiempo invertido por la bala en atravesar la
k
tabla. Calcular el valor de γ = m . (Nota: el resultado es independiente de los
valores de k y de m, pero su cociente γ se puede calcular a partir de los datos
del problema).
Solución: La fuerza resistiva es proporcional al cuadrado de la velocidad. En-
tonces, ignorando todos los efectos que no son relevantes (por pequeños) para
nuestro problema, como es la gravedad, resistencia del aire, pérdida de masa de
la bala, etc., y aplicando la ley de Newton, obtenemos la ecuación
d2 x
m = FR = −kv 2
dt2
El signo menos se debe al hecho de que la fuerza resistiva se opone al movimiento
de la bala, y x(t) es la distancia de la bala al lado de entrada de la tabla. La
ecuación diferencial es de segundo orden para x(t), pero de primer orden para
v = dx
dt :
dv
m = −kv 2
dt
k
Dividamos la ecuación por m y llamemos m = γ. Entonces
dv
= −γv 2
dt
una ecuación diferencial ordinaria, de primer orden, separable. Podemos escribir
entonces
dv
− 2 = γdt
v
e integrando
1
= γt + C (B.3)
v(t)
Fijemos como tiempo inicial el tiempo al cual llega la bala a la tabla. Entonces
1
=C
v0
y obtenemos de (B.3)
1
v(t) = 1 (B.4)
v0 + γt
Denotemos por T el tiempo que emplea la bala en cruzar la tabla. Entonces
v(T ) = v1 y obtenemos la ecuación
1
v1 = 1
v0 + γT
de donde podemos calcular la constante γ

v0 − v1
γ= (B.5)
v1 v0 T
Para hallar la trayectoria de la bala (y poder imponer x(T ) = h), tenemos que
integrar la ecuación
dx(t)
= v(t)
dt
que es simplemente la definición de velocidad. v(t) se calculó arriba y está dada
por (B.4). Obtenemos entonces la ecuación
dx 1
= 1
dt v0 + γt
que es separable y equivalente a

dt
dx = 1
v0 + γt
Integrando ambos lados,

<
dt 1 1
+C
x= 1 + C = ln + γt
v0 + γt
γ v0
Si imponemos x(0) = 0 obtenemos

1 1
0= ln + C
γ v0
y entonces
1 1
C = − ln
γ v0
La trayectoria de la bala es por tanto

1 1 1 1
1 1 1 1 1 + γt
x(t) = ln + γt − ln = ln + γt − ln = ln v0
1
γ v0 γ v0 γ v0 v0 γ v0
1
= ln (1 + v0 γt)
γ
La salida de la bala ocurre cuando t = T y x = h. Entonces
1
h= ln (1 + v0 γT )
γ
y substituyendo γ dada por (B.5) se obtiene

1 v0 − v1 1 v0 − v1 1 v0
h = ln 1 + v0 T = ln 1 + = ln
γ v1 v0 T γ v1 γ v1
que lleva a
ln vv10
γ=
h
Vamos finalmente a (B.5) con nuestra ”γ” y obtenemos
ln vv01 v0 − v1
=
h v1 v0 T
Resolvemos esta última ecuación para T y obtenemos
v0 −v1
v 1 v0
T =h
ln vv01
Substituyendo los números dados en el problema se concluye

200−80
T = 0,1 200×80 = 8,19 × 10−4 segundos
ln 200
80
Finalmente, podemos calcular

ln vv01 ln 52
γ= = = 9,1629 m−1
h 0,1
9. Escribir, si es posible, el vector u = (1, 2, 0)t ∈ lR3 como combinación lineal de

los siguientes vectores de lR3 .
a) (1, 1, 2)t , (1, 23 , 83 )t

b) (2, −2, 0)t , (−1, 1, 2)t
c) (2, 0, 1)t , (0, 8, −2)t , (−2, 4, −2)t

siguiente: apartado (a) 30 %, apartado (b) 30 %, apartado (c) 40 %.
Solución:
a) Hay que encontrar α y β tales que:
α+β =1
α + 23 β = 2
2α + 83 β = 0
El sistema anterior es compatible determinado de solución α = 4 y β = −3,

por lo que
2 8
u =4(1, 1, 2)t − 3(1, , )t .
3 3
b) En este segundo apartado hay que encontrar α y β tales que:
2α − β = 1
−2α + β = 2
2β = 0
En este caso el sistema es incompatible y por lo tanto no es posible expresar

u como combinación lineal de (2, −2, 0)t y (−1, 1, 2)t .
c) En el último apartado hay que encontrar α, β y δ tales que:
2α + δ = 1
8β + 4δ = 2
α − 2α − 2β = 0
El sistema es compatible indeterminado y por lo tanto existen infinitas

formas de expresar u como combinación lineal de (2, 0, 1)t , (0, 8, −2)t y
(−2, 4, −2)t (además como el rango de la matriz ampliada es 2 y el número
de incógnitas es 3, las soluciones del sistema dependerán de un parámetro):
α = 1+2t
2 , β =
1−2t
4 , y δ = t; entonces:
1 + 2t 1 − 2t
u= (2, 0, 1)t + (0, 8, −2)t + t(−2, 4, −2)t ,
2 4
Dando un valor al parámetro (por ejemplo t = 1) se obtiene una solución
particular:
3 1
u = (2, 0, 1)t − (0, 8, −2)t + (−2, 4, −2)t
2 4
10. Sea P2 el espacio vectorial formado por los polinomios de grado menor o igual
que 2 y
B = {u1 (x) = 1 + x + 2x2 , u2 (x) = −x2 , u3 (x) = 1 + 2x}
una base de P2 . Se pide:
a) Determinar la expresión del polinomio q = (4, 3, −2)tB en la base
B = {e1 (x) = 1, e2 (x) = x, e3 (x) = x2 }
b) Hallar la matriz de cambio de base que transforma las coordenadas de un

polinomio en la base B en sus coordenadas en la base B.

Solución:
a) q(x) = 4(1 + x + 2x2 ) + 3(−x2 ) − 2(1 + 2x) = 2 + 5x2 ⇒ q(x) = 2e1 (x) +
0e2 (x) + 5e3 (x), y, por lo tanto las coordenadas de q en la base B son
(2, 0, 5)tB .
b) La matriz de cambio de base de B a B es:
⎛ ⎞
1 0 1
P = u1 u2 u3 {e } = ⎝ 1 0 2 ⎠
i
2 −1 0
siendo la matriz de cambio de base de B a B la inversa de P :

⎛ ⎞−1 ⎛ ⎞
1 0 1 2 −1 0
P −1 = e1 e2 e3 {ui } = ⎝ 1 0 2 ⎠ = ⎝ 4 −2 −1 ⎠
2 −1 0 −1 1 0
11. Dado el espacio euclı́deo E, formado por el espacio vectorial lR3 y el producto
escalar
x · y = x1 y1 − x1 y2 − x2 y1 + 2x2 y2 + x3 y2 + x2 y3 + 3x3 y3 {ei } ,
determinar la proyección ortogonal del vector a = (1, 1, 3)t{ei } sobre el subespa-

cio vectorial

S = x ∈ lR3 2x1 − x2 + x3 = 0
Solución:
Expresión matricial del producto escalar:
⎛ ⎞⎛ ⎞
1 −1 0 y1
x1 x2 x3 ⎝ −1 2 1 ⎠ ⎝ y2 ⎠ = xt Gy
0 1 3 y3
Base de S : {a1 = (1, 2, 0)t , a2 = (0, 1, 1)t }.

Base ortonormal de S,
a1 1
u1 = = √ (1, 2, 0)t
a1 5
⎛ ⎞⎛ ⎞
1 −1 0 1
2
a1 = 1 2 0 ⎝ −1 2 1 ⎠⎝ 2 ⎠ = 5
0 1 3 0
z2 1
u2 = = √ (−1, −1, 1)t
z2 2
z2 = a2 − (a2 · u1 )u1 = (0, 1, 1) − (1, 2, 0) = (−1, −1, 1)t
t t
⎛ ⎞⎛ ⎞
1 −1 0 1
1 5
(a2 · u1 ) = √ 0 1 1 ⎝ −1 2 1 ⎠⎝ 2 ⎠ = √
5 0 1 3 0 5
⎛ ⎞⎛ ⎞
1 −1 0 −1
z2 = −1 −1 1 ⎝ −1 2 1 ⎠ ⎝ −1 ⎠ = 2
2
0 1 3 1
Se calcula la proyección ortogonal utilizando la base ortonormal recién calculada,

t
8 6 7 1 15
Pr| aS = (a · u1 )u1 + (a · u2 )u2 = √ u1 + √ u2 = − , ,
5 2 5 5 5
12. Considérese el sistema de ecuaciones:

⎫
ax − 2y + z =1 ⎬
x + y + 2z =a
⎭
x + az =1
Se pide:
a) Discutir, en función del valor que tome el número real a, si el sistema es

compatible determinado, compatible indeterminado o incompatible.
b) Si se considera a > 1 y tal que el sistema sea compatible determinado,
factorizar la matriz de coeficientes del sistema anterior mediante el método
LU con estrategia de pivote parcial, especificando las matrices F , L y U
que intervienen en dicha factorización.

Solución:
a) Se considera la matriz ampliada del sistema y su matriz de coeficientes

⎛ ⎞ ⎛ ⎞
a −2 1 1 a −2 1
A=⎝ 1 1 2 a ⎠, Ac = ⎝ 1 1 2 ⎠
1 0 a 1 1 0 a
y se utiliza el método de Gauss para obtener una matriz escalonada equi-

valente.
1a etapa (se suma a la segunda fila de A la primera multiplicada por (− a1 )
y a la tercera la primera multiplicada también por (− a1 ))
⎛ ⎞
a −2 1 1
2
A1 = ⎝ 0 a+2 2a−1 a −1 ⎠
a a a
2 a2 −1 a−1
0 a a a
2a etapa (se suma a la tercera fila de A1 la segunda multiplicada por

2
(− a+2 )).
⎛ ⎞
a −2 1 1
⎜ 2a−1 a2 −1 ⎟
A2 = ⎝ 0 a+2 a a a ⎠
2
0 0 a +2a−5
a+2
1−a
a+2
Las operaciones realizadas únicamente son válidas para aquellos casos en

que a sea distinto de 0 ó −2. Antes de estudiar el caso general estudiaremos
estos dos casos particulares por separado.
Para a = 0
⎛ ⎞ ⎛ ⎞
0 −2 1 1 1 1 2 0
A=⎝ 1 1 2 0 ⎠ ⎝ 0 −2 1 1 ⎠
1 0 0 1 0 0 − 52 1
2
luego en este caso el sistema es compatible determinado porque el rango de

la matriz de coeficientes (Ac ) coincide con el rango de la matriz ampliada
(A).
Para a = −2
⎛ ⎞ ⎛ ⎞
−2 −2 1 1 −2 −2 1 1
A=⎝ 1 1 2 −2 ⎠ ⎝ 0 −1 − 32 3 ⎠
2
1 0 −2 1 0 0 5
2 − 32
y en este caso el sistema también es compatible determinado.

Para el resto de los casos se estudia la matriz escalonada A2 . El rango de
Ac será menor que 3 si se anula el término a33 de la matriz A2 , es decir:
√ √
a2 + 2a − 5 = 0 ⇔ a = −1 + 6 ó a = −1 − 6
Para ambos valores de a el término a34 de A2 no se anula, por lo que el

rango de la matriz ampliada (A) es 3 y el sistema es incompatible. También
podrı́a ser el rango de Ac menor que 3 si se anularan el término a11 o el
√ de 0 ó −2.
término a22 pero ninguno de los dos se anulan para a distinto √
En consecuencia para todos los valores de a distintos de −1+ 6 ó −1− 6
el sistema es compatible determinado.
Resumiendo:
√ √
1) Si a = −1 + 6 ó a = −1 − 6 el sistema es incompatible.
√ √
2) Si a = −1 + 6 y a = −1 − 6 el sistema es compatible determinado.
b) Para contestar este segundo apartado se puede aprovechar el trabajo rea-
lizado en el primero. Al observar las dos etapas del método de Gauss se
observa que, debido a que a > 1, el elemento de mayor valor absoluto de
la columna correspondiente está situado en la posición de pivote en ambas
etapas (a > 1 y a+2a > a2 ). Consecuencia de ello es que no es necesario
realizar cambios de filas, coincidiendo la matriz F con la matriz identidad.
⎛ ⎞
1 0 0
F =⎝ 0 1 0 ⎠
0 0 1
La matriz U coincide con la matriz A2 (resultado de aplicar el método de

Gauss con pivote parcial a la matriz Ac ) ya calculada (basta con quitar la
última columna a A2 ).
⎛ ⎞
a −2 1
U= ⎝ 0 a+2
a
2a−1
a
⎠
2
a +2a−5
0 0 a+2
La matriz L será una matriz triangular inferior con “unos” en su diagonal

y por debajo de la diagonal los coeficientes que multiplican al pivote en
cada una de las etapas del método de Gauss cambiados de signo.
⎛ ⎞
1 0 0
L = ⎝ a1 1 0 ⎠
1 2
a a+2 1
F Ac = LU
B.5. Examen final de la convocatoria de septiembre

de 2000
f (x) = ln(1 + x + x2 )
x2
g(x) = e 2 − 1 + sen x

f (x) − g(x)
lı́m
x→0 x3
Solución: Calculemos los valores de f (x) y g(x) ası́ como sus tres primeras
derivadas en x = 0 :
f (0) = ln 1 = 0
g(0) = 1 − 1 + sen 0 = 0
1 + 2x
f (x) = , f (0) = 1
1 + x + x2
x2
g (x) = xe 2 + cos x , g (0) = 1

d 1 + 2x −1 + 2x + 2x2
f (x) = =− 2 , f (0) = 1
dx 1 + x + x2 (1 + x + x2 )
d 0 x2 1 x2
g (x) = xe 2 + cos x = (1 + x2 )e 2 − sen x , g (0) = 1
dx
B.5. Examen final de la convocatoria de septiembre de 2000 407
2 3
d −1 + 2x + 2x2
f (x) = − 2
dx (1 + x + x2 )
2 + 4x −1 + 2x + 2x2
= − 2 +2 3 (1 + 2x) , f (0) = −4
(1 + x + x2 ) (1 + x + x2 )
d 0 x2
1
g (x) = (1 + x2 )e 2 − sen x
dx
1 2 1 2
= 2xe 2 x + 1 + x2 xe 2 x − cos x , g (0) = −1
En consecuencia,
x2 4
f (x) = x+ − x3 + O(x4 )
2 6
x2 1
g(x) = x+ − x3 + O(x4 )
2 6
El lı́mite pedido será pues
f (x) − g(x) − 46 x3 + 16 x3 + O(x4 ) 1

lı́m 3
= lı́m 3
=−
x→0 x x→0 x 2
2. Un farol debe ser colgado exactamente encima del centro de una plazoleta cir-
cular de radio R. ¿A qué altura deberá estar el farol para que ilumine, lo mejor
posible, una senda que rodea la plazoleta? (La iluminación de la plazoleta es
directamente proporcional al coseno del ángulo de incidencia de los rayos lu-
minosos e inversamente proporcional al cuadrado de la distancia entre el foco
luminoso y la plazoleta en cuestión).
Solución: Denotemos por h la altura del farol, por d la distancia del farol a la
senda, y por α el ángulo de incidencia. De acuerdo con el enunciado, si llamamos
I la iluminación de la senda, se tendrá
cos α
I=
d2
El farol, y los segmentos que unen un punto arbitrario de la senda con la base
y el extremo superior del farol, forman un triángulo rectángulo. Por tanto,
h
cos α =
d
h2 + R2 = d2
Haciendo uso de estas fórmulas, podemos escribir la Iluminación como una fun-
ción de h:
h
I(h) = 3
(h + R2 ) 2
2
Para calcular el máximo de la iluminación, hallamos los puntos crı́ticos de I(h).

Eso se hace imponiendo
dI(h) 1 3h2 R2 − 2h2
= 3 − 5 = 5 = 0
dh (h2 + R2 ) 2 (h2 + R2 ) 2 (h2 + R2 ) 2
de donde deducirı́amos
R
h= √
2
2
d R − 2h2
dh (h2 + R2 ) 52
Verifiquemos que este punto crı́tico es un máximo. Para ello, hallamos la segunda
derivada de I(h):
d2 I(h) 2h2 − 3R2
= 3h 7
dh2 (h2 + R2 ) 2
y la evaluamos en el punto crı́tico:

d2 I R R −2R2 16 √
2
√ = 3 √ 7 = − 3<0
dh 2 3 2
2 (2R )2 27R4
R
√
Al ser negativa, concluimos que la iluminación es máxima cuando h = 2
.
!
x sen(x2 +y 2 )
f (x, y) = (x2 +y 2 −axy) en lR2 \(0, 0)
0 en (0, 0)
a) ¿Para qué valores de a ∈ lR será la función continua en (0, 0)?
b) Calcular ∂f
∂x (1, 0) y
∂f
∂y (1, 0) y la derivada direccional de f (x, y) a lo largo
de la dirección u = √1 (1, −1) en el punto a = (1, 0).
2

Solución:
a) Para que f (x, y) sea continua en (0, 0) deberá cumplirse f (x, y) = f (0, 0) =
0. Hagamos un cambio a polares. Entonces
sen r2 cos θ sen r2 cos θ
f (r cos θ, r sen θ) = =
r 1 − a cos θ sen θ r 1 − 2 sen(2θ)
a
cos θ
Si 1− a está acotada, entonces f (x, y) es continua, ya que
2 sen(2θ)

sen r2 cos θ sen r2

|f (r cos θ, r sen θ)| = ≤C → 0
r 1 − a2 sen(2θ) r r→0
La función 1− acos θ
estará acotada si el denominador nunca se anula.
2 sen(2θ)
Como la función seno tiene un recorrido entre −1 y 1, entonces el deno-
minador no se anulará siempre que a2 < 1, es decir, a < 2. Conclusión: la
función es continua para a < 2.
Para a ≥ 2 la función es discontinua. Consideremos la curva dada en polares
sen r2 cos θ
=λ
r 1 − 2 sen(2θ)
a
con λ > 0. Esta es, para λ dado, una curva que pasa por el origen. En
2
efecto, nótese que, cuando r → 0, senr r ∼ r y entonces
1− a
sen(2θ)
λ 2
∼r
cos θ
es decir, θ ∼ 12 arc sen a2 . En resumen, la curva propuesta pasa por el origen
a lo largo de la dirección θ = 12 arc sen a2 y, a lo largo de la misma, el lı́mite
es λ.
b) 2 3
∂ x sen x2 + y 2
=
∂x (x2 + y 2 − axy)

(x2 + y 2 − axy) sen x2 + y 2 + 2x2 cos x2 + y 2 − (2x − ay)x sen x2 + y 2
(x2 + y 2 − axy)2
2 3
∂ x sen x2 + y 2
∂y (x2 + y 2 − axy)

(x2 + y 2 − axy)2xy cos x2 + y 2 − (2y − ax)x sen x2 + y 2
=
(x2 + y 2 − axy)2
Por tanto,
∂f
(1, 0) = − sen 1 + 2 cos 1
∂x
∂f
(1, 0) = a sen 1
∂y
La derivada direccional será
df 1 2 cos 1 − (a + 1) sen 1
= √ (− sen 1 + 2 cos 1 − a sen 1) = √
du 2 2
4. Hallar y clasificar los extremos (máximos, mı́nimos y puntos de ensilladura) de

la función
f (x, y) = 5 − 5x2 − y 2 + x2 y 2
Solución: Hallemos en primer lugar los puntos crı́ticos. Para ello, resolvemos
el sistema:
∂f
= −10x + 2xy 2 = 0 (B.6)
∂x
∂f
= −2y + 2x2 y = 0 (B.7)
∂y
√ deducimos que o bien es x = 0 o bien 2y − 10 = 0 (lo que implica

2
De (C.7) √
y = ± 5). Si x = 0, entonces la única solución de (C.8) es y = 0. Si y = ± 5,
entonces
√ de (C.8) √ x = ±1.√Hay, por tanto, cinco puntos crı́ticos: (0, 0),
√ se deduce
(1, 5), (−1, 5), (1, − 5), (−1, − 5). La naturaleza de estos puntos crı́ticos
la deduciremos a partir del cálculo del Hessiano y de la segunda derivada con
respecto a x:
2 2 3
∂ f ∂2f
∂x2 ∂x∂y −10 + 2y 2 4xy
Hf (x, y) = ∂2f ∂2f
=
2
4xy −2 + 2x2
∂x∂y ∂y
2
∂ f
(x, y) = −10 + 2y 2
∂x2
2
Evaluemos en cada punto. En (0, 0), det(Hf (0, 0)) = 20 > 0, ∂∂xf2 (0, 0) = −10 <
0. Hay, por tanto, un máximo.
√
En (1, 5), det(Hf (0, 0)) = −80 < 0. Hay, por tanto, un punto de ensilladura.
√
En (−1, 5), det(Hf (0, 0)) = −80 < 0. Hay, por tanto, un punto de ensilladura.
√
√
En (−1, − 5), det(Hf (0, 0)) = −80 < 0. Hay, por tanto, un punto de ensilla-
dura.
5. Las curvas y = x − x2 , y = x2 delimitan una región D (contenida en el primer
cuadrante). Calcular <<
(e2x − y 2 )dxdy
D
Solución: Hallemos los valores de x que delimitan nuestra región. Para ello
buscamos los puntos de intersección de ambas curvas imponiendo
x
x − x2 =
2
La solución es : x = 0, x = 12 . Nuestra región es de Tipo 1, y para integrarla
haremos uso de la fórmula de integración para regiones de este tipo:
<< < 1 2< 2
2
x−x
3
(e2x − y 2 )dxdy = (e2x − y 2 )dy dx (B.8)
x
D 0 2
Nótese que el lı́mite inferior de integración en y es x2 . Esto se debe a que, en el

intervalo (0, 12 ), la curva y = x2 está por debajo de la curva x − x2 . Evaluamos
la integral en (B.8):
< 2< 3 < 2 23
1
x−x2 1
3 x−x
2 2 y
I= (e2x − y 2 )dy dx = e2x y − dx
0 x
2 0 3 x
2
< 1
2 3 3
2 x x − x2 x3
= e ( −x )−
2x 2
+ dx
0 2 3 24
Evaluemos por separado las distintas integrales que han aparecido:

< 1 21 < 1
2 x 1 2x x
2 1 2 2x 1
e ( − x )dx = e ( − x ) −
2x 2
e ( − 2x)dx
0 2 2 2 0 2 0 2
12 12 < 12
1 2x x 1 2x 1 1
2
= e ( − x ) − e ( − 2x) − 2 e2x dx
2 2 0 4 2 0 4 0
1 1 1 1 3
= 0 − (− e − ) − (e − 1) = − e +
8 8 4 8 8
(hemos integrado por partes),
< 1 3 < 1
2 x − x2 1 2 1
− dx = − x3 − 3x4 + 3x5 − x6 dx = −
0 3 3 0 840
< 1
2 x3 1
dx =
0 24 1536
La integral buscada será pues
1 3 1 1 1 20131
I =− e+ − + =− e+
8 8 840 1536 8 53760
6. Calcular el momento de inercia de un cı́rculo de radio R y densidad ρ constante

con respecto a un eje tangente al mismo. Nota: recordar que el momento de iner-
cia de un cuerpo plano con respecto a un eje se obtiene integrando el cuadrado
de la distancia de cada punto del mismo al eje multiplicado por la densidad.
Solución: Fijemos el cı́rculo en el centro de coordenadas y el eje en torno al
cuál se calcula el momento de inercia en la lı́nea x = R. El momento de inercia
vendrá dado por <<
I= ρ(x − R)2 dxdy
D
Dada la geometrı́a del problema, es conveniente hacer un cambio a coordenadas

polares
< 2π < R < 2π < R
I= ρ(r cos θ −R) rdrdθ = ρ
2
(r3 cos2 θ −2Rr2 cos θ +R2 r)drdθ
0 0 0 0
6< 7
2π < R < 2π < R < 2π < R
=ρ r3 cos2 θdrdθ − (2Rr2 cos θ)drdθ + (R2 r)drdθ
0 0 0 0 0 0
6< < < < 7
2π R 2π R
31
=ρ r (1 + cos(2θ))drdθ − 2
(2Rr cos θ)drdθ
0 0 2 0 0
< 2π < R 4 5
2 R4 1 4 5
+ρ (R r)drdθ = ρ (2π) + 0 + R (2π) = ρ πR4
0 0 8 2 4
Si deseamos escribir el momento de inercia en función de la masa, entonces
5 M 5 4 5
I = ρ πR4 = πR = M R2
4 πR2 4 4
a)
y + 2x2 y = x2
b)
2y − 10y + 12y = 3 sen x

Solución:
a) La solución general del problema homogéneo será la solución de
yh + 2x2 yh = 0
es decir,
2 3
yh (x) = Ke− 3 x
Una solución del problema no homogéneo se encontrará por el método de
variación de constantes en la forma
2 3
yp (x) = K(x)e− 3 x
que introducida en la ecuación da lugar a la relación

2 3 2 3 2 3
K (x)e− 3 x − 2x2 K(x)e− 3 x + 2x2 K(x)e− 3 x = x2
De donde deducimos
2 3
K (x) = x2 e 3 x
y, por tanto, <
2 3 1 2 x3
K(x) = x2 e 3 x dx = e3
2
donde se ha integrado mediante un cambio de variable. La solución general
será pues
2 3 1
y(x) = yh (x) + yp (x) = Ke− 3 x +
2
b) La solución general del problema homogéneo será la solución general de
2yh − 10yh + 12yh = 0 (B.9)
El polinomio caracterı́stico de la ecuación (B.9) es
2r2 − 10r + 12 = 0
cuyas raı́ces son r = 3, r = 2. Por tanto,
yh (x) = C1 e3x + C2 e2x
Una solución particular del problema no homogéneo la buscaremos me-

diante el método de los coeficientes indeterminados
yp (x) = A sen x + B cos x
expresión que introducida en la ecuación da lugar a las siguientes relaciones

entre A y B:
−2A + 10B + 12A = 3

−2B − 10A + 12B = 0
un sistema lineal de dos ecuaciones con dos incógnitas cuya solución es:
3 3
A = 20 , B = 20 . La solución general de la ecuación será por tanto
3 3
y(x) = yh (x) + yp (x) = C1 e3x + C2 e2x + sen x + cos x
20 20
8. Un recipiente cuyo volumen es de 100 litros contiene agua con 10 Kgs. de sal
disueltos. En el recipiente entra el agua, con una velocidad de 3 litros/min, pro-
duciéndose una mezcla que, a su vez, se trasvasa, con la misma velocidad, a un
segundo recipiente, de igual volumen (es decir, 100 litros) y relleno previamen-
te de agua pura. De este segundo recipiente sale el exceso de lı́quido. ¿Cuánta
cantidad de sal contiene el segundo recipiente al pasar una hora? ¿Cuál es la
cantidad máxima de la sal en el segundo recipiente? ¿Cuándo se logra esta can-

tidad máxima? (Nota: se supone que las concentraciones de sal son homogéneas
en todo momento en cada recipiente).
Solución: Llamemos Q1 (t) la cantidad de sal (en Kgs.) que hay en el primer
recipiente. Q1 (t) evolucionará de acuerdo con la ecuación
dQ1 (t) 3
=− Q1 (t)
dt 100
1 (t)
donde hemos tenido en cuenta, a la derecha de la ecuación, que salen Q100
kilogramos de sal por litro de agua y 3 litros de agua por minuto. Teniendo en
cuenta que Q1 (0) = 10, llegamos a
3
Q1 (t) = 10e− 100 t
El agua que sale del primer recipiente entra en el segundo a un ritmo de 3 litros
por minuto. Sea Q2 (t) la cantidad de sal en el segundo recipiente. Entonces
3
dQ2 (t) 10e− 100 t Q2 (t)
=3 −3
dt 100 100
− 3 t
donde hemos tenido en cuenta que entran 10e100100 kilogramos de sal por litro
2 (t)
de agua a un ritmo de 3 litros por minuto y salen Q100 kilogramos de sal por
litro de agua también a un ritmo de 3 litros por minuto. La ecuación es lineal y
debemos resolverla teniendo como condición inicial Q2 (0) = 0. Podemos escribir
la ecuación en la forma
d 0 3 t 1 3
3
− 100 t 10e− 100 t
e e 100 Q2 (t) = 3
dt 100
Por tanto,
d 0 3 t 1 3
e 100 Q2 (t) =
dt 10
Integrando en t y usando la condición inicial tendrı́amos
3 3
e 100 t Q2 (t) = t
10
Es decir,
3 −3t
Q2 (t) = te 10
10
Al cabo de una hora
180 − 180 9
Q2 (60) = e 100 = 18e− 5 = 2,9754 Kgs.
10
El máximo de Q2 (t) se alcanzará cuando
dQ2 (t) 3 − 3 t 9 3
= e 100 − 3 te− 100 t = 0
dt 10 10
es decir
100
t= = 33,3 minutos
3
La cantidad máxima será
100
Q2 ( ) = 10e−1 = 3,6788 Kgs.
3
9 Supóngase que la placa de la figura B.3 representa una sección transversal de

un poste metálico, con flujo de calor despreciable en la dirección perpendicular
a la placa. Si T1 , T2 , T3 y T4 son las temperaturas en los cuatro nodos interiores
de la malla de la figura B.3 y se supone que la temperatura en un nodo es
aproximadamente igual al promedio de los cuatro nodos más cercanos (a la
izquierda, arriba, a la derecha y abajo), se pide determinar la temperatura en
los cuatro nodos interiores de la malla.
2 0 º 2 0 º
T 1 T 2
1 0 º 4 0 º
T 3 T 4
1 0 º 4 0 º
2 0 º 2 0 º
Figura B.3: Sección transversal del poste metálico.
Solución:
Para determinar las temperaturas pedidas hay que resolver el siguiente sistema
de cuatro ecuaciones con cuatro incógnitas:
4t1 − t3 − t2 = 30
−t1 + 4t2 − t4 = 60
−t1 + 4t3 − t4 = 30
−t2 − t3 + 4t4 = 60
sistema equivalente a
4t1 − t3 − t2 = 30
−t2 + 4t3 + 4t4 = 60
−4t3 + 14t4 = 585
2
12t4 = 315
75 105 75 105
cuya solución es: t1 = 4 , t2 = 4 , t3 = 4 , t4 = 4 .
10 Considérese el espacio vectorial C3 (C representa el cuerpo de los complejos) y

los subconjuntos de C3 formados por los vectores (α, β, γ)t tales que:
a) α = 0 + 0i
b) β = 0 + 0i
c) α + β = 0 + 0i
d ) α + β = 1 + 0i
e) α es real
Se pide determinar, de entre los cinco subconjuntos anteriores, cuáles son subes-
pacios de C3 y cuáles no.
Solución:
a) λ(0+0i, β 1 , γ 1 )+µ(0+0i, β 2 , γ 2 ) = (0+0i, λβ 1 +µβ 2 , λγ 1 +µγ 2 ) ∀λ, µ, β 1 , β 2 ,

γ 1 , γ 2 ∈ C. Por consiguiente el conjunto de los vectores (α, β, γ)t tales que
α = 0 + 0i es un subespacio de C3 .
b) λ(α1 , 0+0i, γ 1 )+µ(α2 , 0+0i, γ 2 ) = (λα1 +µα2 , 0+0i, λγ 1 +µγ 2 ) ∀λ, µ, α1 , α2 ,
γ 1 , γ 2 ∈ C. Por consiguiente el conjunto de los vectores (α, β, γ)t tales que
β = 0 + 0i es un subespacio de C3 .
c) λ(−β 1 , β 1 , γ 1 ) + µ(−β 2 , β 2 , γ 2 ) = (−λβ 1 − µβ 2 , λβ 1 + µβ 2 , λγ 1 + µγ 2 )
∀λ, µ, β 1 , β 2 , γ 1 , γ 2 ∈ C. Por consiguiente el conjunto de los vectores (α, β, γ)t
tales que α + β = 0 + 0i es un subespacio de C3 .
d ) λ(1−β 1 , β 1 , γ 1 )+µ(1−β 2 , β 2 , γ 2 ) = (λ+µ−λβ 1 −µβ 2 , λβ 1 +µβ 2 , λγ 1 +µγ 2 )
y como, en general, λ + µ − λβ 1 − µβ 2 + λβ 1 + µβ 2 = λ + µ = 1 el conjunto
de los vectores (α, β, γ)t tales que α + β = 1 no es un subespacio de C3 .
e) λ(α1 , β 1 , γ 1 )+µ(α2 , β 2 , γ 2 ) = (λα1 +µα2 , λβ 1 +µβ 2 , λγ 1 +µγ 2 ), escogiendo
λ = i, queda claro que iα1 + µα2 ∈ / lR y, por lo tanto el conjunto de los
vectores (α, β, γ)t tales que α ∈ lR no es un subespacio de C3 .
11 Dado un espacio vectorial, E, de dimensión 2 y dos bases de dicho espacio

B = {e1 , e2 } y B = {u1 , u2 } que están relacionadas por las dos ecuaciones
siguientes:
e1 = a11 u1 + a21 u2
,
e2 = a12 u1 + a22 u2
se pide expresar las coordenadas de un vector x en la base B en función de las

coordenadas del mismo vector en la base B .
Solución:
Expresión del vector x en función de la base B : x =x1 e1 + x2 e2 .
Expresión del vector x en función de la base B : x =x1 u1 + x2 u2 .
x =x1 e1 + x2 e2 = x1 (a11 u1 + a21 u2 ) + x2 (a12 u1 + a22 u2 )
= (a11 x1 + a12 x2 )u1 + (a21 x1 + a22 x2 )u2 .
Como la descomposición de un vector en función de una base dada es única, de

la igualdad anterior se deduce que:
x1 = a11 x1 + a12 x2 , x2 = a21 x1 + a22 x2
que expresado matricialmente se convierte en:

x1 a11 a12 x1
=
x2 a21 a22 x2
t
Finalmente para encontrar la relación pedida hay que despejar x1 x2 ,
−1
x1 a11 a12 x1
=
x2 a21 a22 x2
12 Dados el espacio euclı́deo E, formado por el espacio vectorial lR3 y el producto

escalar
x · y = 2x1 y1 + x2 y2 + x3 y2 + x2 y3 + 2x3 y3 {ei } ,
determinar la proyección ortogonal del vector a = (1, 1, 3)t{ei } sobre el subespa-

cio vectorial
S = x ∈ lR3 x1 − 2x2 + x3 = 0
Solución:
Expresión matricial del producto escalar:
⎛ ⎞⎛ ⎞
2 0 0 y1
x1 x2 x3 ⎝ 0 1 1 ⎠ ⎝ y2 ⎠ = xt Gy
0 1 2 y3
Base de S : {a1 = (2, 1, 0)t , a2 = (−1, 0, 1)t }.

Base ortonormal de S,
a1 1
u1 = = (2, 1, 0)t
a1 3
⎛ ⎞⎛ ⎞
2 0 0 2
2
a1 = 2 1 0 ⎝ 0 1 1 ⎠⎝ 1 ⎠ = 9
0 1 2 0
z2 1
= √ (−1, 1, 3)t
u2 =
z2 3 3
1 1 1
z2 = a2 − (a2 · u1 )u1 = (−1, 0, 1)t + (2, 1, 0)t = (− , , 1)t
⎛ 3 ⎞ ⎛ 3⎞ 3
2 0 0 2
1
(a2 · u1 ) = −1 0 1 ⎝ 0 1 1 ⎠ ⎝ 1 ⎠ = −1
3
0 1 2 0
⎛ ⎞⎛ 1 ⎞
2 0 0 −3
z2 = − 13 31 1 ⎝ 0 1 1 ⎠ ⎝ 13 ⎠ = 3
2
0 1 2 1
Se calcula la proyección ortogonal utilizando la base ortonormal recién calculada,

t
8 23 25 47 23
Pr| aS = (a · u1 )u1 + (a · u2 )u2 = u1 + √ u2 = , ,
3 3 3 27 27 9
B.6. Prueba de control de diciembre de 2000

1. Supóngase que se suman los complejos (ρ1 )θ1 y (ρ2 )θ2 obteniéndose el complejo
(
(ρ3 )θ3 . Se pide demostrar que ρ3 = (ρ1 )2 + (ρ2 )2 + 2ρ1 ρ2 cos(θ1 − θ2 ).
(2 puntos).
Solución:
(ρ1 )θ1 + (ρ2 )θ2 = (ρ1 cos θ1 + iρ1 sen θ1 ) + (ρ2 cos θ2 + iρ2 sen θ2 ) = ρ1 cos θ1 +
ρ2 cos θ2 + (ρ1 sen θ1 + ρ2 sen θ2 )i. El módulo de este nuevo complejo será:
(
ρ3 = (ρ cos θ1 + ρ2 cos θ2 )2 + (ρ1 sen θ1 + ρ2 sen θ2 )2 =
( 1
(ρ )2 + (ρ2 )2 + 2ρ1 ρ2 cos θ1 cos θ2 + 2ρ1 ρ2 sen θ1 sen θ2 =
( 1
(ρ1 )2 + (ρ2 )2 + 2ρ1 ρ2 cos(θ1 − θ2 )
2. Razonar si las siguientes afirmaciones son verdaderas o falsas,

B.6. Prueba de control de diciembre de 2000 419
a) Un sistema de ecuaciones lineales con más ecuaciones que incógnitas no

puede tener una única solución.
b) Un sistema de ecuaciones lineales con menos ecuaciones que incógnitas no
puede tener una única solución.
c) Si la matriz de coeficientes de un sistema lineal escalonado de 3 ecuaciones
y 5 incógnitas tiene tres cabeceras de fila entonces el sistema es compatible.
d ) Si todas las columnas de la matriz de coeficientes de un sistema escalonado
compatible contienen una cabecera de fila entonces la solución del sistema
es única.
(2 puntos).
Solución:
a) Falsa. Un sistema de ecuaciones lineales con más ecuaciones que incógnitas
puede tener una única solución. Por ejemplo, el siguiente sistema de tres
ecuaciones con dos incógnitas tiene una única solución:
2x1 − x3 = 1
x1 + x3 = 2
x1 − 2x3 = −1
b) Verdadera. El rango de la matriz de coeficientes es menor o igual que el
número de ecuaciones y por lo tanto será menor que el número de incógnitas
por lo que el sistema nunca podrá ser compatible determinado.
c) Verdadera. Si la matriz de coeficientes, A, de un sistema escalonado tiene
tres cabeceras de fila entonces el rango de A es 3. Por otro lado la matriz
ampliada, Ab , de un sistema con tres ecuaciones no puede tener un rango
mayor que 3. De lo anterior se deduce que rg(A) = rg(Ab ) por lo que el
sistema es compatible.
d ) Verdadera. Si todas las columnas de la matriz de coeficientes de un sis-
tema escalonado contienen una cabecera de fila, el rango de dicha matriz
coincide con el número de columnas y por lo tanto con el número de incógni-
tas del sistema. Como además se supone que el sistema es compatible, el
sistema será compatible determinado.
3. Un médico, especialista en nutrición, está preparando una comida que propor-
cione 100 mg de vitamina C, 300 mg de calcio y 200 mg de magnesio. Para
ello utiliza tres alimentos que contienen, cada uno de ellos, la vitamina y los
dos elementos quı́micos en las proporciones siguientes (en mg por unidad de
alimento):
Alimento 1 Alimento2 Alimento3
Vitamina C 10 20 20
Calcio 50 40 60
Magnesio 30 10 40
Se pide contestar a las dos preguntas siguientes:
a) ¿Es posible, utilizando los tres alimentos de la tabla, obtener una comida
que contenga exactamente las cantidades de vitamina C, calcio y magnesio
requeridas?
b) Si la respuesta a la primera pregunta es afirmativa, ¿existe una sola com-
binación de alimentos posible, o existe más de una? ¿Cuál (o cuáles) es (o
son) esta (o estas) combinación (o combinaciones)?
(2 puntos).
Solución:
a) Se plantea el sistema de ecuaciones lineales que proporciona la solución

pedida:
10x1 + 20x2 + 20x3 = 100 ← Vitamina C
50x1 + 40x2 + 60x3 = 300 ← Calcio
30x1 + 10x2 + 40x3 = 200 ← Magnesio
en donde: x1 = unidades de alimento 1, x2 = unidades de alimento 2, x3 =
unidades de alimento 3. La matriz ampliada de un sistema escalonado
equivalente es: ⎛ ⎞
1 2 2 10
⎝ 0 −6 −4 −20 ⎠
4 20
0 0 3 3
Por lo tanto el rango de la matriz ampliada es igual al de la matriz de

coeficientes y el sistema tiene solución: si es posible, utilizando los tres
alimentos de la tabla, obtener una comida que contenga exactamente las
cantidades de vitamina C, calcio y magnesio requeridas.
b) Como le rango de la matriz de coeficientes es tres el sistema es compatible
determinado y existe una única combinación de alimentos posible que se
obtiene resolviendo el sistema:
x1 = 0, x2 = 0, x3 = 5
4. Sea P2 el espacio vectorial de los polinomios con coeficientes reales de grado

menor o igual que dos. Se pide:
a) Demostrar que el conjunto V formado por polinomios de la forma p(x) =

2bx2 + (a − b)x + 3b + a con a y b reales, es un subespacio vectorial de P2 .
b) Sea W el subespacio generado por los polinomios q(x) = 2x2 − 4x y q(x) =
−2x2 + 3x − 1. Demostrar que V = W.
(2 puntos).
Solución:
B.6. Prueba de control de diciembre de 2000 421
a) Para demostrar que V es un subespacio de P2 se comprobará que cualquier

combinación lineal de dos polinomios cualesquiera deV pertenece
a V. Para
ello referiremos los polinomios de V a la base B = 1, x, x2 de P2 .
t(x) = 2bx2 + (a − b)x + 3b + a = (3b + a, a − b, 2b)tB = tB
s(x) = 2dx2 + (c − d)x + 3d + c = (3d + c, c − d, 2d)tB = sB
αtB + βsB = (α(3b + a) + β(3d + c), α(a − b) + β(c − d), α2b + β2d)tB
= (3(αb + βd) + αa + βc, αa + βc − (αb + βd), 2(αb + βd))tB
= (3f + g, g − f, 2f )tB ∈ V ∀α, β ∈ lR
Con f = αb + βd y g = αa + βc.
b) Unas ecuaciones paramétricas de V son:
⎧
⎨ x1 = a + 3b
V = x2 = a − b
⎩
x3 = 2b
y, por lo tanto una base de V estará formada por: {(1, 1, 0)tB , (3, −1, 2)tB } .
Como r(x) y s(x) son linealmente independientes, una base de W estará for-
mada por {(0, −4, 2)tB , (−1, 3, −2)tB } . Por otro lado
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 0 1 1 0 1 1 0
⎜ 3 −1 2 ⎟ ⎜ 0 −4 2 ⎟ ⎜ 0 −4 2 ⎟
⎜ ⎟∼⎜ ⎟∼⎜ ⎟,
⎝ 0 −4 2 ⎠ ⎝ 0 −4 2 ⎠ ⎝ 0 0 0 ⎠
−1 3 −2 0 4 −2 0 0 0
con lo que se comprueba que los dos vectores de la base de W son combi-
nación lineal de los de la base de V lo cual implica que V = W.
5. Considérese el espacio euclı́deo formado por el espacio vectorial lR3 y el producto

escalar
x · y = x1 y1 + x2 y2 + 4x3 y3 + x1 y3 + x3 y1
expresado en una cierta base {e1 , e2 , e3 } . Se pide:
a) Determinar una base ortonormal del espacio euclı́deo.

b) Determinar las coordenadas del vector x = e2 + e3 en la base ortonormal
hallada en el apartado anterior.
(2 puntos).
Solución:
a) e1 y e2 son ortogonales y unitarios por lo que se pueden escoger como los

dos primeros vectores de la base ortonormal:
c1 = (1, 0, 0)t{ei } , c2 = (0, 1, 0)t{ei }
El tercer vector de la base se obtiene aplicando el método de Gram-

Schmidt:
z3 = e3 − (e3 · c1 )c1 − (e3 · c2 )c2 = (0, 0, 1)t − (1, 0, 0)t = (−1, 0, 1)t
z3 1
c3 = = √ (−1, 0, 1)t{ei }
z3 3
b) Se conocen las coordenadas del vector x en la base {ei } y se piden sus

coordenadas en la base {ci } :
⎛ ⎞ ⎛ ⎞
x1 x1
x = ⎝ x2 ⎠ = e1 e2 e3 {ci } ⎝ x2 ⎠

x3 {c } x3 {e
i i}
⎛ ⎞−1 ⎛ ⎞ ⎛ ⎞⎛ ⎞
1 0 − √13 0 1 0 1 0
= ⎝ 0 1 0 ⎠ ⎝ 1 ⎠ =⎝ 0 1 √0
⎠⎝ 1 ⎠
0 0 √1 1 0 0 3 1 {e }
3 {ei } i
⎛ ⎞
1 √
= ⎝ √1 ⎠ = c1 + c2 + 3c3
3 {c }
i
(2 puntos).
B.7. Examen parcial de febrero de 2001
1. Discutir las soluciones del siguiente sistema de ecuaciones en función de los

valores de los parámetros a y b
⎫
x + y − z + at = 1 ⎬
2x − 3y + bz − 4t = 3
⎭
x − 4y + 2z − 5t = 2
Encontrar las soluciones, si las hubiera, para los casos en que b = 1.

Solución: Se obtiene la forma escalonada de la matriz ampliada y de la matriz
de coeficientes del sistema:

⎛ ⎞ ⎛ ⎞
1 1 −1 a 1 1 1 −1 a 1
Ab = ⎝ 2 −3 b −4 3 ⎠ ∼ ⎝ 0 −5 b + 2 −4 − 2a 1 ⎠
1 −4 2 −5 2 0 0 1 − b −1 + a 0
⎛ ⎞ ⎛ ⎞
1 1 −1 a 1 1 −1 a
A = ⎝ 2 −3 b −4 ⎠ ∼ ⎝ 0 −5 b + 2 −4 − 2a ⎠
1 −4 2 −5 0 0 1 − b −1 + a
de donde se deduce lo siguiente:
a) b = 1
1) a = 1, rg(A) = rg(Ab ) = 2 < 4, sistema compatible indeterminado. La
solución dependerá de dos parámetros (4-2).
2) a = 1, rg(A) = rg(Ab ) = 3 < 4, sistema compatible indeterminado. La
solución dependerá de un parámetro (4-3).
b) b = 1, rg(A) = rg(Ab ) = 3 < 4, sistema compatible indeterminado. La
solución dependerá de un parámetro (4-3).
Solución del sistema para b = 1. Se utiliza la técnica de remonte a partir de la

expresión escalonada del sistema Según la discusión anterior habrá que distinguir
dos casos:
a) a = 1, en este caso la tercera ecuación es nula. Se dejan como parámetros

libres las variables z y t
6 2 1
x=
+ z+ t
5 5 5
1 3 6
y=− + z− t
5 5 5
z=z
t=t
b) a = 1, se deja como parámetro libre z

6 2
x= + z
5 5
1 3
y=− + z
5 5
z=z
t=0

2. Considérese el espacio de los polinomios de grado menor o igual que dos, P2 , y

un conjunto, S, formado por 5 polinomios de grado menor o igual que dos:
S = {p1 (x), p2 (x), p3 (x), p4 (x), p5 (x)} .
Se pide razonar la veracidad o falsedad de las tres afirmaciones siguientes:
a) El conjunto S siempre será un sistema generador de P2 .

b) El subespacio vectorial generado por S nunca podrá tener una dimensión
mayor que tres.
c) En ningún caso se podrá extraer de S un subconjunto que sea una base
del espacio P2 .
Solución:
a) La afirmación es falsa. Basta con encontrar un contraejemplo: el conjunto

S:
S = {1, 2, 3, 4, 5}
esta formado por cinco polinomios de grado menor o igual que 2 y no es
un sistema generador de P2 .
b) La afirmación es verdadera. El espacio vectorial de los polinomios de grado
menor o igual que 2 tiene dimensión tres y por lo tanto ninguno de sus
subespacios (el subespacio generado por S siempre es un subespacio de
P2 ) puede tener dimensión mayor que tres.
c) La afirmación es falsa. Como en el primer caso para demostrarlo basta con
encontrar un contraejemplo:

S = 1, x, x2 , 4 + x2 , x + x + x2 ,

del conjunto anterior se puede extraer el subconjunto S1 = 1, x, x2 que
es una base de P2 .
Puntuación de la pregunta: 5 puntos ((a) 5/3 puntos, (b) 5/3 puntos, (c)
5/3 puntos).
3. Sean {e1 , . . . , en } , {u1 , . . . , un } y {w1 , . . . , wn } tres bases de un espacio vec-

torial de dimensión n de las que se conoce las relación entre {wi } y {ei } :
n n
wi = aji ej y entre {ui } y {ei } : ui = bji ej . Si se denota por A a (aij )n×n
j=1 j=1
y por B a (bij )n×n , se pide obtener, en función de A y B, la matriz de cambio
de base que transforma las componentes de un vector en la base {wi } en las
componentes del mismo vector en la base {ui } .
Solución:
t
x1 x2 x3 → componentes de x en la base {e1 , . . . , en }
t
x1 x2 x3 → componentes de x en la base {u1 , . . . , un }
t
x1 x2 x3 → componentes de x en la base {w1 , . . . , wn }
A = (w1 , w2 , w3 ){ei } , B = (u1 , u2 , u3 ){ei }
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎫
x1 x1 x1 ⎪
⎪
⎪
⎝ x2 ⎠ = (e1 , e2 , e3 ){ui } ⎝ x2 ⎠ = B −1 ⎝ x2 ⎠ ⎪ ⎪
⎪
⎬
⎛ x3 ⎞ ⎛ x3 ⎞ ⎛ x3 ⎞
⇒
x1 x1
x1 ⎪
⎪
⎝ x2 ⎠ = (w1 , w2 , w3 ){wi } ⎝ x2 ⎠ = A ⎝ ⎠ ⎪⎪
x2 ⎪
⎪
⎭
x3 x3 x3
⎛ ⎞ ⎛ ⎞
x1 x1
⎝ x2 ⎠ = B −1 A ⎝ x2 ⎠
x3 x3
4. Supóngase el espacio euclı́deo formado por el espacio vectorial lR4 y el producto

escalar ⎛ ⎞⎛ ⎞
1 0 0 0 y1
⎜ 0 2 0 0 ⎟ ⎜ y2 ⎟
x · y = (x1 , x2 , x3 , x4 ) ⎜ ⎟⎜
⎝ 0 0 3 1 ⎠ ⎝ y3 ⎠
⎟
0 0 1 1 y4 {e }
i
Se pide hallar una base ortonormal del subespacio vectorial W de lR4 generado
por los vectores (1, 2, 1, 0)t{ei } y (1, 2, 3, 2)t{ei } .
Solución: & '
t t
base de W = a1 = (1, 2, 1, 0) , a2 = (1, 2, 3, 2) . Se ortonormaliza la base de
W utilizando el método de Gram-Schmidt:
t
c1 = aa11 = 2√1
3
1 2 1 0 ,
⎛ ⎞⎛ ⎞
1 0 0 0 1
⎜ 0 2 0 0 ⎟ ⎜ ⎟
a1 = 1 2 1 0 ⎜
2 ⎟⎜ 2 ⎟
⎝ 0 0 3 1 ⎠ ⎝ 1 ⎠ = 12,
0 0 1 1 0
√ t
c2 = zz22 = √56
3
− 23 − 43 34 2 ,
5
z2 = a2 −(a2 ·c1 )c1 = 1 2 3 2 − 3 1 2 1 0 = − 32 − 43 34 2 ,
⎛ ⎞⎛ ⎞
1 0 0 0 1
⎜ 0 2 0 0 ⎟ ⎜ 2 ⎟ √
(a2 · c1 ) = (c1 · a2 ) = 1
√ 1 2 1 0 ⎜⎝ 0 0 3
⎟⎜ ⎟= 10
3,
2 3 1 ⎠⎝ 3 ⎠ 3
0 0 1 1 2
⎛ ⎞⎛ 2 ⎞
1 0 0 0 −3
⎜ 0 2 0 0 ⎟ ⎜ −4 ⎟
2
z2 = − 23 − 43 4
2 ⎜
⎝ 0
⎟⎜ 3 ⎟= 56
3 .
3 0 3 1 ⎠ ⎝ 43 ⎠
0 0 1 1 2
Nota: todos los resultados están referidos a las bases {ei }(i = 1, 2, 3, 4) de lR4 .
5. Dada la aplicación lineal, f, de lR3 en lR3 , cuya matriz asociada en la base

canónica de lR3 es: ⎛ ⎞
2 5 −3
A=⎝ 4 7 −4 ⎠ ,
−6 −3 1
se pide:
a) Hallar una base de la imagen y el núcleo de f .

b) Indicar, razonándolo, si la aplicación f es inyectiva.
c) Indicar, razonándolo, si la aplicación f es sobreyectiva.
Solución:
a) ⎛ ⎞ ⎛ ⎞
2 5 −3 2 5 −3
⎝ 4 7 −4 ⎠ ∼ ⎝ 0 −3 2 ⎠ ⇒ dim(Im(f )) = 2
−6 −3 1 0 0 0
Base de Im(f ) = {(2, 5, −3)t , (0, −3, 2)t } . Las ecuaciones implı́citas del
núcleo serán:
2x1 + 5x2 − 3x3 = 0
−3x2 + 2x3 = 0
despejando x1 y x2 en función de x3 se obtienen sus ecuaciones paramétri-
cas ⎧
⎨ x1 = − 16 α
2
x2 = 3α
⎩
x3 = α
1 2 t
Por lo que una base de ker(f ) será: (− 6 , 3 , 1) .
b) dim(ker(f )) = 1 = 0 ⇒ f no es inyectiva.
c) dim(Im(f )) = 2 ⇒ Im(f ) = lR3 ⇒ f no es sobreyectiva.
Puntuación de la pregunta: 5 puntos ((a) 3 puntos, (b) 1 punto, (c) 1 punto).
6. Diagonalizar por semejanza, si es posible, las dos matrices siguientes, es decir,

escribir, si existen, las matrices D y P tales que A = P DP −1 .
a)
⎛ ⎞
4 0 0
A=⎝ 1 4 0 ⎠
0 0 5
b)
⎛ ⎞
0 0 0
A=⎝ 0 0 0 ⎠
3 0 5
Solución:
a)

4−λ 0 0

|A − λI| = 1 4−λ 0 = (4 − λ)2 (5 − λ) = 0 ⇒
0 0 5−λ

λ1 = 4 (doble, m1 = 2)
los valores propios de f son :
λ2 = 5 (simple, m2 = 1)
Los subespacios propios son:

x=0
V4 = x ∈lR (A − 4I) x = 0 =
3
x ∈lR
3
z=0

x=0
V5 = x ∈lR (A − 5I) x = 0 =
3
x ∈lR
3
x−y =0
Por lo tanto

Base de V1 = v1 = (0, 1, 0)t , dim(V1 ) = 1, s1 = 1

Base de V2 = v3 = (0, 0, 1)t , dim(V2 ) = 1, s2 = 1
Como s1 = m1 f no es diagonalizable y en consecuencia la matriz A no se

puede diagonalizar por semejanza.
b)

−λ 0 0

|A − λI| = 0 −λ 0 = λ2 (5 − λ) = 0 ⇒

3 0 5−λ

λ1 = 0 (doble, m1 = 2)
los valores propios de f son :
λ2 = 5 (simple, m2 = 1)
Los subespacios propios son:

V4 = x ∈lR3 (A − 0I) x = 0 = x ∈lR3 3x + 5z = 0

x=0
V5 = x ∈lR3 (A − 5I) x = 0 = x ∈lR3
y=0
Por lo tanto

5
Base de V1 = v1 = (0, 1, 0)t , v2 = (− , 0, 1)t , dim(V1 ) = 2, s1 = 2
3
t

Base de V2 = v3 = (0, 0, 1) , dim(V2 ) = 1, s2 = 1
Como s1 = m1 y s2 = m2 f es diagonalizable y en consecuencia la matriz

A se puede diagonalizar por semejanza.
⎛ ⎞ ⎛ ⎞−1 ⎛ ⎞⎛ ⎞
0 0 0 0 − 53 0 0 0 0 0 − 35 0
⎝ 0 0 0 ⎠=⎝ 1 0 0 ⎠ ⎝ 0 0 0 ⎠⎝ 1 0 0 ⎠
0 0 5 0 1 1 3 0 5 0 1 1
Por lo tanto las matrices pedidas en el enunciado son:
⎛ ⎞ ⎛ ⎞
0 0 0 0 − 53 0
D= ⎝ 0 0 0 ⎠ y P = (v1 , v2 , v3 ) = ⎝ 1 0 0 ⎠
0 0 5 0 1 1
7. Estudiar la continuidad en el origen (x = 0) de la función f : lR → lR definida

para todo x por: ⎧ sen(x)
⎨ |x| x = 0
f (x) =
⎩
0 x=0
Solución: lı́m f (x) = 1 y lı́m f (x) = −1 ⇒ lı́m f (x) = lı́m f (x) ⇒ f no
x→0+ −
x→0 + x→0 −x→0
es continua en x = 0.
B.8. Prueba de control de marzo de 2001 429
8. Considérese la función y de lR en lR definida mediante la siguiente ecuación:
x3 + ln(y(x)) − x2 ey(x) = 0
Se pide:
a) Hallar y (x), (el resultado se puede dejar en función de y(x)).

b) Hallar y (0).
Solución:
a) Derivando implı́citamente en la ecuación del enunciado:

y
3x2 + − 2xey − x2 y ey = 0,
y
despejando y se obtiene el resultado pedido
(2xey − 3x2 )y
y =
1 − yx2 ey
b) x = 0, x3 + ln(y) − x2 ey = 0 ⇒ ln(y) = 0 ⇒ y = 1
y reemplazando los valores de x e y en la expresión de y se obtiene
(2(0)e1 − 3(0)2 )1
y (0) = =0
1 − 1(0)2 e1
B.8. Prueba de control de marzo de 2001

1. (2 puntos). Calcular los extremos relativos y absolutos de la siguiente función:
f (x) = x2 − 3x + 2 , x ∈ [0, 4]
Solución: La función es un polinomio. Por tanto, es diferenciable en (0, 4). Para

buscar los extremos relativos en [0, 4] miraremos si los puntos crı́ticos en (0, 4)
y los puntos de los bordes del dominio son extremos relativos.
Puntos crı́ticos:
f (x) = 2x − 3 = 0
Hay un punto crı́tico en x = 32 ( 32 ∈ (0, 4)). Como f (x) = 2 > 0, el punto
crı́tico es un mı́nimo relativo y f ( 23 ) = 94 − 92 + 2 = − 14 .
En x = 4, f (4) = 8 − 3 = 5 > 0. La función llega creciendo al borde derecho

del dominio. Por tanto, hay un máximo relativo en x = 4 y f (4) = 6.
En x = 0, f (0) = −3. La función sale decreciendo del borde izquierdo del
dominio. Por tanto hay un máximo relativo en x = 0 y f (0) = 2.
Máximo absoluto=Máx(Máx relativos)=Máx(6,2)=6. El Máximo absoluto se
alcanza en x = 4.
Mı́nimo absoluto=− 14 y se alcanza en x = 32 .
2. (2 puntos). Sea
f (x) = ln(1 + x − sen x)
g(x) = (ex − 1)3
a) Calcular el polinomio de Taylor de grado 3 en torno a x = 0 de f (x) y g(x).
b) Usar la información del apartado a) para calcular el lı́mite
f (x)
lı́m
x→0 g(x)
Solución: Calculemos los valores de f (x) y g(x) ası́ como sus tres primeras
derivadas en x = 0 :
f (0) = ln 1 = 0
g(0) = (1 − 1)3 = 0
1 − cos x
f (x) = , f (0) = 0
1 + x − sen x
g (x) 3 (ex − 1) ex , g (0) = 0
2
=
2
sen x (1 − cos x)
f (x) = − , f (0) = 0
1 + x − sen x (1 + x − sen x)2
g (x) = 6 (ex − 1) e2x + 3 (ex − 1) ex , g (0) = 0
2
3
cos x sen x (1 − cos x)
f (x) = −3 2 (1 − cos x) + 2
1 + x − sen x (1 + x − sen x) (1 + x − sen x)
3
f (0) = 1, g (x) = 6e3x + 18 (ex − 1) e2x + 3 (ex − 1) ex , g (0) = 6
2
En consecuencia,
1 3
f (x) = x + O(x4 )
3!
x3
g(x) = 6 + O(x4 )
3!
El lı́mite pedido será pues

4
1 3 1 O(x )
f (x) x + O(x4 ) 3! + x3 1
lı́m = lı́m 3!1 3 = lı́m 4 =
x→0 g(x) x→0 6 x + O(x4 ) x→0 6 1 + O(x ) 6
3! 3 3! x
3. (2 puntos). Sea la función vectorial

⎧ ⎛ ⎞
⎪
⎪ x2 + y 2
⎪
⎪ ⎜ √ xy ⎟
⎪
⎪ ⎝ x2 +y2 ⎠ si y = 0
⎪
⎨
f (x, y) = ex+y ⎞
⎛
⎪
⎪ x2
⎪
⎪
⎪
⎪ ⎝ 0 ⎠ si y = 0
⎪
⎩
ex
a) ¿Es la función continua en (0, 0)?

b) ¿Existen las derivadas parciales (de cada una de las componentes) en (0, 0)?
c) ¿Es la función diferenciable?
Solución: Las cuestiones de continuidad, existencia de derivadas direcciona-
les y diferenciabilidad de una función vectorial se resuelven estudiándolas para
cada una de sus componentes. Las componentes f1 (x, y) y f3 (x, y) se pueden
escribir como x2 + y 2 y ex+y respectivamente. f1 (x, y) es un polinomio, que es
una función continua y diferenciable (tantas veces como se quiera). f3 (x, y) es
la composición de dos funciones continuas y diferenciables: el polinomio x + y
y la exponencial. Es por tanto una función continua y diferenciable. Estas fun-
ciones tienen también todas las derivadas direccionales bien definidas, ya que
la diferenciabilidad implica existencia de derivadas direccionales (en particular,
existen las parciales).
La cuestión de continuidad y diferenciabilidad se centra entonces en la continui-
dad y diferenciabilidad de f2 (x, y).
Continuidad: f (0, 0) = 0. Miremos el
xy
lı́m f2 (x, y) = lı́m (
(x,y)→(0,0) (x,y)→(0,0) x2 + y 2
(notar que f2 (x, y) se puede definir globalmente como √ xy fuera de (0, 0)).
2 x +y 2
Queremos probar que el lı́mite es cero para probar que la función es continua.
Busquemos una función mayorante haciendo un cambio a coordenadas polares:
r cos θr sen θ
f2 (x, y) = √ = r cos θ sen θ
r2 cos2 θ + r2 sen2 θ
Por tanto,
|f2 (x, y)| = |r cos θ sen θ| ≤ r → 0
(x,y)→(0,0)
(
y el lı́mite es cero, ya que la mayorante g(x, y) = x2 + y 2 tiende a cero. La
función f2 es continua en (0, 0) y la función vectorial f es pues continua en (0, 0).
Existencia de derivadas parciales:
∂f2 f2 ((0, 0) + t(1, 0)) − f2 (0, 0) f2 (t, 0) − f2 (0, 0)
(0, 0) = lı́m = lı́m =0
∂x t→0 t t→0 t
∂f2 f2 ((0, 0) + t(0, 1)) − f2 (0, 0) f2 (0, t) − f2 (0, 0)
(0, 0) = lı́m = lı́m =0
∂y t→0 t t→0 t
Las dos derivadas parciales existen y son nulas.

Diferenciabilidad: Si la diferencial existe ha de ser df2 ((0, 0); h) = 0h1 +0h2 = 0.
Veamos si la función es diferenciable o no. Para ello evaluamos el siguiente lı́mite:
f2 ((0, 0) + h) − f2 (0, 0) − df2 ((0, 0); h)
lı́m
h→0 h
f2 (h1 , h2 ) − f2 (0, 0) − 0
= lı́m (
(h1 ,h2 )→(0,0) h21 + h22
h1 h2
= lı́m
(h1 ,h2 )→(0,0) h21 + h22
Este lı́mite no existe, ya que si probamos lı́mites radiales (a lo largo de h2 = kh1 )
obtenemos
kh21 k
lı́m =
h1 →0 h2
1 + kh12 1 + k2
que son distintos dependiendo de k. La función f2 no es diferenciable en (0, 0)
y la función vectorial f es pues no diferenciable.
4. (2 puntos). Calcular los puntos crı́ticos de la función
x3 9
f (x, y) = + y 3 − 2x − y 2 + 6y + 12
6 2
Clasificarlos como máximo relativo, mı́nimo relativo o punto de ensilladura.
Solución: hallemos en primer lugar los puntos crı́ticos. Para ello, resolvemos el
sistema:
∂f x2
= −2=0 (B.10)
∂x 2
∂f
= 3y 2 − 9y + 6 = 0 (B.11)
∂y
√
De (B.10) deducimos que x = ±2. De (B.11) deducimos y = 9± 81−72 6 = 2, 1.
Los puntos crı́ticos son por tanto (2, 2), (−2, 2), (2, 1) y (−2, 1). La naturaleza
de estos puntos crı́ticos la deduciremos a partir del cálculo del Hessiano y de la

segunda derivada con respecto a x:
2 2 3
∂ f ∂2f
∂x2 ∂x∂y x 0
Hf (x, y) = ∂2f ∂2f
=
2
0 6y − 9
∂x∂y ∂y
2
∂ f
(x, y) = x
∂x2
Evaluemos en cada punto.
∂2f
En (2, 2), det(Hf (0, 0)) = 6 > 0, ∂x2 (0, 0) = 2 > 0. Hay, por tanto, un mı́nimo.
∂2f
En (−2, 1), det(Hf (0, 0)) = 6 > 0, ∂x2 (0, 0) = −2 < 0. Hay, por tanto, un
máximo relativo.
5. (3 puntos) Un petrolero sufre un accidente y derrama petróleo al océano. En
un cierto instante, un helicóptero sobrevuela el vertido y comprueba que tiene
forma elı́ptica con el eje mayor a = 500 m. y el eje menor b = 400 m.. Poco
después la mancha sigue siendo elı́ptica pero los ejes han aumentado de tamaño
de modo que se estima que el eje mayor crece a una velocidad de 100 m/hora y
el menor a una velocidad de 80 m/hora.
1) ¿A qué velocidad aumenta el área de la mancha cuando a = 550 m. y b =
440 m.?
2) Si el espesor de la capa de petróleo sobre el mar la suponemos uniforme y
de 0,2 cms., ¿A qué velocidad aumenta el volumen de petróleo vertido cuando
a = 550 m. y b = 440 m.?
3) Si el volumen de petróleo que vierte el barco por unidad de tiempo es cons-
tante y el barco llevaba 50 millones de litros (es decir, dm3 ) de petróleo, ¿cuándo
acabará el vertido?
4) Si la mancha es siempre elı́ptica y la proporción entre los ejes de la elipse
permanece siempre constante ( a(t) 5
b(t) = 4 ), ¿llegará la mancha a una playa que
se encuentra a 5 kms. del barco en la dirección del eje mayor de la elipse?
Ayuda: el área de la elipse es πab.
Solución: a) Sea A(a, b) = πab una función de R2 a R que da el área de la
elipse en función del tamaño de los ejes. Sea la función vectorial x de R a R2
que asigna a un tiempo t el par (a, b). La función compuesta A ◦ x es de R en R
y asigna a un tiempo dado el área de la elipse en ese instante. Para calcular la
derivada de esta función compuesta debemos aplicar la regla de la cadena para
funciones vectoriales. Entonces
dA ∂A da ∂A db da db
(t) = (a(t), b(t)) (t) + (a(t), b(t)) (t) = πb(t) (t) + πa(t) (t)
dt ∂a dt ∂b dt dt dt
da db
En el instante considerado dt = 100, dt = 80. Entonces, en ese instante,
dA
= π · 440 · 100 + π · 550 · 80 = 2,765 × 105 m2 /hora
dt
b) V (a, b) = 2 · 10−3 · πab. Entonces, análogamente a a),

dV −3 da db
(t) = 2 · 10 πb(t) (t) + πa(t) (t)
dt dt dt
En el instante considerado,
dV
= 2 · 10−3 (π · 440 · 100 + π · 550 · 80) = 552,92 m3 /hora
dt
c) Si el flujo de petróleo es constante, el vertido durará
50 · 103
t= = 90,429 horas ≈ 3,77 dı́as
552,92
donde hemos convertido los litros a metros cúbicos.

d) El volumen de la elipse al final de vertido será de 50 · 103 m3 . Tendremos
entonces
4
V = 2 · 10−3 · πab = 2 · 10−3 · · π · a2 = 50 · 103
5
de donde se obtiene, despejando a,
a = 3153,9 metros
es decir, menos de 5 Kms.. La mancha no llega a la playa.
B.9. Examen final de la convocatoria de junio de

2001
1. a) Hallar el polinomio de Taylor de cuarto grado en torno a x = 0 de la función
f (x) = 6 arctan x
b) Usar ese polinomio de Taylor para aproximar f ( √13 ) = π. ¿Qué error se

comete en dicha aproximación?
c) El procedimiento descrito es un modo de hallar el número π con toda la
precisión que se desee. Propón un método similar para hallar el número e con
toda la precisión que se quiera.
Solución: a) Podemos evaluar
f (x) = 6 arctan x ⇒ f (0) = 0
6
f (x) = ⇒ f (0) = 6
1 + x2
−12x
f (x) = ⇒ f (0) = 0
(1 + x2 )2
12 x2
f (x) = − 2 + 48
3 ⇒ f (0) = −12
(1 + x2 ) (1 + x2 )
144 x3
f iv (x) = 3 x − 288 4 ⇒ f (0) = 0
iv
(1 + x2 ) (1 + x2 )
Por tanto :
12 3
P4 (x) = 6x − x = 6x − 2x3
3!
b) P4 ( √13 ) = √6 −2 13
3
= 3,0792. El error cometido es π−3,0792 = 6,2393×10−2 .
32
c) Sea f (x) = ex . Tenemos entonces f (1) = e. Si aproximamos f (x) por un
polinomio, al evaluarlo en x = 1 tendremos un valor aproximado del número e.
2. Una ventana tiene forma de rectángulo rematado por un semicı́rculo. Si el
perı́metro de la ventana es de 10 metros, hallar las dimensiones de la venta-
na de modo que se admita la cantidad más grande posible de luz.
Solución: Sea a la base del rectángulo, b la altura. El radio del semicı́rculo
será entonces a2 . El perı́metro de la ventana es
a
P = 2b + a + π = 10
2
Por tanto,
1 1
b = − a − πa + 5
2 4
El área de la ventana es
π 0 a 12
A= + ab
2 2
Sustituyendo el valor hallado de b,

π 0 a 12 1 1 1 1
A(a) = + a − a − πa + 5 = − πa2 − a2 + 5a
2 2 2 4 8 2
Para hallar el máximo de A(a) buscamos sus puntos crı́ticos

1 5
A (a) = − πa − a + 5 = 0 ⇒ a = π
4 1+ 4
Además,
1
A (a) = − π − 1 < 0
4
El extremo es, en efecto, un máximo. Las dimensiones de la ventana son a =
20 10
4+π , b = 4+π .
3. Hallar y clasificar los extremos (máximos, mı́nimos y puntos de ensilladura) de

la función
f (x, y) = 2x3 + xy 2 + 5x2 + y 2
Solución: Para hallar los extremos de f (x, y) buscamos sus puntos crı́ticos:
∂f
(x, y) = 6x2 + y 2 + 10x = 0
∂x
∂f
(x, y) = 2xy + 2y = 0
∂y
De la segunda ecuación obtenemos que, necesariamente, y = 0 ó x = −1. Si
y = 0, entonces de la primera ecuación obtenemos 6x2 + 10x = 0 que lleva a
x = 0 ó x = − 35 . Si x = −1, entonces de la primera ecuación se sigue y 2 − 4 = 0,
es decir, y = ±2. Los puntos crı́ticos son pues (0, 0), (− 53 , 0), (−1, 2), (−1, −2).
Para determinar su naturaleza, calculamos la matriz Hessiana:

12x + 10 2y
Hf (x, y) =
2y 2x + 2
El determinante de esta matriz es det Hf (x, y) = (12x + 10) (2x + 2) − 4y 2 .

Evaluando en cada punto crı́tico,
(x, y) = (0, 0) ⇒ det Hf (x, y) = 20 > 0, 12 × 0 + 10 = 10 > 0 y entonces (0, 0)
es un mı́nimo relativo.
5
(x, y) = (x = − 53 , 0) ⇒ det Hf (x, y) = 403 > 0, 12 × − 3 + 10 = −10 < 0 y
entonces (− 35 , 0) es un máximo relativo.
(x, y) = (−1, 2) ⇒ det Hf (x, y) = −16 < 0 y entonces (−1, 2) es un punto de
silla.
(x, y) = (−1, −2) ⇒ det Hf (x, y) = −16 < 0 y entonces (−1, −2) es un punto
de silla.
!
(x2 +y 2 ) sen(x2 +y 2 )
f (x, y) = (x2 +ay 2 +2xy) en lR2 \(0, 0)
0 en (0, 0)
a) ¿Para qué valores de a será la función continua en (0, 0)?

b) Sea a = 1. Calcular ∂f ∂f
∂x (1, 0) y ∂y (1, 0) y la derivada direccional de f (x, y) a
lo largo de la dirección u = √2 (1, −1) en el punto a = (1, 0).
1
Solución: a) Para que sea la función continua se ha de cumplir que
lı́m f (x, y) = f (0, 0) = 0.

(x,y)→(0,0)
Intentemos buscar una mayorante para f .

r2 sen r2
|f (r cos θ, r sen θ)| = 2
r (cos2 θ + a sen2 θ + 2 sen θ cos θ)

1
= 2 2
sen r2

cos θ + a sen θ + 2 sen θ cos θ

Si el término cos2 θ+a sen2 1θ+2 sen θ cos θ está acotado por K, entonces |f (r cos θ

, r sen θ)| ≤ K sen r2 ≤ Kr2 →0 y la función será continua. Para que
(x,y)→(0,0)

cos2 θ+a sen2 1θ+2 sen θ cos θ esté acotado es necesario que cos2 θ+a sen2 θ+2 sen θ cos θ
no cambie nunca de signo, es decir, que no tenga ningún cero. Los ceros de esta
función satisfacen
cos2 θ + a sen2 θ + 2 sen θ cos θ = 0
Podemos escribir, dividiendo la ecuación por cos2 θ,
1 + a tan2 θ + 2 tan θ = 0
de donde se deduce √
−2 ± 4 − 4a
tan θ = = h±
2a
Existirán soluciones reales si y solo si a ≤ 1. Con a > 1 podemos asegurar que
la función no cambia de signo y, en consecuencia, f (x, y) es continua en (0, 0).
Podemos escribir
cos2 θ + a sen2 θ + 2 sen θ cos θ = cos2 θ (tan θ − h+ ) (tan θ − h− )
Si a ≤ 1, entonces a lo largo de las direcciones θ± = arctan h± podemos tener

lı́mites distintos de cero. Nos basta tomar la dirección (en polares)
> ?
r2 = arcsin K cos2 θ (tan θ − h+ ) (tan θ − h− )
para que el lı́mite sea K.

b)
∂f ∂ (x2 + y 2 ) sen(x2 + y 2 )
(x, y) =
∂x ∂x (x2 + y 2 + 2xy)

2x sen(x2 + y 2 ) + 2x(x2 + y 2 ) cos(x2 + y 2 ) (x2 + y 2 + 2xy)
=
(x2 + y 2 + 2xy)2
−(2x + 2y)(x2 + y 2 ) sen(x2 + y 2 )

−
(x2 + y 2 + 2xy)2

∂f ∂ (x2 + y 2 ) sen(x2 + y 2 )
(x, y) =
∂x ∂x (x2 + y 2 + 2xy)

2y sen(x2 + y 2 ) + 2y(x2 + y 2 ) cos(x2 + y 2 ) (x2 + y 2 + 2xy)−
=
(x2 + y 2 + 2xy)2
(2x + 2y)(x2 + y 2 ) sen(x2 + y 2 )
−
(x2 + y 2 + 2xy)2
Entonces,
∂f ∂f
(1, 0) = 2 cos 1 , (1, 0) = −2 sen 1
∂x ∂y
La derivada direccional buscada será
df ∂f ∂f 1
(1, 0) = (1, 0)u1 + (1, 0)u2 = √ (2 cos 1 + 2 sen 1)
du ∂x ∂y 2
5. Las curvas y = 2x2 , y = 1 + x2 delimitan una región D. Calcular

<<
(ex + y 2 )dxdy
D
Solución: Las dos curvas intersectan cuando 2x2 = 1 + x2 , lo que implica

x = ±1. La región resultante es del tipo 1 y está delimitada por las curvas
y = 2x2 (tapa inferior), y = 1 + x2 (tapa superior). Entonces
<< < 1 2< 1+x2 3 < 12 1+x2 3
x 2 x 2 x y 3
(e + y )dxdy = (e + y )dy dx = e y+ dx
D −1 2x2 −1 3 2x2
< 1
(1 + x2 )3 (2x2 )3
= e (1 − x ) +
x 2
− dx
−1 3 3
< 1 < 1
(1 + x2 )3 (2x2 )3
= e (1 − x )dx +
x 2
− dx ≡ I1 + I2
−1 −1 3 3
La primera integral se hace por partes
< 1 < <
1 1 1
ex (1 − x2 )dx = ex (1 − x2 )−1 +
1
I1 = 2xex dx = 2xex |−1 − 2ex dx
−1 −1 −1
= 2e + 2e−1 − 2ex |−1 = 4e−1

1
La segunda, después de desarrollar las potencias, directamente

< 1 < 1
(1 + x2 )3 (2x2 )3 1 7 16
− dx = + x2 + x4 − x6 dx =
−1 3 3 −1 3 3 15
La integral buscada es entonces

<<
16
(ex + y 2 )dxdy = 4e−1 +
D 15
6. Un bosque tiene forma de cı́rculo de 2 kilómetros de radio. Los árboles no están

distribuidos homogéneamente en el cı́rculo y se ha estimado que la densidad
de árboles se ajusta aproximadamente a la fórmula d(x, y) = 1+10−60,5 (x2 +y 2 )
(árboles por m2 ) siendo (x, y) un sistema de coordenadas cartesianas centradas
en el centro del cı́rculo.
a) Estimar el número de árboles que hay.
b) Un incendio reduce el bosque a un cı́rculo de radio 1,5 kilómetros. ¿Cuántos
árboles se habrán quemado?
Solución: a) La cantidad total de árboles vendrá dada por la fórmula
<< <<
0,5
N= d(x, y)dxdy = −6
dxdy
D D 1 + 10 (x2 + y 2 )
Dada la geometrı́a de la región D (un cı́rculo), es recomendable hacer un cambio

a coordenadas polares. Por tanto,
< 2π < 2000 < 2000
0,5r πr
N= −6
drdθ = dr
0 0 1 + 10 r 2
0 1 + 10−6 r2
π 6 2000 π
= 10 ln 1 + 10−6 r2 = 106 ln 5 = 2,5281 × 106 árboles
2 0 2
es decir, unos dos millones y medio.
b) Se habrán quemado
< 2π < 2000 < 1500
0,5r πr
M= drdθ = dr
0 1500 1 + 10−6 r2 0 1 + 10−6 r2
π 6 2000
10 ln 1 + 10−6 r2
=
2 1500
π 6 1+4
= 10 ln = 6,7667 × 105 árboles
2 1 + 1,52
7. a) Hallar la solución general de las siguientes ecuaciones diferenciales:

1.-
xy − xy = (1 + x2 )ex
2.-
17
y + 2y + 5y = − cos(2x)
2
c) Resolver el siguiente Problema de Valor Inicial:

xy = y ln y
y(1) = e
Solución: a) 1.- Es una ecuación lineal de primer orden. y(x) = yh (x) + yp (x),
donde
xyh − xyh = 0 ⇒ yh (x) = Kex
y yp (x) es una solución particular que buscamos de la forma yp (x) = K(x)ex .
Sustituyendo en la e.d.o.,
<
1
xK (x)e = (1 + x )e ⇒ K(x) =
x 2 x
+ x dx = ln x + x2
x
Por tanto,
y(x) = Kex + ln x + x2 ex
a) 2.- Es una ecuación lineal de segundo orden y de coeficientes constantes.
y(x) = yh (x) + yp (x), donde
yh + 2yh + 5yh = 0
El polinomio caracterı́stico √asociado a esta e.d.o. es P2 (m) = m2 + 2m + 5,

cuyas raı́ces son m1,2 = −2± 2 4−20 = −1 ± 2i. La solución general de la ecuación
homogénea será pues
yh (x) = C1 e−x cos(2x) + C2 e−x sen(2x)
Buscamos a continuación una solución particular de la ecuación no homogénea.

Lo más sencillo es usar el método de coeficientes indeterminados y buscar la
solución en la forma
yp (x) = A cos(2x) + B sen(2x)
de modo que
yp (x) = −2A sen(2x) + 2B cos(2x)

yp (x) = −4A cos(2x) − 4B sen(2x)
y sustituyendo en la e.d.o.,
(−4A cos(2x) − 4B sen(2x)) + 2 (−2A sen(2x) + 2B cos(2x))
17
+5 (A cos(2x) + B sen(2x)) = − cos(2x)
2
lo que lleva a
17
−4A + 4B + 5A = −
2
−4B − 4A + 5B = 0
y, resolviendo el sistema, A = − 12 , B = −2. La solución buscada es

1
y(x) = C1 e−x cos(2x) + C2 e−x sen(2x) − cos(2x) − 2 sen(2x)
2
b) La ecuación propuesta es separable. Podemos escribir
< <
dy dx
= ⇒ ln ln y = ln x + C
y ln y x
que es la solución general en forma implı́cita. Para imponer la condición inicial,
nos damos cuenta de que y ha de valer e cuando x = 1. Sustituyendo,
ln ln e = ln 1 + C ⇒ C = 0
Nuestra solución es pues

ln ln y = ln x
o, equivalentemente,
y = ex
8. Un taller mecánico se encuentra en un recinto cerrado de volumen V metros

cúbicos. Debido a la operación de las máquinas, se emiten de forma constante P
gramos por minuto de contaminante. Llegado un nivel de k gramos por metro
cúbico de contaminante, es peligroso permanecer en el taller. Por tanto, se decide
instalar un sistema de ventilación que permita la entrada de r metros cúbicos
por minuto de aire puro y extraiga esa misma cantidad de aire contaminado del
interior. Hallar el valor mı́nimo que ha de tener r en función de V , P y k para
asegurar que el nivel de contaminación no llegue nunca a ser k.
Solución: Nos encontramos ante un problema de mezclas. Llamando Q(t) la
cantidad de contaminante que hay en el recinto (medida en gramos). Esta can-
tidad varı́a con el tiempo de modo que
dQ(t) cont. que entra cont. que sale
= −
dt unidad de tiempo unidad de tiempo
El aporte positivo de contaminante lo de la emisión directa que es de P gramos
por minuto. El aporte negativo es lo que sale gracias al sistema de ventilación,
que será la concentración de contaminante presente por el caudal de salidas, es
decir, Q(t)
V r gramos por minuto. Entonces
dQ(t) Q(t)
=P − r
dt V
La solución general de la e.d.o. es

<
r r r r PV
Q(t) = Ke− V t + e− V t e V t P dt = Ke− V t +
r
El instante inicial es en el que empieza el taller a operar. En ese momento,
Q(0) = 0. Entonces,
PV r
Q(t) = (1 − e− V t )
r
El Máximo de contaminante (y por tanto de concentración) se alcanza cuando
t → ∞.
PV
lı́m Q(t) =
t→∞ r
Si el máximo admitido es k gramos por metro cúbico, hemos de imponer
PV
P
r
≤k⇒r≥
V k
El ventilador ha de ser capaz de evacuar P/k metros cúbicos de aire por minuto.
9. Determinar a y b sabiendo que:

⎛ ⎞
a b 0 0 ... 0 0 0
⎜ 1−b a b 0 ... 0 0 0 ⎟
⎜ ⎟
⎜ 0 1−b a b ... 0 0 0 ⎟ 1
⎜ ⎟
Dn = det ⎜ .. .. .. .. .. .. .. ⎟ = (3n+1 +(−1)n 2n+1 )
⎜ . . . . . . . ⎟ 5
⎜ ⎟
⎝ 0 0 0 0 ... 1 − b a b ⎠
0 0 0 0 ... 0 1−b a
Solución: para n = 1,
1 2
D1 = a = (3 + (−1)1 22 ) = 1
5
para n = 2,

a b 1 b 1
D2 = =
1−b = b2 − b + 1 = (33 + (−1)2 23 ) = 7 ⇒
1−b a 1 5

3
b2 − b − 6 = 0⇒b=
−2
10. Dadas las aplicaciones lineales f : lR3 → lR5 y g : lR5 → lR4 definidas respecti-
vamente en las bases canónicas por las matrices:
⎛ ⎞
1 1 2 ⎛ ⎞
⎜ 1 0 1 ⎟ 1 −1 −1 1 0
⎜ ⎟ ⎜ −1 1 1 0 1 ⎟
A=⎜ ⎜ 0 1 1 ⎟
⎟ B=⎜ ⎝ 0
⎟
⎝ 0 0 0 ⎠ 0 0 1 1 ⎠
0 0 0 0 1
0 0 0
se pide responder a los siguientes apartados:
a) Calcular ker f, Im f, ker g e Im g.

b) ¿Es Im f = ker g?
c) ¿Es Im g = ker f ?
d) Indicar si g es inyectiva y/o sobreyectiva.
Nota: la valoración de cada apartado en la calificación global del ejercicio es

la siguiente: apartado (a) 40 %, apartado (b) 30 %, apartado (c) 15 %, apartado
(d) 15 %.
Solución:
a) Las columnas de la matriz A constituyen un sistema generador de Im f. Se

estudia si son linealmente independientes:
⎛ ⎞ ⎛ ⎞
1 1 0 0 0 1 1 0 0 0
At = ⎝ 1 0 1 0 0 ⎠ ∼ ⎝ 0 −1 1 0 0 ⎠ .
2 1 1 0 0 0 0 0 0 0
No son linealmente independientes y por lo tanto no constituyen una base
de Im f. Extraemos del sistema generador dos vectores linealmente inde-
pendientes para obtener una base:
& t t '
Base de Im f : 1 1 0 0 0 , 0 −1 1 0 0 ,
dim( Im f ) = 2
Visto el resultado anterior la dimensión del núcleo debe ser 1, en efecto:
⎧ ⎛ ⎞ ⎛ ⎞⎫
⎪
⎪ 1 1 2 ⎛ ⎞ 0 ⎪ ⎪
⎪
⎪ ⎜ 1 0 1 ⎟ ⎜ 0 ⎟⎪ ⎪
⎨ ⎜ ⎟ x1 ⎜ ⎟⎬
ker f = x ∈lR3 ⎜ ⎜ 0 1 1
⎟ ⎝ x2 ⎠ = ⎜ 0 ⎟ ,
⎟ ⎜ ⎟
⎪
⎪ ⎝ 0 0 0 ⎠ ⎝ 0 ⎠⎪ ⎪
⎪
⎪ x3 ⎪
⎪
⎩ ⎭
0 0 0 0
y resolviendo el sistema:
⎧
⎨ x1 = −α & t '
x2 = −α ⇒ Base de ker f = −1 −1 1
⎩
x3 = α
Operando igual con la aplicación g:
⎛ ⎞ ⎛ ⎞
1 −1 0 0 1 −1 0 0
⎜ −1 1 0 0 ⎟ ⎜ 0 1 1 0 ⎟
⎜ ⎟ ⎜ ⎟
Bt = ⎜⎜ −1 1 0 0 ⎟∼⎜
⎟ ⎜ 0 0 0 1 ⎟.
⎟
⎝ 1 0 1 0 ⎠ ⎝ 0 0 0 0 ⎠
0 1 1 1 0 0 0 0
& '
t t t
Base de Im g : ( 1 −1 0 0 ) , ( 0 1 1 0 ) , ( 0 0 0 1 ) ,
dim( Im g) = 3
Como dim(Im g) + dim(ker g) = 5 entonces dim(ker g) = 2 :

⎧ ⎛ ⎞ ⎫
⎪ ⎛ ⎞ x1 ⎛ ⎞⎪
⎪
⎪ 1 −1 −1 1 0 0 ⎪
⎪
⎪
⎨ ⎜ ⎟ ⎪
⎜ −1 1 1 0 1 ⎟
x
⎜ 2 ⎟ ⎜ 0 ⎟⎬
ker g = x ∈lR5 ⎜
⎝
⎟ ⎜ x3 ⎟ = ⎜
⎠ ⎜ ⎟ ⎝
⎟
⎠⎪
⎪
⎪ 0 0 0 1 1 ⎝ x4 ⎠ 0 ⎪
⎪
⎪ ⎪
⎪
⎩ 0 0 0 0 1 0 ⎭
x5
⎧
⎪
⎪ x1 = λ + µ
⎪
⎪
⎨ x2 = λ & '
t t
x3 = µ ⇒ Base de ker g = ( 1 1 0 0 0 ) , ( 1 0 1 0 0 )
⎪
⎪
⎪
⎪ x4 = 0
⎩
x5 = 0
b) Im f y ker g son dos subespacios de dimensión 2 de lR5 , si se demuestra

que los vectores de una de las dos bases son combinación lineal de los de
la otra se habrá comprobado que los dos subespacios son iguales:
⎛ ⎞ ⎛ ⎞
1 1 0 0 0 1 1 0 0 0
⎜ 0 −1 1 0 0 ⎟ ⎜ 0 −1 1 0 0 ⎟
⎜ ⎟∼⎜ ⎟,
⎝ 1 1 0 0 0 ⎠ ⎝ 0 0 0 0 0 ⎠
1 0 1 0 0 0 0 0 0 0
y por lo tanto Im f = ker g.

c) Im g es una subespacio de dimensión 3 de lR4 y no puede ser igual a ker f
que es un subespacio de dimensión 1 de lR3 .
d ) g no es inyectiva porque dim(ker g) = 0. Tampoco es sobreyectiva porque
dim(Im g) = dim(lR4 ).
11 Hallar una base ortonormal del espacio euclı́deo E, formado por el espacio vec-
torial lR3 y el producto escalar
x · y = x1 y1 − x1 y3 − x3 y1 + 2x2 y2 + x3 y2 + x2 y3 + 3x3 y3 {ei } .
Solución: La matriz de Gram del producto escalar es:

⎛ ⎞
1 0 −1
G=⎝ 0 2 1 ⎠.
−1 1 3
Los vectores e1 y e2 son ortogonales puesto que e1 · e2 = 0 al ser nulos los

términos (1, 2) y (2, 1) de la matriz de Gram, por ello:
c1 = e1 / e1 = e1 = (1, 0, 0)t{ei }

√ 1
c2 = e2 / e2 = e2 / 2 = √ (0, 1, 0)t{ei }
2
√ √
2 2
c3 = z3 / z3 = √ (e3 + e1 − 1/2e2 ) = √ (1, −1/2, 1)t{ei }
3 3
z3 = e3 − (e3 · c1 )c1 − (e3 · c2 )c2 = e3 + e1 − 1/2e2
⎛ ⎞
1
e 3 · c1 = 0 0 1 G ⎝ 0 ⎠ = −1
0
⎛ ⎞
1
1 1
e 3 · c2 = √ 0 0 1 G⎝ 0 ⎠ = √
2 0 2
⎛ ⎞⎛ ⎞
1 0 −1 1
3
z2 = 1 −1/2 1 ⎝ 0 2 1 ⎠ ⎝ −1/2 ⎠ =
2
−1 1 3 1
12 Sea A una matriz cuadrada de dimensión dos con valores propios λ1 = 3 y

λ2 = 1/3, y vectores propios respectivos v1 = (1, 1)t y v2 = (−1, 1)t . Dada la
ecuación en diferencias xk+1 = Axk , se pide:
a) Obtener una fórmula que proporcione xk en función de x0 y k.

b) Calcular x1 y x8 , sabiendo que x0 = (9, 1)t .

Solución:
a) A
es una matriz
diagonalizable y por lo tanto existe una matriz D =
3 0
tal que:
0 1/3
D = P −1 AP, o, despejando, A = P DP −1
en donde:
1 −1
P =
1 1
Sustituyendo A por D en xk+1 = Axk se obtiene:
xk+1 = Axk = P DP −1 xk
y, entonces,
k
xk = P DP −1 x0 = P Dk P −1 x0
k 1
1 −1 3 0 2
1
2 x01
= .
1 1 0 (1/3)k − 12 1
2 x02
Finalmente se expresa la fórmula pedida componente a componente:

0 k 1 0 0 1 k 1 1 k 1 0
xk1 = 12 3k + 12 13 x + 3 −2 3 x
0 1 1 02 1 2
k k
xk2 = 12 3k − 12 13 x01 + 12 3k + 12 13 x02
b) En el caso particular en que x0 = (9, 1)t , calculamos x1 y x8 :

x11 = 12 3 + 12 13 9 + 12 3 − 12 13 1 = 49
3
x12 = 12 3 − 12 13 9 + 12 3 + 12 13 1 = 41 3
0 1 8 1 0 1 8 1
3 1 9 + 023 −
1 8 1 1 8 1 215233609
x81 = 3 + 3 11 =
02 2
8
2

6561
1 1 8
x82 = 12 38 − 12 13 9 + 12 38 + 2 3 1= 215233609
6561
B.10. Examen final de la convocatoria de septiem-

bre de 2001
1. a) Hallar los polinomios de Taylor de segundo grado en torno a x = 0 de las
funciones
√
f (x) = ex − 1 + 2x
g(x) = sen x2
b) Usar esos polinomios de Taylor para hallar el lı́mite

√
ex − 1 + 2x
lı́m
x→0 sen x2
Solución: a)
√
f (x) = ex − 1 + 2x → f (0) = 0
1
f (x) = ex − √ → f (0) = 0
1 + 2x
1
f (x) = ex +
3 → f (0) = 2
(1 + 2x) 2
Por tanto, el polinomio de Taylor para f (x) es
2 2
P2 (x) = x = x2
2!
Por otra parte,
g(x) = sen x2 → g(0) = 0

g (x) = 2x cos x2 → g (0) = 0
g (x) = 2 cos x2 − 4x2 sen x2 → g (0) = 2
y entonces, el polinomio para g(x) es
2 2
Q2 (x) = x = x2
2!
b)
√ O(x3 )
ex − 1 + 2x x2 + O(x3 ) 1+ x2
lı́m 2
= lı́m 2 3
= lı́m O(x3 )
=1
x→0 sen x x→0 x + O(x ) x→0 1 +
x2
2. La pantalla de un cine tiene una altura h y se sitúa verticalmente a una dis-

tancia d de la tarima que se encuentra justo en la lı́nea visual del público. ¿A
qué distancia hemos de situarnos del plano vertical que contiene a la pantalla
para ver mejor la pelı́cula?
Solución: Sea x la distancia que separa al observador del plano vertical de la
pantalla y sea α el ángulo que forman la lı́nea que une los ojos del observador
con la parte inferior de la pantalla con la lı́nea que une los ojos del observador
con la parte superior de la pantalla. Sea β el ángulo que forma la lı́nea que une
los ojos del observador con la lı́nea que une parte inferior de la pantalla con la
tarima. Entonces,
d
tan β =
x
d+h
tan(α + β) =
x
Se trata de hallar el valor de x que hace α máximo. De la segunda ecuación se
tiene
d+h
α = −β + arctan
x
y usando la primera ecuación se obtiene

d d+h
α(x) = − arctan + arctan
x x
Busquemos el punto crı́tico de α(x):

d d+h
dα(x) x2 x2
= d 2 − d+h 2 = 0
dx 1+ x 1+ x
Operando se tiene
0 1
2
d x2 + (d + h) − (d + h) x2 + d2 = 0
o, simplificando,
−x2 + d (d + h) = 0
con solución (
x= d (d + h)
Es claro que α(x) tiende a cero cuando x → 0 y cuando x → ∞. Nuestro punto
crı́tico es, pues, un máximo.
3. Sea
f (x, y) = x3 − 4x2 y + y 2
a) Hallar el gradiente de f .
b) Determinar la derivada direccional de f en el punto (0, −1) a lo largo de la
dirección u = ( 35 , 45 ).
Solución: a)
−
→
∇f = (3x2 − 8xy, −4x2 + 2y)
b)
df →
− 3 4 8
(0, −1) = ∇f (0, 1) · u = (0, −2) · ( , ) = −
du 5 5 5
4. Hallar los extremos relativos (máximos, mı́nimos y puntos de ensilladura) de la
función
f (x, y) = 10x2 y − 5x2 − 4y 2 − x4
Solución: Busquemos los puntos crı́ticos:
∂f
= 20xy − 10x − 4x3 = 0
∂x
∂f
= 10x2 − 8y = 0
∂x
De la segunda ecuación se obtiene y = 54 x2 , que insertado en la primera resulta
en la ecuación
25x3 − 10x − 4x3 = x(21x2 − 10)
-
con soluciones x = 0, ± 21
Los respectivos valores de y serán y = 0, 21
10 .
21
8 , 8 .
- -
Los puntos crı́ticos son pues (0, 0), ( 21 21
10 , 8 ), (−
21 21
10 , 8 ).
Para determinar la naturaleza de los puntos crı́ticos calculamos la matriz Hes-

siana:
20y − 10 − 12x2 20x
Hf (x, y) =
20x −8
En (0, 0) se tiene det Hf (0, 0) = 80 > 0. Como el elemento 1, 1 de la matriz vale

−10 en (0, 0), podemos concluir que hay un máximo relativo.
- -
En ( 21 10 , 8 ) = − 5 < 0 lo que implica que este es
21 21 21 4892
,
10 8 ) se tiene det H f (
- -
En (− 21 10 , 8 ) = − 5 < 0 lo que implica que este
21 21 21 4892
,
10 8 ) se tiene det H f (−
es un punto de ensilladura.
5. Las curvas y = 1 − x2 , y = 2x2 delimitan una región D. Calcular
<<
(x + y 2 )dxdy
D
Solución: Las dos curvas se cruzan en los puntos (x, y) tales que
1 − x2 = 2x2
√
es decir, con coordenadas x = ± 13 3. Como la parábola y = 2x2 está por debajo
√ √
de la parábola y = 1 − x2 para x ∈ − 31 3, 13 3 , nuestra región es del tipo 1
y la integral se puede evaluar según la fórmula:
<< < 1 √ 2< 2
3
3
3 1−x
I= (x + y 2 )dxdy = √ (x + y 2 )dy dx
D − 13 3 2x2
< 1
√ 51−x2 < 1
√ 3
3 3
y3 3 3
1 − x2 8x6
√ ( xy + )dx = √ (x(1 − x2 ) + − 2x3 − )dx
− 13 3 3 2x2 − 13 3 3 3
3
Expandiendo la potencia 1 − x2 y calculando las integrales (son todos los
términos potencias de x) se llega a
5 13 √3
3 4 1 2 3 7 1 5 1 3 1 16 √
I= − x + x − x + x − x + x √
= 3
4 2 7 5 3 3 −1 3 105
3
6. Hallar << (
1 + (x2 + y 2 )2 xydxdy
D
siendo D un cı́rculo de radio unidad centrado en el origen.

Solución: Dado que el dominio es simétrico con respecto al eje x y la función a
integrar es antisimétrica en y, podemos concluir inmediatamente que la integral
ha de ser cero.
No obstante, hagamos el cálculo. Es conveniente hacer el cambio a polares y
escribir nuestra integral como
< 2π < 1 (
I= 1 + (r2 )2 r cos θr sen θrdrdθ
θ=0 r=0
Simplificando,
< 2π < 1 (
I= 1 + r4 r3 cos θ sen θdrdθ
θ=0 r=0
La integración en θ se puede hacer de varios modos. Uno es usar la fórmula del

seno de ángulo doble para concluir
< 2π < 1 ( < 1 ( 0 1
1 1 2π
I= 1+ r4 r3 sen(2θ)drdθ = − 1 + r4 r3 cos(2θ)]0 dr = 0
2 θ=0 r=0 4 r=0
2π
ya que cos(2θ)]0 = cos(4π) − cos 0 = 0.
7. a) Hallar la solución general de las siguientes ecuaciones diferenciales:

1.-
dy 1+x
=
dx xy
2.-
dy x 3x
− y=
dx 1 + x2 1 + x2
b) Resolver el siguiente Problema de Valor Inicial:
⎧
⎨ y + 3y + 2y = e3x
y(0) = 1
⎩
y (0) = 0
Solución: a) 1.- Esta ecuación es separable:
1+x
ydy = dx
x
Integrando ambos lados se obtiene
< <
1+x y2
ydy = dx → = ln |x| + x + C
x 2
o, en forma explı́cita, (
y = ± 2 ln |x| + 2x + 2C
2.- Esta ecuación es tanto lineal, como separable. Usemos el hecho de que es
lineal: podemos escribir y(x) = yp (x) + yh (x) con
dyh x
− yh = 0
dx 1 + x2
es decir,
dyh x
= dx
yh 1 + x2
que tras integración lleva a
< <
dyh x 1
= dx → ln yh = ln(1 + x2 ) + K
yh 1 + x2 2
es decir, (
1 2
yh (x) = e 2 ln(1+x )+K
=C 1 + x2
√
Busquemos ahora yp (x) por variación de constantes. Sea yp (x) = C(x) 1 + x2 .
Sustituyendo en la ecuación,
( 3x
C (x) 1 + x2 =
1 + x2
que lleva a <
3x − 1
C(x) = 3 dx = −3 1 + x2 2
(1 + x2 ) 2
La solución general será pues

(
y(x) = C 1 + x2 − 3
b) La ecuación es lineal y podemos escribir y(x) = yp (x) + yh (x) con
yh + 3yh + 2yh = 0
El polinomio caracterı́stico es
r2 + 3r + 2
√
con raı́ces r1,2 = −3±2 9−8 = −2, −1. La solución general del problema ho-
mogéneo será pues
yh (x) = C1 e−2x + C2 e−x
La solución particular la buscamos por coeficientes indeterminados. Sea yp (x) =

Ae3x . Sustituyendo se tiene
(9A + 9A + 2A) e3x = e3x

1
que lleva a A = 20 . La solución general será
1 3x
y(x) = C1 e−2x + C2 e−x + e
20
Imponemos a continuación las dos condiciones iniciales que llevan a las relacio-
nes:
1
C1 + C2 + = 1
20
3
−2C1 − C2 + = 0
20
con solución C1 = − 45 , C2 = 74 . La solución buscada es por tanto
4 7 1
y(x) = − e−2x + e−x + e3x
5 4 20
8. La población de una cierta especie de peces en una región del océano está mo-
delada por la ecuación diferencial logı́stica

dP P
= 0,08P 1 −
dt 1000
donde P son los miles de unidades de peces que hay y el tiempo viene dado en
meses.
a) Si la población inicial es P (0) = 500, ¿cuántos peces habrá al cabo de 20
meses?
b) En ese instante se comienza a pescar esa especie a un ritmo de c miles de
peces por mes. Escribe la ecuación diferencial que modeları́a la evolución en la
población.
c) Hallar el valor de c por encima del cuál la población tenderı́a a la extinción.
Solución: a) Debemos resolver la ecuación diferencial con dato inicial P (0) =
500. La ecuación es separable:
dP
= 0,08dt
P 1 − 1000
P
Integrando, < <

dP
= 0,08dt
P 1 − 1000
P
que lleva a
ln P − ln |−1000 + P | = 0,08t + C
Imponiendo la condición inicial se deduce
C=0
Por tanto,
P
ln = 0,08t
1000 − P
de donde se deduce
1000e0,08t
P (t) =
e0,08t + 1
A los 20 meses,
1000e1,6
P (20) = = 832,02 miles de peces
e1,6 + 1
b) La ecuación que modela este caso serı́a

dP P
= 0,08P 1 − −c
dt 1000
donde c es la cantidad de peces que desaparecen por mes al ser pescados.

c) La población permanecerá estacionaria si dP
dt = 0 para todo tiempo. Eso
ocurre si P y c son tales que

P
0,08P 1 − −c=0
1000
Como en nuestro ejemplo se tiene P = 832,02, el valor de c tal que la población

permanece constante serı́a

832,02
c = 0,08 × 832,02 1 − = 11,181 miles de peces por mes.
1000

Cualquier valor superior de c hará que 0,08P 1 − 1000
P
−c < 0 para todo P > 0,
con lo cual la población terminará desapareciendo.
9. Expresar los siguientes números complejos en forma módulo - argumental

√ 2
a) 1 + −3 .
√
1+i 3
b) √ .
1−i 3
c) Las seis raı́ces sextas de 64.

Solución:
√ √ √ 2 0 12
a) 1 + −3 = 1 + 3i = (2) π , 1 + −3 = (2) π = (4) 2π .
3 3 3
√
1+i 3 (2) π/3
b) √ = = (1)2π/3 .
1−i 3 (2)−π/3
(
c) zk = 6 (64)0 = (2)0+2kπ/6 , k = 0, 1, 2, . . . , 5,
z0 = (2)0
z1 = (2)0+π/3 = (2)π/3 ,
z2 = (2)0+2π/3 = (2)2π/3 ,
z3 = (2)0+3π/3 = (2)π ,
z4 = (2)0+4π/3 = (2)−2π/3 ,
z5 = (2)0+5π/3 = (2)−π/3 .
10. Dados los vectores de lR3 a = (1, 2, 3)t{ei } , u1 = (3, 1, 2)t{ei } , u2 = (2, 1, 2)t{ei } y
u3 = (1, 1, 0)t{ei } , se pide:
a) Obtener las coordenadas de a respecto de la base {u1 , u2 , u3 }.

b) Hallar las coordenadas de a respecto de la base {v1 = u1 + u2 + u3 ,
v2 = u1 − u2 , v3 = u1 }.

Solución:
⎛ ⎞−1 ⎛ ⎞ ⎛ ⎞⎛ ⎞
3 2 1 1 1 −1 − 12 1
a) (a){ui } = ⎝ 1 1 1 ⎠ ⎝ 2 ⎠ = ⎝ −1 1 1 ⎠⎝ 2 ⎠
2 2 0 3 0 1 −2 1
3
⎛ 5 ⎞
−2
=⎝ 4 ⎠
1
2
⎛ ⎞−1 ⎛ 5 ⎞ ⎛ ⎞⎛ 5 ⎞
1 1 1 −2 0 0 1 −2
b) (a){vi } = ⎝ 1 −1 0 ⎠ ⎝ 4 ⎠ = ⎝ 0 −1 1 ⎠ ⎝ 4 ⎠
1 0 0 1
1 1 −2 1
⎛ 1 ⎞ 2 2
2
= ⎝ − 72 ⎠
1
2
11. Supóngase que un endomorfismo, f, tiene dos vectores propios, v y w, asociados,

respectivamente a los valores propios λ y µ con λ = µ. Si av+bw es un vector
propio de f se pide demostrar que necesariamente a = 0 ó b = 0.
Solución: por ser av + bw un vector propio de f :
f (av + bw) = α(av + bw) = αav + αbw, (B.12)
en donde α es el valor propio asociado a av + bw.

Por ser f lineal y v y w vectores propios de f :
f (av + bw) = aλv + bµw. (B.13)
De las ecuaciones (B.12) y (B.13) se deduce:
a(λ − α)v+b(µ − α)w = 0,
como v y w son dos vectores asociados a vectores propios distintos, deben ser,
necesariamente, linealmente independientes, por lo que la igualdad implica:
a(λ − α) = 0 y b(µ − α) = 0
de donde se deduce que a = 0 ó b = 0 puesto que es imposible que se puedan

anular a la vez λ − α y µ − α al ser λ distinto de µ.

12 La función y, dependiente de x, está definida por la ecuación arctan xy = 12 ln x2 + y 2 .
dy
Se pide calcular dx , expresando el resultado en función de x e y.
Solución: derivando y aplicando la regla de la cadena en ambos lados de la
ecuación:
1 y x − y 1 1
y2 2
= 2 + y2 )
(2x + 2yy )
1+ 2 x 2 (x
x
1 1
(y x − y) = 2 (x + yy )
(x2 + y 2 ) (x + y 2 )
y (x − y) = x + y
finalmente, despejando y se obtiene el resultado pedido:

dy x+y
= y =
dx x−y
Apéndice C
Exámenes propuestos en la
UPM con sus soluciones
C.1. Examen parcial de febrero 2002

1. Se tienen tres lingotes de 100 gramos cuya composición es la siguiente
Lingotes Oro Plata Cobre
1 20gr 30gr 50gr
2 30gr 40gr 30gr
3 40gr 50gr 10gr
Se pide:
a) Plantear el sistema de ecuaciones que resuelva el siguiente problema:

¿Qué peso habrá de tomarse de cada uno de los tres lingotes para for-
mar uno nuevo que contenga 12 gramos de oro, 57 gramos de plata y 51
gramos de cobre?
b) Sin resolver el sistema obtenido en el apartado anterior, indicar si es posi-
ble construir dicho lingote a partir de los tres lingotes dados. En caso de
que fuera posible, indicar si existe una única forma de hacerlo o se puede
construir de más de una manera (con proporciones distintas de los lingotes
originales).
Solución
a) Llamando x a los gramos del lingote 1 que se necesitan para producir el

nuevo lingote, y a los que se necesitan del lingote 2 y z a los que se necesitan
457
458 Exámenes propuestos en la Universidad Politécnica de Madrid
del lingote 3; se tiene (en gramos):

20 30 40
Oro en la aleación de los tres lingotes = x+ y+ z
100 100 100
= Oro en el nuevo lingote=12
30 40 50
Plata en la aleación de los tres lingotes = x+ y+ z
100 100 100
= Plata en el nuevo lingote=57
50 30 10
Cobre en la aleación de los tres lingotes = x+ y+ z
100 100 100
= Cobre en el nuevo lingote=51
y, por lo tanto, el sistema de ecuaciones que resuelve el problema será:

⎫
2x + 3y + 4z = 120 ⎬
3x + 4y + 5z = 570
⎭
5x + 3y + 1z = 510
b) La matriz ampliada del sistema es

⎛ ⎞
2 3 4 120
⎝ 3 4 5 570 ⎠
5 3 1 510
realizando operaciones elementales en sus filas se obtiene la siguiente matriz

escalonada equivalente a la anterior
⎛ ⎞
2 3 4 120
⎝ 0 −1 −2 780 ⎠
0 0 0 −6600
de donde se deduce que el rango de la matriz ampliada es 3 y el rango de

la matriz de coeficientes es 2 por lo que el sistema es incompatible. Por
consiguiente la respuesta a la pregunta es: no es posible construir el lingote
pedido a partir de los tres lingotes dados.
Puntuación de la pregunta: 7 puntos. ((a) 3.5 puntos, (b) 3.5 puntos)

2. Calcular el determinante de la matriz
⎛ ⎞
x −1 0 0 0
⎜ 0 x −1 0 0 ⎟
⎜ ⎟
A=⎜ ⎜ 0 0 x −1 0 ⎟
⎟
⎝ 0 0 0 x −1 ⎠
1 2 3 4 (x − 1)
C.1. Examen parcial de febrero 2002 459
Solución:

x −1 0 0 −1 0 0 0

0 x −1 0 x −1 0 0
det(A) = x +
0 0 x −1 0 x −1 0
2 3 4 (x − 1) 0 0 x −1
⎛ ⎞
x −1 0 −1 0 0

= x ⎝x 0 x −1 − 2 x −1 0 ⎠ + 1
3 4 (x − 1) 0 x −1

= x x x x2 − x + 4 + 3 + 2 + 1 = x5 − x4 + 4x3 + 3x2 + 2x + 1
3. Considérese el espacio de los polinomios de grado menor o igual que dos, P2 . Se

pide:
a) Probar que P2 es un subespacio vectorial del espacio vectorial formado por

los polinomios de grado menor o igual que n ( n ≥ 2 ).
b) Encontrar una base del subespacio vectorial, M, generado por el siguiente
conjunto de polinomios:

x − 1, x2 + 1, 3x2 + 2x + 1
c) Encontrar una base de P2 que contenga una base de M.
Solución:
a) Se toman dos polinomios cualesquiera, de grado menor o igual que dos

y se comprueba que cualquier combinación lineal de dichos polinomios es
también un polinomio de grado menor o igual que dos:
u(x) = a0 + a1 x + a2 x2 ∈ P2 , v(x) = b0 + b1 x + b2 x2 ∈ P2
αu(x) + βv(x) = αa0 + βb0 + (αa1 + βb1 ) x + (αa2 + βb2 ) x2 =
c0 + c1 x + c2 x2 ∈ P2
∀α, β ∈ P2
" #
b) M = x − 1, x2 + 1, 3x2 + 2x + 1

= (−1, 1, 0)t{pi } , (1, 0, 1)t{pi } , (1, 2, 3)t{pi } ,

siendo {p1 , p2 , p3 } la base formada por los polinomios 1, x, x2 . Para de-
terminar una base de M se estudia si los polinomios que forman el sistema
generador de M son linealmente independientes o no.
⎛ ⎞ ⎛ ⎞
−1 1 0 −1 1 0
⎝ 1 0 1 ⎠⎝ 0 1 1 ⎠
1 2 3 0 0 0
De entre los polinomios del sistema generador solamente hay dos lineal-
mente independientes por lo tanto la dimensión de M será dos y una base
de M estará formada, por ejemplo, por:

−1 + x, x + x2
c) Como la dimensión de P2 es 3 basta con encontrar un tercer polinomio que

sea linealmente independiente con respecto a los dos que forman una base
de M (teorema de la base incompleta)
⎛ ⎞
−1 1 0
rg ⎝ 0 1 1 ⎠ = 3 ⇒ el polinomio x2 es l.i. con respecto a x−1 y x2 +x
0 0 1
Por lo tanto,

Base de P2 = −1 + x, x + x2 , x2
Puntuación de la pregunta: 7 puntos. ((a) 2.5 puntos, (b) 3 puntos, (c) 1.5
punto)
4. Hallar unas ecuaciones paramétricas del subespacio de lR4 formado por los vec-
tores (x1 , x2 , x3 , x4 )t{ei } tales que:

3x1 + x3 + 2x4 = 0
x1 + x2 + x4 = 0
Determinar una base del subespacio. Expresar el vector (1, 1, 1, −2)t{ei } en dicha
base.
Solución: Despejando x1 y x3 de las dos ecuaciones implı́citas se obtiene:
⎧
⎪
⎪ x1 = −α − β
⎨
x2 = α
V :
⎪
⎪ x3 = 3α + β
⎩
x4 = β
que son las ecuaciones paramétricas pedidas. Dando a (α,β) los valores (1, 0) y
(0,1) se obtiene una base del subespacio:

Base del subespacio = a1 = (−1, 1, 3, 0)t , a2 = (−1, 0, 1, 1)t
(α, β)t son las coordenadas de un vector u ∈V en la base {a1 , a2 } cuyas coor-
denadas en la base {e1 , e2 , e3 , e4 } son (x1 , x2 , x3 , x4 )t . Por lo tanto resolviendo
el sistema compatible determinado
⎧
⎪
⎪ 1 = −α − β
⎨
1 = α
⎪
⎪ 1 = 3α + β
⎩
−2 = β
se obtiene el α = 1 y β = −2. que son las coordenadas del vector del enunciado en
la base {a1 , a2 }. Nota: si el sistema no fuese compatible el vector del enunciado
no pertenecerı́a a V y si no fuese determinado a1 y a2 no serı́an linealmente
independientes y no formarı́an una base de V.
5. Supóngase el espacio euclı́deo formado por el espacio vectorial lR4 y el producto

escalar
⎛ ⎞⎛ ⎞
1 1 0 0 y1
⎜ 1 2 0 0 ⎟ ⎜ y2 ⎟
x · y = (x1 , x2 , x3 , x4 ) ⎜ ⎟⎜
⎝ 0 0 3 1 ⎠ ⎝ y3 ⎠
⎟
0 0 1 1 y4 {e }
i
Dados los vectores a = (0, 2, 1, 0)t{ei } y b = (1, 0, 2, 1)t{ei } , se pide:
a) Calcular a y b .

b) Calcular el ángulo que forman a y b.
c) Calcular la distancia entre a y b.
d ) Obtener la proyección ortogonal del vector a sobre el subespacio generado
por los vectores b y c = a − b.
Solución:
a)
⎛ ⎞⎛ ⎞
1 1 0 0 0
⎜ 1 2 0 0 ⎟ ⎜ 2 ⎟ √
a
2
= 0 2 1 0 ⎜
⎝ 0
⎟⎜ ⎟ = 11; a = 11
0 3 1 ⎠⎝ 1 ⎠
0 0 1 1 0
⎛ ⎞⎛ ⎞
1 1 0 0 1
⎜ 1 2 0 0 ⎟ ⎜ 0 ⎟ √
b
2
= 1 0 2 1 ⎜
⎝ 0
⎟⎜ ⎟ = 18; b = 18
0 3 1 ⎠⎝ 2 ⎠
0 0 1 1 1
b)
1 1 0 01
( 0 2 1 0 ) 10 20 03 01 0
. a · b 2
9
cos(a, b) = = 0 0 1 1 1
=√
a b a b 198
. 5√
a, b = arc cos( 22) ≈ ,8768157320 rad
22
c)
, ,
d(a, b) = b − a = , 1 −2 1 1 ,=
) ⎛ ⎞⎛ ⎞
*
* 1 1 0 0 1
* ⎜ 1 ⎟ √
* 2 0 0 ⎟ ⎜
⎟ ⎜ −2 ⎟ = 11
= * 1 −2 1 1 ⎜ ⎝ 0 ⎠ ⎝
+ 0 3 1 1 ⎠
0 0 1 1 1
d ) Si se llama S al subespacio generado por b y c = a − b, es evidente que el

vector a pertence a S. La proyección ortogonal de a sobre S es otro vector
a1 ∈ S tal que a = a1 + a2 con a2 ∈ S ⊥ . Pero como a pertenece a S,
a2 = a − a1 ∈ S y el único vector de lR4 que pertenece a la vez a S y S ⊥
es el vector nulo. Por lo tanto a2 = 0 y Pr|S a = a1 = a.
El resultado anterior tambien se obtiene si se realizan los cálculos sin tener
en cuenta que a pertenece al subespacio sobre el que se esta proyectando:
Se calcula una base ortonormal de S,
b 1 t
c1 = = √ 1 0 2 1
b 3 2
√
z2 2 1 t
c2 = =√ −2 2 0 − 12
z2 13
t 1 t
z2 = c − (c · c1 )c1 = ( −1 2 −1 −1 ) + ( 1 0 2 1 )
2
1 t
= − 2 2 0 − 12
1 1 0 01
1 3√
(c · c2 ) = √ ( −1 2 −1 −1 ) 10 20 03 01 0
2 =− 2
3 2 0011 1 2
1 1 0 0 2 −1/2 3
2 13
c2 = ( − 2 2 0 − 2 ) 10 20 03 01
1 1 2
0 =
0011 −1/2 2
Se proyecta a sobre S,
1 t
Pr |S a = (a · c1 )c1 + (a · c2 )c2 = 1 0 2 1
2
1 t t
+ − 2 2 0 − 12 = 0 2 1 0 = a.
1 1 0 01
1 3 √
(a · c1 ) = √ ( 0 2 1 0 ) 10 20 03 01 0
2 = 2
3 2 0011 1 2
√ 2
1 1 0 0 −1/2 3 √
2 13
(a · c2 ) = √ ( 0 2 1 0 ) 10 20 03 01 2
0 = √
13 0011 −1/2 2

punto, (d) 3 puntos)
6. Dada la aplicación lineal, f, de lR3 en lR2 cuya matriz asociada en las respectivas
bases canónicas de lR3 y lR2 es:

2 3 1
A= ,
1 0 2
se pide:
a) Hallar una base de la imagen y del núcleo de f.

Solución:
a) ⎛ ⎞ ⎛ ⎞
2 1 2 1
⎝ 3 0 ⎠ ∼ ⎝ 0 −3 ⎠ ⇒ dim(Im(f )) = 2
1 2 0 0
Base de Im(f ) = {(2, 1)t , (0, −3)t } . Las ecuaciones implı́citas del núcleo
serán:
2x1 + 3x2 + x3 = 0
x1 + 2x3 = 0
despejando x1 y x2 en función de x3 se obtienen sus ecuaciones paramétri-

cas ⎧
⎨ x1 = −2α
x2 = α
⎩
x3 = α
Por lo que una base de ker(f ) será: {(−2, 1, 1)t }

b) dim(ker(f )) = 1 = 0 ⇒ f no es inyectiva.
c) dim(Im(f )) = 2 ⇒ Im(f ) = lR2 ⇒ f es sobreyectiva.
Puntuación de la pregunta: 7 puntos ((a) 3 puntos, (b) 2.5 puntos, (c) 1.5
punto)
C.2. Examen parcial de junio de 2002

x2
f (x) = sen(x − )
2
g(x) = e−x − 1
f (x) + g(x)
lı́m
x→0 x3
Solución: Calculamos
x2
f (x) = sen(x − ) , f (0) = 0
2
x2
f (x) = (1 − x) cos(x − ) , f (0) = 1
2
x2 x2
f (x) = − cos(x − ) − (1 − x)2 sen(x − ) , f (0) = −1

2 2
2
x x2
f (x) = 3(1 − x) sen(x − ) − (1 − x)3 cos(x − ) , f (0) = −1
2 2
C.2. Examen parcial de junio de 2002 465
Por tanto
x2 x3
f (x) = 0 + x − − + O(x4 )
2 6
x2 x3
El desarrollo de la exponencial es conocido: ex = 1 + x + 2 + 6 + O(x4 ). Por
tanto,
x2 x3
g(x) = −x + − + O(x4 )
2 6
Podemos concluir
3
f (x) + g(x) − x3 + O(x4 ) 1 O(x4 )
= = − +
x3 x3 3 x3
y finalmente

f (x) + g(x) 1 O(x4 ) 1 O(x4 ) 1
lı́m = lı́m − + = − + lı́m =−
x→0 x3 x→0 3 x3 3 x→0 x3 3
2. Dada la función, continua y diferenciable en todo (x, y) ∈ [−2, 2] × [−2, 2],
f (x, y) = xy sen(2xy) + x cos(y 2 )
se pide calcular:
a) Las derivadas parciales de f en un punto cualquiera, (x, y), de [−2, 2] ×

[−2, 2]
b) Las derivadas parciales de f en el punto (1, 0).
c) La diferencial de f en el punto (1, 0).
d ) La derivada direccional de f en el punto (1, 0) según la dirección u =(2, 1)t .
e) El plano tangente a f en el punto (1, 0, f (1, 0)).
Solución:
a) Las derivadas parciales de f en un punto cualquiera, (x, y) :
∂f
(x, y) = y sen(2xy) + 2xy 2 cos(2xy) + cos(y 2 )
∂x
∂f
(x, y) = x sen(2xy) + 2x2 y cos(2xy) − 2xy sen(y 2 )
∂y
b) Las derivadas parciales de f en el punto (1, 0) :
∂f
(1, 0) = 1 sen(2(0)) + 2(0) cos(2(0)) + cos(0) = 1
∂x
∂f
(1, 0) = 1 sen(2(0)) + 2(0) cos(2(0)) − 2(0) sen(0) = 0
∂y
c) La diferencial de f en el punto (1, 0) es la siguiente aplicación lineal:
∂f ∂f
df ((1, 0); h) = (1, 0)h1 + (1, 0)h2 = h1
∂x ∂y
donde h = (h1 , h2 )t es un vector cualquiera de lR2 .

d ) Se toma un vector unitario en la dirección de u : w = √15 (2, 1)t y se calcula
la derivada direccional pedida
df ∂f ∂f 2
(1, 0) = (1, 0)w1 + (1, 0)w2 = √
dw ∂x ∂y 5
e) El plano tangente:
∂f ∂f
z = f (1, 0) + (1, 0)(x − 1) + (1, 0)y = 1 + x − 1 = x
∂x ∂y
Puntuación de la pregunta: 10 puntos (cada uno de los 5 apartados puntúa

sobre 2 puntos).
3. La temperatura T en un lago está dada en cada punto por la fórmula

1 1
T (x, y, z) = 4 − (x2 + y 2 ) + z − z 2
4 10
donde (x, y, z) son las coordenadas de un punto del lago en un cierto sistema de
referencia. Un pez sigue la trayectoria
x(t) = t
y(t) = t
z(t) = 1 + t2
con 0 ≤ t ≤ 2. ¿En qué instantes (valores de t) siente el pez la máxima y mı́nima

temperaturas y cuáles serán éstas?.
Solución: Denotemos por τ (t) la temperatura que siente el pez en cada ins-
tante. Dicha función es el resultado de componer la ecuación vectorial de la
trayectoria con la función T (x, y, z) que da la temperatura en cada punto del
espacio. Es decir τ (t) = T (x(t), y(t), z(t)). Para calcular los extremos globales
de τ (t) deberemos hallar primero los locales y, para ello, los puntos crı́ticos.
Aplicando la regla de la cadena obtenemos
= + +
dt ∂x dt ∂y dt ∂z dt
(las derivadas parciales se evalúan en (x(t), y(t), z(t))). Se obtiene entonces

dτ 1 1 1 1
= − x(t) 1+ − y(t) 1+ 1 − z(t) (2t) = −t+2t 1 − 1 + t2
dt 2 2 5 5
3 2
t − t3 =
5 5
dτ
Los puntos crı́ticos (puntos en los que se anula dt ) en el intervalo (0, 2) son
-
t = 0 y t = 32 . La segunda derivada es
d2 τ 3 6
= − t2
dt2 5 5
-
que es positiva para t = 0 y negativa para t = 32 . La función τ (t) (definida
- lR) tendrá por tanto un mı́nimo local en t = 0 y un máximo local en
en todo
3 9
t= 2.
El mı́nimo local es τ (0) = T (0, 0, 1) = 4 + 10 = 49
10 , mientras que el
- - -
máximo local es τ ( 32 ) = T ( 32 , 32 , 52 ) = 4 − 34 + 52 − 58 = 41
8 . Como estamos
en el intervalo t ∈ [0, 2], para calcular los extremos globales en el intervalo
deberemos comparar los extremos locales con los valores de la función en el
borde. τ (0) ha sido calculado arriba, y τ (2) = T (2, 2, 5) = 4 − 2 + 5 − 52 = 92 .
Como τ (2) < τ (0), el mı́nimo global se alcanza en t = 2 y vale 92 . El máximo
-
global se alcanza en t = 32 y vale 418 .
4. Calcular el área delimitada por la curva xy = 1 y por las rectas y = x e y = 2x

en el primer cuadrante.
Solución:
√
2 ⎛ 2x ⎞ ⎛ ⎞
<< << << <2 < <1 1/x
<
⎝ dy ⎠ dx + ⎜ ⎟
A = dxdy = dxdy + dxdy = ⎝ dy ⎠ dx
D D1 D2 √
0 x 2 x
2
√
2
<
2 <1 √ √
1 1 2 1 2
= xdx + − x dx = − ln − = − ln
√
x 4 2 4 2
0 2
2
a)
2
y + 2xy = xe−x
b)
2y + y − y = 2ex
Solución: (a) La solución al problema homogéneo:
yh + 2xyh = 0
será 4 2 2
yh (x) = e− 2xdx
= e−x +C
= Ke−x
Para encontrar una solución al problema no homogéneo ensayamos el método
de variación de constantes
2
yp (x) = K(x)e−x
Introducimos yp (x) en la ecuación y se obtiene

2 2 2 2
K (x)e−x − 2xK(x)e−x + 2xK(x)e−x = xe−x
Por tanto < <

2 2 x2
K(x) = xe−x ex dx = xdx =
2
La solución final será por tanto

x2 2
y(x) = yh (x) + yp (x) = K + e−x
2
(b) Ecuación homogénea:

2yh + yh − yh = 0
Para hallar la solución general, encontramos las raı́ces del polinomio carac-
terı́stico correspondiente: 2r2 + r − 1. Dichas raı́ces son r = −1, 12 , y la solución
general:
x
yh (x) = C1 e−x + C2 e 2
La solución particular de la ecuación no homogénea la hallaremos por el método
de coeficientes indeterminados. Probemos una solución de la forma yp (x) = Aex ,
que introducida en la ecuación lleva a
2Aex + Aex − Aex = 2ex

C.3. Examen final de la convocatoria de junio de 2002 469
de donde deducimos 2A = 2. Por tanto, A = 1 y la solución general de nuestra

ecuación será
x
y(x) = C1 e−x + C2 e 2 + ex
C.3. Examen final de la convocatoria de junio de

2002
1. Considérese el sistema Ax = b en donde A es una matriz de dimensión m × n
y b un vector de dimensión m, se pide:
a) Si m = 4 y n = 3, encontrar, si es posible, matrices A para las cuales el

número de soluciones del sistema Ax = b sea:
1) 0 o 1, dependiendo del valor de b.
2) ∞, independientemente del valor de b.
3) 0 o ∞, dependiendo del valor de b.
4) 1, independientemente del valor de b.
b) Para un caso general (m y n cualesquiera), ¿cómo debe relacionarse el
rango, r, de A con m y n en los cuatro casos anteriores?

Solución:
⎛ ⎞
1 0 0
⎜ 0 1 0 ⎟
a) 1) el sistema Ax = b con A = ⎜
⎝
⎟ es compatible determinado
0 0 1 ⎠
⎛ 0 0
⎞ 0
b1
⎜ b2 ⎟
para todos los vectores b = ⎜
⎝
⎟
⎠
b3
0
⎛ ⎞
b1
⎜ b2 ⎟
e incompatible para todos los vectores b = ⎜ ⎟
⎝ b3 ⎠ con b4 = 0
b4
2) No existe ninguna matriz A para la cual el sistema Ax = b sea compa-
tible indeterminado independientemente del valor de b. Esto es debido
a que para que el sistema sea indeterminado es necesario que el rg(A)

sea 1 o 2 y siempre es posible encontrar un vector b ∈lR4 tal que la
matriz ampliada tenga rango mayor que 1 o 2 (basta escoger un vec-
tor b que sea linealmente independiente respecto a la(s) columna(s)
linealmente independiente (s) de A).
⎛ ⎞
1 0 1
⎜ 0 1 1 ⎟
3) el sistema Ax = b con A = ⎜ ⎟
⎝ 0 0 0 ⎠ es compatible indetermina-
0⎛ 0 ⎞ 0
b1
⎜ b2 ⎟
do para todos los vectores b = ⎜ ⎟
⎝ 0 ⎠ e incompatible para todos los
0
⎛ ⎞
b1
⎜ b2 ⎟
⎜
vectores b = ⎝ ⎟ con b4 = 0 ó b3 = 0.
b3 ⎠
b4
4) No existe ninguna matriz A para la cual el sistema Ax = b sea compa-
tible determinado independientemente del valor de b. Esto es debido
a que para que el sistema sea determinado es necesario que el rg(A)
sea 3 y siempre es posible encontrar un vector b ∈lR4 tal que la matriz
ampliada tenga rango 4 (basta escoger un vector b que sea linealmente
independiente respecto a las columnas linealmente independientes de
A).
b) 1) Para que el sistema tenga solución única o sea incompatible, depen-
diendo del valor de b, es condición necesaria y suficiente que m ≥ n =
r.
2) Para que el sistema tenga infinitas soluciones, independientemente del
valor de b, es necesario y suficiente que n > r = m.
3) Para que el sistema tenga infinitas soluciones o sea incompatible, de-
pendiendo del valor de b, es necesario y suficiente que n > r y m ≥ r.
4) Para que el sistema tenga solución única, independientemente del valor
de b, es necesario y suficiente que n = r = m.
2. Las coordenadas de un vector a de lR3 referidas a la base {u1 = (1, 2, 3)t{ei } ,

u2 = (2, 1, 2)t{ei } , u3 = (1, 1, 0)t{ei } } son 1, 2, 3. Se pide:
a) ¿Cuáles son las coordenadas de a respecto de la base {e1 , e2 , e3 }?

b) ¿Cuáles son las coordenadas de a respecto de la base {v1 = u1 + u2 + u3 ,
v2 = u1 − u2 , v3 = u1 }?

Solución:
a) a = u1 + 2u2 + 3u3 = (e1 + 2e2 + 3e3 ) + 2(2e1 + e2 + 2e3 ) + 3(e1 + e2 ) =

8e1 + 7e2 + 7e3 .
1 1 1
1
−1
0 0 1
1 3

b) (a){vi } =( 1 −1 0 ) ( 2 )=( 0 −1 1 )( 2 ) = ( 1 )
1 0 0 3 1 1 −2 3 −3
⎛ ⎞
2 1
A = ⎝ 3 0 ⎠,
1 2
se pide:
a) Hallar una base de la imagen y del núcleo de f.

d ) Indicar si los vectores a = (1, 1, 2)t y b = (1, −3, 5)t pertenecen o no a la
imagen de f.
Nota: la valoración de cada apartado en la calificación global del ejercicio es

la siguiente: apartado (a) 30 %, apartado (b) 20 %, apartado (c) 20 %, apartado
(d) 30 %.
Solución:
a)
1 0 2 1 0 2
∼ ⇒ dim(Im(f )) = 2
2 3 1 0 −3 3
Base de Im(f ) = {(1, 0, 2)t , (0, −3, 3)t } . Como dim(lR2 ) = dim(Im(f )) +
dim(ker(f )) la dimensión del núcleo es 0 y no tiene sentido hablar de una
base de ker(f )
ker(f ) = {0}
b) dim(ker(f )) = 0 ⇒ f es inyectiva.
c) dim(Im(f )) = 2 ⇒ Im(f ) = lR3 ⇒ f no es sobreyectiva.
d ) El sistema
α=1
−3β = 1
2α + 3β = 2
es incompatible por lo que el vector a no pertenece a la imagen de f .

El sistema
α=1
−3β = −3
2α + 3β = 5
si tiene solución (α = 1, β = 1) y por lo tanto el vector b si pertenece a

Im(f )
4. Sea el endomorfismo T : lR3 → lR3 , representado por la matriz A. Se pide:
a) Calcular la multiplicidad algebraica y geométrica de los autovalores de la

matriz A sabiendo que λ1 = 8 es un autovalor de T
b) Deducir si T es diagonalizable.
c) Dar una base de autovectores para el endomorfismo T .
⎛ ⎞
3 1 1
A=⎝ 2 4 2 ⎠
3 3 5

Solución:
a) PT (λ) = −λ3 + 12λ2 − 36λ + 32, como en el enunciado se dice que λ1 = 8

es un autovalor del endomorfismo, λ1 = 8 debe ser una raı́z del polinomio
caracterı́stico; dividiendo PT (λ) por (λ − 8) se obtiene el polinomio de 2o
grado −λ2 + 4λ − 4 que tiene como raı́z doble λ = 2. Por consiguiente
Sp(T ) = {2, 8} , donde λ1 = 8 tiene multiplicidad algebraica 1 y λ2 = 2
tiene multiplicidad algebraica 2.
Para calcular la multiplicidad geométrica:
dim Vλ = dim lR3 − rg(T − λI3 )

⎛ ⎞
−5 1 1
rango(T − 8I3 ) = rango ⎝ 2 −4 2 ⎠=2
3 3 −3
⎛ ⎞
1 1 1
rango(T − 2I3 ) = rango ⎝ 2 2 2 ⎠ = 1
3 3 3
Luego
dim V8 = 1 ⇒ λ1 = 8 tiene multiplicidad geométrica 1

dim V2 = 2 ⇒ λ2 = 2 tiene multiplicidad geométrica 2
b) Al ser las multiplicidades algebraicas y geométricas iguales para cada uno

de los dos autovalores el endomorfismo es diagonalizable
c) Además de T (v) =2v y T (v) =8v se deduce una base de autovectores:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 1
v1 = ⎝ −1 ⎠ , v2 = ⎝ 0 ⎠ , v3 = ⎝ 2 ⎠
0 −1 3
5. Trazar la gráfica de la función

1
f (x) =
(1 − x2 )2 + 2x2
Para ello:
a) Determinar el dominio de la función.

b) Obtener los posibles puntos de discontinuidad y las ası́ntotas verticales.
c) Estudiar la paridad y/o periodicidad.
d ) Estudiar el comportamiento en el infinito y la existencia de ası́ntotas hori-
zontales.
e) Determinar los intervalos de monotonı́a y los extremos relativos.
f ) Hallar los intervalos de concavidad y convexidad y los posibles puntos de
inflexión.
Nota: los seis apartados tienen un peso del 14 % en la calificación global del
ejercicio; el trazado de la gráfica tiene un peso del 16 %.
Solución:
a) El denominador de la función es siempre positivo. Por tanto, el dominio es

todo R.
b) Al ser la función un cociente de dos funciones continuas y no anularse nunca

el denominador, concluimos que la función es continua en todo punto. No
hay ası́ntotas verticales por tanto.
c)
1 1
f (−x) = =
(1 − (−x)2 )2 + 2(−x)2 (1 − x2 )2 + 2x2
La función es par. No es periódica.
d)
1 1
lı́m = =0
x→±∞ (1 − x2 )2 + 2x2 ∞
No hay otra ası́ntota horizontal más que y = 0.
e) Para determinar los intervalos de monotonı́a calculamos la primera deriva-
da:
−2(1 − x2 )(−2x) − 4x −4x3
f (x) = =
((1 − x ) + 2x )
2 2 2 2
(1 + x4 )
2
Como f (x) < 0 para x > 0, la función será creciente en R+ . Como f (x) >
0 para x < 0, la función será creciente en R− . Como f (0) = 0, habrá un
extremo relativo en x = 0.
f ) Para estudiar la concavidad y convexidad, calcularemos la segunda deriva-
da:
−12x2 + 20x6 4x2 (−3 + 5x4 )
f (x) = =
(1 + x4 )3 (1 + x4 )3
1
La segunda derivada será positiva si 5x4 − 3 > 0, es decir, si |x| > 35 4 . La
1
segunda derivada será negativa si |x| < 35 4 . En el primer caso, la función
1
es cóncava y en el segundo convexa. Los puntos de inflexión son x = ± 35 4 .
La gráfica de la función aparece dibujada en la figura C.1.
6. La concentración de un cierto contaminante en la atmósfera está dada en cada

punto por la fórmula
1 1
C(x, y, z) = 2 + (x2 + y 2 ) − z + z 2
4 10
donde (x, y, z) son las coordenadas de un punto en un cierto sistema de referen-
cia. Un ave sigue la trayectoria
x(t) = t
y(t) = t
z(t) = 1 + t2
0.8
0.6
0.4
0.2
4 2 0 2 4
Figura C.1: Solución del problema 5
con 0 ≤ t ≤ 5. ¿En qué instantes siente el ave la máxima y mı́nima concentración

de contaminante y cuáles serán éstas?
Solución:
La concentración que siente, en un tiempo t, el ave es
1 1
C(t) = C(x(t), y(t), z(t)) = 2 + (x2 (t) + y 2 (t)) − z(t) + z 2 (t)
4 10
Aplicando la regla de la cadena se tiene
dC(t) ∂C dx(t) ∂C dy(t)
= (x(t), y(t), z(t)) + (x(t), y(t), z(t))
dt ∂x dt ∂y dt
∂C dz(t)
+ (x(t), y(t), z(t))
∂z dt

x(t) dx(t) y(t) dy(t) 1 dz(t)
= + + − + 2z(t)
2 dt 2 dt 10 dt

t t 1 24
= 1 + 1 + − + 2(1 + t2 ) 2t = t + 4t3
2 2 10 5
Como dC(t)
dt es siempre positivo para t > 0, el ave siente una concentración
creciente de contaminante. El máximo será en t = 5 y el mı́nimo en t = 0.
Como (x(0), y(0), z(0)) = (0, 0, 1) y (x(5), y(5), z(5)) = (5, 5, 26) tendremos
29 50 26
C(0) = = 2,9 , C(5) = 2 + − + 262 = 687. 9
10 4 10
== 2
+y 2
7. Calcular D
ex dxdy, siendo D el cı́rculo interior a la circunferencia x2 +
y 2 = 9.
Solución:

x = r cos θ x2 + y 2 = r 2
Cambiando a coordenadas polares:
y = r sin θ J (r, θ) = r
la circunferencia x2 + y 2 = 9 en el plano x, y se transforma en el rectángulo

[0, 2π] × [0, 3] en el plano θ, r, luego:
< < < < < 2π < 3
2
+y 2 2 2
ex dxdy = er r drdθ = er r dr dθ
D D∗ 0 0
< 2π
1 8 r2 93
= e dθ = π e9 − 1 .
0 2 0
8. a) Hallar la solución general de la siguiente ecuación diferencial:
dy
+ xy = x sin(x2 )
dx
b) Resolver el siguiente problema de valor inicial

⎧ 2
⎨ dx
d y
2 + 3y = e
x
y(0) = 1
⎩
y (0) = 2

Solución:
a) La ecuación
dy
+ xy = x sin x2
dx
es lineal de primer orden. La solución general será y(x) = yh (x) + yp (x)
con yh (x) siendo la solución general de la ecuación homogénea y yp (x) una
solución particular de la ecuación. yh (x) es pues la solución general de
dyh
+ xyh = 0
dx
es decir,
x2
yh (x) = Ke− 2
x2
La solución particular la buscamos de la forma yp (x) = K(x)e− 2 . Intro-
duciéndola en la e.d.o. obtenemos
x2
K (x)e− 2 = x sin x2
y por tanto <
x2
K(x) = e 2 x sin x2 dx
La integral se puede hacer a través del cambio de variable u = x2 y se

obtiene
2 1 2 1 1 2
K(x) = − e 2 x cos x2 + e 2 x sin x2
5 5
Por tanto
x2 2 1
yp (x) = K(x)e− 2 = − cos x2 + sin x2
5 5
y
x2 2 1
y(x) = Ke− 2 − cos x2 + sin x2
5 5
b) La ecuación es lineal, no homogénea, de coeficientes constantes y de segun-
do orden. La solución general será y(x) = yh (x) + yp (x), con yh (x) siendo
la solución general de
d2 yh
+ 3yh = 0
dx2
√
El polinomio caracterı́stico es P2 (m) = m2 + 3 = 0. Las raı́ces son ± 3i.
La solución general es por tanto
√ √
yh (x) = C1 cos( 3x) + C2 sin( 3x)
Para encontrar yp (x) usamos el método de coeficientes indeterminados. La
estructura del término a la derecha de la e.d.o. es de una exponencial.
Buscamos yp (x) = Aex . Sustituyendo en la e.d.o. se tiene
Aex + 3Aex = ex
1
Por tanto, A = y yp (x) = 14 ex . La solución general de la e.d.o. es entonces
4
√ √ 1
y(x) = C1 cos( 3x) + C2 sin( 3x) + ex
4
Imponemos a continuación las dos condiciones iniciales
1
y(0) = C1 cos 0 + C2 sin 0 + =1
4
√ √ 1
y (0) = − 3C1 sin 0 + 3C2 cos 0 + = 2
4
que llevan a C1 = 34 , C2 = 7
√
4 3
. La solución del PVI buscada es pues
3 √ 7 √ 1
y(x) = cos( 3x) + √ sin( 3x) + ex
4 4 3 4
C.4. Examen final de la convocatoria de septiembre

de 2002
1. Considérese el siguiente sistema lineal de ecuaciones:
⎫
x − 2y + 3z = 4 ⎬
2x − 3y + az = 5
⎭
3x − 4y + 5z = b
Se pide discutir para que valores de a y b (a, b ∈ lR) el sistema anterior tiene: i)
una única solución, ii) infinitas soluciones, iii) ninguna solución.
Solución: En primer lugar se obtiene una matriz escalonada equivalente a la
matriz ampliada del sistema:
⎛ ⎞ ⎛ ⎞
1 −2 3 4 1 −2 3 4
A = ⎝ 2 −3 a 5 ⎠ ∼ ⎝ 0 1 a−6 −3 ⎠
3 −4 5 b 0 2 −4 b − 12
⎛ ⎞
1 −2 3 4
∼⎝ 0 1 a−6 −3 ⎠
0 0 8 − 2a b − 6
obteniéndose al mismo tiempo una matriz escalonada equivalente a la matriz de
coeficientes:
⎛ ⎞ ⎛ ⎞
1 −2 3 1 −2 3
As = ⎝ 2 −3 a ⎠ ∼ ⎝ 0 1 a − 6 ⎠.
3 −4 5 0 0 8 − 2a
A continuación se estudian los rangos de las dos matrices en función de los

valores de a y b y se aplica el teorema de Rouché:
a) Si a = 4, rg(A) = rg(As ) = 3 y el sistema es compatible determinado.

b) Si a = 4 hay que distinguir dos casos:
1) b = 6, en este caso rg(A) = rg(As ) = 2 y el sistema es compatible
indeterminado (la solución depende de un parámetro).
2) b = 6, en este caso rg(A) = 3 = rg(As ) = 2 y el sistema es incompati-
ble.

1 3 −1 0
A= ,
2 1 0 −1
se pide:
C.4. Examen final de la convocatoria de septiembre de 2002 479
a) Hallar unas ecuaciones implı́citas del núcleo y la imagen de f.

b) Determinar la matriz de f referida a las bases

B = (1, 0, 0, 0)t , (1, 1, 0, 0)t , (1, 0, 1, 0)t , (1, 0, 0, 1)t (C.1)
C = {(1, 1), (1, −1)} (C.2)

Solución:
a)

1 3 −1 0 1 3 −1 0
∼ ⇒ dim(Im(f )) = 2
2 1 0 −1 0 −5 2 −1
De donde se deduce que Im(f ) coincide con lR2 . Por otro lado:
dim(lR4 ) = dim(Im(f )) + dim(ker(f ))
con lo que la dimensión del núcleo es 2, siendo sus ecuaciones implı́citas

x1 + 3x2 − x3 = 0
2x1 + x2 − x4 = 0
b) El cambio de base en lR4 viene dado por:

⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎞ ⎛
x1 1 1 1 1 x1 x1
⎜ x2 ⎟ ⎜ 0 1 0 0 ⎟ ⎜ x2 ⎟ ⎜ ⎟
⎜ ⎟ =⎜ ⎟⎜ ⎟ = P ⎜ x2 ⎟
⎝ x3 ⎠ ⎝ 0 0 1 0 ⎠ ⎝ x3 ⎠ ⎝ x3 ⎠
x4 {e 0 0 0 1 x4 x4 B
i} B
y en lR2 por:

y1 1 1 y1 y1
= =Q
y2 {ei }
1 −1 y2 C
y2 C
En consecuencia
⎛ ⎞
x1
y1 1 3 −1 0 ⎜ x2 ⎟
Q = P⎜ ⎟
⎝ x3 ⎠
y2 C
2 1 0 −1
x4 B
lo que implica
⎛ ⎞
x1
y1 1 3 −1 0 ⎜ x2 ⎟
= Q−1 P⎜ ⎟
⎝ x3 ⎠
y2 C
2 1 0 −1
x4 B
y, por lo tanto, la matriz de la aplicación lineal f referida a las bases C de

lR2 y B de lR4 es:
3 7
1 3 −1 0 1 1
Q−1 P = 2 2
2 1 0 −1 − 12 21 −1 0
3. Sea el endomorfismo T : lR3 → lR3 , representado por la matriz A. Se pide:
a) Calcular la multiplicidad algebraica y geométrica de los autovalores de la

matriz A.
b) Deducir si T es diagonalizable.
c) Dar una base de autovectores para el endomorfismo T .
⎛ ⎞
3 1 2
A = ⎝ −2 0 −2 ⎠
−1 0 −1

Solución:
a) PT (λ) = λ3 − 2λ2 + λ, factorizando: PT (λ) = λ(λ2 − 2λ + 1) y por lo

tanto PT tiene como raı́ces λ1 = 0 y λ2 = 1 (doble). Por consiguiente
Sp(T ) = {0, 1} , donde λ1 = 0 tiene multiplicidad algebraica 1 y λ2 = 1
tiene multiplicidad algebraica 2.
Para calcular la multiplicidad geométrica:
dim Vλ = dim lR3 − rg(T − λI3 )
⎛ ⎞
−3 1 2
rango(T − 0I3 ) = rango ⎝ −2 0 −2 ⎠ = 2 (C.3)
−1 0 −1
⎛ ⎞
2 1 2
rango(T − 2I3 ) = rango ⎝ −2 −1 −2 ⎠ = 2 (C.4)
−1 0 −2
Luego
dim V0 = 1 ⇒ λ1 = 0 tiene multiplicidad geométrica 1 (C.5)

dim V1 = 1 ⇒ λ2 = 1 tiene multiplicidad geométrica 1 (C.6)
b) Al no ser las multiplicidades algebraicas y geométricas iguales para cada

uno de los dos autovalores el endomorfismo no es diagonalizable.
c) Como el endomorfismo no es diagonalizable no es posible encontrar una
base de lR3 formada por vectores propios.
4. Supóngase que durante una tormenta el agua cae a una velocidad de 50mm
por hora. Si el agua de la lluvia está llenando un recipiente cónico de 5m de
diámetro y 10m de altura, ¿a qué velocidad estará subiendo el nivel de agua en
el recipiente cuando haya alcanzado los 7m?
Solución: Si la lluvia cayese en un recipiente cilı́ndrico de 5×103 mm de diáme-
tro, al cabo de una hora el agua ocuparı́a un volumen de (2,5×103 )2 ×50×πmm3 .
Por lo tanto el volumen de agua que entra en el recipiente cónico por hora es:
dV
= (2,5 × 103 )2 × 50 × π
dt
Para una altura h (< 104 mm) el agua ocupa, dentro del recipiente, un volumen
V = 13 πr2 h. Por otro lado r y h están relacionados por la geomtrı́a del recipiente:
r = 2,5 = 4 ⇒ r = 4 . Por consiguiente:
h 10 h
2 2 3
dV d 1 h 1 dh
(2,5) × 10 × 50 × π =
2 6
= π h = πh2
dt dt 3 4 16 dt

dh
= 5 × 109 h−2 mm × h−1
dt
Para h = 7 × 103 mm (el agua ha alcanzado 7 m de altura) el agua sube a una

velocidad de: −2
5 × 109 7 × 103 = 102,041 mm × h−1
5. Calcular y clasificar (máximo relativo, mı́nimo relativo o punto de ensilladura)

los puntos crı́ticos de la función
x3 9
f (x, y) = + y 3 − 2x − y 2 + 6y + 12
6 2
Solución. Hallemos en primer lugar los puntos crı́ticos. Para ello, resolvemos
el sistema:
∂f x2
= −2=0 (C.7)
∂x 2
∂f
= 3y 2 − 9y + 6 = 0 (C.8)
∂y
√
De (C.7) deducimos que x = ±2. De (C.8) deducimos y = 9± 81−72 6 = 2, 1.
Los puntos crı́ticos son por tanto (2, 2), (−2, 2), (2, 1) y (−2, 1). La naturaleza
de estos puntos crı́ticos la deduciremos a partir del cálculo del Hessiano y de la
segunda derivada con respecto a x.
2 2 3
∂ f ∂2f
∂x2 ∂x∂y x 0
Hf (x, y) = ∂2f ∂2f
= (C.9)
2
0 6y − 9
∂x∂y ∂y
∂2f
(x, y) = x (C.10)
∂x2
Evaluemos en cada punto.
∂2f
En (2, 2), det(Hf (0, 0)) = 6 > 0, ∂x2 (0, 0) = 2 > 0. Hay, por tanto, un mı́nimo.
∂2f
En (−2, 1), det(Hf (0, 0)) = 6 > 0, ∂x2 (0, 0) = −2 < 0. Hay, por tanto, un
máximo relativo.
6. Determinar, calculando la integral doble correspondiente, el área comprendida

entre las curvas y = sen(x) e y = π42 x2 .
Solución:
1 (Pi/2,1)
0 2 4
<< < 2< 3 <

π/2 sen x π/2
4x2
S= dxdy = dy dx = sen x − 2
D 0 4x2 /π 2 0 π
4 5π/2
4x3 π
= − cos x − 2 =1+ .
3π 0 6
a)
dy 1+x
=
dx xy
b)
dy x 3x
− y=
dx 1 + x2 1 + x2

Solución:
a) Esta ecuación es separable:
1+x
ydy = dx
x
Integrando ambos lados se obtiene
< <
1+x y2
ydy = dx → = ln |x| + x + C
x 2
o, en forma explı́cita,
(
y=± 2 ln |x| + 2x + 2C
b) Esta ecuación es lineal de primer orden y no homogénea: podemos escribir

y(x) = yp (x) + yh (x) con
dyh x
− yh = 0
dx 1 + x2
es decir,
dyh x
= dx
yh 1 + x2
que tras integración lleva a

< <
dyh x 1
= 2
dx → ln yh = ln(1 + x2 ) + K
yh 1+x 2
es decir, (
1 2
yh (x) = e 2 ln(1+x )+K
=C 1 + x2
√
Busquemos ahora yp (x) por variación de constantes. Sea yp (x) = C(x) 1 + x2 .
Sustituyendo en la ecuación,
( 3x
C (x) 1 + x2 =
1 + x2
que lleva a <
3x − 1
C(x) = 3 dx = −3 1 + x2 2
(1 + x2 ) 2
La solución general será pues

(
y(x) = C 1 + x2 − 3
C.5. Examen parcial de febrero de 2003

√ √
1. Dados los complejos z1 = 4 − 4 3i, z2 = − 3 + i y z3 = 3i, se pide:
z1 z2
a) Calcular z3 .
√
b) Calcular 5 z1 , dibujando las cinco raı́ces resultantes. ¿Qué figura geométri-
ca se obtiene al unir los extremos de las raı́ces calculadas?
Nota: Los resultados deben expresarse en forma módulo argumental con el

argumento radianes.
Solución:
a) z1 = (8)−π/3 , z2 = (2)5π/6 y z3 = (3)π/2 , por lo tanto:

z1 z2 (8)−π/3 (2)5π/6 16
= = .
z3 (3)π/2 3 0
b) Las cinco raı́ces quintas de z1 serán:

0√ 1 −π/3 2kπ π 2kπ
5
wk = 8 con φk = + =− + , k = 0, . . . , 4.
φk 5 5 15 5
C.5. Examen parcial de febrero de 2003 485
Sustituyendo los valores de k, se obtiene:

√
w0 = 5 8 − π ,
15
√5
√
w1 = 8 − π + 2π = 5 8 π ,
15 5 3
√5
√5

w2 = 8 − π + 4π = 8 11π ,
15 5 15
√5
√
5

w3 = 8 − π + 6π = 8 − 13π ,
15 5 15
√5
√
5

w4 = 8 − π + 8π = 8 − 7π .
15 5 15
La representación gráfica de las cinco raı́ces se muestra en la figura C.2.
1.5
w1
w2
1
0.5
1.5 1 0.5 0.5 1 1.5
w0
0.5
w3
1.5 w4
Figura C.2: Representación gráfica del resultado del ejercicio 1.
2. Sea B una matriz escalonada de números reales con cuatro filas y tres columnas.
Se pide:
a) Si B tiene sólo una fila nula, determinar la forma de B (se utilizará el
signo “&” para designar las cabeceras de fila, el signo “∗” para representar
los términos que pueden ser indistintamente nulos o no nulos y “0” para
representar los términos que son necesariamente nulos).
b) Supóngase que un sistema lineal (S) de cuatro ecuaciones con dos incógni-
tas tiene una matriz ampliada A equivalente a B. Demostrar que el sistema
lineal (S) es incompatible.
c) ¿Qué sucederı́a si B fuese una matriz escalonada con dos filas nulas y dos
filas no nulas? Indicar, justificándolo, si el sistema (S) es incompatible o
compatible y en este último caso si es determinado o indeterminado.
Puntuación de la pregunta: 7 puntos ((a) 1 punto, (b) 3 puntos, (c) 3 pun-
tos).
Solución:
a) ⎛ ⎞
& ∗ ∗
⎜ 0 & ∗ ⎟
B=⎜
⎝ 0 0
⎟
& ⎠
0 0 0
b) Si B es la matriz ampliada de (S), la tercera ecuación de (S) será: 0x1 +

0x2 = & = 0, ecuación que no puede ser satisfecha por ningún par de
números reales. En consecuencia el sistema (S) es incompatible.
c) Se pueden dar dos casos en función de la posición de la cabecera de la
segunda fila:
1) La cabecera de la segunda fila está situada en la posición (2, 3). En este
caso el rango de la matriz ampliada es dos y el rango de la matriz de
coeficientes es uno. Aplicando el teorema de Rouché se concluye que,
en este caso, el sistema (S) es incompatible.
2) La cabecera de la segunda fila está en la posición (2, 2). En este caso
tanto el rango de la matriz de coeficientes como el rango de la matriz
ampliada es dos, número que coincide con el número de incógnitas.
Por lo tanto aplicando de nuevo el teorema de Rouché se concluye que
el sistema (S) es compatible determinado.
3. Sea W un subespacio de lRn tal que dim(W ) = p. Se pide indicar si las siguientes
proposiciones son ciertas o falsas, justificando la respuesta.
a) Cualquier conjunto de p + 1 vectores de W es linealmente dependiente.

b) Ningún conjunto con un número de vectores inferior a p puede generar W .
c) Cualquier conjunto de p vectores linealmente independientes de W es una
base de W .
d ) Es posible encontrar un sistema generador de W formado por p vectores
que no sea una base de W .
Puntuación de la pregunta: 8 puntos (cada subapartado se puntuará sobre 2

puntos).
Solución:
a) Esta proposición es cierta. La dimensión de W es el número de vectores

de W que forman una base cualquiera de W , es, por lo tanto, el número
máximo de vectores linealmente independientes que se pueden extraer de
W (cualquier otro vector de W se podrá expresar como combinación lineal
de los p vectores de la base, puesto que una base es un sistema generador).
En consecuencia cualquier subconjunto de W de más de p vectores es,

forzosamente, linealmente dependiente.
b) Esta proposición es cierta. Cualquier sistema generador, S, de W tiene
que tener al menos p vectores, puesto que de lo contrario alguno de los p
vectores que forman una base cualquiera de W (dim(W ) = p) no se podrı́a
poner como combinación lineal de los vectores de S y S dejarı́a de ser un
sistema generador.
c) Esta proposición es cierta. Teniendo en cuenta, de nuevo, la definición de
dimensión de un subespacio, una base de W está formada por cualesquiera
p vectores (dim(W ) = p) linealmente independientes.
d ) Esta proposición es falsa. Todo conjunto de p vectores de W , para ser
sistema generador de W , tiene que ser linealmente independiente (ver el
apartado 3b) y un sistema generador linealmente independiente es una
base.
4. Se define una aplicación lineal f : V → W entre dos espacios vectoriales, V de

dimensión dos y W de dimensión tres, de manera que f (e1 ) = u1 + 2u2 + 3u3
y f (e2 ) = 2u1 + 4u2 + 6u3 , donde B = {e1 , e2 } es una base de V y B ∗ =
{u1 , u2 , u3 } es una base de W . Se pide:
a) Hallar la matriz asociada a f en las bases B y B ∗ .
b) Hallar la dimensión de Im(f ), una base de ker(f ) e indicar si f es sobre-
yectiva, inyectiva, ninguna de las dos cosas o las dos cosas a la vez.
c) Encontrar dos vectores distintos de V , no pertenecientes a ker(f ), que
tengan la misma imagen.
d ) Dada una nueva base de V , B = {e1 , e2 } en donde e1 = e1 + e2 y e2 = e1 ,
calcular la nueva matriz asociada a f en las bases B y B ∗ .
Puntuación de la pregunta: 9 puntos ((a) 1 punto, (b) 3 puntos, (c) 2 puntos,
(d) 3 puntos).
Solución:
a) ⎛ ⎞
1 2
A = ⎝ 2 4 ⎠.
3 6
b) Im(f ) = (1, 2, 3)t , (2, 3, 6)t = (1, 2, 3)t y, por lo tanto, dim(Im(f )) = 1.
Como el rango de A es uno, hay una sola ecuación implı́cita del núcleo:
x1 + 2x2 = 0, de donde se deduce fácilmente una base: base de ker(f ) =
{(−2, 1)t }. Como dim(ker(f )) = 0 y dim(Im(f )) = dim(W ) la aplicación
no es ni sobreyectiva ni inyectiva.
c) Para que dos vectores distintos, a y b, tengan la misma imagen se debe

verificar f (a) = f (b) ⇒ f (a) − f (b) = 0 ⇒ f (a − b) = 0 ⇒ a − b ∈
ker(f ) ⇒ a = b + u, u ∈ ker(f ). Lo cual implica que si a cualquier vector
le sumamos un vector del núcleo obtenemos otro vector que tiene la misma
imagen que el primero. Tomando b = (1, 0)t y u = (−2, 1)t , obtenemos
a = b + u = (−1, 1)t . Por lo tanto a y b son dos vectores que satisfacen las
condiciones pedidas en el enunciado: son distintos, no pertenecen a ker(f )
y f (a) = f (b) = (1, 2, 3)t .
d ) El cambio de base del enunciado permite expresar las coordenadas en la
base B en función de las coordenadas en la base B :

x1 1 1 x1
= ,
x2 1 0 x2
y, por tanto:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
y1 1 2 3 1
⎝ y2 ⎠ = ⎝ 2 ⎠ 1 1 x 1 ⎝ ⎠ x1
4 = 6 2 .
1 0 x2 x2
y3 3 6 9 3
Por consiguiente la nueva matriz asociada a f en las bases B y B ∗ es:

⎛ ⎞
3 1
A = ⎝ 6 2 ⎠ .
9 3
5. Considérese el espacio euclı́deo (E, .), donde E es un espacio vectorial de di-

mensión 3 y “.” es el siguiente producto escalar:
⎛ ⎞⎛ ⎞
1 1 1 y1
x.y = x1 x2 x3 ⎝ 1 2 2 ⎠ ⎝ y2 ⎠ .
1 2 3 y3
Se pide:
a) Comprobar si los subespacios de E, W , de ecuaciones implı́citas x1 −x2 = 0
y x3 = 0, y V , de ecuación implı́cita x1 + x2 + x3 = 0, son ortogonales.
b) Hallar una base de V ⊥ .
c) Hallar la proyección ortogonal del vector a = (1, 0, 1)t sobre el subespacio
V.
puntos).
Solución:
a) A partir de las ecuaciones implı́citas de W se obtienen unas ecuaciones

paramétricas del mismo subespacio y, por lo tanto, una base:
⎧
⎨ x1 = α
W : x2 = α ⇒ Base de W = {(1, 1, 0)t }.
⎩
x3 = 0 v1
Haciendo lo mismo con V :

⎧
⎨ x1 = −α − β
V : x2 = α ⇒ Base de V = {(−1, 1, 0)t , (−1, 0, 1)t }.
⎩
x3 = β v2 v3
Para que los subespacios W y V sean ortogonales, es necesario que todos

los vectores de una base de W sean ortogonales con respecto a todos los
vectores de una base de V . Como:
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 1 1 −1 1
v1 .v2 = 1 1 0 ⎝ 1 2 2 ⎠ ⎝ 1 ⎠ = 0 1 1 ⎝ 1 ⎠
1 2 3 0 0

G
= 1 = 0,
W y V no son ortogonales.
b) Imponiendo que los vectores de V ⊥ sean ortogonales a los de la base de V
se obtienen dos ecuaciones implı́citas de V ⊥ :
⎛ ⎞
x1
−1 1 0 G ⎝ x2 ⎠ = x2 + x3 = 0,
x3
⎛ ⎞
x1
−1 0 1 G ⎝ x2 ⎠ = x2 + 2x3 = 0.
x3
A partir de las ecuaciones implı́citas obtenemos una base de V ⊥ :
⎧
⎨ x1 = α
V⊥ : x2 = 0 ⇒ Base de W = {(1, 0, 0)t }.
⎩
x3 = 0 u1
c) En primer lugar hallamos una base ortonormal de V :

⎛ ⎞
−1
v2
c1 = = (−1, 1, 0)t , v2 = −1 1 0 G⎝ 1 ⎠ = 1
v2
0
⎛ ⎞
−1
v3 .c1 = −1 0 1 G ⎝ 1 ⎠ = 1,
0
z2 = v3 − (v3 .c1 )c1 = (−1, 0, 1)t − (−1, 1, 0)t = (0, −1, 1)t ,
⎛ ⎞
0
z2
z2 = 0 −1 1 G ⎝ −1 ⎠ = 1, c2 = = (0, −1, 1)t .
z2
1
Una vez conocida una base ortonormal de V es fácil calcular la proyección

ortogonal de a sobre V :
⎛ ⎞ ⎛ ⎞
−1 0
a.c1 = 1 0 1 G ⎝ 1 ⎠ = 1, a.c2 = 1 0 1 G ⎝ −1 ⎠ = 1
0 1
Proy |V a = (a.c1 )c1 + (a.c2 )c2 = (−1, 1, 0)t + (0, −1, 1)t = (−1, 0, 1)t .
6. Sea A una matriz cuadrada de números reales de dimensión dos con valores
propios λ1 = 3 y λ2 = 1/3, y vectores propios respectivos v1 = (1, 1)t y v2 =
(−1, 1)t . Dada la ecuación en diferencias xk+1 = Axk , se pide:
a) Calcular x1 y x8 , sabiendo que x0 = (9, 1)t .

b) Generalizar los cálculos anteriores para un k (k ∈ lN) y un x0 cualesquiera,
o, dicho de otro modo: obtener una fórmula que proporcione xk en función
de x0 = (x01 , x02 )t y de k (∀k ∈ lN).
Nota: se puede comenzar resolviendo el segundo apartado y a continuación

resolver el primero como un caso particular del segundo.
Solución: Siguiendo la nota del enunciado, se contestan los dos apartados en
orden inverso a como están planteados:
a) A
es una matriz
diagonalizable y por lo tanto existe una matriz D =
3 0
tal que:
0 1/3
D = P −1 AP, o, despejando, A = P DP −1
en donde:
1 −1
P =
1 1
Sustituyendo A por D en xk+1 = Axk se obtiene:
xk+1 = Axk = P DP −1 xk
y, entonces,
k
xk = P DP −1 x0 = P Dk P −1 x0 =
k 0
1 −1 3 0 1/2 1/2 x1
.
1 1 0 (1/3)k −1/2 1/2 x02
Finalmente se expresa la fórmula pedida componente a componente:
0 k 1 0 0 1 k 1 1 k 1 0
xk1 = 12 3k + 12 13 x + 3 −2 3 x
0 1 1 02 1 2
k k
xk2 = 12 3k − 12 13 x01 + 12 3k + 12 13 x02
b) En el caso particular en que x0 = (9, 1)t , calculamos x1 :

x11 = 12 3 + 12 13 9 + 12 3 − 12 13 1 = 49 3
1 1 1 1
x12 = 23 − 1
2 3 9+ 23 + 1
2 3 1= 41
3
y x8 :
0 1 8 1 0 1 8 1
x81 = 1 8
23 + 1
2 3 9+ 1 8
23 − 1
2 3 1= 215233609
6561
0 1 8 1 0 1 8 1
x82 = 1 8
23 − 1
2 3 9+ 1 8
23 + 1
2 3 1= 215233609
6561 .

1. En la figura C.3 se muestra la gráfica de la derivada, g , de una función g. Se
pide:
a) Copiar la gráfica de g en la hoja del examen marcando los puntos crı́ticos
y los puntos de inflexión de g. Indicar la coordenada x de cada uno de ellos
(aproximadamente).
b) Para cada uno de ellos justificar porque es un punto crı́tico, un punto de
inflexión, o ambas cosas a la vez. Para los puntos crı́ticos que no sean
puntos de inflexión habrá que indicar, además, si en ellos se alcanza un
máximo o un mı́nimo.
c) Sabiendo que g(−1) ≈ −0.3, g(0) = 0 y g(7) ≈ −4.6; dibujar de for-
ma aproximada la gráfica de g mostrando claramente los intervalos de
crecimiento y decrecimiento y los intervalos de convexidad y concavidad.
4
g
1 0 1 2 3 4 5 6 7
x
Figura C.3: Dibujo de g , pregunta 1
Puntuación de la pregunta: 10 puntos ((a) 3 puntos, (b) 4 puntos), (c) 3

puntos).
Solución:
a) En la figura C.4 se muestran los puntos crı́ticos y los puntos de inflexión de

g, las coordenadas x (aproximadas) de cada uno de ellos son las siguientes:
x(P 1) ≈ 0, x(P 2) ≈ 2,03, x(P 3) ≈ 3,14, x(P 4) ≈ 4,91, x(P 5) ≈ 6,28.
g
2
P2
P3
1 0 P1 1 2 3 4 5 6 P5 7
P4
Figura C.4: Los puntos crı́ticos y los puntos de inflexión
b) A continuación se clasifican los puntos marcados en el apartado anterior:

1) P 1 es un punto critico porque g (P 1) = 0 y a la vez un punto de
inflexión porque g (P 1) = 0 y g (P 1−
) < 0 mientras que g (P 1+
) >
0 (para todo
suficientemente pequeño), lo que indica, además, que
en el punto en cuestión se pasa de una zona de convexidad a una zona
de concavidad.
2) P 2 no es un punto crı́tico porque g (P 2) = 0. Si es un punto de inflexión

porque g (P 2) = 0 y g (P 2 −
) > 0 mientras que g (P 2 +
) < 0, lo
que indica, además, que en el punto en cuestión se pasa de una zona
de concavidad a una zona de convexidad.
3) P 3 es un punto crı́tico porque g (P 3) = 0, además en P 3 se alcanza
un máximo relativo porque g (P 3) < 0. Como en P 3 se alcanza un
máximo relativo no es un punto de inflexión.
4) P 4 no es un punto crı́tico porque g (P 4) = 0. Si es un punto de inflexión
porque g (P 4) = 0 y g (P 4 −
) < 0 mientras que g (P 4 +
) > 0, lo
que indica, además, que en el punto en cuestión se pasa de una zona
de convexidad a una zona de concavidad.
5) P 5 es un punto crı́tico porque g (P 5) = 0, además en P 5 se alcanza
un mı́nimo relativo porque g (P 5) > 0. Como en P 5 se alcanza un
mı́nimo relativo no es un punto de inflexión.
c) En la figura C.5 se dibuja la función g. Los intervalos de crecimiento se
señalan con la curva de la función en trazo grueso y los de decrecimiento
con la curva de la función en trazo fino. Los intervalos de convexidad se
indican con sombreado hacia abajo y los de concavidad con rayado hacia
arriba.
P3
g
2
P2
x
1 1 2 3 4 5 6 7
0 P1
2
P4
6
P5
Figura C.5: Dibujo de la función g.
2. Supóngase una función f (x, y) de la que se sabe que es diferenciable y tiene

derivadas parciales continuas en todo lR2 . También se conoce que en el punto
(1,1) la derivada direccional en la dirección del vector (2,4) es 2, y en el mismo
punto la derivada direccional según (2,2) es 3. Se pide:
a) Determinar el gradiente de f en (1,1).

b) Calcular la derivada direccional de f según la dirección (2,3) en el punto

(1,1).
Solución:
a) Vector unitario en la dirección del vector (2,4): u = √15 (1, 2), vector unita-
rio en la dirección del vector (2,2): v = √12 (1, 1). Por otro lado, si se tienen
en cuenta los datos del enunciado:
df ∂f 1 ∂f 2
(1, 1) = (1, 1) √ + (1, 1) √ = 2
du ∂x 5 ∂y 5
y
df ∂f 1 ∂f 1
(1, 1) = (1, 1) √ + (1, 1) √ = 3.
dv ∂x 2 ∂y 2
Si en las dos igualdades anteriores se hace:
∂f ∂f
(1, 1) = α y (1, 1) = β,
∂x ∂y
Se obtiene el siguiente sistema de dos ecuaciones con dos incógnitas que
determina las dos componentes del gradiente en el punto (1, 1):
√
α + 2β = 2√ 5
α+β =3 2
√ √ √ √
Resolviendo el sistema se obtiene α = 6 2 − 2 5 y β = 2 5 − 3 2 y por
lo tanto: 0 √ √ √ √ 1
∇f (1, 1) = 6 2 − 2 5, 2 5 − 3 2 .
b) Como el vector unitario según la dirección (2, 3) es w = √1 (2, 3), la

13
derivada direccional de f en la dirección (2, 3) será:
df ∂f √2 ∂f √3
dw (1, 1) = ∂x (1, 1) 13 + ∂y (1, 1) 13 =
√ √ √ √ √ √
6 2 − 2 5 √213 + 2 5 − 3 2 √313 = √1
13
2 5+3 2 .
3. Sea f una función de lR3 en lR, diferenciable y con derivadas parciales continuas
en todo lR3 , y Ψ la función de lR3 en lR3 que representa el cambio de variable
de coordenadas esféricas a coordenadas cartesianas:
⎧
⎨ x = Ψ1 (r, θ, φ) = r cos θ sen φ
y = Ψ2 (r, θ, φ) = r sen θ sen φ .
⎩
z = Ψ3 (r, θ, φ) = r cos φ
Si g = f ◦ Ψ, se pide:
∂g ∂g ∂g ∂f ∂f ∂g
a) Hallar ∂r , ∂θ y ∂φ en función de ∂x , ∂y y ∂z .
b) Particularizar la solución anterior para el caso en que f (x, y, z) = x2 + y 2 +

z 2 . En este caso los valores de las tres derivadas parciales deben aparecer
únicamente en función de r, θ y φ.
∂2g
c) También suponiendo que f (x, y, z) = x2 + y 2 + z 2 , calcular ∂r∂θ .

puntos).
Solución:
∂g
a) ∂r :
∂g
∂r (r, θ, φ) =
∂f ∂Ψ1 ∂f ∂Ψ2 ∂f ∂Ψ3

∂x (x, y, z) ∂r (r, θ, φ) + ∂y (x, y, z) ∂r (r, θ, φ) + ∂z (x, y, z) ∂r (r, θ, φ) =
∂f ∂f ∂f
∂x (x, y, z) cos θ sen φ + ∂y (x, y, z) sen θ sen φ + ∂z (x, y, z) cos φ.
∂g
∂θ :
∂g
∂θ (r, θ, φ) =
∂f ∂Ψ1 ∂f ∂Ψ2 ∂f ∂Ψ3

∂x (x, y, z) ∂θ (r, θ, φ) + ∂y (x, y, z) ∂θ (r, θ, φ) + ∂z (x, y, z) ∂θ (r, θ, φ) =
− ∂f
∂x (x, y, z)r sen θ sen φ +
∂f
∂y (x, y, z)r cos θ sen φ.
∂g
∂φ :
∂g
∂φ (r, θ, φ) =
∂f ∂Ψ1 ∂f ∂Ψ2 ∂f ∂Ψ3

∂x (x, y, z) ∂φ (r, θ, φ) + ∂y (x, y, z) ∂φ (r, θ, φ) + ∂z (x, y, z) ∂φ (r, θ, φ) =
∂f
∂x (x, y, z)r cos θ cos φ + ∂f
∂y (x, y, z)r sen θ cos φ − ∂f
∂z (x, y, z)r sen φ.
b) Si f (x, y, z) = x2 + y 2 + z 2 entonces:
∂f
∂x (x, y, z) = 2x = 2r cos θ sen φ
∂f
∂y (x, y, z) = 2y = 2r sen θ sen φ
∂f
∂z (x, y, z) = 2z = 2r cos φ.
y sustituyendo en las expresiones obtenidas en el apartado anterior:

∂g
∂r
(r, θ, φ) = 2r cos2 θ sen2 φ + 2r cos2 θ sen2 φ + 2r cos2 φ = 2r
∂g
∂θ
(r, θ, φ) = −2r2 cos θ sen θ sen2 φ + 2r2 cos θ sen θ sen2 φ = 0
∂g
∂φ
(r, θ, φ) = 2r2 cos2 θ cos φ sen φ + 2r2 sen2 θ cos φ sen φ − 2r2 cos φ sen φ = 0
∂2g ∂(2r)
c) ∂r∂θ = ∂θ = 0.
4. Encontrar una función F tal que F = f y F (0) = 2, con f (t) = t cos(t2 ).

Solución: <
1
F (t) = t cos(t2 )dt = sen(t2 ) + C.
2
Por otro lado:
1
F (0) = sen(0) + C = 2 ⇒ C = 2,
2
y, por lo tanto:
1
F (t) = sen(t2 ) + 2.
2
5. Hallar el centro de masas del área plana limitada por las parábolas y = 2x−x2 e
y = 3x2 − 6x. Se supondrá que la densidad superficial de la región es constante.
Solución: el área plana limitada por las parábolas y = 2x − x2 e y = 3x2 − 6x
aparece en la figura C.6.
Las coordenadas (xCM , yCM ) del centro de masas del dominio plano (D) de la
figura C.6 se obtienen mediante:
== ==
xdxdy ydxdy
xCM = == D
, yCM = = =D . (C.11)
D
dxdy D
dxdy
En donde, como dice el enunciado, se ha considerado la densidad constante.
Para calcular las coordenadas es necesario, por lo tanto, resolver tres integrales:
< < < < 2x−x2 <

2 2
xdxdy = xdydx = x 2x − x2 − 3x2 − 6x dx =
D 0 3x2 −6x 0
< 4 3 52
2 8x 16
x 8x − 4x2 dx = − x4 = ,
0 3 0 3
y
2*x-^
1
1 1 2 3
x
3 3*x^2-6
Figura C.6: Área (rayada) a la que se refiere el problema 5.
< < < < < 0

2 2x−x2
1 2 2 2 1
ydxdy = ydydx = 2x − x2 − 3x2 − 6x dx =
D 0 3x2 −6x 2 0
< 4 52
1 2 1 8x5 32x3 64
−8x + 32x − 32x
4 3 2
dx = − + 8x −
4
=− ,
2 0 2 5 3 0 15
< < < < 2x−x2 < 4 52

2 2 4x3 16
dxdy = dydx = 8x − 4x 2
dx = 4x −
2
= .
D 0 3x2 −6x 0 3 0 3
Sustituyendo los valores de las tres integrales en (C.11) se obtienen las coorde-
nadas pedidas:
== ==
xdxdy 16/3 ydxdy −64/15 4
xCM = = =
D
= = 1 , yCM = = =D = =− .
D
dxdy 16/3 D
dxdy 16/3 5
6. Conocidas dos soluciones particulares de la ecuación diferencial y (x) + y (x) +

y(x) = 0:
2√ 3 2√ 3
−x 3x −x 3x
y1 (x) = e cos
2 e y2 (x) = e sen 2 ,
2 2
se pide:
a) Comprobar que son linealmente independientes.

b) Obtener la solución general de la ecuación y (x) + y (x) + y(x) = 0.
c) Hallar la solución general de la ecuación diferencial y (x) + y (x) + y(x) =
x3 + 2x2 + x.
d ) Resolver el siguiente problema de valor inicial:
⎧
⎨ y (x) + y (x) + y(x) = x3 + 2x2 + x
y(0) = 2 .
⎩
y (0) = 0

puntos, (d) 3 puntos).
Solución:
a) Para comprobar que las dos funciones son linealmente independientes cal-
culamos su Wronskiano:
W [y1 , y2 ](x) =
√ √
x x
e− 2 cos 3x
2
e− 2 sen 3x
2
x
√ √ √
x
√ √ √
− 12 e− 2 cos 23x + 3 sen 3x
2
− 12 e− 2 sen 23x − 3 cos 3x
2
2 2√ 3 2√ 3 2 √ 33
1 −x 3x 3x √ 3x
=− e cos sen − 3 cos2
2 2 2 2
2 2√ 3 2√ 3 2 √ 33
1 −x 3x 3x √ 2 3x
+ e cos sen + 3 sen =
2 2 2 2
1 −x √
e 3 = 0 ∀x ∈ lR.
2
Al ser el Wronskiano no nulo queda demostrado que las dos funciones son
linealmente independientes.
b) Como en al apartado anterior se ha demostrado que las dos soluciones, y1 e
y2 , de y (x) + y (x) + y(x) = 0 son linealmente independientes, su solución
general será:
2√ 3 2√ 3
−x 3x − x 3x
y(x) = C1 y1 (x) + C2 y2 (x) = C1 e 2 cos + C2 e 2 sen
2 2
c) Para resolver este apartado hace falta hallar una solución particular de
y (x) + y (x) + y(x) = x3 + 2x2 + x. (C.12)

Para ello probamos una solución de la forma y(x) = Ax3 + Bx2 + Cx + D.

Los valores de A, B, C y D se obtienen sustituyendo y(x), y (x) e y (x) en
(C.12) y obligando a que se verifique la ecuación. De esto último se obtiene
el siguiente sistema de cuatro ecuaciones con cuatro incógnitas:
⎧
⎪
⎪ A=1
⎨
3A + B = 2
.
⎪ 6A + 2B + C = 1
⎪
⎩
2B + C + D = 0
Resolviendo el sistema anterior se obtiene: A = 1, B = −1, C = −3 y

D = 5. Siendo entonces la solución particular de (C.12):
y(x) = x3 − x2 − 3x + 5,
y la solución general:
2√ 3 2√ 3
−x 3x −x 3x
y(x) = C1 e 2 cos +C2 e 2 sen +x3 −x2 −3x+5. (C.13)
2 2
d ) En este apartado hay que hallar una solución particular de (C.13) que
verifique y(0) = 2 e y (0) = 0. Derivando en (C.13) se obtiene:
2 2√ 3 2√ 33
C1 x 3x √ 3x
y (x) = − e− 2

cos + 3 sen (C.14)
2 2 2
2 2√ 3 2√ 33
C2 x 3x √ 3x
− e− 2 sen − 3 cos + 3x2 − 2x − 3.
2 2 2
Sustituyendo x por 0 en (C.13) y (C.14) e igualando, respectivamente, a 2

y a 0 se obtiene el siguiente sistema para determinar C1 y C2 :

C1 = −3 √
,
− 12 C1 + 23 C2 = 0
√
Cuya solución es C1 = −3 y C2 = 3. En consecuencia, la solución del
problema de valor inicial es:
2√ 3 2√ 3
−x 3x √ −x 3x
y(x) = −3e 2 cos + 3e 2 sen + x3 − x2 − 3x + 5.
2 2

2003
1. En un espacio vectorial de dimensión tres se conocen las dos relaciones siguientes
entre tres bases distintas:
{u1 = e1 + 2e3 , u2 = 2e1 + 2e3 , u3 = e1 + e2 }
{u1 = v1 + v2 + v3 , u2 = v1 − v2 , u3 = v1 },
dado el vector a = 2e1 + e2 + 2e3 , se pide:
a) ¿Cuáles son las coordenadas de a respecto de la base {u1 , u2 , u3 }?
b) ¿Cuáles son las coordenadas de a respecto de la base {v1 , v2 , v3 }?
Solución:
⎛ ⎞−1 ⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
1 2 1 2 −1 1 1 2 1
a) (a){ui } = ⎝ 0 0 1 ⎠ ⎝ 1 ⎠ = ⎝ 1 −1 − 12 ⎠ ⎝ 1 ⎠ = ⎝ 0 ⎠
2 2 0 2 0 1 0 2 1
b) a = u1 + u3 = (v1 + v2 + v3 ) + (v1 ) = 2v1 + v2 + v3 .
2. Se define una aplicación lineal f : V → W entre dos espacios vectoriales, V

de dimensión tres y W de dimensión dos, de manera que f (e1 ) = u1 + 2u2 ,
f (e2 ) = 2u1 + 4u2 y f (e3 ) = 3u1 + 2u2 , donde B = {e1 , e2 , e3 } es una base de
V y B ∗ = {u1 , u2 } es una base de W . Se pide:
b) Hallar la dimensión de Im(f ), una base de ker(f ) e indicar si f es sobre-
yectiva, inyectiva, ninguna de las dos cosas o las dos cosas a la vez.
c) Encontrar dos vectores distintos de V , no pertenecientes a ker(f ), que
tengan la misma imagen.
d ) Dada una nueva base de W , B = {u1 , u2 } en donde u1 = u1 + u2 y
u2 = u1 , calcular la nueva matriz asociada a f en las bases B y B .
Solución:
a)
1 2 3
A= .
2 4 2
b) Im(f ) = (1, 2)t , (2, 4)t , (3, 2)t = (1, 2)t , (0, −4)t y, por lo tanto, dim
(Im(f )) = 2. Como el rango de A es dos, hay dos ecuaciones implı́citas del
núcleo linealmente independientes: x1 +2x2 +3x3 = 0 y 2x1 +4x2 +2x3 = 0
de donde se deduce fácilmente una base: base de ker(f ) = {(−2, 1, 0)t }. Co-
mo dim(ker(f )) = 0 y dim(Im(f )) = dim(W ) la aplicación es sobreyectiva
pero no es inyectiva.
c) Para que dos vectores distintos, a y b, tengan la misma imagen se debe
verificar f (a) = f (b) ⇒ f (a) − f (b) = 0 ⇒ f (a − b) = 0 ⇒ a − b ∈
ker(f ) ⇒ a = b + u, u ∈ ker(f ). Lo cual implica que si a cualquier vector
le sumamos un vector del núcleo obtenemos otro vector que tiene la misma
imagen que el primero. Tomando b = (1, 0, 0)t y u = (−2, 1, 0)t , obtenemos
a = b + u = (−1, 1, 0)t . Por lo tanto a y b son dos vectores que satisfacen
las condiciones pedidas en el enunciado: son distintos, no pertenecen a
ker(f ) y f (a) = f (b) = (1, 2)t .
base B ∗ en función de las coordenadas en la base B :

y1 1 1 y1
= ,
y2 1 0 y2
y, por tanto:

1 1 y1 1 2 3 x1
= ,
1 0 y2 2 4 2 x2
con lo que despejando y se obtiene:

y1 0 1 1 2 3 x1 2 4 2 x1
= = .
y2 1 −1 2 4 2 x2 −1 −2 1 x2
Por consiguiente la nueva matriz asociada a f en las bases B y B es:

2 4 2
A = .
−1 −2 1
3. Dado un endomorfismo, f , de lR3 en lR3 cuya matriz asociada en la base canónica

de lR3 es ⎛ ⎞
0 0 2
A = ⎝ 0 1 0 ⎠,
3 4 5
y los vectores de lR3
⎛ ⎞ ⎛ ⎞
2 1
u = ⎝ 0 ⎠ y v = ⎝ 0 ⎠,
−1 3
se pide:
a) Calcular Au y Av
b) Utilizar el resultado del apartado anterior para hallar dos valores propios
de f y un vector propio para cada uno de ellos.
c) Determinar los tres valores propios de f resolviendo el correspondiente
polinomio caracterı́stico. Una vez hallados se debe verificar que dos de
ellos coinciden con los calculados en el apartado 3b.
d ) Hallar los subespacios propios de f y una base de lR3 en la que la matriz
asociada a f sea una matriz diagonal.

Solución:
a) ⎛ ⎞⎛ ⎞ ⎛ ⎞
0 20 2 −2
Au = ⎝ 0 0 ⎠⎝ 0 ⎠ = ⎝ 0 ⎠,
1
3 54 −1 1
⎛ ⎞⎛ ⎞ ⎛ ⎞
0 0 2 1 6
Av = ⎝ 0 1 0 ⎠ ⎝ 0 ⎠ = ⎝ 0 ⎠ .
3 4 5 3 18
b) Del resultado del apartado anterior se deduce que Au = −u y Av = 6v, lo
cual implica que λ1 = −1 y λ2 = 6 son dos valores propios de f . Además
u es un vector propio asociado a λ1 y v es un vector propio asociado a λ2 .
c) El polinomio caracterı́stico de la matriz A es PA (λ) = (λ−1)(−λ2 +5λ+6),
siendo sus tres raı́ces y por lo tanto los tres valores propios de A: λ1 = −1,
λ2 = 6 y λ3 = 1. λ1 y λ2 coinciden con los hallados en al apartado anterior.
d ) Al tener tres valores propios distintos el endomorfismo es digonalizable.
Cada valor propio tendrá asociado un subespacio propio de dimensión 1
(la multiplicidad geométrica de cada uno de ellos será 1, coincidente con
su multiplicidad algebraica). Los tres subespacio propios son:

1 0 2 x1 0
Vλ1 = x ∈ lR3 /(A + I)x = 0 = x ∈ lR3 / 0 2 0 x2 = 0 .

3 4 6 x3 0

Del sistema homogéneo anterior se obtiene una base de Vλ1 :
Base de Vλ1 : {c1 = (−2, 0, 1)t }. (c1 = u)

Vλ2 = x ∈ lR3 /(A − 6I)x = 0 =

−6 0 2 x1 0
x ∈ lR3 / 0 −5 0 x2 = 0 .
3 4 −1 x3 0

Base de Vλ2 : {c2 = (1, 0, 3)t }. (c2 = v)

Vλ3 = x ∈ lR3 /(A − I)x = 0 =

−1 0 2 x1 0
x ∈ lR3 / 0 0 0 x2 = 0 .
3 4 4 x3 0

Base de Vλ1 : {c3 = (4, −5, 2)t }.
Uniendo las bases de los tres subespacios propios se obtiene una base de
lR3 , en la que la matriz asociada a f es diagonal:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
−2 1 4
c1 = ⎝ 0 ⎠ , c2 = ⎝ 0 ⎠ , c3 = ⎝ −7 ⎠
1 3 4
4. Supóngase que
3
p(x) = (h(g(x)) + π)
con g y h derivables en todo lR. Se pide:
a) Determinar p en función de g, h y sus respectivas derivadas

b) A continuación se muestra una tabla con valores de g, h, g y h en x = 2,
x = 6 y x = 8. Utilizando los valores que sean necesarios de la tabla
calcular p (2).
x g g h h
2 6 -3 21 -7
6 2 -4 13 -11
8 -4 -6 -9 -4
c) Supóngase que se conoce que h y g son decrecientes en todo lR. ¿Cuál de
las siguientes afirmaciones es cierta?
1) p crece en todo lR.
2) p decrece en todo lR.
3) p decrece en algunos intervalos de lR y crece en otros.
4) Se necesita más información para poder elegir algunas de las tres op-
ciones anteriores.
Razona la respuesta.

puntos).
Solución:
a)
p (x) = 3 (h(g(x)) + π) h (g(x))g (x).
2
b)
p (2) = 3 (h(g(2)) + π) h (g(2))g (2) = 3 (h(6) + π) h (6)(−3) =
2 2
3(13 + π)2 33 = 99(13 + π)2 = 25794,55.

Si se analizan los signos de los términos que intervienen en p (x):
<0

p (x) = 3 (h(g(x)) + π) h (g(x)) g (x),
2

>0 <0
se concluye que p (x) > 0 ∀x ∈ lR. Por lo tanto p crece en todo lR.
f (x, y) = 3xy − x3 − y 3 ,
de la que se sabe que es diferenciable y tiene derivadas parciales continuas en
todo punto de lR2 . Se pide:
∂f ∂f
a) Calcular ∂x (x, y) y ∂y (x, y).
b) Determinar la ecuación del plano tangente a la superficie z = f (x, y) en el
punto (2, 1, −3).
c) Encontrar los puntos crı́ticos de f en lR2 .
d ) Clasificar los puntos crı́ticos encontrados en el apartado anterior.
Solución:
a)
∂f ∂f
(x, y) = 3y − 3x2 , (x, y) = 3x − 3y 2 .
∂x ∂y
b)
∂f ∂f
z = f (2, 1) + (2, 1)(x − 2) + (2, 1)(y − 1) = −3 − 9(x − 2) + 3(y − 1).
∂x ∂y
z = −9x + 3y + 12.
c) Los puntos crı́ticos son aquellos en los que se anula el gradiente:

∇f (x, y) = 0 ⇔ 3y − 3x2 = 0 y 3x − 3y 2 = 0,
se tiene, por tanto, un sistema de dos ecuaciones con dos incógnitas que
tiene dos soluciones: {x = 0, y = 0} y {x = 1, y = 1}. Por consiguiente la
función f tiene dos puntos crı́ticos:
P 1 = (0, 0) y P 2 = (1, 1).
d ) Para clasificar los puntos crı́ticos calculamos el Hessiano de f :

−6x 3
H(x, y) =
3 −6y
y lo particularizamos para (0, 0) y (1, 1).
1) P 1 = (0, 0):
0 3
H(0, 0) = ,
3 0
como det(H(0, 0)) = −9 < 0, H(0, 0) es una matriz indefinida y P 1 es
2) P 2 = (1, 1):
−6 3
H(1, 1) = ,
3 −6
2
como det(H(1, 1)) = 27 > 0 y H(1, 1)1,1 = ∂∂xf2 (1, 1) = −6 < 0, H(1, 1)
es una matriz definida negativa y en P 2 se alcanza un máximo relativo
que vale f (1, 1) = 1.
6. Resolver el siguiente problema de valor inicial:

⎧
⎨ y (x) − 6y (x) + 13y(x) = (x2 + x)ex
y(0) = 1
⎩
y (0) = 2

Solución: La ecuación es lineal, no homogénea, de coeficientes constantes y de
segundo orden. La solución general será y(x) = yh (x) + yp (x), con yh (x) siendo
la solución general de
y (x) − 6y (x) + 13y(x) = 0
El polinomio caracterı́stico es P2 (m) = m2 − 6m + 13 = 0. Las raı́ces son 3 ± 2i.
La solución general es por tanto
yh (x) = e3x (C1 cos(2x) + C2 sen(2x))
Para encontrar yp (x) usamos el método de coeficientes indeterminados. La es-

tructura del término a la derecha de la e.d.o. es de producto de polinomio de
segundo grado por exponencial. Por tanto buscamos una solución particular de
la forma yp (x) = (Ax2 + Bx + C)ex . Sustituyendo en la e.d.o. se tiene

8Ax2 + 8(−A + B)x + 2(A − 2B + 4C) ex = x2 + x ex ,
de donde se deduce el siguiente sistema de ecuaciones para determinar A, B y

C: ⎧
⎨ A − 2B + 4C = 0
−A + B = 18 .
⎩
A = 81
Resolviendo el sistema anterior se obtiene: A = 18 , B = 14 y C = 32
3
. Siendo
1 2 x
entonces la solución particular buscada: yp (x) = 32 4x + 8x + 3 e . Sumando
yp e yh se obtiene la solución general de la e.d.o.:
1 2
y(x) = e3x (C1 cos(2x) + C2 sen(2x)) + 4x + 8x + 3 ex
32
Imponemos a continuación las dos condiciones iniciales
3 0
y(0) = e0 (C1 cos 0 + C2 sen 0) + e =1
32
1 3
y (0) = 3e0 (C1 cos 0 + C2 sen 0) + 2e0 (−C1 sen 0 + C2 cos 0) + + e0
4 32
= 2
que llevan a C1 = 29 32 , C2 = − 32 . Sustituyendo los valores de C1 y C2 en la

17
solución general de la e.d.o. se obtiene la solución del PVI buscada:

29 17 1 2
y(x) = e3x cos(2x) − sen(2x) + 4x + 8x + 3 ex
32 32 32
Suplemento 1: Pregunta extra para los alumnos con el segundo parcial

liberado
1. Sea M una matriz de dimensión 4 × 4 tal que los elementos de su diagonal son
todos nulos y el resto son unos:

0 si i = j
M = (mi,j )4×4 con mi,j = .
1 si i = j
Se pide:
a) Demostrar que M 2 − 2M − 3I = 0.
b) Comprobar que M es invertible.

c) Comprobar que ni M + I ni M − 3I son invertibles.
Solución:
a)
⎛ ⎞⎛ ⎞ ⎛ ⎞
0 1 1 1 0 1 1 1 3 2 2 2
⎜ 1 0 1 1 ⎟ ⎜ 1 0 1 1 ⎟ ⎜ 2 3 2 2 ⎟
M2 = ⎜
⎝ 1
⎟⎜ ⎟=⎜ ⎟.
1 0 1 ⎠⎝ 1 1 0 1 ⎠ ⎝ 2 2 3 2 ⎠
1 1 1 0 1 1 1 0 2 2 2 3
Por otro lado

⎛ ⎞ ⎛ ⎞
0 2 2 2 3 0 0 0
⎜ 2 0 2 2 ⎟ ⎜ 0 ⎟
⎜
2M = ⎝ ⎟ y 3I = ⎜ 0 3 0 ⎟,
2 2 0 2 ⎠ ⎝ 0 0 3 0 ⎠
2 2 2 0 0 0 0 3
con lo que:
⎛ ⎞
3 2 2 2
⎜ 2 3 2 2 ⎟
2M + 3I = ⎜
⎝ 2
⎟ = M 2,
2 3 2 ⎠
2 2 2 3
como se querı́a demostrar.

b)

1 0 1 1

0 1 1 1
|M | = − = −3 = 0,

0 0 −2 −1
0 0 0 − 32
y por lo tanto la matriz es inversible.

c) M + I es una matriz cuyos elementos son todos unos. En consecuencia su
rango es uno y por lo tanto no es inversible. Por otro lado
⎛ ⎞
−3 1 1 1
⎜ 1 −3 1 1 ⎟
M − 3I = ⎜
⎝ 1
⎟,
1 −3 1 ⎠
1 1 1 −3
siendo fácil comprobar que la cuarta fila de M − 3I es igual a la suma

cambiada de signo de las tres primeras, por lo tanto rg(M − 3I) ≤ 3 < 4
con lo queda demostrado que no es inversible.
Suplemento 2: Pregunta extra para los alumnos con el primer parcial li-
berado
1. Calcular el valor medio de la función f (x, y) = ex+y en el dominio representado

por el triángulo de vértices (0,0), (0,1) y (1,0).
Solución:
==
T=
f (x, y)dxdy
Valor medio de f en el triángulo T = =
T
dxdy
El denominador representa el área del triángulo, por lo tanto:
< <
1
dxdy =
T 2
En cuanto al numerador,
< < < 1< 1−x < 1
f (x, y)dxdy = x+y
e dydx = (e − ex ) dx = e − e + 1 = 1.
T 0 0 0
Por consiguiente:
==
T=
f (x, y)dxdy
Valor medio de f en el triángulo T = = =2
T
dxdy
C.8. Examen final de la convocatoria de septiembre

de 2003
1. Dado el número complejo z = −1 se pide:
a) Sabiendo que una de las tres raı́ces cúbicas de z es w = −1, hallar las
otras dos. Comprobar que estas dos últimas raı́ces satisfacen la ecuación
x2 − x + 1 = 0.
b) Hallar las cinco raı́ces de orden cinco de z. Dibujar el resultado.

Solución:
a) Las tres raı́ces cúbicas de z = (1)π son wk = (1)π/3+2kπ/3 con k = 0, 1, 2.
Particularizando los tres valores de k se obtiene w0 = (1)π/3 , w1 = (1)π y
w2 = (1)−π/3 . Por lo tanto las dos raı́ces cúbicas de z distintas de -1 son:
w0 = (1)π/3 y w2 = (1)−π/3 . Comprobamos a continuación que estas dos
raı́ces satisfacen la ecuación x2 − x + 1 = 0:
√ √
1 3 1 3
w0 + w0 − 1 = (1) 2π
2
− (1) π3 + 1 = − + i− − i+1=0
3 2 2 2 2
y
√ √
1 3 1 3
w22 + w2 − 1 = (1)− 2π − (1)− π3 +1=− − i− + i+1=0
3 2 2 2 2
b) Las cinco raı́ces de orden 5 son:
vk = (1) π + 2kπ , k = 0, 1, 2, 3, 4.
5 5
Dando valores a k, se obtiene:
v0 = (1) π5
v1 = (1) 3π
5
v2 = (1)π
v3 = (1)− 3π5
v4 = (1)− π5
La representación geométrica de las raı́ces aparece en la figura C.7.
1
v1
v0
0.5
v2 1 0.5 0.5 1
0.5
v4
v3 1
Figura C.7: Dibujo de las cinco raı́ces de orden 5 de z = −1
2. Discutir, en función de los valores de los parámetros α y β, las soluciones del

sistema: ⎧
⎨ αx + βy + z = 1
x + αβy + z = β
⎩
x + βy + αz = 1

Solución: La matriz ampliada del sistema después de intercambiar las filas 1 y

3 es la siguiente: ⎛ ⎞
1 β α 1
A = ⎝ 1 αβ 1 β ⎠.
α β 1 1
Realizando operaciones elementales en las filas de A se obtiene una matriz es-
calonada equivalente a A:
1 β α 1
1 β α 1

A ∼ 0 β(α−1) 1−α2 β−1 ∼ 0 β(α−1) 1−α β−1 = A
0 β(α−1) 1−α 1−α 0 0 2−α2 −α β−α
La submatriz formada por las tres filas de A y sus tres primeras columnas es
una matriz escalonada equivalente a la matriz de coeficientes del sistema (Ac )
a la que denominaremos Ac :
⎛ ⎞
1 β α
Ac = ⎝ 0 β(α − 1) 1 − α ⎠.
0 0 2 − α2 − α
Discutiremos las soluciones del sistema en función de los rangos de Ac y A,
iguales, respectivamente, a los de Ac y A . El término 2 − α2 − α se anula para
α = 1 y α = −2. Clasificaremos, por lo tanto, las soluciones según α sea igual a
1, igual a -2 o distinto de 1 y -2 a la vez:
a) α = 1
Si β = 1 entonces rg(Ac ) = 1 = rg(A) = 2 → Sistema incompatible.
Si β = 1 entonces rg(Ac ) = 1 = rg(A) = 1 → Sistema compatible
indeterminado con dos grados de libertad.
b) α = −2
Si β = −2 entonces rg(Ac ) = 2 = rg(A) = 3 → Sistema incompati-
ble.
Si β = −2 entonces rg(Ac ) = 2 = rg(A) = 2 → Sistema compatible
indeterminado con un grado de libertad.
c) α = 1 y α = −2
Si β = 0 entonces rg(Ac ) = 3 = rg(A) = 3 → Sistema compatible
determinado.
Si β = 0 entonces rg(Ac ) = 2 = rg(A) = 3 → Sistema incompatible.
3. Considérense tres endomorfismos, f , g y h, de lR2 en lR2 :

f ((x, y)t ) = (x − 2y, x − y)t
g((x, y)t ) = (x − y, −2x + 2y)t ,
h((x, y)t ) = (x cos α − y sen α, x sen α + y cos α)t
se pide:
a) Para cada uno de los tres endomorfismos hallar:

1) Sus valores propios (si los tuviera).
2) Los subespacios propios asociados a cada uno de los vectores propios
obtenidos en el apartado anterior.
3) La expresión del endomorfismo diagonalizado (si el endomorfismo fuera
diagonalizable).
b) Repetir el apartado anterior para el caso en que los endomorfismos estu-
vieran definidos de C2 en C2 .
Solución:
a) Si se supone que los endomorfismos están definidos sobre lR2 , se tendrá:
1) El polinomio caracterı́stico de f ((x, y)t ) = (x − 2y, x − y)t es Pf (λ) =
λ2 + 1, cuyas raı́ces no son reales y por lo tanto f no tiene valores
propios reales.
2) El polinomio caracterı́stico de g((x, y)t ) = (x−y, −2x+2y)t es Pg (λ) =
λ2 − 3λ, cuyas raı́ces son 0 y 3. Por lo tanto tiene dos valores propios
distintos: λ1 = 0 y λ2 = 3. Los subespacios propios asociados a cada
uno de estos dos valores propios son:

1 −1 x 0
V0 = x ∈ lR : 2
= = x ∈ lR2 : x = y ,
−2 2 y 0

−2 −1 x 0
V3 = x ∈ lR2 : = = x ∈ lR2 : −2x = y .
−2 −1 y 0
De las ecuaciones implı́citas de ambos subespacios se deduce que:
base de V0 = {(1, 1)t } → dim(V0 ) = 1,
base de V3 = {(1, −2)t } → dim(V3 ) = 1.
En consecuencia la multiplicidad geométrica de cada uno de los dos va-
lores propios es igual a 1, multiplicidad que coincide con la algebraica,
siendo, por tanto, el endomorfismo diagonalizable.
En la base formada por los vectores (1, 1)t y (1, −2)t la expresión del
endomorfismo será:

x 0 0 x 0
g = = ,
y 0 3 y 3y
que es la expresión del endomorfismo diagonalizado.

3) El polinomio caracterı́stico de h((x, y)t ) = (x cos α − y sen α, x sen α +
y cos α)t1 es Ph (λ) = λ2 − 2 cos αλ + 1, cuyas raı́ces no son reales salvo
1 Como se comprobó durante el curso, h transforma un vector de lR2 en otro vector de lR2 girado
un ángulo α con respecto al primero

para α = 0, π. Para α = 0 hay un solo valor propio de multiplicidad

algebraica 2: λ = 1. En este caso h se ha convertido en el endomor-
fismo identidad, el subespacio propio asociado a λ es todo lR2 y el
endomorfismo ya está diagonalizado:

x 1 0 x x
h = = .
y 0 1 y y
Para α = π también hay un solo valor propio de multiplicidad algebrai-

ca 2: λ = −1. En este caso h se ha convertido en el endomorfismo que
transforma un vector en su opuesto por el origen (giro de π grados), el
subespacio propio asociado a λ es otra vez todo lR2 y el endomorfismo
ya está diagonalizado:

x −1 0 x −x
h = = .
y 0 −1 y −y
b) Si se supone que los endomorfismos están definidos sobre C2 , se tendrá:

1) El polinomio caracterı́stico de f ((x, y)t ) = (x − 2y, x − y)t es Pf (λ) =
λ2 + 1, cuyas raı́ces son +i y −i. Por lo tanto tiene dos valores propios
distintos: λ1 = +i y λ2 = −i. Los subespacios propios asociados a cada
uno de estos dos valores propios son:

1−i −2 x 0
Vi = x ∈ lR : 2
= =
1 −1 − i y 0

x ∈ lR2 : (1 − i)x = 2y ,

1+i −2 x 0
V−i = x ∈ lR :
2
= =
1 −1 + i y 0

x ∈ lR2 : (1 + i)x = 2y .

base de Vi = {(2, (1 − i))t } → dim(Vi ) = 1,
base de V−i = {(2, (i + i))t } → dim(V−i ) = 1.
En la base formada por los vectores (2, (1−i))t y (2, (i+i))t la expresión
del endomorfismo será:

x i 0 x ix
f = = ,
y 0 −i y −iy

2) Este apartado ya ha sido resuelto en 3a2 (g es diagonalizable en lR2 y

por lo tanto también los es en C2 con el mismo resultado).
3) El polinomio caracterı́stico de h((x, y)t ) = (x cos α − y sen α, x sen α +
y cos α)t es Ph (λ) = λ2 − 2 cos αλ + 1, cuyas raı́ces son cos α + i sen α =
eαi y cos α − i sen α = e−αi . Por lo tanto tiene dos valores propios
distintos: λ1 = eαi y λ2 = e−αi . Los subespacios propios asociados a
cada uno de estos dos valores propios son:

−i sen α − sen α x 0
Veαi = x ∈ lR :
2
= =
sen α −i sen α y 0

x ∈ lR2 : −ix = y ,

i sen α − sen α x 0
Ve−αi = x ∈ lR :
2
= =
sen α i sen α y 0

x ∈ lR2 : ix = y .

base de Veαi = {(1, −i)t } → dim(Veαi ) = 1,
base de Ve−αi = {(1, i)t } → dim(Ve−αi ) = 1.
En la base formada por los vectores (1, −i)t y (1, i)t la expresión del
αi
x e 0 x eαi x
h = = ,
y 0 e−αi y e−αi y
4. Dada la función
f (x, y) = 3 + 2xy + 3xy 2 − x3 ,
se pide:
a) Obtener el polinomio de Taylor de grado 2 de la función f en el punto (1,2)

según una dirección cualquiera.
b) Obtener el polinomio de Taylor de grado 2 de la función f en el punto (1,1)
según la dirección u = (2, 1).

Solución:
a) Polinomio de Taylor de grado 2 de f en el punto (1,2) según una dirección

cualquiera:

∂f ∂f x−1
p2 (x, y) = f (1, 2) + (1, 2), (1, 2)
∂x ∂y y−2
2 2 3
∂2f
1 ∂ f
∂x2 (1, 2) ∂x∂y (1, 2) x−1
+ x − 1, y − 2 ∂2f 2 , (C.15)
2 (1, 2) ∂ f2 (1, 2) y−2
∂y∂x ∂y
en donde (x, y) = (1 + tu1 , 2 + tu2 ), siendo u la dirección cualquiera y t un

parámetro que determina el desplazamiento según u. Si se tiene en cuenta
que:
∂f ∂f
f (1, 2) = 18, (1, 2) = 13, (1, 2) = 14,
∂x ∂y
∂2f ∂2f ∂2f ∂2f
(1, 2) = −6, (1, 2) = 14, (1, 2) = 14 y (1, 2) = 6,
∂x2 ∂x∂y ∂y∂x ∂y 2
el polinomio p2 de (C.15) se transforma en:
1
x−1 −6 14 x−1
p2 (x, y) = 18+(13, 14) + x − 1, y−2
y−2 2 14 6 y−2
= −3x2 + 14xy + 3y 2 − 9x − 12y + 14,

que es el polinomio pedido.
b) Polinomio de Taylor de grado 2 de f en el punto (1,1) según la dirección
u = (2, 1):

∂f ∂f 2
q2 (t) = f (1, 1) + (1, 1), (1, 1) t
∂x ∂y 1
2 2 3
∂2f
1 ∂ f
2 (1, 1) (1, 1) 2
+ 2, 1 ∂x
∂2f
∂x∂y
∂2f
t2 .
2 (1, 1) 2 (1, 1) 1
∂y∂x ∂y
Teniendo en cuenta que:
∂f ∂f
f (1, 1) = 7, (1, 1) = 2, (1, 1) = 8,
∂x ∂y
∂2f ∂2f ∂2f ∂2f
2
(1, 1) = −6, (1, 1) = 8, (1, 1) = 8 y (1, 1) = 6,
∂x ∂x∂y ∂y∂x ∂y 2
q2 se transforma en:

2 1 −6 8 2
q2 (t) = 7 + (2, 8) t+ 2, 1 t2 =
1 2 8 6 1
7 + 12t + 7t2 ,
que es el polinomio pedido.
5. Dadas las funciones
⎛ lR ⎞ → lR lR2 → ⎛ lR3 ⎞
3
w: f:
x xexy
⎝ y ⎠ y x ⎝ ,
→ ln(xyz) → yexy ⎠
y
z y
se pide:
a) Calcular la diferencial de la función g = w ◦ f en un punto a = (a1 , a2 )
de lR2 en el que la función sea diferenciable. Recuérdese que si g = w ◦ f
entonces g(u, v) = w (f1 (u, v), f2 (u, v), f3 (u, v)).
b) Sabiendo que en el punto (1, e) la función g es diferenciable, indicar en que
dirección de lR2 se obtendrá la máxima derivada direccional de la función g
en dicho punto. ¿Cuál será el valor de dicha derivada direccional máxima?
Solución:
a) La diferencial de g en el punto a es la aplicación lineal de lR2 en lR que al

aplicarla sobre un vector h da como resultado el siguiente escalar:
∂g ∂g
dg(a; h) = (a1 , a2 )h1 + (a1 , a2 )h2
∂u ∂v
∂g ∂g
Por lo tanto, para determinarla es necesario calcular ∂u (a1 , a2 ) y ∂v (a1 , a2 ):
∂g
∂u (a1 , a2 ) =
∂w ∂f1 ∂w ∂f2 ∂w ∂f3

∂x (x, y, z) ∂u (a1 , a2 ) + ∂y (x, y, z) ∂u (a1 , a2 ) + ∂z (x, y, z) ∂u (a1 , a2 ) =
1
x (1 + a1 a2 )ea1 a2 + y1 a22 ea1 ,a2 + 0 = 1
a1 ea1 ,a2 (1 + a1 a2 )ea1 a2
+ a2 ea11 ,a2 a22 ea1 ,a2 = 1

a1 (1 + 2a1 a2 ),
∂g
∂v (a1 , a2 ) =
∂w ∂f1 ∂w ∂f2 ∂w ∂f3

∂x (x, y, z) ∂v (a1 , a2 ) + ∂y (x, y, z) ∂v (a1 , a2 ) + ∂z (x, y, z) ∂v (a1 , a2 ) =
1 2 a1 a2
x a1 e + y1 (1 + a1 a2 )ea1 ,a2 + 1
z = 1
a1 ea1 ,a2 a21 ea1 a2
+ a2 ea11 ,a2 (1 + a1 a2 )ea1 ,a2 = 2

a2 (1 + a1 a2 ).
Entonces, la expresión de la diferencial pedida es:
1 2
dg(a; h) = (1 + 2a1 a2 )h1 + (1 + a1 a2 )h2
a1 a2
b) La dirección en la que la derivada direccional de una función es máxima es

la dirección del gradiente de la función:
t
∂g ∂g
r = ∇g(1, e) = (1, e), (1, e) = (1 + 2e, e + 1)t .
∂u ∂v
El valor de la derivada direccional máxima será el módulo del gradiente
anteriormente calculado:
dg ( (
= ||r|| = (1 + 2e)2 + (1 + e)2 = 1 + 5e2 + 6e.
dr1
En donde r1 es un vector unitario en la dirección de r.
6. Hallar el momento de inercia con respecto al eje y de la región plana que aparece
coloreada en la figura C.8. Se supondrá que la densidad superficial en cada punto
de la figura es proporcional a su distancia al eje y.
Solución: Se designará por I al momento de inercia pedido:
< <
I= r2 (x, y)ρ(x, y)dxdy. (C.16)
D
En donde D es la región de la que se quiere hallar su momento de inercia respecto

al eje y (región coloreada de la figura C.8), r(x, y) es la distancia de un punto
(x, y) al eje y (evidentemente r(x, y) = x) y ρ(x, y) es la densidad superficial de
región D (en el enunciado se indica que ρ(x, y) = kx). Sustituyendo los valores
de r y ρ en (C.16) se obtiene:
< <
I= kx3 dxdy.
D
Para calcular I se descompone la integral en dos trozos:

< π3 < 12 < π2 < cos x
3
I= kx dydx + kx3 dydx
π
0 0
3 0

I1 I2
A continuación se calculan I1 e I2 por separado:

< π 4 5π
k 3 3 k x4 3 kπ 4
I1 = x dx = =
2 0 2 4 0 648
< π
2 > ?π/2
I2 = k x3 cos xdx = k x3 sen x + 3x2 cos x − 6x sen x − 6 cos x π/3 =
π
3
2 2 √ 3 3
π3 1 3 π2 0√ 1
k + − +π 3−3 +3 .
2 4 27 6
En consecuencia el momento de inercia pedido es:
2 2 √ 3 3
kπ 4 π3 1 3 π2 0√ 1
I = I1 + I2 = k + + − +π 3−3 +3
648 2 4 27 6
y = c o s(x )
y = 1 /2
Figura C.8: En el ejercicio 6 se debe calcular el momento de inercia de la región que

aparece coloreada en gris respecto al eje y.

1. Supóngase que la fila 3 de la matriz A ∈ M3 (lR) verifica fila 3 = fila 1 + fila 2.
Se pide:
a) Explicar por qué ⎛ ⎞
1
Ax = ⎝ 0 ⎠
0
no puede tener solución (es siempre incompatible para cualquier matriz A
que verifique la condición enunciada más arriba).
b) ¿Qué vectores b = (b1 , b2 , b3 )t pueden hacer compatible el sistema Ax =
b?
c) Obtener una base del subespacio vectorial formado por los vectores hallados
en el apartado anterior.
d ) ¿Puede ser la matriz A una matriz inversible?

puntos, (d) 1 punto).
Solución:
a) Si en la matriz ampliada del sistema Ax = (1, 0, 0)t realizamos suce-

sivamente las operaciones elementales sobre sus filas F3 = F3 − F1 y
F3 = F3 − F2 se obtiene:
⎛ ⎞
a11 a12 a13 1
(A|b) = ⎝ a21 a22 a23 0 ⎠ .
0 0 0 1
La última ecuación del sistema lineal (equivalente a Ax = (1, 0, 0)t ) aso-

ciado a esta nueva matriz ampliada es 0x1 + 0x2 + 0x3 = 1 que es imposible
de verificar por ningún vector de lR3 , por lo tanto el sistema Ax = (1, 0, 0)t
es un sistema incompatible.
b) Para que el sistema pueda ser compatible la tercera componente del vector
de términos independientes tiene que ser igual a la suma de las dos pri-
meras: b3 = b1 + b2 , de este modo al realizar las operaciones elementales
descritas en el apartado anterior, la última fila de la matriz queda (0, 0, 0, 0)
con lo que el sistema podrá ser compatible.
c) El conjunto de vectores que pueden hacer compatible el sistema anterior
es un subespacio vectorial de lR3 de ecuación implı́cita b3 = b1 + b2 , por
lo tanto de dimensión 2. Una base de este subespacio estará formada, por
ejemplo, por los vectores {(1, 0, 1)t , (0, 1, 1)t }.
d ) La matriz A no es inversible porque su rango es menor que 3.
2. Dados los subespacios vectoriales de lR4

W1 = {(x, y, z, t) ∈ lR4 /2x = y, 2z = t}
W2 = {(x, y, z, t) ∈ lR4 /x = y = z = t},
Se pide:
a) Demostrar que el conjunto W1 ∪ W2 no es un subespacio vectorial de lR4 .

b) Determinar unas ecuaciones implı́citas del subespacio vectorial W1 + W2 y
una base de W1 ∩ W2 .
c) ¿Son suplementarios los subespacios W1 y W2 ?

puntos).
Solución:
a) los vectores u = (1, 2, 0, 0)t y v = (1, 1, 1, 1)t pertenecen a W1 ∪ W2 (el

primero pertenece a W1 y el segundo a W2 ). Sin embargo u+v = (2, 3, 1, 1)t
no pertenece a W1 ∪ W2 puesto que no verifica ni las ecuaciones implı́citas
de W1 ni las de W2 . Por lo tanto W1 ∪ W2 no es un subespacio vectorial
de lR4 .
b) Base de W1 : {(1, 2, 0, 0)t , (0, 0, 1, 2)t }, base de W2 : {(1, 1, 1, 1)t }. La unión
de las dos bases constituye un sistema generador de W1 + W2 :
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
C 1 0 1 D
⎜ 2 ⎟ ⎜ 0 ⎟ ⎜ 1 ⎟
W1 + W2 = ⎜ ⎟ ⎜ ⎟ ⎜
⎝ 0 ⎠,⎝ 1 ⎠,⎝ 1 ⎠ ,
⎟
0 2 1
como los tres vectores son linealmente independientes constituyen, además,
una base de W1 +W2 . Por lo tanto unas ecuaciones paramétricas de W1 +W2
serán: ⎧
⎪
⎪ x=α+γ
⎨
y = 2α + γ
,
⎪
⎪ z =β+γ
⎩
t = 2β + γ
despejando α, γ y β de las tres primeras ecuaciones y sustituyendo su valor
en la cuarta ecuación se obtiene una ecuación implı́cita de W1 + W2 :
⎧⎛ ⎞ ⎫
⎪
⎪ x ⎪
⎪
⎨⎜ ⎬
⎜ y ⎟⎟
W1 + W2 = ⎝ ∈ lR4
/2x − y + −2z + t = 0 .
⎪
⎪ z ⎠ ⎪
⎪
⎩ ⎭
t
Las dimensiones de W1 , W2 y W1 + W2 son, respectivamente, 2, 1 y 3, por
lo tanto como dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) + dim(W1 ∩ W2 ) la
dimensión de W1 ∩ W2 es cero y en consecuencia:
W1 ∩ W2 = {0}
c) Los subespacios no son suplementarios porque dim(W1 + W2 ) < dim(lR4 ).
3. Supóngase una aplicación lineal, f , definida entre dos espacios vectoriales V y

W de dimensiones respectivas n y m. Si B = {e1 , . . . , en } y B = {e 1 , . . . , e n }

son dos bases de V y B = {u1 , . . . , um } y B = {u 1 , . . . , u m } son dos bases de
W demuéstrese que:
A = Q−1 AP,
donde A es la matriz asociada a f en las bases B y B, A es la matriz asociada

a f en las bases B y B , Q es la matriz de cambio de base de B a B y P es la

matriz de cambio de base de B a B.
Como aplicación del resultado anterior se pide resolver el siguiente problema:

dada la aplicación lineal
⎛ ⎞
x
y1 1 0 1 ⎝ 1 ⎠
g(x) = = x2
y2 B 2 1 0
x3 B
con B = {e1 , e2 , e3 } y B = {u1 , u2 }, determinar su matriz asociada en las

bases B = {e1 , e2 , e3 } y B = {u1 , u2 }, sabiendo que e1 = e1 + e3 , e2 = e3 ,
e3 = e1 + e2 , u1 = 2u1 + u2 y u2 = u1 − u2 .


Solución: expresión de la aplicación lineal f en las bases B y B:
⎛ ⎞ ⎛ ⎞
y1 x1
⎜ .. ⎟ ⎜ .. ⎟
⎝ . ⎠ = f (x) = A ⎝ . ⎠ . (C.17)
ym B
xn B

Cambios de base de B a B (en V ) y de B a B (en W ):
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x1 x1 y1 y1
⎜ .. ⎟ ⎜ . ⎟ ⎜ . ⎟ ⎜ .. ⎟ ,
⎝ . ⎠ = P ⎝ .. ⎠ , ⎝ .. ⎠ = Q ⎝ . ⎠
xn B xn B ym B ym
B

sustituyendo (x1 , . . . , xn )t y (y1 , . . . , ym )t en (C.17) se obtiene:

⎛ ⎞ ⎛ ⎞
y1 x1
⎜ .. ⎟ −1 ⎜ .. ⎟
⎝ . ⎠ = f (x) = Q AP ⎝ . ⎠ .

ym B
xn B
Teniendo en cuenta que la matriz asociada a una aplicación lineal en las bases

B y B es única se deduce que:
A = Q−1 AP.
En el caso particular de la aplicación g:
⎛ ⎞
1 0 1
2 1
P =⎝ 0 0 1 ⎠ yQ= ,
1 −1
1 1 0

por lo que la matriz asociada a g en las bases B = {e1 , e2 , e3 } y B = {u1 , u2 }
es: ⎛ ⎞
−1 1 0 1
2 1 4/3 1/3 4/3
A = A⎝ 0 0 1 ⎠ =
1 −1 −2/3 1/3 −5/3
1 1 0
4. Demuéstrese que si {x1 , . . . , xp } es un conjunto ortogonal de vectores no nulos

de un espacio euclı́deo, entonces {x1 , . . . , xp } es un sistema linealmente inde-
pendiente de vectores.
Solución: se iguala al vector nulo del espació euclı́deo una combinación lineal
de los p vectores del enunciado:
α1 x1 + α2 x2 + . . . + αp xp = 0. (C.18)
Si se multiplica escalarmente la expresión anterior por x1 se obtiene (por ser

x2 , . . . , xp ortogonales a x1 y x1 · 0 = 0):
α1 (x1 · x1 ) = 0,
de donde se deduce que α1 = 0 (por ser x1 · x1 = 0). Si se multiplica su-

cesivamente la igualdad (C.18) por x2 , . . . , xp y aplicando, en cada caso, el
mismo razonamiento que se ha empleado al multiplicar por x1 , se obtiene
α1 = α2 = · · · = αp = 0. En consecuencia el sistema {x1 , . . . , xp } es lineal-
mente independiente como se querı́a demostrar.

⎛ ⎞⎛ ⎞
1 0 1 y1
x.y = x1 x2 x3 ⎝ 0 2 0 ⎠ ⎝ y2 ⎠ .
1 0 3 y3
Se pide:
a) Comprobar si los subespacios de E, W = {x ∈ E/x1 − x2 = 0, x3 = 0} y
V = {x ∈ E/x1 + x2 + x3 = 0} son ortogonales.
c) Hallar la proyección ortogonal del vector a = (1, 0, 1)t sobre el subespacio
V.
puntos).
Solución:
⎧
⎨ x1 = α
W : x2 = α ⇒ Base de W = {(1, 1, 0)t }.
⎩
x3 = 0 v1

⎧
⎨ x1 = −α − β
V : x2 = α ⇒ Base de V = {(−1, 1, 0)t , (−1, 0, 1)t }.
⎩
x3 = β v2 v3

⎛ ⎞
0 1 0 1 1 0 −1 1 −1
v1 .v2 = ( 1 1 0 ) 0 2 0 1 = 1 2 1 ⎝ 1 ⎠ = 1 = 0,
1
03
0 0
G
W y V no son ortogonales.
⎛ ⎞
x1
−1 1 0 G ⎝ x2 ⎠ = −x1 + 2x2 − x3 = 0,
x3
⎛ ⎞
x1
−1 0 1 G ⎝ x2 ⎠ = 2x3 = 0.
x3
⎧
⎨ x1 = 2α
V⊥ : x2 = α ⇒ Base de V ⊥ = {(2, 1, 0)t }.
⎩
x3 = 0 u1
c) En primer lugar hallamos una base ortonormal de V :

⎛ ⎞
−1
v2 1
c1 = = √ (−1, 1, 0)t , v2 = −1 1 0 G ⎝ 1 ⎠ = 3.
v2 3 0
⎛ ⎞
−1
1
v 3 · c1 = √ −1 0 1 G ⎝ 1 ⎠ = 0 (v3 y c1 son ortogonales),
3 0
⎛ ⎞
−1
v3 1
v3 = −1 0 1 G ⎝ 0 ⎠ = 2, c2 = = √ (−1, 0, 1)t .
v3 2
1
Una vez conocida una base ortonormal de V es fácil calcular la proyección

orto-gonal de a sobre V :
⎛ ⎞
−1
1 −2
a · c1 = √ 1 0 1 G⎝ 1 ⎠ = √ ,
3 0 3
⎛ ⎞
−1
1
a · c2 = √ 1 0 1 G⎝ 0 ⎠ = 1
2 1
t
2 1 2
Proy |V a = (a·c1 )c1 +(a·c2 )c2 = − (−1, 1, 0)t +(−1, 0, 1)t = − ,− ,1 .
3 3 3
6. Considérese el endomorfismo f : lR3 → lR3 representado, en una cierta base, por

la matriz ⎛ ⎞
5 1 −1
A=⎝ 0 3 0 ⎠.
−1 1 5
Se pide:
a) Sabiendo que λ1 = 3 es un valor propio de f , comprobar que el vector

v1 = (1, −1, 1)t es un vector propio de f asociado a λ1 .
b) Hallar el resto de los valores propios de f .
c) Deducir si f es diagonalizable. En caso de que la respuesta sea afirmativa,
obtener una base de lR3 formada por vectores propios y determinar la
expresión del endomorfismo en dicha base.
d ) Hallar A10 .
Puntuación de la pregunta: 9 puntos ((a) 1 punto, (b) 2 puntos, (c) 3 puntos,

(d) 3 puntos).
Solución:
a) ⎛ ⎞⎛ ⎞ ⎛ ⎞
5 1 −1 1 3
Au = ⎝ 0 3 0 ⎠ ⎝ −1 ⎠ = ⎝ −3 ⎠ .
−1 1 5 1 3
b) Resolviendo la ecuación caracterı́stica |A − λI| = 0 se obtienen los otros

dos valores propios, λ2 = 4 de multiplicidad algebraica 1 y λ3 = 6 de
multiplicidad algebraica 1 (la multiplicidad algebraica de λ1 tiene que ser
también 1 porque Σ3i=1 mi ≤ 3).
c) El endomorfismo f es diagonalizable porque 1 ≤ si ≤ mi , i = 1, 2, 3 y, por

lo tanto s1 = m1 = s2 = m2 = s3 = m3 = 1. Hallamos los subespacios
propios para obtener una base de lR3 formada por vectores propios:
& 0 2 1 −1 1 0 x1 1 0 0 1'
Vλ1 = x ∈ lR3 /(A − 3I)x = 0 = x ∈ lR3 / 0 0 0 x2 = 0 .
−1 1 2
x 3 0
Base de Vλ1 : {c1 = (1, −1, 1)t }.

& 0 1 1 −1 1 0 x1 1 0 0 1'
Vλ2 = x ∈ lR3 /(A − 4I)x = 0 = x ∈ lR3 / 0 −1 0 x2
x
= 0 .
−1 1 1 3 0
Base de Vλ2 : {c2 = (1, 0, 1)t }.

& 0 −1 1 −1 1 0 x1 1 0 0 1'
Vλ3 = x ∈ lR3 /(A − 6I)x = 0 = x ∈ lR3 / 0 −3 0 x2
x
= 0 .
−1 1 −1 3 0
Base de Vλ3 : {c2 = (−1, 0, 1)t }.
lR3 formada por vectores propios: {c1 , c2 , c3 }. En esta base la expresión
t
f (x) = (3x1 , 4x2 , 6x3 ) .
d ) Si se denomina D a la matriz (diagonal) asociada a f en la base {c1 , c2 , c3 },

se verifica: ⎛ ⎞
3 0 0
D = ⎝ 0 4 0 ⎠ = P −1 AP
0 0 6
en donde ⎛ ⎞
1 1 −1
P = ⎝ −1 0 0 ⎠
0 1 1
es la matriz de cambio de base de {ci } a {ei } (P = (c1 , c2 , c3 ){ei } ). Si se
despeja A de la expresión anterior se obtiene A = P DP −1 . Si se eleva A a
10: 10
A10 = P DP −1 = P D10 P −1 =
⎛ ⎞ ⎛ 10 ⎞⎛ ⎞
1 1 −1 3 0 0 0 −1 0
⎝ −1 0 0 ⎠ ⎝ 0 410 0 ⎠ ⎝ 1/2 1 1/2 ⎠ =
10
0 1 1 0 0 6 0 0 1/2
⎛ ⎞
(1/2)(410 + 610 ) (410 − 310 ) (1/2)(410 − 610 )
⎝ 0 310 0 ⎠=
(1/2)(4 − 6 ) (4 − 310 )
10 10 10
(1/2)(410 + 610 )
⎛ ⎞
30757376 989527 29708800
⎝ 0 59049 0 ⎠
29708800 989527 30757376

2004
1. Supóngase que A es una matriz de dimensión 3 × 4 cuya matriz escalonada
reducida equivalente es:
⎛ ⎞
1 3 0 5
R = ⎝ 0 0 1 5 ⎠.
0 0 0 0
Se pide:
a) Hallar la dimensión de Im(f ) y la dimensión y una base de ker(f ), en donde

f es una aplicación lineal de lR4 en lR3 cuya matriz asociada en la base
canónica es A (f (x) = Ax).
b) ¿Qué condiciones tiene que cumplir el término independiente (a, b, c)t para
que el siguiente sistema sea compatible?
⎛ ⎞
⎛ ⎞ x1 ⎛ ⎞
1 3 0 5 ⎜ x2 ⎟ a
⎝ 0 0 1 5 ⎠⎜ ⎟ ⎝ b ⎠.
⎝ x3 ⎠ =
0 0 0 0 c
x4
Hallar la solución completa del mismo en los casos en que sea compatible.
c) Encontrar una matriz equivalente a A que no contenga ningún 0.

puntos).
Solución
a) dim(Im(f )) = rg(A) = rg(R) = 2.
dim(ker(f )) = dim(lR4 ) − dim(Im(f )) = 2.
Para obtener una base de ker(f ) se comienza calculando unas ecuaciones
implı́citas de ker(f ):
Ax = 0 ∼ Rx = 0
x1 + 3x2 + 5x4 = 0
x3 + 5x4 = 0,
para, a continuación, obtener unas ecuaciones paramétricas de ker(f ):
x1 = −3α − 5β
x2 = α
x3 = −5β
x4 = β.
A partir de las ecuaciones paramétricas, se obtiene fácilmente una base de

ker(f ):
Base de ker(f ) : {(−3, 1, 0, 0)t , (−5, 0, −5, 1)t }.
b) Si c = 0, el sistema es incompatible puesto que:
⎛ ⎞
1 3 0 5 a
rg ⎝ 0 0 1 5 b ⎠ = 3 = rg(R) = 2.
0 0 0 0 c
Si c = 0 el sistema es compatible:
⎛ ⎞
1 3 0 5 a
rg ⎝ 0 0 1 5 b ⎠ = 2 = rg(R) = 2.
0 0 0 0 0
En este caso la solución será:

x1 = −3α − 5β + a
x2 = α
x3 = −5β + b
x4 = β.
c) Se parte de R que es equivalente a A:

⎛ ⎞ ⎛ ⎞
1 3 0 5 1 3 0 5 0 2 6 1 15 1
⎝ 0 0 1 5 ⎠ ∼ ⎝ 0 0 1 5 ⎠ ∼ .
1 3 2 15
1 3 1 10
0 0 0 0 F 3=F 1+F 2 1 3 1 10 F2 = F3 + F2
F1 = F3 + F1
2. Dados los subespacios vectoriales de lR4

W1 = {(x, y, z, t) ∈ lR4 /2x = y, 2z = t}
W2 = {(x, y, z, t) ∈ lR4 /x + y + z + t = 0},
se pide:
a) Demostrar que el conjunto W1 ∩ W2 es un subespacio vectorial de lR4 .

b) Determinar una base del subespacio vectorial W1 ∩ W2 y una base de

W1 + W2 . ¿Qué relación hay entre W1 + W2 y lR4 ?
c) ¿Son suplementarios los subespacios W1 y W2 ?

puntos).
Solución
a) Para que un vector pertenezca a W1 ∩ W2 debe pertenecer a la vez a W1 y
W2 , y por lo tanto verificar al mismo tiempo las dos ecuaciones implı́citas
de W1 y la ecuación implı́cita de W2 :
W1 ∩ W2 = {(x, y, z, t) ∈ lR4 /2x − y = 0, 2z − t = 0, x + y + z + t = 0}.
Se resuelve el sistema formado por las tres ecuaciones implı́citas anteriores

obteniéndose unas ecuaciones paramétricas de W1 ∩ W2 :
⎧
⎪
⎪ x = −α
⎨
y = −2α
(C.19)
⎪
⎪ z=α
⎩
t = 2α
Para demostrar que W1 ∩ W2 es una subespacio vectorial de lR4 basta con

demostrar que cualquier combinación lineal de dos vectores cualesquiera
de W1 ∩ W2 pertenece también a W1 ∩ W2 :
u = (−α, −2α, α, 2α)t ∈ W1 ∩ W2 , v = (−β, −2β, β, 2β)t ∈ W1 ∩ W2 ,
au + bv = (−(aα + bβ), −2(aα + bβ), (aα + bβ), 2(aα + bβ))t

Con lo que queda demostrado que W1 ∩W2 es un subespacio vectorial, pues-
to que au+bv ∈ W1 ∩W2 al verificar el sistema de ecuaciones paramétricas
(C.19).
b) A partir del sistema de ecuaciones paramétricas (C.19) se calcula inmedia-
tamente una base de W1 ∩ W2 sin más que darle un valor al parámetro α
(por ejemplo α = 1): Base de W1 ∩ W2 : {(−1, −2, 1, 2)t }.
Base de W1 : {(1, 2, 0, 0)t , (0, 0, 1, 2)t }, base de W2 : {(−1, 1, 0, 0)t , (−1, 0, 1, 0)t
, (−1, 0, 0, 1)t }. La unión de las dos bases constituye un sistema generador
de W1 + W2 :
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
C 1 0 −1 −1 −1 D
⎜ 2 ⎟ ⎜ 0 ⎟ ⎜ 1 ⎟ ⎜ 0 ⎟ ⎜ 0 ⎟
W1 + W2 = ⎜ ⎟ ⎜
⎝ 0 ⎠,⎝ 1
⎟,⎜ ⎟ ⎜ ⎟ ⎜
⎠ ⎝ 0 ⎠,⎝ 1 ⎠,⎝ 0 ⎠ .
⎟
0 2 0 0 1
Para obtener una base a partir del sistema generador anterior se busca
un conjunto linealmente independiente de vectores que genere el mismo
subespacio:
⎛ ⎞ ⎛ ⎞
1 2 0 0 1 2 0 0
⎜ 0 0 1 2 ⎟ ⎜ 0 2 1 0 ⎟
⎜ ⎟ ⎜ ⎟
⎜ −1 1 0 0 ⎟∼⎜ 0 0 1 2 ⎟,
⎜ ⎟ ⎜ ⎟
⎝ −1 0 1 0 ⎠ ⎝ 0 0 0 3 ⎠
−1 0 0 1 0 0 0 0
y por lo tanto una base de W1 + W2 estará formada por:
⎧⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫
⎪
⎪ 1 0 0 0 ⎪ ⎪
⎨⎜ ⎟ ⎜ 2 ⎟ ⎜ 0 ⎟ ⎜ 0 ⎟⎬
⎜ 2 ⎟,⎜ ⎟,⎜ ⎟,⎜ ⎟ .
⎪ ⎝ 0 ⎠ ⎝ 1 ⎠ ⎝ 1 ⎠ ⎝ 0 ⎠⎪
⎪
⎩ ⎪
⎭
0 0 2 3
La dimensión de W1 + W2 es 4, por ello W1 + W2 coincide con lR4 .

c) Los subespacios no son suplementarios porque dim(W1 ∩ W2 ) = 0.
3. Considérese el espacio euclı́deo (lR4 , .), en donde “.” es el siguiente producto

escalar:
x.y = x1 y1 + x2 y2 + x3 y3 + x4 y4 .
Se pide:
a) Hallar una base ortonormal del subespacio, V , de lR4 generado por
{(3, 0, 0, 0)t , (0, 1, 2, 1)t , (0, 2, 1, 2)t }.
b) Hallar la proyección ortogonal del vector a = (1, 2, 1, 0)t sobre V .

c) Hallar unas ecuaciones implı́citas de V ⊥ y determinar la proyección orto-
gonal de a sobre V ⊥ .

puntos).
Solución
a) Los tres vectores que generan V son linealmente independientes, por lo que
constituyen una base de V . Se aplicará el método de Gram-Schmidt para
obtener una base ortonormal a partir de la base anterior (b1 = (3, 0, 0, 0)t ,
b2 = (0, 1, 2, 1)t y b3 = (0, 2, 1, 2)t ):
c1 = ||zz11 || = (1, 0, 0, 0)t

z1 = b1
||z1 || = 3
c2 = ||zz22 || = √16 (0, 1, 2, 1)t

z2 = b2 − (b2 · c1 )c1 = (0, 1, 2, 1)t
b2 · c1 =√0
||z2 || = 6
c3 = ||zz33 || = √13 (0, 1, −1, 1)t

z3 = b3 − (b3 · c1 )c1 − (b3 · c2 )c2 = (0, 1, −1, 1)t
b3 · c1 = 0
b3 · c2 = √66
√
||z3 || = 3,
por lo tanto una base ortonormal de V será:

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0
⎜ 0 ⎟ ⎜ 1 ⎟ ⎜ 1 ⎟
c1 = ⎜ ⎟ c2 = √1 ⎜ 1
⎟ c =√ ⎜ ⎟.
⎝ 0 ⎠ 6⎝ 2 ⎠ 3 3 ⎝ −1 ⎠
0 1 1
b) Llamando a1 a la proyección ortogonal de a sobre V , se obtiene:
a1 = (a · c1 )c1 + (a · c2 )c2 + (a · c3 )c3 =

⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 0 1
⎜ 0 ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ 1 ⎟
⎜ ⎟ + √4 √1 ⎜ 1 ⎟ + √1 √1 ⎜ 1 ⎟ = ⎜ ⎟
⎝ 0 ⎠ 6 6 ⎝ 2 ⎠ 3 3 ⎝ −1 ⎠ ⎝ 1 ⎠
0 1 1 1
c) Ecuaciones implı́citas de V ⊥ :
⎧ ⎫ ⎧ ⎫
⎨ a1 · x = 0 ⎬ ⎨ 3x1 = 0 ⎬
V ⊥ = x ∈ lR4 / a2 · x = 0 = x ∈ lR4 / x2 + 2x3 + x4 = 0
⎩ ⎭ ⎩ ⎭
a3 · x = 0 2x2 + x3 + 2x4 = 0
Llamando a2 a la proyección ortogonal de a sobre V ⊥ :

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 1 0
⎜ 2 ⎟ ⎜ 1 ⎟ ⎜ 1 ⎟
a2 = a − a1 = ⎝ ⎜ ⎟ − ⎜ ⎟ = ⎜ ⎟.
1 ⎠ ⎝ 1 ⎠ ⎝ 0 ⎠
0 1 −1
C.11. Examen final de la convocatoria de septiem-

bre de 2004
1. Considérese el sistema de ecuaciones

−3x + 4y = 8
,
6x + ty = s
donde t y s son dos números reales. Se pide:
a) Encontrar los valores de s y t para los que el sistema tiene exactamente
una solución.
b) Encontrar los valores de s y t para los que el sistema no admite ninguna
solución.
c) Encontrar los valores de s y t para los que el sistema tiene infinitas solu-
ciones.
d ) Sabiendo que las ecuaciones del sistema son las ecuaciones de dos rectas en
el plano, dar una interpretación geométrica de los apartados 1a, 1b y 1c.
Solución
Matriz de coeficientes del sistema:

−3 4 −3 4
Ac = ∼
6 t 0 t+8
Matriz ampliada del sistema:

−3 4 8 −3 4 8
Ab = ∼ .
6 t s 0 t + 8 s + 16
a) t = −8: el sistema es compatible determinado para cualquier valor de s ya
que rg(Ac ) = 2 = rg(Ab ) = número de incógnitas del sistema.
b) t = −8 y s = −16: el sistema es incompatible, no tiene solución debido a
que rg(Ac ) = 1 = rg(Ab ) = 2.
c) t = −8 t s = −16: el sistema es compatible indeterminado, admite infinitas
soluciones debido a que rg(Ac ) = 1 = rg(Ab ) <numero de incógnitas del
sistema.
d ) En el apartado 1a el sistema representa las ecuaciones de dos rectas que
se cortan en un punto: la solución del sistema. En el apartado 1b el siste-
ma representa las ecuaciones de dos rectas paralelas que no se cortan en
ningún punto. Por último el apartado 1c representa las ecuaciones de dos
rectas coincidentes (una sola recta). Las infinitas soluciones son los infinitos
puntos de la recta.
2. Indicar si es cierta o falsa la siguiente afirmación: “Si A y B son dos matrices

2 × 2 entonces (A + B)2 = A2 + 2AB + B 2 ”. Si es cierta justificar brevemente el
porqué, si es falsa proporcionar un ejemplo en el que la igualdad no se verifique.
Solución
La proposición es falsa. Sean, por ejemplo las matrices

1 2 0 3
A= y B= .
0 1 1 1
Es fácil comprobar que

6 15
(A + B)2 = A =
3 9
y
2 2 8 17
A + 2AB + B = ,
3 7
por lo que para las matrices A y B, (A + B)2 = A2 + 2AB + B 2 y la falsedad
de la proposición queda demostrada.
Nota: El que la proposición sea falsa se debe a que el producto de matrices no
es conmutativo. Sin embargo el producto de matrices es distributivo respecto a
la suma de matrices por lo que la igualdad
(A + B)2 = A2 + AB + BA + B 2
es cierta ∀A, B ∈ Mn (lR)
3. Se define una aplicación lineal f : V → W entre dos espacios vectoriales, V de

dimensión dos y W de dimensión tres, de manera que f (e1 ) = u1 + 2u2 + 3u3 y
f (e2 ) = u1 +3u2 +2u3 , donde B = {e1 , e2 } es una base de V y B ∗ = {u1 , u2 , u3 }
es una base de W . Se pide:
b) Hallar la dimensión y una base de Im(f ), la dimensión de ker(f ) e indicar
si f es sobreyectiva, inyectiva, ninguna de las dos cosas o las dos cosas a
la vez.
c) Encontrar, si es posible, dos vectores distintos de V , no pertenecientes a
ker(f ), que tengan la misma imagen.
d ) Dada una nueva base de W , B = {u1 , u2 , u3 } en donde u1 = u1 + u2 + u3 ,
u2 = u3 y u3 = u2 + u3 , calcular la nueva matriz asociada a f en las bases
B y B.

Solución
a) ⎛ ⎞
1 1
A = ⎝ 2 3 ⎠.
3 2
b) Im(f ) = (1, 2, 3)t , (1, 3, 2)t , los dos vectores del sistema generador son
linealmente independientes y, por lo tanto, constituyen una base de Im(f ).
En consecuencia dim(Im(f )) = 2. Como se debe verificar dim(V ) = dim
(Im(f )) + dim(ker(f )), se deduce fácilmente que dim(ker(f )) = 0. Por lo
tanto la aplicación es inyectiva. Sin embargo no es sobreyectiva debido a
que dim(Im(f )) = 2 = dim(W ) = 3.
c) Al ser la aplicación inyectiva, no es posible encontrar dos vectores distintos
de V que tengan la misma imagen por f .
base B ∗ en función de las coordenadas en la base B :
⎛ ⎞ ⎛ ⎞⎛ ⎞
y1 1 0 0 y1
⎝ y2 ⎠ = ⎝ 1 0 1 ⎠ ⎝ y2 ⎠ ,
y3 1 1 1 y3
y, por tanto:
⎛ ⎞⎛ ⎞ ⎛ ⎞
1 0 0 y1 1 1
⎝ 1 0 x1
1 ⎠ ⎝ y2 ⎠ = ⎝ 2 3 ⎠ ,
x2
1 1 1 y3 3 2
despejando y se obtiene:
⎛ ⎞ ⎛ ⎞−1 ⎛ ⎞
y1 1 0 0 1 1
⎝ y2 ⎠ = ⎝ 1 0 1 ⎠ ⎝ 2 ⎠ x1
3 .
x2
y3 1 1 1 3 2
Por consiguiente la nueva matriz asociada a f en las bases B y B ∗ es:

0 1 0 0 1−1 0 1 1 1 0 1 0 0 1 0 1 1 1 0 1 1 1
A = 1 0 1 23 = 0 −1 1 2 3 = 1 −1 .
111 32 −1 1 0 32 1 2
4. Demostrar la veracidad de la siguiente proposición: “Si λ es un valor propio de

una matriz A ∈ Mn (lR), entonces λk es un valor propio de Ak (k ∈ lN)”.
Puntuación de la pregunta: 10 puntos
Solución
Si λ es un valor propio de A:
∃x ∈ lRn (x = 0) tal que Ax = λx.
Se comprueba a continuación que x es también un vector propio de Ak y que
su valor propio asociado es precisamente λk :
Ak x = Ak−1 Ax = Ak−1 λx = Ak−2 Aλx = λ2 Ak−2 x = . . .
= λk−2 A2 x = λk−2 AAx = λk−2 λAx = λk−1 Ax = λk x.
Con lo que la proposición queda demostrada.

1. Dado el sistema lineal de ecuaciones
⎫
x + y − z = 1 ⎬
3x + αy + αz = 5 ,
⎭
4x + αy = 5
se pide:
a) Discutir, en función del valor que tome el número real α, si el sistema es
compatible determinado, compatible indeterminado o incompatible.
b) Resolver el sistema en los casos en que sea compatible.
Solución: La matriz ampliada del sistema es la siguiente:
⎛ ⎞
1 1 −1 1
A=⎝ 3 α α 5 ⎠.
4 α 0 5
Realizando operaciones elementales en las filas de A se obtiene una matriz es-
calonada equivalente a A:
⎛ ⎞ ⎛ ⎞
1 1 −1 1 1 1 −1 1
A∼⎝ 0 α−3 α+3 2 ⎠ ∼ ⎝ 0 α−3 2 ⎠ = A
α=3
α+3
0 α−4 4 1 0 0 α(5−α)
α−3
5−α
α−3
La submatriz formada por las tres filas de A y sus tres primeras columnas es
una matriz escalonada equivalente a la matriz de coeficientes del sistema (Ac )
a la que denominaremos Ac :
⎛ ⎞
1 1 −1
Ac = ⎝ 0 α − 3 α + 3 ⎠.
0 0 α(5−α)
α−3
a) Discutiremos las soluciones del sistema en función de los rangos de Ac y

A, iguales, respectivamente, a los de Ac y A . El término α(5−α)
α−3 se anula
para α = 0 y α = 5. Clasificaremos, por lo tanto, las soluciones según α
sea igual a 0, igual a 5 o distinto de 0 y 5 a la vez. También habrá que
tener en cuenta que la matriz escalonada se ha obtenido suponiendo que
α = 3.
1) α = 0, rg(Ac ) = 2 = rg(A) = 3 → Sistema incompatible.
2) α = 5, rg(Ac ) = 2 = rg(A) = 2 → Sistema compatible indetermi-
nado con un grado de libertad.
3) α = 0 y α = 5, rg(Ac ) = 3 = rg(A) = 3 → Sistema compatible
determinado. (Si se escalona de nuevo la matriz para α = 3 se com-
prueba que el sistema también es compatible determinado para este
caso).
b) Solución del sistema para α = 5 (compatible indeterminado):
x = 5z y = 1 − 4z z = z.
Solución del sistema para α = 0 y α = 5 (compatible determinado):
1 1
x=1 y= z= .
α α
2. Demuéstrese la siguiente proposición: Si A es una matriz cuadrada y A es la

matriz que se obtiene al sumar un múltiplo de una fila de A a otra fila de A
entonces det(A ) = det(A).
Solución: para demostrar la proposición se demostrarán previamente otras dos
proposiciones:
a) Si una matriz cuadrada B de dimensión n tiene una fila proporcional a
otra, entonces det(B) = 0.
Demostración: supóngase que la fila j de B es igual a su fila i multiplicada
por λ, entonces:

b11 . . . b1n b11 . . . b1n

.. .. .. ..
. . . .

bi1 . . . bin bi1 . . . bin

.. = λ .. .. = λ det(B ).
det(B) = ... . .
.
λbi1 . . . λbin bi1 . . . bin

. .. . ..
.. . .
. .
bn1 . . . bnn bn1 . . . bnn
Por otro lado si se intercambian las filas i y j de la matriz B , el determi-

nante de la nueva matriz deberá ser igual a − det(B ); entonces, si se tiene
en cuenta que esta nueva matriz es igual a B (puesto que las fila i es igual
a la fila j):
det(B ) = − det(B ) ⇒ det(B ) = 0 ⇒ det(B) = 0.
b) Sean B, B y B tres matrices cuadradas de dimensión n que verifican lo

siguiente:
bk,j = bkj = bkj , j = 1, . . . , n; k = 1, . . . , i − 1, i + 1, . . . , n;
bi,j = bi,j + bi,j , j = 1, . . . , n.

(La fila i de B es igual a la suma de la fila i de B más la fila i de B , el
resto de los elementos de B (no pertenecientes a la fila i) son iguales a los
de B y a los de B ). Bajo esta hipótesis det(B) = det(B ) + det(B ).
Demostración: si se calcula el determinante de B desarrollando por la fila
i, se obtiene:

n
n
n
n
det(B) = bi,j Bi,j = (bi,j + bi,j )Bi,j = bi,j Bi,j + bi,j Bi,j .
j=1 j=1 j=1 j=1

Debido a que Bi,j = Bi,j = Bi,j , j = 1, . . . , n (los adjuntos de los elementos
de la fila i son iguales en las tres matrices), se deduce que:

n
n
det(B) = bi,j Bi,j

+ bi,j Bi,j

= det(B ) + det(B ).
j=1 j=1
A continuación se utilizarán las proposiciones 2a y 2b para demostrar la propo-

sición del enunciado.

a11 ... a1n
a11 ... a1n a11 ... a1n
.. .. .

. .
. .. .. ..
. . . .
ai1 ... ain ai1 ... ain ai1 ... ain
.. .
det(A ) = .. ..

= .. .. + ..
. . . . . .
aj1 + λai1 . . . ajn + λbin (prop. 2b) aj1 ... ajn λai1 ... λbin
.. .. .. ..
.. .. . . . .
. .
bn1 ... bnn

bn1 ... bnn

bn1 ... bnn
0
(prop. 2a)
La igualdad anterior es cierta por la proposición 2b y como debido a la propo-

sición 2a el segundo determinante de la suma es 0, se concluye que:

a11 ... a1n a11 . . . a1n

.. .. .. ..
. . . .

a . . . a ai1 . . . ain
i1 in
. . .. .. = det(A).
det(A ) = .. .. = . .

aj1 + λai1 . . . ajn + λbin aj1 . . . ajn

.. .. . ..
. . .. .

bn1 ... bnn bn1 . . . bnn
3. Sean U y W dos subespacios de un espacio vectorial V . Se pide demostrar las

siguientes proposiciones:
a) La intersección de U y W es un subespacio vectorial de V .
b) El complementario de U en V (conjunto formado por todos los vectores de
V que no pertenecen a U ) no es un subespacio vectorial de V .
Solución:
a) Para demostrar que U ∩W es un subespacio vectorial de V se va a demostrar
que cualquier combinación lineal de dos vectores cualesquiera de U ∩ W
pertenece también a U ∩ W .
u ∈ U ∩ W ⇒ u ∈ U y u ∈ W,
v ∈ U ∩ W ⇒ v ∈ U y u ∈ W;
por lo tanto:
αu + βv ∈ U (por ser U un subespacio de V ),

αu + βv ∈ W (por ser W un subespacio de V ),
de donde se deduce que αu + βv ∈ U ∩ W .
b) Al ser U un subespacio vectorial de V contiene al vector 0, por lo tanto

su complementario en V que designaremos por U no contiene al vector 0.
Como todo subespacio vectorial de V tiene que incluir el vector nulo, U no
es un subespacio de V .
4. Dado el espacio euclı́deo formado por lR2 y el producto escalar
x · y = 3x1 y1 + 3x2 y2 − x1 y2 − x2 y1 ,
referido a una cierta base {e1 , e2 } de lR2 , se pide:
a) Determinar la expresión del producto escalar en la base {u1 , u2 }, sabiendo

que u1 = e1 + e2 y u2 = −e1 + e2 .
b) Para comprobar el resultado del apartado anterior calcular el producto
escalar de los vectores v = 2u1 + 3u2 y w = u1 − 2u2 , primero expresando
los cálculos en la base {u1 , u2 } y ha continuación expresando los cálculos
en la base {e1 , e2 }.
c) Hallar la proyección ortogonal del vector a = u1 + 2u2 sobre el subespacio
S = {x ∈ lR2 /x1 + x2 = 0}{ei } .

puntos).
Solución
a) La matriz de cambio de base de {ui } a {ei } es

1 −1
P = u1 u2 {ei } = .
1 1
Entonces la matriz del producto escalar en la base {ui } será:

t 1 1 3 −1 1 −1 4 0
G = P GP = =
−1 1 −1 3 1 1 0 8
y la expresión del producto escalar en dicha base será:
x · y = 4x1 y1 + 8x2 y2 .
b) Primero se hacen los cálculos en la base {ui }:

4 0 1
v·w = 2 3 = −40.
0 8 −2
A continuación se calcula el producto escalar en la base {ei }, para ello hay

que empezar hallando las coordenadas en la base {ei } de los vectores v y
w:
1 −1 2 −1
v{ei } = P v{ui } = =
1 1 3 5

1 −1 1 3
w{ei } = P w{ui } = = ,
1 1 −2 −1
y después calcular el producto escalar:

3 −1 3
v · w = −1 5 = −40.
−1 3 −1
Obteniéndose el mismo resultado que al realizar la operación en la base

{ui }.
c) Base de S: {(−1, 1)t{ei } } = {(0, 1)t{ui } }, base ortonormal de S: {c1 =
1
√
2 2
(0, 1)t{ui } }. Por lo tanto:

8 1 0 0
Proy |S a = (a · c1 )c1 = √ √ = .
22 2 1 2 {ui }
5. Dado el endomorfismo f , definido en lR4 de la siguiente forma:
el núcleo del endomorfismo es el subespacio vectorial de ecuaciones implı́ci-

tas: $
x1 = 0
x ∈ lR4 ,
x2 + x3 + x4 = 0 {e }
i
el vector(1, 0, 0, 0)t{ei }
se transforma en si mismo y el vector (0, 1, 1, 1)t{ei }
se transforma en (0, 3, 3, 3)t{ei } ,
se pide:
a) Hallar los valores propios y los correspondientes subespacios propios de f .

b) ¿Es f diagonalizable? Si la respuesta fuese afirmativa determinar una base
respecto a la cual la matriz del endomorfismo sea diagonal. Indicar también
cual es la expresión del endomorfismo diagonalizado.
c) Dado el subespacio de ecuaciones implı́citas:
⎧ % ⎫
⎨ x1 = 0 ⎬
W = x ∈ lR4 x1 + x3 − x4 = 0 ,
⎩ ⎭
x1 − x2 + x4 = 0 {e } i
hallar unas ecuaciones paramétricas de su imagen.

d ) Hallar la matriz del endomorfismo en la base {ei }

Solución:
a) Base de ker(f ) = {v1 = (0, −1, 1, 0)t , v2 = (0, −1, 0, 1)t }, lo cual implica
que λ1 = 0 es un valor propio con s1 = 2 y m1 ≥ 2.
Si se llama v3 a (1, 0, 0, 0) y v4 a (0, 1, 1, 1) se verifica f (v3 ) = v3 y f (v4 ) =
3v4 , por lo que λ2 = 1 es un valor propio con m2 ≥ 1 y 1 ≤ s2 ≤ m2 y
λ3 = 3 es otro valor propio con m3 ≥ 1 y 1 ≤ s3 ≤ m3 .
Como m1 + m2 + m3 ≤ 4, se deduce que m1 = 2, m2 = 1 y m3 = 1, que a
su vez implica que s2 = s3 = 1. Los subespacios propios serán por tanto:
⎧⎛ ⎞ ⎛ ⎞⎫
⎪
⎪ 0 0 ⎪ ⎪
⎨⎜ ⎜ −1 ⎟⎬
⎜ −1 ⎟
⎟ ⎜ ⎟
Base deVλ1 = Base de ker f = ⎝ , ,
⎪
⎪ 1 ⎠ ⎝ 0 ⎠⎪ ⎪
⎩ ⎭
0 1
⎧⎛ ⎞⎫ ⎧⎛ ⎞⎫
⎪
⎪ 1 ⎪⎪ ⎪
⎪ 0 ⎪
⎨⎜ ⎬ ⎨⎜ ⎟⎪ ⎬
0 ⎟ 1
Base deVλ2 = ⎜ ⎟ ,
⎝ 0 ⎠⎪ Base deVλ3 = ⎝ ⎟
⎜ .
⎪
⎪ ⎪ ⎪
⎪ 1 ⎠⎪
⎪
⎩ ⎭ ⎩ ⎭
0 1
b) f es diagonalizable porque si = mi , i = 1, 2, 3. Una base en la que la matriz

del endomorfismo es diagonal estará formada por cuatro vectores propios
linealmente independientes: {v1 , v2 , v3 , v4 }. En esta base la expresión del
⎛ ⎞⎛ ⎞ ⎛ ⎞
0 0 0 0 x1 0
⎜ 0 0 0 0 ⎟ ⎜ x2 ⎟ ⎜ 0 ⎟
f (x) = ⎜ ⎟⎜
⎝ 0 0 1 0 ⎠ ⎝ x3 ⎠ = ⎝ x3 ⎠ .
⎟ ⎜ ⎟
0 0 0 3 x4 3x4
c) El subespacio W coincide con Vλ3 , lo que implica que f (W ) = W por-

que los subespacios propios se transforman en si mismos. Por lo tanto las
ecuaciones paramétricas de f (W ) son:
⎧
⎪
⎪ x1 = 0
⎨
x2 = α
f (W ) : .
⎪
⎪ x3 = α
⎩
x4 = α
d ) Matriz de cambio de base de {vi } a {ei }:

⎛ ⎞
0 0 1 0
⎜ −1 −1 0 1 ⎟
P = (v1 , v2 , v3 , v4 ) = ⎜
⎝ 1
⎟
0 0 1 ⎠
0 1 0 1
Si se llama D a la matriz diagonalizada del endomorfismo y A a la matriz

del endomorfismo en la base {ei }, se tiene que:

0 0
2 0 −1/3 2/3 −1/3 3
1 0 0 0 0 0
A = P DP −1 = −1
1
−1
0
0
0
1
1
0
0
0
0
0
1
0
0
0 −1/3 −1/3 2/3
1 0 0 0
=
0 1 0 1 0 0 0 3 0 1/3 1/3 1/3
1 0 0 0
0111 .
0111
0111

1. Sea L una función de lR en lR que verifica L (x) = 1/x. Se pide hallar las
derivadas de las funciones siguientes:
a) h1 (x) = L( x1 )
b) h2 (x) = L( 2x+1
1−x )
Puntuación de la pregunta: 5 puntos ((a) 2,5 puntos, (b) 2,5 puntos).

Solución. Se aplica la regla de la cadena al cálculo de las dos derivadas pedidas:

a) Haciendo p(x) = x1 p (x) = − x12 ,

1 1 1
h1 (x) = L (p(x))p (x) = − 2 =− .
p(x) x x
0 1
b) Haciendo q(x) = 2x+1
1−x q (x) = 3
(1−x)2 ,
1 3 3
h2 (x) = L (q(x))q (x) = = .
q(x) (1 − x)2 (2x + 1)(1 − x)
√
2. Sea f una función de lR en lR tal que f (2) = −3 y f (x) = x2 + 5. Si

x
g(x) = x2 f ,
x−1
se pide hallar g (2).

Puntuación de la pregunta: 5 puntos

Solución. Se aplica de nuevo la regla de la cadena. Haciendo

x 1
z(x) = z (x) = − ,
x−1 (x − 1)2
se obtiene:
g (x) = 2xf (z(x)) + x2 f (z(x))z (x) ⇒ g (2) = 2 · 2f (z(2)) + 22 f (z(2))z (2).
√
Como z(2) = 2, z (2) = −1, f (z(2)) = f (2) = −3 y f (z(2)) = f (2) = 4 + 5 =
3, se concluye que:
g (2) = 4 · (−3) + 4 · 3 · (−1) = −24.

2005
1. En el diagrama adjunto (ver la figura C.9) se muestra una red de calles de
un solo sentido (coincidente con las flechas). Por la intersección A entran 500
coches/hora en la red y de las intersecciones B y C salen 400 coches/hora y 100
coches/hora respectivamente. Se pide determinar los flujos circulatorios (f1 , f2 ,
f3 , f4 , f5 y f6 ) medidos en coches/hora en las seis ramas de la red. Para ello
será necesario resolver un sistema lineal de cuatro ecuaciones con seis incógnitas
obtenido al aplicar sobre cada uno de los nodos de la red la siguiente regla:
El número de coches/hora que entra en cada uno de los nodos de la red, debe
ser igual al número de coches/hora que sale del nodo en cuestión.
A partir de la solución obtenida se pide también contestar a las dos preguntas
siguientes:
¿Es posible que f1 sea mayor que 400 coches/hora?
¿Es posible que f5 − f6 sea mayor que 100 coches/hora?
Solución: aplicando la regla del enunciado a los cuatro nodos del diagrama se
obtienen las cuatro ecuaciones del sistema.
Nodo A: f1 + f2 + f3 = 500,
Nodo B: f1 + f4 + f6 = 400,
Nodo C: f3 + f5 − f6 = 100,
Nodo D: f2 − f4 − f5 = 0.
500 A f1 B 400
f2 f4
f3
f6
f5
C
100
Figura C.9: Red de tráfico a la que hace referencia el ejercicio 1.
Expresando matricialmente el sistema anterior:

⎛ ⎞
⎛ ⎞ f1 ⎛ ⎞
1 1 1 0 0 0 ⎜ f2 ⎟ 500
⎜ ⎟
⎜ 1 0 0 1 0 1 ⎟ ⎜ ⎟ ⎜ 400 ⎟
⎜ ⎟ ⎜ f3 ⎟=⎜ ⎟
⎝ 0 0 1 0 1 −1 ⎠ ⎜ ⎟ ⎝ 100 ⎠ .
⎜ f4 ⎟
0 1 0 −1 −1 0 ⎝ f5 ⎠ 0
f6
Realizando operaciones elementales en la matriz ampliada se obtiene:
⎛ ⎞
1 1 1 0 0 0 500
⎜ 0 −1 −1 1 0 1 −100 ⎟
⎜ ⎟,
⎝ 0 0 1 0 1 −1 100 ⎠
0 0 0 0 0 0 0
de donde es fácil obtener la solución pedida:
f3 = 100 − f5 + f6 ,
f2 = f5 + f4 ,
f1 = 400 − f4 − f6 .
Por lo tanto el sistema es compatible indeterminado con tres grados de libertad

(en este caso se han elegido f4 , f5 y f6 como variables independientes). Como
las calles son de sentido único: f1 > 0, f2 > 0,f3 > 0, f4 > 0,f5 > 0 y f6 > 0,
f1 = 400 − (f4 + f6 ) ⇒ f1 ≤ 400,

≥0
y, en consecuencia, f1 no puede ser mayor que 400 coches/hora.

Por otro lado
f3 = 100 − (f5 − f6 ) ⇒ f5 − f6 = 100 − f3 ⇒ f5 − f6 ≤ 100,

≥0
y f5 − f6 no puede ser mayor que 100 coches/hora.

2. Sea f : V → W una aplicación lineal entre dos espacios vectoriales de dimensio-
nes respectivas n y m y sean {ei }i=1...n una base de V y {ui }i=1...m una base
de W . Si A es la matriz asociada a f en las bases {ei }i=1...n y {ui }i=1...m , se
pide:
a) Indicar cual es la dimensión de A
b) Comprobar que las columnas de A coinciden con las coordenadas de los
vectores imágen (f (ei )i=1...n ) de los vectores de la base {ei }i=1...n expre-
sados en la base {ui }i=1...m .
Puntuación de la pregunta: 5 puntos ((a) 1 punto, (b) 4 puntos).
Solución:
a) Representación matricial de la aplicación f :
⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
y1 a11 . . . a1n x1 x1
⎜ .. ⎟ ⎜ .. .. .. ⎟ ⎜ .. ⎟ = A ⎜ .. ⎟ .
⎝ . ⎠=⎝ . . . ⎠⎝ . ⎠ ⎝ . ⎠
ym am1 . . . amn xn xn
Por lo tanto la dimensión de A es m × n.

b) Se calcula la imagen del vector ei = (0, . . . , 1, . . . , 0)t (vector que tiene
todas sus coordenadas nulas menos la i−ésima):
⎛ ⎞ ⎛ ⎞
0 a1i
⎛ ⎞⎜ . ⎟ ⎜ . ⎟
a11 · · · a1i · · · a1n ⎜ .. ⎟ ⎜ .. ⎟
⎜ .. . . ⎟⎜ ⎜
⎟ ⎜
⎟ ⎜
⎟
⎟.
f (ei ) = ⎝ . ··· .
. ··· . ⎠ ⎜ 1 ⎟ = ⎜ aii
. ⎟
⎜ . ⎟ ⎜ . ⎟
am1 · · · ami · · · amn ⎝ .. ⎠ ⎝ .. ⎠
0 ami
3. Dado el espacio euclı́deo formado por lR2 y el producto escalar
x · y = 2x1 y1 + x2 y2 ,
referido a una cierta base {e1 , e2 } de lR2 , se pide:

a) Determinar la expresión del producto escalar en la base {u1 , u2 }, sabiendo

que
e1 = u1 + 12 u2 ,
e2 = u1 + u2 .
b) Para comprobar el resultado del apartado anterior calcular el producto
escalar de los vectores v = 2u1 + 3u2 y w = u1 − 2u2 , primero expresando
los cálculos en la base {u1 , u2 } y a continuación expresando los cálculos en
la base {e1 , e2 }.
c) Hallar la proyección ortogonal del vector a = u1 + 2u2 sobre el subespacio
S = {x ∈ lR2 /x1 + x2 = 0}{ei } .
puntos).
Solución:
a) La matriz de cambio de base de {ui } a {ei } es
−1
2 −2 1 1
P = u1 u2 {ei } = = .
−1 2 1/2 1
Entonces la matriz del producto escalar en la base {ui } será:

2 −1 2 0 2 −2 9 −10
G = P t GP = =
−2 2 0 1 −1 2 −10 12
y la expresión del producto escalar en dicha base será:
x · y = 9x1 y1 + 12x2 y2 − 20x1 y2 .
b) Primero se hacen los cálculos en la base {ui }:

9 −10 1
v·w = 2 3 = −44.
−10 12 −2
A continuación se calcula el producto escalar en la base {ei }, para ello hay
que empezar hallando las coordenadas en la base {ei } de los vectores v y
w:
2 −2 2 −2
v{ei } = P v{ui } = =
−1 2 3 4

2 −2 1 6
w{ei } = P w{ui } = = ,
−1 2 −2 −5
y después calcular el producto escalar:

2 0 6
v · w = −2 4 = −44.
0 1 −5
Obteniéndose el mismo resultado que al realizar la operación en la base
{ui }.
c) Se van a realizar los cálculos en referidos a {ei }. Base de S: {(−1, 1)t{ei } },

base ortonormal de S: {c1 = √13 (1, −1)t{ei } }, expresión del vector a en la
base {ei }:

2 −2 1 −2
a= = .
−1 2 2 3 {e }
i
Por lo tanto:

7 1 1 −7/3
Proy |S a = (a · c1 )c1 = − √ √ = .
3 3 −1 7/3 {ei }
4. Considérese el endomorfismo f : lR4 → lR4 representado, en una cierta base

{ei }i=1,...,4 , por la matriz
⎛ ⎞
4 −1 1 −3
⎜ 0 2 2 −2 ⎟
A=⎜
⎝ 0
⎟,
1 3 −1 ⎠
0 −1 1 1
se pide:
a) Determinar cuales de los tres vectores:

t t t
a= 1 0 1 1 {ei }
, b= 2 1 0 0 {ei }
yc= 1 1 0 1 {ei }
son vectores propios de f . Si alguno de ellos lo fuera, indicar cual es su

valor propio asociado.
b) Hallar todos los valores propios de f .
c) Deducir si f es diagonalizable. En caso de que la respuesta sea afirmativa,
determinar la expresión del endomorfismo diagonalizado y hallar una base
de lR4 formada por vectores propios.

puntos).
Solución:
a)
⎛ ⎞⎛ ⎞ ⎞ ⎛ ⎛ ⎞
4 −1 1 −3 1 2 1
⎜ 0 2 2 −2 ⎟⎜ 0 ⎟ ⎜ 0 ⎟ ⎜ 0 ⎟
Aa = ⎜
⎝ 0
⎟⎜ ⎟ = ⎜ ⎟ = 2⎜ ⎟,
1 3 −1 ⎠ ⎝ 1 ⎠ ⎝ 2 ⎠ ⎝ 1 ⎠
0 −1 1 1 1 2 1
de donde se deduce que a es un vector propio de f asociado al valor propio

λ = 2. ⎛ ⎞⎛ ⎞ ⎛ ⎞
4 −1 1 −3 2 7
⎜ 0 2 2 −2 ⎟ ⎜ ⎟ ⎜ ⎟
Ab = ⎜ ⎟⎜ 1 ⎟ = ⎜ 2 ⎟.
⎝ 0 1 3 −1 ⎠ ⎝ 0 ⎠ ⎝ 1 ⎠
0 −1 1 1 0 −1
En este caso t
2 1 0 0
no es vector propio puesto que
t t
2 1 0 0 y 7 2 1 −1
no son proporcionales.
⎛ ⎞⎛ ⎞ ⎞ ⎛ ⎛ ⎞
4 −1 1 −3 1 0 1
⎜ 0 2 2 −2 ⎟ ⎜ ⎟ ⎜ 0 ⎟ ⎜ ⎟
Ac = ⎝⎜ ⎟⎜ 1 ⎟ = ⎜ ⎟ = 0⎜ 0 ⎟,
0 1 3 −1 ⎠ ⎝ 0 ⎠ ⎝ 0 ⎠ ⎝ 1 ⎠
0 −1 1 1 1 0 1
de donde se deduce que c es un vector propio asociado al valor propio

λ = 0. De este primer apartado se concluye que f tiene por lo menos dos
valores propios reales: 2 y 0.
b) Resolviendo la ecuación caracterı́stica |A − λI| = 0 se obtienen el resto de
los valores propios de f :
|A − λI| = (λ − 4)2 (λ − 2)λ = 0.
Por lo tanto el endomorfismo tiene 3 valores propios: λ1 = 4 de multi-

plicidad algebraica 2 λ2 = 0 de multiplicidad algebraica 1 y λ3 = 2 de
multiplicidad algebraica 1.
c) Hallamos los subespacios propios para obtener la multiplicidad geométrica
de λ1 (la de λ2 y λ3 tiene que se necesariamente uno porque la multiplicidad
geométrica nunca puede ser mayor que la multiplicidad algebraica):
0 −1 1 −3 x1 0
0 −2 2 −2
Vλ1 = x ∈ lR /(A − 4I)x = 0 =
4
x ∈ lR / 3
0 1 −1 −1
x2
x3 = 0
0 .
0 −1 1 −3 x4 0
Base de Vλ1 : {c1 = (1, 0, 0, 0)t , c2 = (0, 1, 1, 0)t }.
Como la dimensión de Vλ1 es 2, la multiplicidad geométrica de λ1 es 2 lo

que implica que el endomorfismo f es diagonalizable puesto que coinciden
las multiplicidades algebraicas (mi ) y geométricas (si ) de sus tres valores

propios:
λ1 → m1 = 2, s1 = 2
λ2 → m2 = 1, s2 = 1
λ3 → m3 = 1, s3 = 1
Para obtener una base de lR4 formada por vectores propios se hallan las
bases de los otros dos subespacios propios. Como se sabe por el apartado
4a que a es un vector propio asociado a λ3 = 2 y c es un vector propio
asociado a λ2 = 0, y, por otro lado, la dimensión de Vλ2 coincide con la de
Vλ3 y ambas son iguales a 1 (por ser s2 = s3 = 1), se tiene que:
Base de Vλ2 : {c3 = c}, Base de Vλ3 : {c4 = a}.
Si se hallan las bases de Vλ2 y de Vλ3 a partir de sus ecuaciones implı́citas,

se obtiene el mismo resultado:
4 −1 1 −3 x1 0

Vλ2 = x ∈ lR4 /(A − 0I)x = 0 = x ∈ lR3 / 00 21 23 −2 −1
x2
x3 = 00 .
0 −1 1 1 x4 0
Base de Vλ2 : {c3 = (1, 1, 0, 1)t }.

2 −1 1 −3 x1 0

Vλ3 = x ∈ lR4 /(A − 2I)x = 0 = x ∈ lR3 / 00 01 21 −2 −1
x2
x3 = 00 .
0 −1 1 −1 x4 0
Base de Vλ3 : {c4 = (1, 0, 1, 1)t }.
lR3 formada por vectores propios: {c1 , c2 , c3 , c4 }. En esta base la expresión
t
f (x) = (4x1 , 4x2 , 0, 2x4 ) .
C.15. Examen final de la convocatoria de septiem-

bre de 2005
1. El propietario de un restaurante planea utilizar x mesas de 4 personas, y mesas
de 6 personas y z mesas de 8 personas, siendo el total de mesas igual a 20.
En plena ocupación se sientan en las mesas 108 clientes. Por otro lado cuando
solo se utilizan la mitad de las mesas de 4 personas, la mitad de las mesas de
6 personas y un cuarto de las mesas de 8 personas, todas ellas completamente
ocupadas, entonces solo hay 46 clientes. Se pide obtener el número de mesas de
cada tipo (x, y y z) que hay en el restaurante.
Solución: El enunciado permite plantear un sistema de tres ecuaciones con tres
incógnitas
Total de mesas igual a 20: x+y+z = 20.

Plena ocupación, 108 clientes: 4x + 6y + 8z = 108.
Ocupación parcial, 46 clientes: 2x + 3y + 2z = 46.
Expresando matricialmente el sistema anterior:

⎛ ⎞⎛ ⎞ ⎛ ⎞
1 1 1 x 20
⎝ 4 6 8 ⎠ ⎝ y ⎠ = ⎝ 108 ⎠ .
2 3 2 z 46
Realizando operaciones elementales en la matriz ampliada se obtiene:
⎛ ⎞
1 1 1 20
⎝ 0 1 2 14 ⎠ ,
0 0 −2 −8
de donde es fácil obtener la solución pedida:
x = 10,
y = 6,
z = 4.
2. Dados los subespacios de lR4
V1 = (1, 2, 0, 1)t , V2 = (x, y, z, t)t /x − y + z + t = 0, y − z = 0
y ⎧
⎪
⎪ x1 =λ
⎨
x2 =λ+µ
V3 = ,
⎪
⎪ x3 =γ
⎩
x4 =µ
se pide:
a) ¿Pertenece el vector v = (2, 4, 0, 2)t a V1 , V2 o V3 ?

b) En los casos afirmativos obtener las coordenadas del vector respecto a una
base cualquiera del subespacio correspondiente.
Puntuación de la pregunta: 10 puntos ((a) 3 punto, (b) 7 puntos).
Solución
a) Como (2, 4, 0, 2)t = 2(1, 2, 0, 1)t , v ∈ V1 .
Las coordenadas de v no verifican la segunda ecuación implı́cita de V2 , por
lo tanto v ∈
/ V2 .
Por último si se sustituyen las coordenadas de v en las ecuaciones pa-
ramétricas de V3 , se obtiene un sistema en λ, µ y γ que es compatible
determinado (de solución λ = µ = 2, γ = 0), por lo tanto v ∈ V3 .
b) Base de V1 : {c1 = (1, 2, 0, 1)t },
v = 2(1, 2, 0, 1)t = 2c1 = (2){c1 } .
Base de V3 : {a1 = (1, 1, 0, 0)t , a2 = (0, 1, 0, 1)t , a3 = (0, 0, 1, 0)t },
v = 2(1, 1, 0, 0)t +2(0, 1, 0, 1)t +0(0, 0, 1, 0)t = 2a1 +2a2 +0a3 = (2, 2, 0)t{a1 ,a2 ,a3 } .

⎛ ⎞⎛ ⎞
1 0 1 y1
x.y = x1 x2 x3 ⎝ 0 2 0 ⎠ ⎝ y2 ⎠ .
1 0 3 y3
Se pide:
a) Comprobar si los subespacios de E, W = {x ∈ E/x1 − x3 = 0, x3 + x2 = 0}
y V = {x ∈ E/x1 − x2 + 2x3 = 0} son ortogonales.
Solución:
⎧
⎨ x1 = α
W : x2 = −α ⇒ Base de W = {(1, −1, 1)t }.
⎩
x3 = α v1

⎧
⎨ x1 = α − 2β
V : x2 = α ⇒ Base de V = {(1, 1, 0)t , (−2, 0, 1)t }.
⎩
x3 = β v2 v3

⎛ ⎞⎛ ⎞ ⎛ ⎞
1 0 1 1 1
v1 ·v2 = 1 −1 1 ⎝ 0 2 0 ⎠ ⎝ 1 ⎠ = 2 −2 4 ⎝ 1 ⎠ = 0,
1 0 3 0 0

G
y
⎛ ⎞⎛ ⎞
1 0 1 −2 0 1
v1 · v3 = 1 −1 1 ⎝ 0 2 0 ⎠ ⎝ 0 ⎠ = ( 2 −2 4 ) −2
0 = 0,
1
1 0 3 1

G
W y V son ortogonales.
⎛ ⎞
x1
1 1 0 G ⎝ x2 ⎠ = x1 + 2x2 + x3 = 0,
x3
⎛ ⎞
x1
−2 0 1 G ⎝ x2 ⎠ = −x1 + x3 = 0.
x3
⎧
⎨ x1 = α
⊥
V : x2 = −α ⇒ Base de V ⊥ = {(1, −1, 1)t }.
⎩
x3 = α
Por lo tanto V ⊥ = W . Se podı́a haber llegado a este resultado sin realizar

ninguna operación ya que si V y W son ortogonales y además dim(V ) +
dim(W ) = 3 entonces V ⊥ = W (todos los vectores ortogonales a V están
en W ).
4. Considérese el endomorfismo f : lR3 → lR3 representado, en una cierta base, por

la matriz ⎛ ⎞
5 0 −4
A=⎝ 0 3 0 ⎠.
2 0 −1
Se pide:
a) Sabiendo que λ1 = 3 es un valor propio de f , comprobar que el vector
v1 = (2, 0, 1)t es un vector propio de f asociado a λ1 .
b) Hallar el resto de los valores propios de f .
c) ¿Es f diagonalizable? En caso de que la respuesta sea afirmativa, obtener
una base de lR3 formada por vectores propios y determinar la expresión
del endomorfismo en dicha base.
d ) Hallar A10 .
Puntuación de la pregunta: 20 puntos ((a) 3 punto, (b) 5 puntos, (c) 6
Solución:
a) ⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞
5 0 −4 2 6 2
Au = ⎝ 0 3 0 ⎠⎝ 0 ⎠ = ⎝ 0 ⎠ = 3⎝ 0 ⎠.
2 0 −1 1 3 1
b) Resolviendo la ecuación caracterı́stica |A − λI| = 0 se obtienen los valores
propios, λ1 = 3 de multiplicidad algebraica 2 y λ2 = 1 de multiplicidad
algebraica 1.
c) Hallamos los subespacios propios para hallar la multiplicidad geométrica
de λ1 (que puede ser 1 o 2, la de λ2 tiene que ser necesariamente 1) y para
obtener (en el caso de que el endomorfismo sea diagonalizable) una base
de lR3 formada por vectores propios :

Vλ1 = x ∈ lR3 /(A − 3I)x = 0 =
⎧ ⎛ ⎞⎛ ⎞ ⎛ ⎞⎫
⎨ 2 0 −4 x1 0 ⎬
x ∈ lR3 / ⎝ 0 0 0 ⎠ ⎝ x2 ⎠ = ⎝ 0 ⎠ .
⎩ ⎭
2 0 −4 x3 0
Base de Vλ1 : {c1 = (2, 0, 1)t , c2 = (0, 1, 0)t }.
Por lo tanto s1 = dim(Vλ1 ) = 2 y f es diagonalizable puesto que m1 =

s1 = 2 y m2 = s2 = 1.

Vλ2 = x ∈ lR3 /(A − I)x = 0 =
⎧ ⎛ ⎞⎛ ⎞ ⎛ ⎞⎫
⎨ 4 0 −4 x1 0 ⎬
x ∈ lR3 / ⎝ 0 2 0 ⎠ ⎝ x2 ⎠ = ⎝ 0 ⎠ .
⎩ ⎭
2 0 −2 x3 0
Base de Vλ2 : {c3 = (1, 0, 1)t }.
Uniendo las bases de los dos subespacios propios se obtiene una base de
lR3 formada por vectores propios: {c1 , c2 , c3 }. En esta base la expresión
t
f (x) = (3x1 , 3x2 , x3 ) .
d ) Si se denomina D a la matriz (diagonal) asociada a f en la base {c1 , c2 , c3 },

se verifica: ⎛ ⎞
3 0 0
D = ⎝ 0 3 0 ⎠ = P −1 AP
0 0 1
en donde ⎛ ⎞
2 0 1
P =⎝ 0 1 0 ⎠
1 0 1
es la matriz de cambio de base de {ci } a {ei } (P = (c1 , c2 , c3 ){ei } ). Si se
despeja A de la expresión anterior se obtiene A = P DP −1 . Si se eleva A a
10: 10
A10 = P DP −1 = P D10 P −1 =
⎛ ⎞ ⎛ 10 ⎞⎛ ⎞
2 0 1 3 0 0 1 0 −1
⎝ 0 1 0 ⎠ ⎝ 0 310 0 ⎠⎝ 0 1 0 ⎠=
1 0 1 0 0 1 10
−1 0 2
⎛ ⎞
2(310 ) − 1 0 −2(310 ) + 2
⎝ 0 3 10
0 ⎠=
3 −1
10
0 −3 + 2
10
⎛ ⎞
118097 0 −118096
⎝ 0 59049 0 ⎠
59048 0 −59047
Bibliografı́a
Álgebra lineal
[1] H. Anton. Introducción al Álgebra lineal (II Ed.). Ed. Limusa Noriega editores,
1993.
[2] J. de Burgos. Álgebra lineal. Ed. McGraw Hill, 1993.
[3] F. Coquillat. Espacios Vectorial, Afı́n y Euclı́deo. Tebar Flores, 1985.
[4] B. de Diego, E. Gordillo y G. Valeiras. Problemas de Álgebra lineal. Ed. Deimos,

1986.
[5] L.I. Golovina. Álgebra lineal y sus aplicaciones. Ed. Mir, 1983.
[6] S. I. Grossman. Álgebra lineal (V Ed.). Ed. Mc Graw Hill, 1996.
[7] E. Hernández, Álgebra y Geometrı́a. Ediciones de la UAM, 1987.
[8] M. Krasnov, A. Kiseliov, G. Makarenko y E. Shikin. Curso de matemáticas su-

periores para ingenieros. Ed. Mir, 1994.
[9] S. Lang. Linear Algebra, 3rd edition. Springer, 1987.
[10] D. C. Lay. Álgebra lineal y sus aplicaciones, 2a Ed. Addison-Wesley Longman,

1999.
[11] S. Lipschutz. Álgebra lineal (II Ed.). Ed. McGraw Hill, 1992.
[12] G. Nakos, D. Joyner. Álgebra lineal con aplicaciones. International Thomson

Editores 1998.
[13] J. Ortega. Matrix theory: a second course. Plenum Press, 1987.
[14] I. Proskuriakov. 2000 problemas de Álgebra lineal. Ed. Reverté 1991. (Ed. Mir
1986).
553
554 BIBLIOGRAFÍA
[15] J. Rojo. Álgebra lineal. Ed. McGraw Hill, 2001.
[16] J. Rojo y I. Martı́n. Ejercicios y problemas de álgebra lineal. Ed. McGraw Hill,
1994.
[17] P. Sanz, F. J. Vázquez y P. Ortega. Problemas de álgebra lineal. Cuestiones,

ejercicios y tratamiento en Derive. Ed. Prentice Hall, 1998.
[18] L. Schwartz. Les Tenseurs, 2eme tirage. Ed. Hermann, 1981.
[19] G. Strang. Álgebra lineal y sus aplicaciones. Ed.Addison-Wesley Iberoamericana,

1980.
[20] A. de la Villa. Problemas de álgebra. Ed.: CLAGSA, 1998.
[21] C. G. Cullen. Linear Algebra with applications, 2nd Ed. Addison Wesley 1997.
Cálculo
[22] H. Anton. Calculus (V Edición). Ed. John Wiley & Sons, Inc., 1995.
[23] T. M. Apostol. Calculus. Ed. Reverté, 1992.
[24] T.M. Apostol. Análisis Matemático 2a edición. Ed. Reverté, 1991.
[25] J. de Burgos. Cálculo infinitesimal de una variable y Cálculo infinitesimal de

varias variables. Ed. McGraw Hill, 1994 y 1995.
[26] R.V. Churchill. Complex variables and applications, 5th edition. McGraw-Hill,
1989.
[27] F. Coquillat. Cálculo integral, metodologı́a y problemas. Ed. Tebar Flores, 1997.
[28] R. Courant, F. John. Introduction to Calculus and Analysis (2 Vols.). Springer-

Verlag 1999.
[29] B. P. Demidovich. 5000 problemas de Análisis Matemático. Ed. Paraninfo, 1989.
[30] J. A. Dı́az-Hernando. Cálculo diferencial: Funciones reales de una variable y

Cálculo diferencial: Funciones reales de varias variables. Representación de cur-
vas. (II Ed.). Ed. Tebar Flores, 1991.
[31] A.S. Fokas y M.J. Ablowitz. Complex Variables: Intoduction and Applications.
Cambridge University Press. 1997.

BIBLIOGRAFÍA 555
[33] R. E. Larson, R. P. Hostetler y B. H. Edwards. Cálculo (V Ed.). Ed. McGraw

Hill, 1995.
[34] J. Lelong - Ferrand. Ejercicios resueltos de Análisis. Ed. Reverte, 1986.
[35] D. Lovelock, H. Rund. Tensors, Differential forms and Variational Principles.
Dover, 1987.
[36] A. Markusevich. Teorı́a de las funciones analı́ticas. Ed Mir, 1978.
[37] J. Marsden y A. Weinstein. Calculus. Ed. Springer, 1985.
[38] J. E. Marsden y A. J. Tromba. Cálculo vectorial (III Ed.). Ed Addison-Wesley
Iberoamericana, 1991.
[39] S. L. Salas, E. Hille. Calculus. Reverté, 1994.
[40] M. R. Spiegel. Teorı́a y problemas de Cálculo superior. Ed: McGraw-Hill, 1969.
[41] M.R. Spiegel. Variable Compleja. Ed. McGraw-Hill, 1988.
[42] M. Spivak, Cálculo Infinitesimal, Segunda edición, Editorial Reverté, Barcelona,
1996.
[43] J. Stewart, Calculus, 4th edition, Brooks/Cole Pub. Co., 1999.
Ecuaciones diferenciales
[44] I. Acero y M. López. Ecuaciones diferenciales. Teorı́a y problemas. Ed. Tebar
Flores, 1997.
[45] H. Anton. Calculus (V Edición). Ed. John Wiley & Sons, Inc., 1995.
[46] F. Ayres Jr.. Ecuaciones diferenciales. Ed. McGraw Hill, 1970.
[47] W. E. Boyce y R. C. DiPrima. Elementary differential equations and boundary
value problems. Ed. Wiley, 1992.
[48] S. L. Campbell y R. Haberman. Introducción a las ecuaciones diferenciales. Ed.
McGraw Hill 1998.
[49] R. Courant, F. John. Introduction to Calculus and Analysis (2 Vols.). Springer-
Verlag 1999.
[50] L. Elsgoltz. Ecuaciones diferenciales y cálculo variacional. Ed. Mir, 1983.
[51] V. Fraile. Ecuaciones diferenciales. Ed. Tebar Flores, 1991.
[52] M. de Guzmán. Ecuaciones diferenciales ordinarias. Teorı́a de estabilidad y con-
trol. Ed. Alhambra Universidad, 1975.
556 BIBLIOGRAFÍA
[53] M. W. Hirsh, S. Smale. Differential Equations, dynamical systems and linear

algebra. Ed. Academic Press, 1974.
[55] M. Krasnov, A. Kiseliov y G. Makarenko. Problemas de ecuaciones diferenciales
ordinarias. Ed. Mir, 1994.
[56] F. Marcellán, L. Casaús y A. Zarzo. Ecuaciones diferenciales. Problemas lineales
y aplicaciones. Ed. McGraw Hill, 1991.
[57] C. Martı́nez y M. A. Sanz. Ecuaciones diferenciales ordinarias. Ed. Reverté, 1991.
[58] S. Novo, R. Obaya y J. Rojo. Ecuaciones y sistemas diferenciales. Ed. AC, 1992.
[59] D. G. Zill. Ecuaciones diferenciales con aplicaciones al modelado (VI Ed.). Ed.
International Thomson, 1997.
Métodos numéricos
[60] R. L. Burden y J. D. Faires. Análisis Numérico (VI Edición). Ed. Internacional
Thomson editores, 1998.
[61] C. Conde y G. Winter. Métodos y algoritmos básicos del álgebra numérica. Ed.
Reverté, 1989.
[62] M. Crouzeix y A.L. Mignot. Analyse numérique des équations différentielles. Ed.
Masson, 1989.
[63] G. H. Golub y C. F. Van Loan. Matrix computations (III Ed.), 1996.
[64] G. H. Golub y J. M. Ortega. Scientific computing: an introduction with parallel
computing. Academic Press Inc., 1993.
[65] D. Kincaid y W. Cheney. Análisis Numérico. Las matemáticas del cálculo cientı́fi-
co. Ed. Addison-Wesley Iberoamericana, 1994.
[66] P.Lascaux y R. Théodor. Analyse numérique appliquée a l’art de l’ingénieur. Ed.
Masson, 1987.
[67] J. Ortega. Numerical Analysis: a second course. SIAM (reprint of 1972 original),
1990.
[68] L. F. Shampine, R. C. Allen, Jr., S. Pruess. Fundamentals of numerical compu-
ting. John Wiley & Sons, 1997.
[69] J. Stoer y R. Bulirsch. Introduction to numerical analysis. Ed. Springer Verlag,
1993.
BIBLIOGRAFÍA 557
Libros especı́ficos para Ciencias Medioambientales

[70] D. Mooney, R. Swift. A course in mathematical modelling. The mathematical
association of America, 1999.
[71] P. C. Reist. Applied Mathematics for Environmental Engineers and Scientists.

McGraw Hill, 1998.
[72] B. Scott. Maple for Environmental Sciences: A helping hand. Springer Verlag,
2001.
[73] N. Zumoff, C. Schaufele. Earth Angles, Precalculus mathematics with applica-

tions to environmental issues. Addison Wesley, 1999.
[74] N. Zumoff, C. Schaufele. Earth Algebra, College algebra with applications to

environmental issues. Addison Wesley, 1999.
[75] N. Zumoff, C. Schaufele. Earth Studies, Applied Calculus. Kendall/Hunt Publis-
hing, 2000.
Libros especı́ficos para Ingenierı́a Quı́mica

[76] A. Constantinides, N. Mostoufi. Numerical Methods for Chemical Engineers with
MATLAB Applications. Prentice Hall, 1999.
[77] D. Do, R. G. Rice. Applied Mathematics and Modeling for Chemical Engineers
(Wiley Series in Chemical Engineering). John Wiley & Sons 1994.
[78] O. T. Hanna, O. C. Sandall. Computational methods in chemical engineering.
Ed. Prentice Hall, 1995.
[79] E. Kreyszig. Advanced Engineering Mathematics, 8th edition. Wiley, 1999.
[80] N. W. Loneay. Applied Mathematical Methods for Chemical Engineers, CRC

Press 2000.
[81] J. B. Riggs. Introduction to Numerical Methods for Chemical Engineers. Texas

Tech University Press 1994.
Índice alfabético
Adjunto, 50 Cambio de variable, 252

Ángulo Cambio de variables, 257
de dos planos, 139 Campo
de dos rectas, 139 escalar, 264
de dos vectores, 108 vectorial, 263
de recta y plano, 139 Centro, 316
Antecedente, 84 Centro de masas, 259
Aplicación, 83 Circulación, 267
Aplicación Cociente de dos complejos, 367
biyectiva, 92 Combinación lineal, 34
inyectiva, 91 Complemento
lineal, 84 ortogonal, 111
sobreyectiva, 92 Cóncava, 187
Área Condición de Riemann, 237
de un dominio plano, 251 Conjugado de un número complejo, 368
de una superficie, 270 Conjunto
Argumento principal, 364 fundamental, 312
Ası́ntota origen, 84
horizontal, 188 Convexa, 187
oblicua, 188 Coordenadas
vertical, 188 afines de un punto, 132
Automorfismo, 92 de un vector, 67
Autovalor, 122 Criterio de Lebesgue, 237
Autovector, 122 Curva simple cerrada, 267
Base, 66 Dependencia lineal, 34

Base Derivada, 174
canónica, 78, 93 Derivada
ortogonal, 109 k-ésima, 182
ortonormal, 109, 111 de la función inversa, 178
direccional, 202
Cabecera de la fila, 26 implı́cita, 180
Cambio de base, 93, 106 lateral, 174
Cambio de referencia afı́n, 132 material, 223
559
560 ÍNDICE ALFABÉTICO
paramétrica , 180 lineal, 19, 20

parcial, 202 no lineal, 20
parcial de orden n, 210 Ecuaciones implı́citas, 73
sustancial, 223 Ecuaciones paramétricas, 73
Descenso, 160 Endomorfismo, 84, 121
Desigualdad Endomorfismo
de Cauchy-Schwarz, 107 diagonalizable, 125
triangular, 107 Error
Determinante, 49, 50 de interpolación, 321
Diagonalizable por semejanza, 125 de redondeo, 145
Diagonalización, 151 Espacio
Diferencial, 204 afı́n euclı́deo, 131
Diferencial de dirección, 131
de función compuesta, 219 euclı́deo, 104
Diferencias divididas, 322, 323 métrico completo, 350
Dimensión, 68 vectorial, 61
Distancia, 107 Euler
Distancia método de, 333
de un punto a un plano, 140 Extremos
de un punto a una recta, 139 absolutos, 185
entre dos puntos, 139 relativos, 185
entre dos rectas, 141
Divergencia, 265 Factor integrante, 285
Dominio de integración Factorización LU, 154
tipo 1, 249 Flujo, 270
tipo 2, 249 Foco, 316
tipo 3, 249 Foco
Dominio de una función, 164 inestable, 316
Forma
Ecuación diferencial de una e.d.o., 279
caracterı́stica, 124 implı́cita de una e.d.o., 279
diferencial, 276 normal de una e.d.o., 279
diferencial Fórmula
de tipo homogéneo, 281 de Newton, 322
de variables separadas, 280 de Simpson, 331
en derivadas parciales, 276 del paralelogramo, 107
exacta, 283 del punto medio, 329
homogénea, 277 del rectángulo, 329
lineal, 277 del trapecio, 330
lineal de coeficientes ctes. , 290 Fórmulas
lineal homogénea, 289 de Newton-Cotes, 330
lineal no homogénea, 289 Función, 164
ordinaria, 276 Función
vectorial, 310 cóncava, 187
ÍNDICE ALFABÉTICO 561
continua, 173 direccional, 199

continua de varias variables, 201 doble, 199
convexa, 187 indeterminado, 172
de clase k, 182, 210 lateral, 169
derivable, 175 radial, 199
diferenciable, 204 reiterado, 199
inversa, 165, 178 Linealmente
lineal, 19 dependiente, 34
vectorial, 218 independiente, 34
Gradiente, 204, 264 Mac-Laurin (polinomio de), 183

Grado de una e.d.o., 277 Matrices
Gráfica, 187 congruentes, 106
iguales, 36
Homomorfismo, 84 producto de, 37
producto de
Imagen, 83, 87 propiedades, 38
Incrementos finitos (Teorema de), 181 semejantes, 94
Índice libre, 23 simplificables, 39
Índice mudo, 23 suma de, 37
Inflexión, 187 suma de
Integración propiedades, 37
cambio de variable, 239 Matriz, 23
por partes, 240 Matriz
Integral ampliada, 23, 24
curvilı́nea, 266 antisimétrica, 38
de Riemann, 234 columna, 38
de superficie, 269 cuadrada, 38
doble, 248 de cambio de base, 70
triple, 253 de coeficientes, 23
Integral definida, 234 de Gram, 105
Interpolación de Lagrange, 319 de la aplicación lineal, 85
Inverso de un no complejo, 367 diagonal, 38
Isomorfismo, 92 diagonalizable por semejanza, 125
escalonada, 26
Jacobiano, 219, 257 escalonada
reducida, 27
Laplaciano, 266 fila, 38
Ley Hessiana, 213
de acción de masas, 295 inversa, 39
de desintegración radiactiva, 295 jacobiana, 219
logı́stica, 296 nula, 37
Lı́mite, 166 opuesta, 37
Lı́mite simétrica, 38
singular, 41 sobre ecuaciones lineales, 24

traspuesta, 38 sobre filas de una matriz, 24
triangular inferior, 38, 153 sobre un conjunto de vectores, 35
triangular superior, 38, 153 Orden
unidad, 38 de una reacción quı́mica, 295
Máximo Orden de una e.d.o., 277
absoluto, 185, 216
relativo, 184, 213 Partición, 246
Menor, 49 Partición
Método tamaño de, 246
de aproximaciones sucesivas, 352 Pies de la perpendicular común, 141
de Cramer, 145 Pivote, 28, 147, 151, 159
de descenso, 158 Pivote
de Euler, 333 parcial, 148
de Gauss, 28, 147 Plano, 134
de Gauss - Jordan, 28 Plano
de Gauss-Jordan, 151 ecuación implı́cita, 134
de Gram - Schmidt, 111 ecuaciones paramétricas, 134
de los coef. indeterminados, 293 vector caracterı́stico, 135
de Newton, 353 Polinomio
de Newton-Raphson, 353 caracterı́stico, 124, 290
de Runge-Kutta, 335 de base, 320
de variación de constantes, 292 de Mac-Laurin, 183
LU, 153, 159 de Taylor, 183
Mezclas, 298 interpolador, 320
Mı́nimo Polinomio de Taylor, 212
absoluto, 185, 216 Polinomios, 62
relativo, 184, 214 Potenciación de un no complejo, 368
Momento de inercia, 260 Primitiva, 234
Multiplicidad Principio de superposición, 86
algebraica, 125 Problema
geométrica, 125 de valor inicial, 278, 279
Producto de complejos, 362
Newton Producto escalar, 104
fórmula de, 322 Producto mixto, 114
método de, 353 Producto vectorial, 113
Nodo Proyección
estable, 316 ortogonal, 111
inestable, 316 Punto
Norma, 106 crı́tico, 186, 215
Núcleo, 87 de inflexión, 187
Número complejo, 361 de silla, 214
Punto de ensilladura, 316
Operaciones elementales Puntos
ÍNDICE ALFABÉTICO 563
afinmente dependientes, 133 depredador-presa, 299

afinmente independientes, 133 escalonado, 27
escalonado
Radicación compleja, 369 reducido, 27
Rango, 87 fundamental, 289
Rango generador, 65
de un conjunto de puntos, 133 homogéneo, 32
de un conjunto de vectores, 35 incompatible, 20
de una matriz, 36 Solución
Recta, 133 de una e.d.o., 278
Recta general de una e.d.o., 278
ecuaciones implı́citas, 133 particular de una e.d.o., 278
ecuaciones paramétricas, 133 singular de una e.d.o., 278
Referencia Afı́n, 132 Soporte de la interpolación, 320
Regla Subespacio, 63
del punto medio, 334 Subespacio
Regla de L’Hôpital, 182 de dirección, 132
Regla de la cadena, 178, 219 generado, 65
Remonte, 26, 147, 152, 160 ortogonal, 110
Representación de complejos propio, 122
en forma trigonométrica, 364 Subespacios
módulo-argumental, 363 independientes, 75
par ordenado, 363 intersección, 64
Riemann ortogonales, 110
condición de, 237 suma directa, 75
suma de, 235 unión, 64
Riemann (integral de), 234 Submatriz, 49
Rolle (Teorema de), 181 Sucesión de Cauchy, 350
Rotacional, 265 Suma de complejos, 362
Rouché (Teorema de), 36 Suma de Riemann, 235
Runge-Kutta
método de, 335 Tabla de Frasser y Logenze, 323
Taylor
Schwarz (Teorema de), 210 fórmula de, 183, 212
Sistema polinomio de, 183, 212
compatible, 20 Teorema
compatible de Fubini, 248
determinado, 20 de Green, 268
indeterminado , 20 de la divergencia (o de Gauss), 271
de e.d.o. con coeficientes ctes., 314 de la proyección, 111
de e.d.o. homogéneo, 310 de Pitágoras, 109
de e.d.o. lineales, 309 del rotacional (o de Stokes), 271
de e.d.o. no homogéneo, 313 fundamental del cálculo, 237
de ecuaciones lineales, 20 Término independiente, 277
Transporte de contaminantes, 221

Traza de una matriz, 38
Triangularización, 147
Valor medio de una función, 258

Valor propio, 122
Variables
cartesianas, 252, 258
cilı́ndricas, 258
esféricas, 258
polares, 252
Variedad lineal, 132
Vector, 32, 62
Vector
de términos independientes, 23
gradiente, 204
normal, 271
propio, 122
unitario, 107
Vectores
ortogonales, 108
Wronskiano, 289, 312

Fundamentos Matemáticos de La Ingeniería - Kindelan

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fundamentos Matemáticos de La Ingeniería - Kindelan

Cargado por

Copyright:

Formatos disponibles

Fundamentos Matemáticos de

Marco Antonio Fontelos

1. Sistemas de ecuaciones lineales. El método de Gauss. Matrices 19

2.5.1. Obtención de la inversa de una matriz . . . . . . . . . . . . 54

5. Espacio euclı́deo 103

5.2. Bases ortogonales y ortonormales . . . . . . . . . . . . . . . . . . . 108

6. Diagonalización de endomorﬁsmos 121

7. El espacio afı́n euclı́deo 131

8. Métodos numéricos de resolución de sistemas de ecuaciones

8.2. Algoritmos de Gauss y de Gauss-Jordan . . . . . . . . . . . . . . . 147

9. Lı́mites, continuidad y diferenciabilidad de funciones de una

10. Lı́mites, continuidad y diferenciabilidad de funciones de varias

11. Integración de funciones de una variable 233

12. Integración de funciones de varias variables 245

12.2. Integrales dobles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245

12.3.4. Propiedades de la integral triple de Riemann . . . . . . . . 256

13. Cálculo vectorial 263

14. Introducción a las ecuaciones diferenciales ordinarias 275

14.2. Conceptos básicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276

15. Sistemas de ecuaciones diferenciales ordinarias 309

15.5.2. Solución en el caso n = 2 . . . . . . . . . . . . . . . . . . . 316

16. Técnicas básicas de cálculo numérico 319

17. Métodos numéricos de resolución de sistemas de ecuaciones

17.3.1. Métodos de aproximaciones sucesivas (o del punto de ﬁjo) . 352

A. Números complejos 361

B. Exámenes propuestos en la URJC con sus soluciones 375

B.9. Examen ﬁnal de la convocatoria de junio de 2001 . . . . . . . . . . 434

C. Exámenes propuestos en la UPM con sus soluciones 457

Índice Alfabético 559

4.1. Ejemplo de aplicación lineal: rotación de 30o . . . . . . . . . . . . . . 86

9.1. Lı́mite oscilante de la función sen( x1 ) en x = 0. . . . . . . . . . . . . 167

10.1. Dibujo de la función f (x, y) = −x2 − y 2 + 8 y su plano tangente en

11.1. Aproximaciones cada vez más ﬁnas a la integral de Riemann me-

12.1. Región de integración(sombreada) correspondiente al ejemplo 12.2. . 250

13.1. Curva C en el ejemplo 13.3. . . . . . . . . . . . . . . . . . . . . . . . 268

14.1. Comparación entre la ley de crecimiento exponencial y la ley logı́stica. 297

16.1. Polinomios de base de Lagrange de grado 1. . . . . . . . . . . . . . . 320

17.1. Representación gráﬁca del método de punto ﬁjo. . . . . . . . . . . . 353

B.1. Representación gráﬁca de la solución del problema 1. . . . . . . . . . 376

C.1. Solución del problema 5 . . . . . . . . . . . . . . . . . . . . . . . . . 475

Esta publicación docente es el resultado de ocho años de preparación e impartición

El libro puede considerarse como un guión de la asignatura en el que aparecen enuncia-

campos. En el capı́tulo 14 se introducen las ecuaciones diferenciales ordinarias, y en

Los autores somos conscientes de que para aprender Matemáticas es fundamental,

Ultano Kindelán y Marco Antonio Fontelos.

Madrid, septiembre de 2007.

Un ejemplo de función lineal es la ecuación de una recta. En el plano xy se puede

Una ecuación como la anterior se llama ecuación lineal en las variables x e y. De

en donde a1 , a2 , . . . , an son escalares (reales o complejos) constantes.

El concepto de linealidad se estudiará con precisión cuando se estudien los espacios

no incluye productos entre variables,

todas las variables aparecen siempre elevadas a 1,

las variables no aparecen nunca como argumentos de funciones trigonométricas,

Ejemplo 1.1. Las siguientes ecuaciones son lineales:

mientras que las siguientes son no lineales:

Deﬁnición 1.1. Un Sistema de m ecuaciones lineales con n incógnitas x1 , x2 ,

Los aij (coeﬁcientes) y los bi (términos independientes) son escalares dados

Se dice que los escalares α1 , α2 , . . . , αn constituyen una solución de (S) si al

Ejemplo 1.2. Como ya se ha comentado, un ejemplo de ecuación lineal es la ecuación

Signo sumatorio, ı́ndices mudos e ı́ndices libres.

i recibe el nombre de ı́ndice libre (no se ve afectado por el sumatorio).

j recibe el nombre de ı́ndice mudo (se ve afectado por el sumatorio).

Expresión matricial de un sistema lineal de ecuaciones.

Deﬁnición 1.2. Se denomina matriz A de dimensión m × n a una tabla rectangular

1. si rg( A ) = rg( Ab ) el sistema es incompatible.

Si n = r el producto de matrices no está deﬁnido.