Está en la página 1de 104

Tema 1: Nociones básicas

Gabriel Soler López


Transparencias de Fundamentos Matemáticos 26 de septiembre de 2006

Gabriel Soler López


1. Conjuntos
Documento compilado con LATEX el 13 de enero de 2008
Definiciones.
Llamaremos conjunto a cualquier colección de objetos. Cada uno de
esos objetos se llamará elemento del conjunto.
Usualmente se denotarán a los conjuntos con letras mayúsculas y a
sus elementos con minúsculas.
Un conjunto A se dirá contenido en otro B y se denotará por
A ⊆ B cuando todo elemento de A pertenece también a B.
Dos conjuntos, A y B , se dirán iguales si y sólo si A ⊆ B y B ⊆ A.
La pertenencia de un objeto a a un conjunto A se denotará por
a ∈ A y la no pertenencia por a ∈ A.
Llamaremos conjunto vacı́o, ∅, al conjunto que no tiene elementos.
Diremos que un conjunto es finito si sólo contiene una cantidad finita
de elementos.

1 2

Notación 1.2. Propiedades de estas operaciones


{x : x satisface P} denota al conjunto cuyos elementos satisfacen la
Dados dos conjuntos, A y B, contenidos en el conjunto U , se tiene:
propiedad P.
1. Propiedad conmutativa de la unión y la intersección: A ∪ B =
B ∪ A, A ∩ B = B ∩ A.
1.1. Operaciones con conjuntos
2. Propiedad asociativa de la unión y la intersección: A ∪ (B ∪ C) =
Dados los conjuntos A, B y U tales que A ⊆ U y B ⊆ U :
(A ∪ B) ∪ C, A ∩ (B ∩ C) = (A ∩ B) ∩ C.
1. La unión de A y B es el conjunto: A ∪ B = {x : x ∈ A o x ∈ B}.
3. Propiedad distributiva: A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C), A ∩
2. La intersección de A y B es el conjunto: A ∩ B = {x : x ∈
(B ∪ C) = (A ∩ B) ∪ (A ∩ C).
A y x ∈ B}.
4. A ∪ ∅ = A, A ∩ ∅ = ∅.
3. La diferencia de A y B es el conjunto: A\B = {x : x ∈ A y x ∈
5. A ∪ U = U , A ∩ U = A.
B}.
6. A\B = A ∩ B c.
4. El complementario de A en U es el conjunto: Ac = U \A.
7. Leyes de Morgan: (A ∪ B)c = Ac ∩ B c, (A ∩ B)c = Ac ∪ B c.
5. El producto cartesiano de A y B es el conjunto de pares: A×B =
{(a, b) : a ∈ A y b ∈ B}.

3 4
2. Conjuntos “famosos”: los naturales, Ejercicio.

Demostrar las siguientes propiedades:


los enteros y los racionales
n(n+1)
1. 1 + 2 + · · · + n = 2
;
No introduciremos axiomáticamente a estos conjuntos, nos limitare-
2. Demostrar que los para cualquier número natural n el número
mos a comentar algunas de sus propiedades.
32n+2 + 26n+1es un múltiplo de 11;
Los números naturales, N. Dentro de ellos hay definida una
suma, una multiplicación y un orden, ası́ como la propiedad básica que 3. Demostrar que para todo número natural a, si n + n1 es un número

da lugar al principio de inducción: natural entonces na + n1a .

Proposición. Si un subconjunto de los números naturales S veri- 4. Demuestra que el número de subconjuntos que tiene un conjunto

fica que 1 ∈ S y la propiedad “n ∈ S implica n + 1 ∈ S”, entonces de n elementos es 2n.

S = N. 5. Demuestra que el número de subconjuntos de j elementos que tiene


 
Proposición (Principio de Induccción). Dada una familia {P (n) : un conjunto de n elementos es nj .

n ∈ N}, de forma que cada P (n) es una propiedad dependiendo del 6. Demuestra que el número de diagonales que se pueden trazar en
n(n−3)
correspondiente número natural, tal que: un polı́gono de n lados es 2
. ¿Por qué n(n − 3) es par?

1. P (n0) es cierta para un cierto n0 ≥ 1; Los números enteros, Z, y los racionales, Q.


El conjunto del los números enteros es:
2. si asumimos que P (n) es cierta para un n ≥ n0 ( hipótesis de
Z := {n : n ∈ N} ∪ {0} ∪ {−n : n ∈ N}
inducción), podemos probar que P (n + 1) es cierta;
y el conjunto de los números racionales:
entonces se verifica P (n) para todo número natural n ≥ n0.
a
Q := { : a ∈ Z, b ∈ Z\{0}}
b
5 6

. 1. Distributiva: para cualesquiera a ∈ Z, b ∈ Z y c ∈ Z se verifica


Propiedades de la suma en Z: a(b + c) = ab + ac.

1. Conmutativa: para cualesquiera a ∈ Z y b ∈ Z se verifica a + b =


b + a.

2. Asociativa: para cualesquiera a ∈ Z, b ∈ Z y c ∈ Z se verifica


(a + b) + c = a + (b + c).

3. Existe un elemento neutro para la suma que es el número 0 y


que verifica a + 0 = 0 + a = a para cualquier a ∈ Z.

4. Para cada elemento a ∈ Z existe su elemento opuesto, que se


denota por −a y que verifica a + (−a) = −a + a = 0.

Propiedades del producto en Z:

1. Conmutativa: para cualesquiera a ∈ Z y b ∈ Z se verifica ab = ba.

2. Asociativa: para cualesquiera a ∈ Z, b ∈ Z y c ∈ Z se verifica


(ab)c = a(bc).

3. Existe un elemento neutro para el producto que es el número 1


y que verifica 1a = a para cualquier a ∈ Z.

Propiedad de la suma respecto del producto:

7 8
Propiedades de la suma en Q: Propiedad de la suma respecto del producto:

1. Conmutativa: para cualesquiera a ∈ Q y b ∈ Q se verifica a + b = 1. Distributiva: para cualesquiera a ∈ Q, b ∈ Q y c ∈ Q se verifica


b + a. a(b + c) = ab + ac.

2. Asociativa: para cualesquiera a ∈ Q, b ∈ Q y c ∈ Q se verifica


(a + b) + c = a + (b + c).

3. Existe un elemento neutro para la suma que es el número 0 y


que verifica a + 0 = 0 + a = a para cualquier a ∈ Q.

4. Para cada elemento a ∈ Q existe su elemento opuesto, que se


denota por −a y que verifica a + (−a) = −a + a = 0.

Propiedades del producto en Q:

1. Conmutativa: para cualesquiera a ∈ Q y b ∈ Q se verifica ab =


ba.

2. Asociativa: para cualesquiera a ∈ Q, b ∈ Q y c ∈ Q se verifica


(ab)c = a(bc).

3. Existe un elemento neutro para el producto que es el número 1


y que verifica 1a = a para cualquier a ∈ Q.

4. Para cada elemento a ∈ Q\{0} existe su elemento inverso, que


se denota por a−1 y que verifica aa−1 = a−1a = 1.
9 10

Señalaremos las diferencias esenciales de ambos conjuntos: 3. Aplicaciones


1. El supremo (menor de las cotas superiores, es decir, de los números
Definiciones
que son mayores o iguales que todos los del conjunto) de un con-
 n Una aplicación entre dos conjuntos A y B es una ley que envı́a
junto, S ⊂ Q, puede no existir en Q, por ejemplo E = { 1 + n1 :
cada elemento de A a un elemento de B.
n ∈ N} está acotado y no tiene supremo. En cambio, en los núme-
Las aplicaciones suelen denotarse por letras minúsculas.
ros enteros, todo conjunto acotado superiormente tiene supremo.
Para denotar que es una aplicación entre A y B se suele escribir
Ejemplo f : A → B.

El conjunto A = {a ∈ Q : a <2} no tiene supremo en Q. f (a) = b significa que f envı́a el elemento a al elemento b.

El conjunto B = {a ∈ Z : a < 2} tiene supremo en Z y es El conjunto A se llama dominio de la aplicación f .

.......... El conjunto f (A) = {f (a) : a ∈ A} se llama conjunto imagen de


f.
2. Los números enteros no tienen inverso, mientras que los racionales,
La aplicación identidad en el conjunto A es la aplicación IdA :
menos cero, sı́ lo tienen.
A → A que verifica Id(a) = a para todo a ∈ A.
3. En general no existen raı́ces cuadradas en ambos conjuntos.
Operación entre aplicaciones
Dadas dos aplicaciones, f : A → B y g : B → C, se define la
composición de f y g como la aplicación:

g ◦ f : A −→ C
a → g(f (a)).

11 12
Tipos de aplicaciones 4. Leyes de composición. Estructuras
Dada una aplicación f : A → B se dice que f es:
algebraicas
1. inyectiva cuando, si a = b entonces f (a) = f (b),
Definición (Leyes de composición). Una ley de operación in-
2. suprayectiva cuando f (A) = B,
terna o ley de composición interna sobre un conjunto A es una apli-
3. biyectiva cuando es a la vez inyectiva y suprayectiva. cación:
∗ : A × A −→ A
Para una aplicación biyectiva, f : A → B, se puede definir su
(a, b) → ∗(a, b) = a ∗ b.
aplicación inversa:

f −1 : B −→ A
b → f −1 (b) = a/ f (a) = b. Dados dos conjuntos, A y B, una ley de operación externa sobre

Es claro ahora que f ◦ f −1


= IdB y f −1
◦ f = IdA. el conjunto A es una aplicación del tipo:

Ejercicio ∧ : A × B −→ A
(a, b) → ∧(a, b) = a ∧ b.
Demostrar que no existe una aplicación biyectiva entre los conjun-
tos N y P(N).

Construir una aplicación biyectiva entre N y Z.

13 14

Propiedades que pueden verificar las leyes de compo- Definición (Grupo). Dado el conjunto G y una operación definida
sición. Fijado un conjunto A y una ley de operación interna ∗, se sobre él, ∗, diremos que el par (G, ∗) es un grupo si se tiene que la
tiene: operación ∗ es asociativa, tiene elemento neutro y cualquier elemento
de G tiene simétrico.
1. La ley de composición interna ∗ es conmutativa si y sólo si a∗b =
Si además la operación ∗ es conmutativa, estaremos ante un grupo
b ∗ a para cualesquiera a y b de A.
conmutativo o abeliano.
2. La ley de composición externa ∗ es asociativa si y sólo si a∗(b∗c) =
Ejemplos
(a ∗ b) ∗ c para cualesquiera a, b y c de A.
(R, +) es un grupo abeliano.
3. Se dice que un elemento e ∈ A es elemento neutro para la
(R\{0}, ·) es un grupo abeliano.
operación ∗ si y sólo si a ∗ e = e ∗ a = a.
(Q, +) es un grupo abeliano.
4. Se dice que el elemento a ∈ A es simétrico de b ∈ A si y sólo si (Q\{0}, ·) es un grupo abeliano.
a ∗ b = b ∗ a = e (elemento neutro). (Z, +) es un grupo abeliano.
(Z\{0}, ·) no es un grupo abeliano.
Observación
(N, +) no es un grupo abeliano.
Los elementos simétricos y neutros son únicos.
(N, ·) no es un grupo abeliano.

15 16
(Z4, +) es un grupo abeliano, donde Z4 = {0, 1, 2, 3} y la ley de Definición (Anillo). Dado el conjunto G y dos operaciones internas
operación interna + viene definida por la siguiente tabla: definidas sobre él, ∗ y +, diremos que la terna (G, +, ∗) es un anillo

+ 0 1 2 3 si (G, +) es un grupo abeliano, la operación ∗ es asociativa y además

0 0 1 2 3 para cualesquiera a, b y c de A, se tiene que a ∗ (b + c) = a ∗ b + a ∗ c

1 1 2 3 0 y (a + b) ∗ c = a ∗ c + b ∗ c.
Si además la operación ∗ es conmutativa, estaremos ante un anillo
2 2 3 0 1
conmutativo. Por otro lado, si la operación ∗ tiene elemento neutro
3 3 0 1 2
diremos que el anillo tiene unidad.
(Z4\{0}, ·) no es un grupo abeliano, donde Z4 = {0, 1, 2, 3} y la ley
de operación interna · viene definida por la siguiente tabla: Ejemplos
(R, +, ·) es un anillo conmutativo con unidad.
· 0 1 2 3
(Q, +, ·) es un anillo conmutativo con unidad.
0 0 0 0 0
(Z, +, ·) es un anillo conmutativo con unidad.
1 0 1 2 3
(N, +, ·) no es un anillo.
2 0 2 0 2
(Z4, +, ·) es un anillo conmutativo con unidad.
3 0 3 2 1

17 18

Definición (cuerpo). Dado el conjunto K y dos operaciones internas 5. Los números reales
definidas sobre él, ∗ y +, diremos que la terna (K, +, ∗) es un cuerpo si
Llamaremos cuerpo de los números reales a un conjunto, denotado
es un anillo con unidad, 1, y además (K\{0}, ∗) es un grupo abeliano,
por R, dotado de dos leyes de operación interna, + y ·, y una relación
siendo 0 ∈ K el elemento neutro de la operación +. Adicionalmente se
binaria de orden ≤, de forma que:
debe exigir 1 = 0.
1. (R, +, ·) es un cuerpo.
Ejemplos
(R, +, ·) es un cuerpo. 2. ≤ es un orden total, es decir, para cualesquiera x, y ∈ R o bien
(Q, +, ·) es un cuerpo. x ≤ y o y ≤ x.
(Z, +, ·) no es un cuerpo.
3. ≤ es compatible con las operaciones, es decir, para cualesquiera
(N, +, ·) no es un cuerpo.
x, y, z ∈ R:
(Z4, +, ·) no es un cuerpo.
Si x ≤ y entonces x + z ≤ y + z.
(Z2, +, ·) es un cuerpo, siendo Z2 = {0, 1} y las operaciones definidas
por: Si asumimos que 0 ≤ z y x ≤ y entonces x · z ≤ y · z.

+ 0 1 · 0 1 4. Axioma de completitud: todo subconjunto, S de R, acotado supe-

0 0 1 0 0 0 riormente (resp. inferiormente) tiene un supremo (resp. ı́nfimo) en

1 1 0 1 0 1 R.

Asumiremos la existencia de un conjunto dotado de estas propiedades


y que contiene a los números racionales, puesto que la construcción es
bastante técnica, difı́cil y larga.

19 20
Propiedades de R. 6. Los números complejos
Proposición (Propiedad arquimediana). Dados x, y ∈ R con
Llamaremos números complejos al conjunto:
x > 0 (es decir, x ≥ 0 y x = 0) existe n ∈ N tal que y < nx.
C = {a + bi : a, b ∈ R},
Proposición (Parte entera de un número real). Dado x ∈ R,
existe z ∈ Z tal que z−1 ≤ x < z. El número z−1 recibe en nombre y definiremos sobre él las siguientes dos operaciones:

de parte entera de x. 1.
+: C×C −→ C
Proposición (Densidad de los racionales). Dados x, y ∈ R
(a + bi, c + di) → (a + c) + (b + d)i,
con x < y, existe q ∈ Q tal que x ≤ q ≤ y (el conjunto de los
2.
números irracionales, I = R\Q, también es denso en R).
Δ: C×C −→ C
Principio de los intervalos encajados de Cantor. (a + bi, c + di) → (ac − bd) + (ad + bc)i.
Una familia de intervalos I1, I2, . . . , In, . . . , se dice que constituyen Con estas dos operaciones se puede ver que (C, +, ·) es un cuerpo,
una familia decreciente de intervalos encajados si verifican la relación: llamado cuerpo de los números complejos.
· · · ⊆ In ⊆ In−1 ⊆ I2 ⊆ I1. R es un subconjunto de los números complejos, en efecto, el número

Teorema (Cantor). Sea {In : n ∈ N} una familida decreciente real a se puede identificar con el número complejo a + 0i.

de intervalos encajados, cerrados. Entonces: Para cada número real z = a + bi, llamaremos parte real de z a a

 y parte imaginaria a b.
{In : n ∈ N} = ∅.
n∈N
Llamaremos unidad imaginaria a i, que normalmente se identifica

con −1, ya que i2 = −1 + 0i = −1.

21 22

Se define el conjugado de un número complejo z = a+bi y se denota 6.1. Representación módulo argumen-
por z como:
tal de los números complejos.
z = a + bi = a − bi.
El módulo de un número complejo z es el número real dado por
Ejercicio
la raı́z cuadrada positiva de zz.
Demostrar que para cada par de números complejos, z1 y z2:
La expresión eiθ representa el número complejo de módulo 1 cosθ +
z1 + z2 = z1 + z2,
isen θ. Aquı́ θ tiene un significado geométrico, es el ángulo que el vector
z1z2 = z1 z2, (cos θ, sen θ) forma con el semieje positivo Ox.

z1z1 ∈ R, además z1z1 > 0 si z1 = 0. Cualquier número complejo z se puede expresar como el producto
meiθ , donde m es el módulo de z y eiθ es el complejo de módulo 1 dado
Observación
por √z .
zz
Los números complejos es que aseguran la existencia de raı́ces pa-
ra cualquier polinomio, cosa que en R no sucede, sin ir más lejos el
Operaciones entre números dados en representación módu-
polinomio x2 + 1 no tiene raı́ces reales y sin embargo tiene raı́ces en C.
lo argumental
Observación
Dados z1 = m1eiθ1 , z2 = m2eiθ2 y r ∈ Q, se tiene:
Cualquier polinomio real r(x) se descompone como producto de po-
1. z1z2 = m1eiθ1 m2eiθ2 = m1m2ei(θ1 +θ2 ),
linomios de primer y segundo grado, los primeros asociados a las raı́ces
z1 m1 eiθ1 m1 i(θ1 −θ2 )
reales de r(x) y los segundos a las raı́ces complejas. 2. z2 = m2 eiθ2
= m2 e ,
 r
3. z1r = m1eiθ1 = mr1erθ1 .

23 24
7. Ejercicios resueltos
(a + b)n+1 = (a + b)(a + b)n
Ejercicio
 n  
n j n−j
Demostrar la fórmula del binomio de Newton: = (a + b) ab
j=0
j
n   n   n  
n j n−j  n j n−j  n j n−j
(a + b)n = ab =a ab +b ab
j=0
j j j
j=0 j=0
n   n  
siendo n un número natural mayor o igual que 1. n j+1 n−j  n j n+1−j
= a b + ab
j j
Demostraremos la fórmula por inducción. j=0 j=0
n+1 
  n  
Para n = 1 la fórmula se satisface ya que: n n j n+1−j
= aj bn+1−j + ab =
j=1
j−1 j=0
j
n       n  
1       n n n+1 0 n 0 n+1  n j n+1−j
 1 1 0 1 1 1 0 = aj bn+1−j + a b + ab + ab =
(a + b)1 = aj b1−j = ab + a b =b+a j=1
j−1 n 0 j=1
j
j 0 1        
j=0 n
n n j n+1−j n n+1 0 n 0 n+1
Ahora deducimos la fórmula para n + 1 partiendo de la fórmula para = aj bn+1−j + ab + a b + ab
j=1
j − 1 j n 0
 n        
n: n n n n+1 0 n 0 n+1
= + aj bn+1−j + a b + ab
j=1
j−1 j n 0
 n      
n + 1 j n+1−j n + 1 n+1 0 n + 1 0 n+1
= ab + a b + ab
j=1
j n+1 0
n+1 
 
n + 1 j n+1−j
= ab
j=0
j

Ası́ que la fórmula del binomio de Newton vale para cualquier núme-
ro natural n.

25 26

Ejercicio Ejercicio
Da contraejemplo a las siguientes afirmaciones: Demostrar la siguiente igualdad del producto cartesiano:

1. (A ∩ B)c = Ac ∩ B c
(A × B) ∩ (C × D) = (A ∩ C) × (B ∩ D)
Solución.
Solución.
Esta afirmación es falsa, basta con tomar A = {1, 2, 3, 4}, B =
Demostramos la inclusión ⊆: sea (x, y) ∈ (A × B) ∩ (C × D),
{3, 4, 5, 6, 7} y U = {1, 2, 3, 4, 5, 6, 7}. Ahora se tiene:
ası́ que (x, y) ∈ A × B y (x, y) ∈ C × D; por lo tanto x ∈ A, y ∈ B y
c c
(A∩B) = {3, 4} = {1, 2, 5, 6, 7} = ∅ = {5, 6, 7}∩{1, 2} = A ∩B c c
x ∈ C, y ∈ D. Ahora se ve claro que x ∈ A ∩ C y que y ∈ B ∩ D, por
lo tanto (x, y) ∈ (A ∩ C) × (B ∩ D) y la inclusión está demostrada.
Demostramos ahora la inclusión ⊇: sea (x, y) ∈ (A ∩ C) × (B ∩ D),
2. (A ∪ B)c = Ac ∪ B c
ası́ que x ∈ A ∩ C e y ∈ B ∩ D, es decir x ∈ A, x ∈ C, y ∈ B, y ∈ D.
Solución.
Ahora se ve claro que (x, y) ∈ A × B y que (x, y) ∈ C × D, por lo
Esta afirmación también es falsa, basta con tomar A = {1, 2, 3, 4}, tanto (x, y) ∈ (A × B) ∩ (C × D).
B = {3, 4, 5, 6, 7} y U = {1, 2, 3, 4, 5, 6, 7}. Ahora se tiene:

(A ∪ B)c = ∅ = {1, 2, 5, 6, 7} = {5, 6, 7} ∪ {1, 2} = Ac ∪ B c

27 28
Ejercicio Solución.
Sean f : A → B, g : B → C y h : C → D tres aplicaciones, Es consecuencia de la demostración de los dos apartados anterio-
demostrar que se cumplen las siguientes afirmaciones: res.

1. Si f y g son inyectivas entonces g ◦ f es inyectiva. 4. Si g ◦ f es inyectiva entonces f es inyectiva.

Solución. Solución.

Tenemos que demostrar que tomados elementos a, c ∈ A tales que Si f no fuera inyectiva existirı́an a, b ∈ A tales que a = b y
a = c entonces g ◦ f (a) = g ◦ f (c). Por ser a = c y f inyectiva f (a) = f (b). Pero ahora también tendrı́amos g(f (a)) = g(f (b)),
tenemos que f (a) = f (c). Ahora aplicamos la inyectividad de g y lo que contradice la inyectividad de g ◦ f . Ası́ que f debe ser
entonces: g ◦ f (a) = g(f (a)) = g(f (c)) = g ◦ f (c). Ası́ que g ◦ f inyectiva.
es inyectiva.

2. Si f y g son suprayectivas entonces g ◦ f es suprayectiva.

Solución.

En efecto, dado c ∈ C, por la suprayectividad de g sabemos que


existe b ∈ B tal que g(b) = c. Ahora la suprayectividad de f
implica la existencia de un elemento a ∈ A tal que f (a) = b.
Por lo tanto g(f (a)) = g ◦ f (a) = c y esto demuestra que todo
elemento de C es imagen de algún elemento de A, es decir g ◦ f es
suprayectiva.

3. Si f y g son biyectivas entonces g ◦ f es biyectiva.

29 30

Ejercicio subconjunto construido ası́, por ejemplo


Demuestra que si un conjunto A tiene n elementos entonces el núme-
S1 = {a1, a2, . . . , aj }
ro de subconjuntos de j elementos que se pueden formar con los ele-
  estará contado j + 1 veces porque se puede construir añadiendo el
mentos de A es nj .
último elemento cualquiera de los del subconjunto.
Solución.
Ası́ que el número de subconjuntos de j + 1 elementos que se pueden
Fijamos n y hacemos la demostración por inducción en j.
formar con n elementos es:
Para j = 0 el único subconjunto con 0 elementos es el conjunto
n
vacı́o, ası́ que tenemos un único subconjunto. Por otro lado
0 = 1,    
n n−j n!(n − j) n! n
ası́ que la propiedad se verifica. = = =
j j+1 (n − j)!j!(j + 1) (n − j − 1)!(j + 1)! j+1
Supongamos que la propiedad se verifica para un número j, es decir:
y la propiedad queda demostrada.
“el número de subconjuntos de j elementos que se pueden formar
 
con n elementos es nj ”
De esta hipótesis de inducción tendremos que deducir que la propie-
dad se verifica para j + 1, es decir:
“el número de subconjuntos de j +1 elementos que se pueden formar
n
con n elementos es j+1 ”
Para deducir esto pensamos que los subconjuntos de j + 1 elementos
los puedo formar con los subconjuntos de j elementos añadiéndoles los
n − j elementos que no están en el subconjunto. No obstante un mismo

31 32
Ejercicio Recordamos que este triángulo nos da los números combinatorios:
Desarrolla los binomios (a + b)3, (a + b)4 y (a + b)5.
 0
Solución.
0
 1 1
Utilizaremos el triángulo de Tartaglia:
0 1
2  2  2
1 0 1 2
3  3 3  3
1 1 0 1 2 3
 4 4  4  4 4
1 2 1 0 1 2 3 4
5 5  5 5  5  5
1 3 3 1 0 1 2 3 4 5
6  6 6  6  6 6  6
1 4 6 4 1 0 1 2 3 4 5 6
 7 7 7  7 7  7  7 7
1 5 10 10 5 1 0 1 2 3 4 5 6 7
... ... ... ... ... ... ... ...
1 6 15 20 15 6 1
1 7 21 35 35 21 7 1
... ... ... ... ... ... ... ...

33 34

Con estos datos podemos calcular los binomios solicitados: REPASO DE PRIMITIVAS

(a + b)3 = a3 + 3a2b + 3ab3 + b3,


8. Consideraciones generales

(a + b)4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4, El cálculo de primitivas es el proceso contrario al de derivación.
Dada una función real de variable real f : (a, b) → R, entendemos
por primitiva de f a una función F : (a, b) → R derivable y tal que
(a + b)5 = a5 + 5a4b + 10a3b2 + 10a2b3 + 5ab4 + b5.
F (c) = f (c) para todo c ∈ (a, b).

Observación. La primitiva de una función f : (a, b) → R no


es única.

Dos primitivas de una misma función f : (a, b) → R, F y


G difieren en una constante. La prueba de esta segunda par-
te de la observación consisten en ver que la función H(x) =
F (x) − G(x) es una función constante, lo cual se consigue de-
mostrando que la derivada de H es 0.

H  (x) = F (x)−G(x) = f (x)−g(x) = 0, luego H es constante.

8.1. Primitivas inmediatas


Sólo sabiendo derivar podemos conocer la primitiva de una amplia
variedad de funciones, el conocimiento de dichas primitivas (elemen-
35 36
tales) junto con algunas técnicas serán suficientes para poder calcular 8.2. Utilizar la regla de la cadena para
primitivas de una amplia variedad de funciones.
las primitivas

ax
1. x
a dx = log a
+ K, a > 0, a = 1, I = (−∞, +∞),
Proposición. Sean f y g funciones derivables definidas en el in-

x x
2. e dx = e + K, I = (−∞, +∞) tervalo (a, b). Entonces se verifica la fórmula:


xr+1
3. xr dx = r+1
+ K, r = −1, I = (0, +∞), f  (g(x))g (x) dx = f ◦ g(x) + K.

4. x−1 dx = log x + K, I = (0, +∞), Esta proposición permite ampliar la relación de primitivas dadas

anteriormente. En efecto, para cualquier función derivable f se tienen
5. sen x dx = −cos x + K, I = (−∞, +∞),

las siguientes primitivas:
6. cos x dx = sen x + K, I = (−∞, +∞),

af (x)

1. af (x)f  (x) dx = log a
+ K, a > 0, a = 1,
7. √ 1
1−x2
dx = arcsen x+K = π
2
−arc cos x+K, I = (−1, +1),


2. ef (x)f  (x) dx = ef (x) + K,
1
8. 1+x2
dx = arctan x + K, I = (−∞, +∞),

f (x)r+1


3. f (x)r f  (x) dx = r+1 + K, r = −1,
−2
9. 2
(1 + tan x) dx = sec x dx = tan x + K, I= (− π2 , π2 ),


4. f (x)−1 f  (x) dx = log f (x) + K,
10. cosec2 x dx = −cotan x + K, I = (0, π),

5. sen f (x)f  (x) dx = −cos f (x) + K,


A continuación se relacionan algunas propiedades útiles para calcular

6. cos f (x)f  (x) dx = sen f (x) + K,


primitivas de otras funciones partiendo de las anteriores.

7. √ 1
f  (x) dx = arcsen f (x) + K = π
2
− arc cos f (x) + K,
1−f (x)2

8. 1
1+f (x)2
f  (x) dx = arctan f (x) + K,

9. (1 + tan2 f (x))f (x) dx = sec−2 f (x) dx = tan f (x) + K,


37 38

10. f  (x) cosec2 f (x) dx = −cotan f (x) + K, 8.3. Integración de sumas y por partes
Ejemplo. La integral de la función tangente se encuentra en la Proposición. Dadas funciones f, g : (a, b) → R y un número real
situación de la proposición anterior. En efecto: λ, se verifica:



tan x dx = − log |cos x| en todo intervalo tal que cos x = 0. (f (x) + g(x)) dx = f (x) dx + g(x) dx,

λf (x) dx = λ f (x) dx.

Ejemplo (Integración de polinomios).



x2 x3 xp+1
(a0 +a1x+a2x2 +. . . apxp) dx = a0x+a1 +a2 +. . . ap +K.
2 3 p+1
Proposición (Regla de derivación por partes). Dadas fun-
ciones f, g : (a, b) → R derivables, se verifica:

f (x)g  (x) dx = f (x)g(x) − f  (x)g(x) dx.

39 40

Ejemplo. hola Ejemplo. Calcula la primitiva I = e−3x sen (2x)dx.




sen 2x dx = sen x(−cos x) dx = −sen xcos x+ (sen x) cos x dx = Procedemos por el método de integración por partes haciendo

−sen xcos x + cos 2x dx, u = e−3x y dv = sen (2x)dx, ası́ que du = −3e−3x dx y v =
de donde: − 12 cos (2x).

sen 2x dx = −sen xcos x + (1 − sen 2x) dx.



Por lo tanto: 1 1

I = − e−3x cos (2x) − 3 cos (2x)e−3xdx.
2 sen 2x dx = −sen xcos x + x y 2 2
Volvemos a hacer partes poniendo ahora u1 = e−3x y dv1 =

sen xcos x x cos (2x)dx, ası́ que du1 = −3e−3x dx y v1 = 12 sen (2x). Por lo tanto:
sen 2x dx = − + .
2 2

Ejercicio.
1 1
I = − e−3x cos (2x) − 3 cos (2x)e−3xdx

 2
Obtener una fórmula de recurrencia para calcular la primitiva 1
dx. 2 
(1+x2 )r 1 3 −3x 1 1
= − e−3x cos (2x) − e sen (2x) + 3 e−3x sen (2x)dx
2 2 2 2
1 −3x 3 9
⇒ I = − e cos (2x) − e−3x sen (2x) − I
2 4 4
13 1 3
⇒ I = − e−3x cos (2x) − e−3x sen (2x)
4 2 4
2 3
⇒ I = − e−3x cos (2x) − e−3x sen (2x).
13 13

41 42

Ejemplo. Calcula la primitiva I = x arctan xdx. 9. Integración por cambio de variable


Procedemos por el método de integración por partes haciendo
1 x2 Supongamos que queremos encontrar la primitiva de una función
u = arctan x y dv = xdx, ası́ que du = 1+x2
dx yv= 2.

f : (a, b) → R, f (x) dx. En este apartado se trata de ver cómo


simplificar dicho cálculo a través de un cambio de variable. Supongamos
x2 1 x2
I= arctan x − dx que t(x) denota una función invertible y derivable y calculemos su
2  2 1 + x2

x2 arctan x 1 1 + x2 1 derivada dt
= t(x), que formalmente podemos escribir como dt =
= − − dx dx
2 2 1 + x2 1 + x2

2
x arctan x 1 1 t (x) dx.
= − x − arctan x + K
2 2 2 A través de unos cálculos justificativos que el alumno puede seguir
en el Libro de J. A. Fernández Viña (Análisis matemático, tomo 1,
página 254) se puede obtener la igualdad:

1
f (x) dx = f (t)  dt,
t (x)
donde en el segundo miembro de la igualdad una ver hecha la primitiva
hay que substituir t por t(x).

43 44
Ejemplo. Vamos a calcular mediante un cambio de variable la 10. Primitivas de fracciones racionales

1 √
primitiva √x(1+x) dx, consideraremos el cambio t = x.
El método para calcular primitivas de fracciones racionales se basa
Efectuando el cambio, tendremos:
en la descomposición de una fracción racional en fracciones simples.

Recordemos que una fracción racional en la variable x no es más que


1 2t
√ dx = 2
dt = un cociente de polinomios en la variable x. En cambio, una fracción
x(1 + x) t(1
+t )
2 √
dt = 2 arctan t = 2 arctan x. racional simple o una fracción simple es una fracción racional de una
(1 + t2)
de las dos formas siguientes:

1. una fracción racional cuyo numerador es una constante y cuyo


denominador es un polinomio de grado 1,

2. una fracción racional cuyo numerador es un polinomio de grado 1


y cuyo denominador es un polinomio de grado 2 sin raı́ces reales.

P (x)
Teorema. Toda fracción racional F (x) = Q(x)
se descompone co-
mo:

α1
Ak 
m
Ak
α
F (x) = r(x) + + ··· + + ,
(x − a1)k (x − an)k
k=1 k=1

donde los ai son las raı́ces de Q(x) = 0 y αi son las multiplicida-


des. Finalmente los Ai son números reales determinados y r(x) un
polinomio.

45 46

Teorema. Toda fracción racional F (x) = P (x)


Q(x)
se descompone co- 11. Primitivas de expresiones que con-
mo: tienen ax+b
cx+d

α1
A1k 
αm
Ank
F (x) = r(x) + + ···+ + +
(x − a1)k (x − an)k Sea F una fracción racional del tipo:
k=1 k=1
  m1   m2   mk
 β1
Bk1x + Ck1 ax + b n1 ax + b n2 ax + b nk
F x, , ,..., ,
{[x − (b1 + c1 i)][x − (b1 − c1 i)]}k cx + d cx + d cx + d
k=1

βl
Bkl x + Ckl de forma que n es el mı́nimo común múltiplo de los números n1, n2, . . . , nk .
+ ···+ ,
{[x − (bl + cl i)][x − (bl − cl i)]}k Entonces el cambio de variable
k=1

donde los ai son las raı́ces reales de Q(x) = 0 y αi son las mul- ax + b
tn = ,
tiplicidades de dichas raı́ces, los bj + cj i son las raı́ces complejas cx + d

de Q(x) = 0 y βj son las multiplicidades de dichas raı́ces. Final- transforma la primitiva F dx en la primitiva de una fracción racional

mente los Ai, Bi y Ci son números reales determinados y r(x) un en la variable t.

polinomio. Ejercicio.

Resolver las primitivas1:


Apoyándose en el teorema anterior se puede deducir un método pa-

ra hacer primitivas de fracciones racionales. El método consistirá en 1. √ 1√ dx,


x+ 3 x

obtener la descomposición anterior y calcular primitivas sumando a


1√
2. (1+x) 1−x
dx,
sumando.
1
 1−x 1/2
3. (1+x)2 1+x
dx.
√ √ 
1
Indicación: los cambios necesarios serán tomar t igual a 6
x, 1 − x y 1−x
1+x .

47 48
12. Las funciones hiperbólicas Teorema.

Ch (−x) = Ch x cos (−x) = cos x


Recordamos que las funciones seno y coseno se introducen utilizando
la función exponencial compleja de la forma que sigue: Sh (−x) = −Sh x sen (−x) = −sen x

eix + e−ix eix − e−ix Th (−x) = −Th (x) tan(−x) = − tan x


cos x = sen x = .
2 2 2
Ch x − Sh x = 1 2
cos 2x + sen 2x = 1
Si en vez de considerar la exponencial compleja consideramos la ex- 1 1
1 − Th 2x = 1 + tan2x =
Ch 2 cos 2x
ponencial real obtendremos las funciones coseno y seno hiperbólicos
Ch (x + y) = Ch xCh y + Sh xSh y cos (x + y) = cos xcos y − sen xsen y
definidas concretamente como siguen:
Ch (2x) = Ch 2x + Sh 2x cos (2x) = cos 2x − sen 2x
ex + e−x ex − e−x
Ch x = Sh x = , Ch (x − y) = Ch xCh y − Sh xSh y cos (x − y) = cos xcos y + sen xsen y
2 2
es fácil ver que ambas funciones son continuas y están definidas so- Sh (x + y) = Sh xCh y + Ch xSh y sen (x + y) = sen xcos y + cos xsen y
bre todo R. Además, la función coseno hiperbólico es siempre mayor Sh (2x) = 2Sh xCh x sen (2x) = 2sen xcos x
que cero ya que la exponencial siempre es mayor que cero. Por lo tan- Sh (x − y) = Sh xCh y − Ch xSh y sen (x − y) = sen xcos y − cos xsen y
to podemos dividir la función seno hiperbólico por la función coseno Th x + Th y tan x − tan y
Th (x + y) = tan(x − y) =
1 + Th xTh y 1 + tan x tan y
hiperbólico y obtenemos la función tangente hiperbólica, continua y Th x − Th y tan x + tan y
Th (x − y) = tan(x + y) =
definida sobre todo R: 1 − Th xTh y 1 − tan x tan y
Sh x Además de estas propiedades que dependen únicamente de la de-
Th x = .
Ch x
finición de las funciones hiperbólicas, por la propia definición estas
A partir de estas definiciones se pueden obtener sin dificultad las
funciones son derivables, viniendo recogidas sus propiedades en lo que
propiedades básicas de las funciones hiperbólicas, propiedades análogas
sigue:
(que no iguales) a las de las funciones trigonométricas:

49 50

 
ex − e−x ex + e−x
Sh  x = = = Ch x,
2 2
 x 
−x  −x
e +e e −e
x
Ch x = = = Sh x,
2 2
 
Sh x Ch xCh x − Sh xSh x 1
Th  x = = = .
Ch x Ch 2x Ch 2x
(1)
Figura 1: Función seno hiperbólico
Resumiendo:
Teorema. Las funciones:

Sh x = Ch x, Ch  x = Sh x, Th  x = 1
Ch 2 x
. Sh : R −→ R Th : R −→ (−1, 1)
y
x → Sh x x → Th x
Ahora que conocemos las derivadas de las funciones hiperbólicas se
son biyectivas.
puede ver fácilmente que Sh x y Th  x son números reales estrictamente
mayores que cero, luego ambas funciones son estrictamente crecientes Sin embargo, la función coseno hiperbólico no es una aplicación bi-

y por lo tanto aplicaciones inyectivas. Estudiando los lı́mites cuando yectiva cuando la consideramos definida sobre todo R, es más, mediante

x tiende a ±∞ conoceremos entre qué intervalos ambas funciones son el uso de las derivadas de la función Ch se puede ver que dicha función

biyectivas. tiene un mı́nimo en x = 0.

Observación.
12.1. Los argumentos hiperbólicos de
lı́m Sh x = +∞, lı́m Sh x = −∞,
x→+∞ x→−∞
las funciones hiperbólicas
lı́m Th x = 1, lı́m Th x = −1.
x→+∞ x→−∞
Hemos visto ya que las funciones seno y tangente hiperbólicas son in-
vertibles, con lo cual nos podemos plantear la búsqueda de sus funciones
51 52
Partiendo de la igualdad y = Sh x, encontrar el argumento del seno
hiperbólico se trata de despejar x en función de y. Para ello seguimos
los siguientes pasos:
ex − e−x
Sh x = y ⇒ = y ⇒ ex − e−x = 2y.
2
Ahora hacemos el cambio de variable z = ex, de donde 1
z
= e−x :
1
Sh x = ex − e−x = 2y ⇒ z − = 2y ⇒ z 2 − 2yz − 1 = 0 (2)
Figura 2: Función coseno hiperbólico z
2y ± 4y 2 + 4 
⇒z= = y ± 1 + y2.
2
Ahora hay que observar que el signo menos anterior no tiene sentido
ya que para él, z serı́a negativo, sin embargo z debe ser positivo por
ser igual a ex. Entonces:


ArgSh y = log(y + y 2 + 1).
Figura 3: Función tangente hiperbólica

inversas, éstas funciones se llamarán argumento del seno hiperbólico


y argumento de la tangente hiperbólica.
Argumento del coseno hiperbólico
Aunque la función coseno hiperbólico no sea una biyección, si la con-
sideramos definida sólo sobre la semirrecta positiva o negativa, sı́ que Partiendo ahora de la igualdad y = Ch x, encontrar el argumento

es un biyección y tiene sentido buscar el argumento del coseno hi- del coseno hiperbólico se trata de despejar x en función de y. Para ello

perbólico. procedemos como antes:


ex + e−x
Argumento del seno hiperbólico Ch x = y ⇒ = y ⇒ ex + e−x = 2y.
2
53 54

Ahora hacemos el cambio de variable z = ex, de donde 1


z = e−x : 12.2. Las derivadas de las funciones hi-
1
Ch x = ex + e−x = 2y ⇒ z + = 2y ⇒ z 2 − 2yz + 1 = 0 (3) perbólicas y sus análogas trigo-
z
2y ± 4y 2 − 4 
⇒z= = y ± y 2 − 1. nométricas
2
En este caso el signo menos sı́ tiene sentido porque no hace que z
sea negativo. Entonces:
Sh x = Ch x, sen  x = cos x
 Ch  x = Sh x, cos x = −sen x
ArgCh y = log(y ± y 2 − 1).
1 1
Th x = , tan x =
Ch 2x cos 2
1 1
ArgSh  x = √ , arcsen  x = √
Argumento de la tangente hiperbólica 1 + x2 ± 1 − x2
1 1
ArgCh  x = √ , arc cos x = √
Observemos para empezar que la tangente hiperbólica sólo estará de- ± x2 − 1 ± 1 − x2
1 1
finida en el intervalo (−1, 1), ya que la tangente hiperbólica sólo toma ArgTh x = , arctan x =
1 − x2 1 + x2
valores en dicho intervalo. Partimos de la igualdad y = Th x y hacemos (4)
x
en los cálculo que siguen el cambio de variable z = e :
ex − e−x 1 1 z2 − 1 z2 + 1 13. Primitivas de expresiones que con-
Th x = y ⇒ = y ⇒ z − = (z + )y ⇒ = y
ex + e−x z z z  z
1+y 1+y tienen cos x y sen x
⇒ (y − 1)z 2 = −1 − y ⇒ z 2 = ⇒ x = log .
1−y 1−y
Por lo tanto: En esta sección vamos a analizar cómo obtener primitivas del estilo

 f (cos x, sen x) dx, donde f es una fracción racional y el intervalo


1+y
ArgTh y = log . donde queremos calcular la primitiva será (−π, π).
1−y
55 56
13.1. El cambio de variable x = 2 arctan t f (sen x, cos x) por cos x nos quedan sólo potencias pares de cos x, pues
basta poner cos 2x = 1 − sen 2x.
El cambio de variable x = 2 arctan t, es decir, t = tan x2 , pone en
correspondencia el intervalo (−π, π) con toda la recta real. Al realizar
este cambio será de utilidad tener en cuenta las relaciones trigonométri-
13.3. El cambio t = cos x
cas usuales que dan las siguientes igualdades: Si la fracción racional f (sen x, cos x) es del estilo f1(cos x)sen x en-

1−t 2
2t tonces el cambio de variable t = cos x nos lleva a una resolución más
cos x = , sen x = .
1 + t2 1 + t2 sencilla que utilizando el primer cambio de la tangente del ángulo mi-
(5)
tad. Conviene notar que estaremos ante este caso cuando al dividir
Al realizar este cambio de variable y tener en cuenta las relacio- f (sen x, cos x) por sen x nos quedan sólo potencias pares de sen x, pues
nes anteriores convertiremos la primitiva inicial en la de una fracción basta poner sen 2x = 1 − cos 2x.
racional en la variable t:

1 − t2 2t 2 13.4. El cambio t = tan x
f( , ) dt.
1 + t2 1 + t2 1 + t2
Aunque este cambio nos asegura el éxito en la resolución de primi- En el caso en el que la fracción racional f (sen x, cos x) sea del es-

tivas, otros pueden conllevar una resolución más simple. Veámoslo. tilo f1(tan x) entonces se hace el cambio tan x = t y la primitiva

f1(tan x) dx queda como



13.2. El cambio t = sen x f1(tan x) 2 f1 (t)
(1 + tan x) dx = dt.
1 + tan2 x 1 + t2
Si la fracción racional f (sen x, cos x) es del estilo f1(sen x)cos x en- Estaremos en este caso si al sustituir sen x por cos x tan x en la
tonces el cambio de variable t = sen x nos lleva a una resolución más expresión f (sen x, cos x) nos quedan sólo cosenos elevados a exponentes
sencilla. Conviene notar que estaremos ante este caso cuando al dividir pares, pues basta poner entonces cos 2x = 1
.
1+tan2 x

57 58

13.5. Casos particulares senos múltiplos enteros de t. Finalmente, cada una de las funciones
anteriores se puede expresar como un polinomio de cos t y sen t, con lo
Un caso interesante de las primitivas de funciones trigonométricas
que hemos pasado al primer caso de este apartado.
son las de la forma

Ejercicio.
cos nxsen m x dx,

donde los exponentes m y n son naturales. Utilizando las fórmulas Resuelve:



1
de trigonometrı́a puede expresarse cos n x como una suma en la que 1. 5+4cos x dx usando el cambio tan(x/2) = t,

intervienen cosenos múltiplos de x, y sen m x como una suma en la que


1+cos 2 x
2. cosx(1+sen 2 x)
dx usando el cambio sen x = t,
intervienen cosenos y senos múltiplos de x. Al efectuar la multiplicación
sen 2 x
3. 1+cos 2 x
dx usando el cambio tan x = t.
de dichas sumas aparecerán productos de la forma sen (αx)cos (βx) y
productos de la forma cos (αx)sen (βx). Para calcular las integrales de
14. Primitivas de expresiones que con-
estos productos se descomponen en sumas utilizando las fórmulas:

tienen ax2 + 2bx + c
2sen (αx)cos (βx) = sen [(α + β)x] + sen [(α − β)x] (6)

En esta sección se estudian las primitivas del estilo f (x, ax2 + 2bx + c) dx,
2cos (αx)cos (βx) = cos [(α + β)x] + cos [(α − β)x] (7) donde f es una fracción racional y a, b y c son números reales con a = 0.
Por otro lado, otra situación interesante es aquella en la que dispone- En estas primitivas siempre hay que tener en cuenta la identidad:
 2
mos de una fracción racional en las variables cos (r1x), cos (r2x), . . . , cos (rnx), b ac − b2
ax2 + bx + c = a x + + ,
a a
sen (s1x), sen (s2x), . . . , sen (smx), siendo los números r1, r2, . . . , rn,
lo cual sugiere hacer el cambio de variable t = x+b/a transformándose
s1, s2, . . . , sm son racionales. Tomemos el mı́nimo común múltiplo de
la primitiva de partida en:
los denominadores de dichos números, p, y hagamos el cambio x = pt. √
f (t − b/a, at2 + d) dt.
Con lo que obtendremos una primitiva donde intervienen cosenos y
59 60
En el caso que d sea cero, a debe ser positivo y la primitiva toma la Tema 2: Matrices y determinantes


forma f (t − b/a, at) dt, que no plantea dificultades. Por lo tanto Gabriel Soler López
consideraremos que estamos en el caso d = 0 y veremos la forma de 26 de septiembre de 2006
proceder distinguiendo tres casos.
 a
1. d < 0 y a > 0. En este caso hacemos el cambio de variable −d
t = 1. Definición de matriz. Tipos de ma-
u y obtenemos la nueva primitiva
 trices
−d b √  
f( u − , −d u2 − 1) du = f1(u, u2 − 1) du,
a a
Definición (Matriz).
donde f1 es una fracción racional. Esta última integral se resuelve
Una matriz de tamaño m × n sobre el cuerpo K es una colección de
fácilmente haciendo el cambio u = Ch v.
 m n elementos de K ordenados en una tabla de m filas y n columnas
−a
2. d > 0 y a > 0. En este caso hacemos el cambio de variable d
t =
de la forma:
u y obtenemos la nueva primitiva
 ⎛ ⎞
d b √  
f( u − , d 1 − u2) du = f2(u, 1 − u2) du, ⎜ a11 a12 · · · a1n ⎟
−a a ⎜ ⎟
⎜ a21 a22 · · · a2n ⎟
donde f2 es una fracción racional. Esta última integral se resuelve ⎜ ⎟
⎜ ⎟,
⎜ ... ... . . . ... ⎟
fácilmente haciendo el cambio u = sen v. ⎜ ⎟
⎝ ⎠
a am1 am2 · · · amn
3. d > 0 y a > 0. En este último caso se hace el cambio dt =uy
con ai,j ∈ K para todo (i, j) ∈ {1, . . . , m} × {1, . . . , n}.
obtenemos la nueva primitiva

d b √ √ √
f( u − , d u2 + 1) du = f1 (u, u2 + 1) du, Notación.
a a
donde f1 es una fracción racional. Esta última integral se resuelve Al conjunto de todas las matrices de tamaño m×n sobre el cuerpo
fácilmente haciendo el cambio u = Sh v. K se le denota por Mm×n (K).
61 62

Denotaremos a las matrices con letras mayúsculas A, B, C, . . . . Tipos de matrices y más notación.

Los elementos de las matrices se denotarán con minúsculas a, b, c, . . . . 1. A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} es cuadrada si el número de sus filas

Si denotamos a una matriz por la letra A, entonces el elemento es igual al de columnas, es decir, si m = n.

de dicha matriz que está en la fila i y columna j se le denota 2. A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} es una matriz fila si m = 1.
genéricamente por ai,j , ası́ que A = (ai,j )(i,j)∈{1,...,m}×{1,...,n}.
3. A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} es una matriz columna si n = 1.

4. Los elementos de la diagonal de A son {aii}i∈{1,...,mı́n(m,n)}.

5. S i A tiene todos los elementos por encima (respectivamente por


debajo) de la diagonal igual a 0 se dice que A es triangular inferior
(resp. triangular superior), es decir, si ai,j = 0 para todo j > i
(resp. ai,j = 0 para todo j < i).

6. Una matriz es diagonal si y sólo si ai,j = 0 para todo i = j.

7. Dos matrices A y B son iguales si y sólo si tienen el mismo tamaño,


por ejemplo m × n, y además para todo (i, j) ∈ {1, . . . , m} ×
{1, . . . n} se tiene que ai,j = bi,j .

63 64
2. Operaciones con matrices 2.2. Suma de matrices
Dentro del conjunto de matrices Mm×n (K) definimos la ley de ope-
2.1. Traspuesta de una matriz
ración interna suma
Dada una matriz A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} ∈ Mm×n (K), defini- + : Mm×n (K) × Mm×n (K) −→ Mm×n (K)
mos la matriz traspuesta de A como: (A, B) → C = A + B,
⎛ ⎞
de forma que cij = aij + bij para todo (i, j) ∈ {1, . . . m} × {1, . . . , n}.
⎜ a11 a21 · · · am1 ⎟
⎜ ⎟
⎜ a12 a22 · · · am2 ⎟
⎜ ⎟
At = ⎜ ⎟,
⎜ ... ... . . . ... ⎟ Proposición.
⎜ ⎟
⎝ ⎠
a1n a2n · · · amn (Mm×n(K), +) es un grupo abeliano.
es decir, es la matriz que se obtiene al poner las filas de A como co-
(A + B)t = At + B t.
lumnas y las columnas como filas.

Definición (matrices simétricas y antisimétricas).


A es simétrica si y sólo si A = At
A es antisimétrica cuando A = −At

Ejercicio.
Comprobar que (At)t = A

65 66

2.3. Producto de matrices La matriz B se dice que es la inversa de A y se denota B = A−1.

· : Mm×n (K) × Mn×h (K) −→ Mm×h (K)


(A, B) → C = A · B = AB,

n
cij = ail blj para todo (i, j) ∈ {1, . . . m} × {1, . . . , h}.
l=1

Proposición
Dadas A ∈ Mm×n (K), B, C ∈ Mn×h (K) y D ∈ Mh×p (K), se tiene:

1. (AB)D = A(BD).

2. A(B + C) = AB + AC.

3. (AB)t = B tAt .

4. AIn = A = ImA; donde, para cada k ∈ N, Ik es la matriz de


tamaño k × k que tiene unos en su diagonal y ceros fuera de ella.

5. Cuando el tamaño de las matrices permite hacer el producto BA,


en general se tiene que AB = BA.

Definición (matriz invertible).


Una matriz A ∈ Mm×m (K) es invertible si existe B ∈ Mm×m (K)
tal que AB = BA = Im .
67 68
2.4. Producto de matrices por escala- 3. Rango de una matriz
res A cada matriz A ∈ Mm×n (K) le vamos a asociar un número natu-

Dado el cuerpo K y el conjunto de matrices Mm×n (K), se define la ral perteneciente al conjunto {0, 1, 2, . . . , mı́n(m, n)}. Es decir, lo que

siguiente ley: vamos a hacer es definir una aplicación:

· : K × Mm×n (K) −→ Mm×n (K)


rg : Mm×n (K) −→ {0, 1, 2, . . . , mı́n(m, n)}
(α, A) → B = α · A = αA
A → rg A.
donde bij = αaij para todo (i, j) ∈ {1, . . . , m} × {1, . . . n}.
3.1. Transformaciones elementales por
Proposición
filas
Si α , β ∈ K, A , B ∈ Mm×n (K) y C ∈ Mn×h (K), entonces:
Dada una matriz A ∈ Mm×n (K), podemos definir sobre ella tres
1. α(A + B) = αA + αB.
tipos de transformaciones elementales por filas:
2. (α + β)A = αA + βA.
1. Intercambiar la fila i con la fila j:
⎛ ⎞ ⎛ ⎞
t t
3. (αA) = αA . a a ··· a1n a a12 · · · a1n
⎜ 11 12 ⎟ ⎜ 11 ⎟
⎜ . ... ⎟ ⎜ . ⎟
⎜ . . ... . . . ⎟ ⎜ .. ... . . . ... ⎟
4. (αβ)A = α(βA). ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎜ ai1 ai2 · · · ain ⎟ ⎜ aj1 aj2 · · · ajn ⎟
⎜ ⎟ ⎜ ⎟
5. α(AC) = (αA)C. ⎜ ⎟ Fij ⎜ ⎟
⎜ ... ... . . . ... ⎟ ⎜ ... ... . . . ... ⎟ .
⎜ ⎟ ⎜ ⎟
⎜ ⎟ −→ ⎜ ⎟
⎜ a ⎟ ⎜ a ai2 · · · ain ⎟
⎜ j1 aj2 · · · ajn ⎟ ⎜ i1 ⎟
⎜ ⎟ ⎜ ⎟
⎜ .. ... . . . ... ⎟ ⎜ .. ... . . . ... ⎟
⎜ . ⎟ ⎜ . ⎟
⎝ ⎠ ⎝ ⎠
am1 am2 · · · amn am1 am2 · · · amn
69 70

⎛ ⎞
2. Multiplicar la fila i por un escalar α = 0: a a · · · a1n
⎜ 11 12 ⎟
⎜ . ... . . . ... ⎟
⎜ .. ⎟
⎜ ⎟
⎛ ⎞ ⎛ ⎞ ⎜ ⎟
⎜ ai1 ai2 · · · ain ⎟
⎜ ⎟ i
⎜ a11 a12 · · · a1n ⎟ ⎜ a11 a12 ··· a1n ⎟ ⎜ ⎟ F (α)
⎜ . ⎟ ⎜ . ⎜ ... ... . . . ... ⎟ j
⎜ .. ... . . . ... ⎟ ⎜ .. ... ... ... ⎟ ⎟ ⎜


⎟ −→
⎜ ⎟ ⎜ ⎟ ⎜ a
⎜ ⎟ Fi(α) ⎜ ⎟ ⎜ j1 aj2 · · · ajn ⎟ ⎟
⎜ a · · · ain ⎟ ⎜ αa αa · · · αain ⎟ ⎜ ⎟
⎜ i1 ai2 ⎟ ⎜ i1 i2 ⎟. ⎜ .. . . . ... ⎟
⎜ ⎟ −→ ⎜ ⎟ ⎜ . ... ⎟
⎜ ... ... . . . ... ⎟ ⎜ ... ... ... ... ⎟ ⎝ ⎠
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ am1 am2 · · · amn
am1 am2 · · · amn am1 am2 · · · amn ⎛ ⎞
a11 a12 ··· a1n
⎜ ⎟
⎜ . ... ⎟
⎜ .
. ... ... ⎟
3. Sumar a la fila j la fila i multiplicada por un escalar α: ⎜ ⎟
⎜ ⎟
⎜ ai1 ai2 ··· ain ⎟
⎜ ⎟
⎜ ⎟
⎜ ... ... ... ... ⎟.
⎜ ⎟
⎜ ⎟
⎜ a + αa a + αa · · · ajn + αajn ⎟
⎜ j1 i1 j2 i2 ⎟
⎜ ⎟
⎜ ... ... ... ... ⎟
⎜ ⎟
⎝ ⎠
am1 am2 ··· amn

71 72
3.2. Transformaciones elementales por ⎛ ⎞

columnas ⎜ a11 · · · a1i · · · a1n ⎟


⎜ ⎟ C (α)
⎜ ... . . . ... . . . ... ⎟ i
⎜ ⎟
Son análogas a las que hemos introducido por filas, dada una ma- ⎝ ⎠ −→
am1 · · · ami · · · amn
triz A ∈ Mm×n (K), definimos tres transformaciones elementales por ⎛ ⎞
⎜ a11 · · · αa1i · · · a1n ⎟
columnas: ⎜ ⎟
⎜ ... . . . ... . . . ... ⎟ .
⎜ ⎟
⎝ ⎠
1. Intercambiar la columna i con la columna j:
am1 · · · αami · · · amn

⎛ ⎞ 3. Sumar a la columna j la columna i multiplicada por un escalar


⎜ a 11 · · · a 1i · · · a 1j · · · a 1n ⎟
⎜ ⎟ Cij α:
⎜ ... . . . ... . . . ... . . . ... ⎟
⎜ ⎟
⎝ ⎠ −→
am1 · · · ami · · · amj · · · amn ⎛ ⎞
⎛ ⎞
⎜ a11 · · · a1i · · · a1j · · · a1n ⎟
⎜ a11 · · · a1j · · · a1i · · · a1n ⎟ ⎜ ⎟ Cji (α)
⎜ ⎟ ⎜ ... . . . ... . . . ... . . . ... ⎟
⎜ ... . . . ... . . . ... . . . ... ⎟ . ⎜ ⎟
⎜ ⎟ ⎝ ⎠ −→
⎝ ⎠ am1 · · · ami · · · amj · · · amn
am1 · · · amj · · · ami · · · amn ⎛ ⎞
⎜ a11 · · · a1i · · · a1j + αa1i · · · a1n ⎟
2. Multiplicar la columna i por un escalar α = 0: ⎜ ⎟
⎜ ... . . . ... . . . ... . . . ... ⎟ .
⎜ ⎟
⎝ ⎠
am1 · · · ami · · · amj + αami · · · amn

73 74

3.3. Matrices equivalentes Proposición


Dada una matriz no nula A ∈ Mm×n (K), A es equivalente a:
Definición (matrices equivalentes). ⎛ ⎞
Nr Pr×(n−r)
Diremos que dos matrices A, B ∈ Mm×n (K) son equivalentes si B ⎝ ⎠,
0(m−r)×r 0(m−r)×(n−r)
se puede obtener a partir de A haciendo sobre ella un número finito de
donde Nr es una matriz triangular superior con todos los elementos de
operaciones elementales
la diagonal no nulos y Pr×(n−r) es una matriz cualquiera. En este caso

Teorema rg A = r.

Dada una matriz no nula A ∈ Mm×n (K), mediante una serie de


Definición (Matriz de rango completo).
transformaciones elementales por filas y columnas se puede llegar a
A ∈ Mm×n (K) es de rango completo si y sólo si rg A = mı́n{m, n}.
una matriz (única) de la forma
⎛ ⎞
Ir 0r×(n−r)
⎝ ⎠ Proposición
0(m−r)×r 0(m−r)×(n−r)
Dada A ∈ Mm×n (K) y B ∈ Mn×h (K), se tiene:

1. rg A = rg At ,
Definición (rango).
Dada una matriz A ∈ Mm×n (K), si A = 0m×n definimos rg A = 0, 2. rg (A + B) = rg A + rg B en general.

en otro caso diremos que rg A = r si y sólo si A es equivalente a 3. Si A ∈ Mm×m (K) entonces: A es invertible si y sólo si A es de
⎛ ⎞
Ir 0r×(n−r) rango completo (es decir, tiene rango m).
⎝ ⎠
0(m−r)×r 0(m−r)×(n−r)
4. Dos matrices, A, B ∈ Mm×n (K), son equivalentes si y sólo existen
matrices invertibles P ∈ Mm×m (K) y Q ∈ Mn×n (K) tales que
B = P AQ.
75 76
Ejercicio 4. Matrices Cuadradas
Calcula el rango de las matrices:
⎛ ⎞ Definición (matriz inversa).
⎜1 2 3⎟
⎜ ⎟ Dada una matriz cuadrada A ∈ Mm(K), diremos que es invertible
1. ⎜
⎜2 4 1⎟ ∈ M3×3 (R)

⎝ ⎠ si existe una matriz B tal que AB = BA = Im .
3 1 4
A la matriz B se le llama inversa de A y se le denota por B −1.
⎛ ⎞
⎜1 2 3⎟
⎜ ⎟
2. ⎜ ⎟
⎜2 4 1⎟ ∈ M3×3 (Q)
Proposición
⎝ ⎠
3 1 4 Si A ∈ Mm(K) y A es invertible entonces A es una matriz de rango
⎛ ⎞ completo.
⎜1 2 3⎟
⎜ ⎟
3. ⎜ ⎟
⎜2 4 1⎟ ∈ M3×3 (Z5)
⎝ ⎠
3 1 4

77 78

4.1. Cálculo de la inversa de una ma- Solución

triz utilizando transformaciones ele- ⎛ ⎞ ⎛ ⎞


⎜ 1 −1 1 | 1 0 0⎟ F2 (2) ⎜1 −1 1 | 1 0 0⎟
1

mentales por filas ⎜ ⎟ ⎜ ⎟


⎜−2 1 0 | 0 1 0⎟ F 1(−1) ⎜0 −1 2 | 2 1 0⎟
⎜ ⎟ 3 ⎜ ⎟
⎝ ⎠ ⎝ ⎠
El método consiste en transformar con operaciones elementales sólo 1 1 2 | 0 0 1 ∼ 0 2 1 | −1 0 1

por filas hasta obtener la matriz identidad. ⎛ ⎞ F (2) ⎛ ⎞


3
⎜1 −1 1 | 1 0 0⎟ ⎜10 −10 10 | 10 0 0⎟
Esas mismas operaciones se le aplican a la matriz identidad y la F3 (2) ⎜
2 ⎟ F (5) ⎜ ⎟
⎜0 −1 2 | 2 1 0⎟ 2 ⎜ 0 −5 10 | 10 5 0⎟
⎜ ⎟ ⎜ ⎟
matriz que se obtiene es la inversa deseada. ∼ ⎝ ⎠ F1(10) ⎝ ⎠
0 0 5 | 3 2 1 0 0 10 | 6 4 2

⎛ ⎞
Ejercicio
F13(−10) ⎜10 −10 0 | 4 −4 −2⎟
Usando este método comprueba que la inversa de ⎜ ⎟
⎛ ⎞ F23(−10) ⎜
⎜ 0 −5 0 | 4 1 −2⎟

⎝ ⎠
⎜ 1 −1 1 ⎟ ∼ 0 0 10 | 6 4 2
⎜ ⎟ ⎛ ⎞
A=⎜ ⎜ −2 1 0 ⎟

⎝ ⎠ ⎜10 0 0 | −4 −6 2 ⎟
1 1 2 F12(−2) ⎜ ⎟
⎜ 0 −5 0 | 4 1 −2⎟
⎜ ⎟
es ⎛ ⎞ ∼ ⎝ ⎠
0 0 10 | 6 4 2
⎜ −2 −3 1 ⎟
1⎜ ⎟
A−1 = ⎜ −4 −1 2 ⎟
1
F1( 10 ) ⎛ ⎞
5⎜


⎠ ⎜ 1 0 0 | −2/5 −3/5 1/5 ⎟
3 2 1 F2( −1 ) ⎜ ⎟
5 ⎜0 1 0 | −4/5 −1/5 2/5⎟
⎜ ⎟
F3( 10 ) ⎝
1 ⎠
0 0 1 | 3/5 2/5 1/5

79 80
Ası́ que la inversa de la matriz A es la matriz:
⎛ ⎞
4.2. Determinantes
⎜ −2 −3 1 ⎟ Notación.
1⎜
⎜−4 −1 2⎟

5⎜


⎠ Dada B ∈ Mm×n (K), denotaremos por MijB (o simplemente, si no
3 2 1 hay confusión por Mij ) a la matriz de tamaño (m − 1) × (n − 1) que
se obtiene eliminando de B la fila i y la columna j.

Definición (Determinante).
Dada una matriz A ∈ Mm(K) le vamos a asociar un escalar de K que
llamaremos determinante de la matriz que definimos por inducción
sobre m:

1. Si A tiene tamaño 1 × 1, es decir A = (a), entonces det A = |A| =


a.

2. Si ahora A es de tamaño m × m y suponemos definido el deter-


minante para todas las matrices de tamaño (m − 1) × (m − 1)

(Δij = det MijA), entonces: det A = |A| = mj=1 aij (−1)
i+j
Δij

Observación
El determinante de la matriz A es independiente de la fila i que
elijamos para calcularlo.
81 82

Propiedades Proposición
 
  Dadas A, B ∈ Mm×m (K), se tiene:
 a11 a12 
1.   = a11a22 − a12a21

 a21 a22  1. det Fi(α)(A) = α det A y det Ci(α)(A) = α det A, es decir, el valor
 
  del determinante de A queda multiplicado por α si multiplicamos
 a11 a12 a13 
 
  una de sus filas o columnas por α .
2.  a21 a22 a23  = (a11a22a33 +a12a31a23 +a13a21a32)−(a11a23a32 +
 
a a a  2. det Fij (A) = − det A y det Cij (A) = − det A, es decir, si inter-
 31 32 33 
a12a21a33 + a13a31a22) cambiamos dos filas o columnas entre sı́, el determinante cambia
de signo.

3. det Fij (α)(A) = det A y det Cij (α)(A) = det A, es decir, si suma-
mos a una fila (resp. columna) otra multiplicada por un elemento
α ∈ K, el determinante no cambia de valor.

4. Si una fila o columna de A es combinación lineal de las demás,


entonces |A| = 0.

5. det A = det At .

83 84
6.
  4.3. Inversa de una matriz II
 
 a11 a . . . a 
 12 1m  Fijamos una matriz invertible A.
 ... ... ... 
 ... 
  Definición (Adjunto de orden i, j de A).
 
 c + d c + d ... c + d  =
 1 1 2 2 m m 
  El adjunto de orden i, j de A es el escalar Aij = (−1)i+j Δij .
 ... ... ... ... 
 
 
 
 am1 am2 . . . amm  Definición (matriz adjunta de A).
   
   
 a11 a12 . . . a1m   a11 a12 . . . a1m  La matriz adjunta de A será la matriz de tamaño m × m que

 . ... . . . ...   ... ... . . . ... 
 ..
    tiene en la posición i, j al adjunto de orden i, j, a esta matriz se le
   
 c . . . cm  +  d1 d2 . . . dm 
 1 c2 denotará por Adj A.
   
 ... ... . . . ...   ... ... . . . ... 
   
   
   
 am1 am2 . . . amm   am1 am2 . . . amm  En la sección anterior se ha visto que si una matriz A es invertible
entonces su determinante es no nulo. Además se verifica:

A−1 = |A|−1 (Adj A)t.


Proposición
Dadas A, B ∈ Mm×m (K) se tiene:

1. det(AB) = det A det B.

2. Una matriz es invertible si y sólo si |A| = 0, en dicho caso |A−1| =


1
|A| .

85 86

Demostración de la matriz ⎛ ⎞
a a12 a13 . . . a1n
⎜ 11 ⎟
Probaremos que ⎜ ⎟
⎜ a21 a22 a23 . . . a2n ⎟
⎜ ⎟
A|A|−1 (Adj A)t = I ⎜ . ... ⎟
⎜ .. ... ... ... ⎟
⎜ ⎟
⎜ ⎟
⎜ ai1 ai2 ai3 . . . ain ⎟
⎜ ⎟
⎜ ⎟,
⎜ ... ... ... ... ... ⎟
⎜ ⎟
A|A|−1 (Adj A)t = |A|−1A(Adj A)t ⎜ ⎟
⎛ ⎞⎛ ⎞ ⎜ ⎟
⎜ ai1 ai2 ai3 (fila j) ain ⎟
⎜ a11 a12 a13 . . . a1n ⎟ ⎜ A11 A21 A31 . . . Aj1 . . . An1 ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ .. ... ... ... ... ⎟
⎜ a21 ⎜ . ⎟
⎜ a22 a23 . . . a2n ⎟ ⎜
⎟ ⎜ A12 A22 A32 . . . Aj2 . . . An2 ⎟
⎟ ⎝ ⎠
⎜ . ⎟ ⎜ ⎟ an1 an2 an3 . . . ann
⎜ .. ... ... . . . ... ⎟ ⎜ .. ... ... . . . ... . . . ... ⎟
⎜ ⎟⎜ . ⎟
= |A|−1 ⎜ ⎟⎜ ⎟ −1
ası́ que cij = |A| 0 = 0.
⎜a ain ⎟ ⎜A A A . . . A . . . A ⎟
⎜ i1 ai2 ai3 . . . ⎟ ⎜ 1i 2i 3i ji ni ⎟
⎜ ⎟⎜ ⎟
⎜ .. ... ... . . . ... ⎟ ⎜ ... ... ... . . . ... . . . ... ⎟
⎜ . ⎟⎜ ⎟
⎝ ⎠⎝ ⎠
an1 an2 an3 . . . ann A1n A2n A3n . . . Ajn . . . Ann

Esta matriz producto tiene en la posición (i, j) el valor:

cij = |A|−1(ai1Aj1 + ai2Aj2 + · · · + ainAjn )

Ahora distinguimos dos casos:

Si i = j entonces cii = |A|−1|A| = 1

Si i = j entonces ai1Aj1 + ai2Aj2 + · · · + ain Ajn es el determinante

87 88
Ejercicio Ejercicio
Usando este método comprueba que la inversa de De los dos métodos explicados para calcular la inversa de una matriz
⎛ ⎞
¿Cuál requiere un número menor de operaciones?
⎜ 1 3 0 ⎟
⎜ ⎟
A=⎜ ⎜1 1 0⎟
⎟ Si A(n) y G(n) denotan el número de operaciones que deben de
⎝ ⎠
realizarse para calcular la inversa de una matriz de tamaño n × n por
1 0 2
los métodos de los determinantes y Gauss respectivamente, se tiene:
es ⎛ ⎞
⎜ −2 6 0 ⎟
1⎜ ⎟
⎜ 2 −2 0 ⎟
A−1 =
4⎜


⎠ A(n) = n n! + n2[(n − 1) (n − 1)! − 1] + 1
1 −3 2


n−1
Ejercicio G(n) = 2n2 + 2(3n + 4n2)(n − 1) + 2 −6jn − 3j + 2j 2.
j=1
⎛ Calcula
⎞ por los dos métodos explicados la inversa de la matriz A =
1 2
⎝ ⎠ ∈ M2(Z5).
2 3

89 90

Casos concretos 5. Ejercicios resueltos


n A(n) G(n)
I. Calcular el rango de la siguiente matriz en función de los valores
2 5 26
de a y b: ⎛ ⎞
3 46 92
⎜a 0 0 b⎟
⎜ ⎟
4 369 220 ⎜b a 0 0⎟
⎜ ⎟
A=⎜ ⎟.
5 2976 430 ⎜0 b a 0⎟
⎜ ⎟
⎝ ⎠
6 25885 742 0 0 b a
7 246912 1176
Solución.
8 2580417 1752
Utilizando el método de transformaciones elementales por filas y
9 29393200 2490
columnas, tenemos:
10 362879901 3410
1000 4,02387260077 × 102573 3334331000 ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜a 0 0 b ⎟ ⎜b a 0 0⎟ ⎜1 a/b 0 0 ⎟
Para acabar pensemos que si un ordenador tarda una millonésima de ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜b a 0 0⎟ ⎜ b a 0⎟ ⎜0 ⎟
⎜ ⎟ ⎜0 ⎟ b = 0 ⎜ 1 a/b 0 ⎟
segundo en hacer una operación entonces le costarı́a 55,5722 minutos ⎜ ⎟∼⎜ ⎟ ⎜ ⎟
⎜0 b a 0⎟ ⎜ 0 b a⎟ ⎜0 a/b ⎟
⎜ ⎟ ⎜0 ⎟ ∼ ⎜ 0 1 ⎟
invertir una matriz de tamaño 1000 × 1000. En cambio necesitarı́a ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
0 0 b a a 0 0 b a 0 0 b
1,2759616314 × 102558 siglos para invertirla por el método de la matriz
adjunta.

91 92
⎛ ⎞
⎛ ⎞ ⎛ ⎞ ⎜0 0 0 0⎟
⎜ ⎟
⎜1 a/b 0 0
⎟ ⎜ 1 a/b 0 0 ⎟ ⎜2
⎜ 0 0 0⎟⎟
⎜ ⎟ ⎜ ⎟ II. Sea la matriz A = ⎜ ⎟ , se pide:
⎜0 ⎟ ⎜0 1 ⎟ ⎜2 2 0 0⎟
⎜ 1 a/b 0
⎟ ⎜ a/b 0 ⎟
∼⎜ ⎟∼⎜ ⎟∼ ⎜ ⎟
⎜0 ⎟ ⎜ ⎝ ⎠
⎜ 0 1 a/b ⎟ ⎜ 0 0 1 a/b ⎟

⎝ ⎠ ⎝ ⎠ 2 2 2 0
0 −a2/b 0 b 0 0 a3/b2 b
⎛ ⎞ ⎛ ⎞ (a) Calcular las sucesivas⎛potencias de⎞A. ⎛ ⎞
⎜ 1 a/b 0 0 ⎟ ⎜ 1 a/b 0 0 ⎟ ⎜0 0 0 0⎟ ⎜0 0 0 0⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜0 1 ⎟ ⎜0 1 ⎟ ⎜0 0 0 0⎟ ⎜0 0


a/b 0 ⎟ ⎜
⎟∼⎜
a/b 0 ⎟
⎟ ⎜ ⎟ 3 ⎜ 0 0⎟⎟
⎜0 0 ⎟ ⎜0 0 ⎟ Solución. A2 = ⎜ ⎟, A = ⎜ ⎟ y
⎜ 1 a/b ⎟ ⎜ 1 a/b ⎟ ⎜4 0 0 0⎟ ⎜0 0 0 0⎟
⎝ ⎠ ⎝ ⎠ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
0 0 0 b − a4/b3 0 0 0 b − a4/b3 8 4 0 0 8 0 0 0
⎛ ⎞
Ası́ que si b = 0 se tienen las siguientes posibilidades:
⎜0 0 0 0⎟
⎜ ⎟
⎜0 0 0 0⎟
Si b4 = a4 entonces rg A = 3. Además ⎜ ⎟
n
A =⎜ ⎟ para todo n ≥ 4.
⎜0 0 0 0⎟
⎜ ⎟
b4 = a4 ⇔ ±b2 = ±a2 ⇔ b2 = a2 ⇔ b = ±a. ⎝ ⎠
0 0 0 0
Si b = ±a entonces rg A = 4. (b) Sea B = I4 + A, expresar B n en función de I4, A, A2 y A3.
⎛ ⎞
⎜a 0 0 0⎟ Solución. Usando el binomio de Newton tenemos que
⎜ ⎟
⎜0 a 0 0⎟
⎜ ⎟ ⎛ ⎞
Cuando b = 0 tenemos A = ⎜ ⎟ y por lo tanto:
⎜0 
0 a 0⎟
n
n
⎜ ⎟ B n = (I4 + A)n = ⎝ ⎠ Aj I n−j
⎝ ⎠
0 0 0 a j=0 j

si a = 0 entonces rg A = 0 Ahora suponemos que n ≥ 3 y simplificamos la expresión an-


terior:
si a = 0 entonces rg A = 4

93 94

⎛ ⎞ (d) Expresar B −3 en función de I4, A, A2 y A3 .



3
n n(n − 1) 2 n(n − 1)(n − 2) 3
n ⎝ ⎠A I j n−j
B =
j=0 j
= I4 + nA +
2
A +
6
A =
Solución. B −3 = (I4 − A + A2 − A3)3 = (I4 − A + A2 −
⎛ ⎞

1 0 0 0
⎟ A3)2(I4 − A + A2 − A3) = (I4 − 2A + 3A2 − 4A3)(I4 − A +
⎜ ⎟
⎜ 2n 1 0 0 ⎟
⎜ ⎟.

⎜ 2n + 2(−1 + n)n
⎟ A2 − A3) = I4 − 3A + 6A2 − 10A3.
2n 1 0 ⎟
⎝ ⎠
2n + 4(−1 + n)n + 43 (−2 + n)(−1 + n)n 2n + 2(−1 + n)n 2n 1
⎛ ⎞
⎜1 0 0 0⎟
⎜ ⎟
⎜2 1 0 0⎟
⎜ ⎟
Si n = 1 entonces B 1 = I4 + A = ⎜ ⎟.
⎜2 2 1 0⎟
⎜ ⎟
⎝ ⎠
2 2 2 1
Si n
⎛ = 2 entonces
⎞ B 2 = (I4 + A)2 = I42 + A2 + 2A =

⎜1 0 0 0⎟
⎜ ⎟
⎜4 1 0 0⎟
⎜ ⎟
⎜ ⎟.
⎜8 4 1 0⎟
⎜ ⎟
⎝ ⎠
12 8 4 1
(c) Demostrar que la inversa de B es I4 − A + A2 − A3.

Solución. Se trata de ver que B(I4 − A + A2 − A3 ) = I4 =


(I4 − A + A2 − A3)B. En efecto:

B(I4 − A + A2 − A3) = (I4 + A)(I4 − A + A2 − A3) =


I4 − A + A2 − A3 + A − A2 + A3 − A4 = I4 − A4 = I4.

(I4 − A + A2 − A3)B = (I4 − A + A2 − A3 )(I4 + A) =


I4 − A + A2 − A3 + A − A2 + A3 − A4 = I4 − A4 = I4.
95 96
⎛ ⎞ ⎛ ⎞
⎜ 1 2 3 ⎟ ⎜ 1 4 10 ⎟
⎜ ⎟ ⎜ ⎟
III. Hallar la potencia n–ésima de A = ⎜ ⎟
⎜ 0 1 2 ⎟ poniendo A = Hacemos notar que A1 = A y que A2 = ⎜ ⎟
⎜ 0 1 4 ⎟. Y ahora
⎝ ⎠ ⎝ ⎠
0 0 1 0 0 1
I3 + B, siendo B una matriz a determinar. calculamos An para n ≥ 3 siguiendo el binomio de Newton:
       
Solución. ⎛ ⎞ n n n n
An = (B+I3)n = B 0+ B 1+. . . B n−1+ Bn
0 1 n−1 n
⎜0 2 3⎟ n(n − 1) 2
⎜ ⎟
La matriz B será B = A − I3= ⎜ ⎟
⎜ 0 0 2 ⎟ .Como la matriz iden-
= I3 + nB + B
⎝ ⎠ ⎛ ⎞ ⎛ ⎞2 ⎛ ⎞
n(n−1)
0 0 0 ⎜ 1 0 0 ⎟ ⎜ 0 2n 3n ⎟ ⎜ 0 0 2
4⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
tidad conmuta con cualquier otra matriz podemos utilizar el bi- ⎜ ⎟ ⎜ ⎟ ⎜
= ⎜ 0 1 0 ⎟ + ⎜ 0 0 2n ⎟ + ⎜ 0 0 0 ⎟

⎝ ⎠ ⎝ ⎠ ⎝ ⎠
nomio de Newton para calcular la potencia An = (B + I3)n = 0 0 1 0 0 0 0 0 0
n n j ⎛ ⎞
j=0 j B , ası́ que tenemos que calcular las potencias de la ma- 2
⎜ 1 2n 2n + n ⎟
triz B. ⎜ ⎟
=⎜⎜ 0 1 2n


⎛ ⎞ ⎝ ⎠
0 0 0 0 0 1
⎜ ⎟
⎜ ⎟
B 0 = I3 B3 = ⎜ 0 0 0 ⎟
⎝ ⎠
0 0 0
⎛ ⎞
0 2 3
⎜ ⎟
⎜ ⎟
B1 = ⎜ 0 0 2 ⎟ B4 = 0
⎝ ⎠
0 0 0
⎛ ⎞
0 0 4
⎜ ⎟
⎜ ⎟
B2 = ⎜ 0 0 0 ⎟ B n = 0 ∀n ≥ 4
⎝ ⎠
0 0 0

97 98

IV. De las afirmaciones siguientes, demostrar las verdaderas y dar un Solución. La igualdad es cierta porque
contraejemplo para las falsas: (P AP −1)n =
−1 −1 −1 −1
(a) (A + B)2 = A2 + 2AB + B 2. P AP P AP PAP . . . P AP 
n-veces
Solución.
⎛ ⎞ Esta afirmación
⎛ ⎞ es falsa, para verlo tómense A =
1 0 0 1 = P AnP −1.
⎝ ⎠yB=⎝ ⎠.
0 0 0 0
(e) Si A es antisimétrica, entonces A2 es simétrica.
La misma afirmación es cierta cuando las matrices A y B
Solución. Verdadero. Puesto que A es antisimétrica se tiene
conmutan. En cualquier caso sı́ que se verifica la igualdad
que At = −A, entonces (A2)t = (AA)t = At At = (−A)(−A) =
(A + B)2 = A2 + AB + BA + B 2.
A2, es decir, A2 es simétrica.
(b) A2 − B 2 = (A − B)(A + B).
(f) Si A es antisimétrica y B es simétrica, entonces AB es anti-
Solución. Esta igualdad también es falsa y se puede ver con
simétrica si y sólo si AB = BA.
las mismas matrices que en el ejercicio anterior.
Solución. Verdadero. Por ser A antisimétrica y B simétrica
(c) An+1 − In = (A − In)(In + A + A2 + ... + An).
se tiene que At = −A y que B t = B.
Solución. En este caso la igualdad es cierta ya que (A −
Demostramos primero que si AB es antisimétrica entonces
In )(In + A + A2 + ... + An ) = A + A2 + · · · + An + An+1 −
AB = BA. En efecto, por ser AB antisimétrica tenemos que
In − A − A2 + ... − An = An+1 − In.
−AB = (AB)t = B tAt = B(−A) = −BA e igualando el
−1 n n −1
(d) Si P es una matriz regular, entonces (P AP ) = PA P .
primer y último miembro y dividiendo por −1 se tiene que
AB = BA.

Finalmente hay que ver que si AB = BA entonces AB es


antisimétrica.
99 100
(g) Si |AB| = 0, entonces |A| = 0 ó |B| = 0. V. Demostrar que si a, b, c son números reales se tiene que:
 
 
Solución. Esta afirmación es cierta ya que si |AB| = 0 en-  a − b − c 2a 2a 
 
 
tonces |AB| = |A||B| = 0 y por lo tanto o bien |A| = 0 o bien  2b b − c − a 2b  = (a + b + c)3 .
 
 
|B| = 0.  2c − − 
 2c c a b 

(h) |A + B| = |A| + |B| . Solución.  


 
 a − b − c 2a 2a 
Solución.
⎛ Se
⎞ puede comprobar
⎛ ⎞ fácilmente que las matrices  
 
1 2 0 0  2b b − c − a 2b 
 
A = ⎝ ⎠yB = ⎝ ⎠ son un contraejemplo para  
0 1 1 0  2c c − a − b 
 2c
esta igualdad.  
 
 a+b+c a+b+c a+b+c 
 
(i) |2A| = 2 |A| . F1 (1); F1 (1) 
2 3 
⎛ ⎞  2b b − c − a 2b =
 
1 0 =  
Solución. Se puede comprobar con la matriz A = ⎝ ⎠  2c c − a − b 
 2c
0 1  
 
que la igualdad no se satisface. 1 1 1 
 
 
(a + b + c)  2b b − c − a 2b 

 
 2c 2c − − 
 c a b 
 
 
0 1 1 
 
C12(−1)  

(a + b + c)  a + b + c b − c − a 2b =

=  
0 c − a − b 
 2c
 
 
2
1 1 
−(a + b + c)  

 2c c − a − b 
= −(a + b + c)2(−a − b − c) = (a + b + c)3
101 102

VI.   VII.
 2   
a ab ab b 2      
 a b 0 0     
   a b 0 b 0 0
 ab  
 a2 b2 ab  0 a b 0  







  
 ab   = a  0 a b  − b  a b 0  = a4 − b4
 b2 a2 ab  0 0 a b     
   0 0 a 0 a b
 2       
b ab ab a2   
  b 0 0 a
 2 
 a + 2ab + b2 ab ab b2 
 
 
C12(1), C13(1), C14(1)  a2 + 2ab + b2 a2 b2 ab 
 
 a2 + 2ab + b2 b2 a2 ab 
=  
 
 2 2 2 
 a + 2ab + b ab ab a 
 
 2 
 a + 2ab + b2 ab ab b2 

 
F21(−1), F31(−1), F41(−1)  0 a2 − ab b2 − ab ab − b2 
 
 b2 − ab a2 − ab ab − b2 
=  0
 
 
 0 0 0 a2 − b2 
 
 
 a2 − ab b2 − ab ab − b2 
 
 
= (a2 + 2ab + b2)  b2 − ab a2 − ab ab − b2 
 
 a2 − b2 
 0 0
 
 2 
 a − ab b 2
− ab 
= (a + b)2(a2 − b2)  

 b − ab a − ab 
2 2

= (a + b)3(a − b)[(a2 − ab)2 − (b2 − ab)2]

= (a + b)3(a − b)(a2 + b2 − 2ab)(a2 − b2)

103 = (a + b)4(a − b)4 = (a2 − b2)4 104


VIII. Sin desarrollar los determinantes, demostrar que: IX.
 
 
      1 1 1 1 
      
 1 a b+c   1 a2 a3   bc a a2   
      a b c d 
      
 
(a)  1 b a + c  = 0 (b)  1 b2 b3  =  ca b b2   a2
       b2 c2 d2 
 1 c a+b   1 c2 c3   ab c c2   
       3 
a b3 c3 d3 
 
Solución.  
      F43(−a)  1 1 1 1 

       
 1 a b+c   1 a a+b+c  1 a 1  
  2     1 F3 (−a)  0 b − a
2
c−a d−a 
  C3 (1)     C (−1)  
(a)  1 b a + c   1 b b + a + c  = (a+b+c)  1 b 1  3
     
 0 b − ba c − ca d − da 
2 2 2
  =     =
 1 c a+b   1 c c+a+b  1 c 1 = 



      F21(−a)  0 b3 − b2a c3 − c2 a d3 − d2a 
 
   
1 a 0  
   b−a c − a d − a 
   
(a + b + c)  1 b 0  = 0  
  =  b − ba c − ca d − da 
 2 2 2
1 c 0  
   b3 − b2a c3 − c2 a d3 − d2a 
 
(b) Si  
 a, b, c son
 las tres
diferentes
 de 0, se tiene:   
      1 1 1 
 1 a a   1/a
2 3
a a 2   bc a a2   
      
  
 1 b2 b3  =  1/b
 C1(abc)   = (b − a)(c − a)(d − a)  b c d 
   b b2   ac b b2 
   
    =    b2 c2 d2 
 1 c2 c3   1/c 2   2   
   c c   ab c c   
 
Supongamos ahora que una de ellas es 0, por ejemplo a = 0, F32(−b) 1 1 1 
 
 
 se tiene:
en este caso   = (b − a)(c − a)(d − a)  0 c − b d − b 

     
1 0 0       bc 0 0   0 c2 − cb d2 − db 
   2 3      F21(−b)  
  b b  b b  
2 
 1 b2 b3  =   bc   =  0 b b2 
   2 3     
  c c  c c  
2 
 1 c2 c3   0 c c2 
   
105 106

X. Calcular el rango de la matriz


  ⎛ ⎞
 
 c−b d−b 
= (b − a)(c − a)(d − a)   ⎜1 2 0 1 2 1⎟
 ⎜ ⎟
 c2 − cb d2 − db  ⎜1 0 3 0 3 1⎟
  ⎜ ⎟
  ⎜ ⎟
1 1 A=⎜ ⎜2 2 3 1 4 1⎟

= (b − a)(c − a)(d − a)(c − b)(d − b)  
 ⎜ ⎟
c d ⎜4 4 6 2 9 3⎟
⎜ ⎟
⎝ ⎠
= (b − a)(c − a)(d − a)(c − b)(d − b)(d − c) 3 2 6 1 7 2

Calculamos el rango de esta matriz realizando operaciones elemen-


tales por filas:

⎛ ⎞ ⎛ ⎞
⎜1 2 0 1 2 1⎟ F21(−1) ⎜1 2 0 1 2 1⎟ F21(−1)
⎜ ⎟ ⎜ ⎟
⎜1 0 3 0 3 1⎟ F31(−2) ⎜ −2 3 −1 1 0⎟ F31(−2)
⎜ ⎟ ⎜0 ⎟
⎜ ⎟ ⎜ ⎟
⎜2 2 3 1 4 1⎟ F41(−4) ⎜ 2 3 1 4 1⎟ F41(−4)
⎜ ⎟ ⎜2 ⎟
⎜ ⎟ ⎜ ⎟
⎜4 4 6 2 9 3⎟ F51(−3) ⎜ 4 6 2 9 3⎟ F51(−3)
⎜ ⎟ ⎜4 ⎟
⎝ ⎠ ⎝ ⎠
3 2 6 1 7 2 ∼ 3 2 6 1 7 2 ∼

107 108
Tema 3: Sistemas de ecuaciones lineales simplemente ecuación lineal de con n incógnitas.

Gabriel Soler López


26 de septiembre de 2006

1. Definiciones básicas

Definición (sistema de ecuaciones lineales).


Fijado un cuerpo K, que como ya dijimos siempre será R y even-
tualmente C, y fijados numeros naturales m y n, un sistema de m
ecuaciones y n incógnitas sobre el cuerpo K es un conjunto de ex-
presiones del estilo:



a11x1 + a12x2 + · · · + a1nxn = b1 ⎪




a21x1 + a22x2 + · · · + a2nxn = b2 ⎬
(S)
... ⎪
... ...






am1x1 + am2x2 + · · · + amnxn = bm ⎭

donde los elementos aij pertenecen al cuerpo K y los elementos xj son


las incógnitas que queremos encontrar.

Convenio
Cuando m = 1, en vez de llamar a la expresión a11x1 + a12x2 +
· · · + a1nxn = b1 sistema de 1 ecuación con n incógnitas, la llamaremos
109 110

El sistema (S) se puede reescribir en forma matricial como: ción.

Ax = b,
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2. Teorema de Rouché-Frobenius
⎜ x1 ⎟ ⎜ b1 ⎟ ⎜ a11 a12 · · · a1n ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ x2 ⎟ ⎜ b2 ⎟ ⎜ a21 a22 · · · a2n ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ Dado el sistema Ax = b, se tiene:
donde x = ⎜ ⎟, b = ⎜ ⎟yA=⎜ ⎟.
⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ... . . . ... ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ 1. si rg (A) = rg (A|b) entonces el sistema es compatible. Además:
xn bn am1 am2 · · · amn
Notación. a) cuando rg (A) = rg (A|b) = n el sistema es compatible deter-

La matriz A se llamará matriz asociada al sistema (S), minado,

B = (A|b) es la matriz ampliada asociada al sistema (S) b) y si rg (A) = rg (A|b) = n el sistema es compatible indetermi-
Los bj son términos independientes del sistema (S). nado.

2. si rg (A) = rg (A|b) entonces el sistema es incompatible.


Definición (Resolución y discusión de un sistema).
Resolver el sistema (S) es encontrar un vector x en Kn tal que
Definición (sistema homogéneo).
Ax = b y discutirlo consiste en clasificarlo en uno de los siguiente
si todos los elementos bi son 0, el sistema se dice que es homogéneo
tipos:
y siempre tiene solución.
1. Sistema compatible determinado (S.C.D.): es aquél que tiene
una única solución.

2. Sistema compatible indeterminado (S.C.I.): es aquél que tiene


múltiples soluciones.

3. Sistema incompatible (S.I.): es aquel sistema que no tiene solu-


111 112
3. Resolución de sistemas, método de Resolución efectiva

Gauss Se considera ahora el sistema Cx = d ya que va a tener las mismas


soluciones que el sistema Ax = b (son equivalentes). El sistema Cx =
Dado el sistema de ecuaciones
⎫ d puede estar en dos situaciones diferentes:

a11x1 + a12x2 + · · · + a1mxm = b1 ⎪⎪



⎪ 1. Si k = rg (C) < n entonces (S) es compatible indeterminado.
a21x1 + a22x2 + · · · + a2mxm = b2 ⎬
(S) En este caso damos a las incógnitas xk+1, xk+1, . . . , xn los valores
... ... ⎪
... ⎪




⎪ indeterminados (parámetros) αk+1, αk+1, . . . , αn y resolvemos el
an1x1 + an2x2 + · · · + anm xm = bn ⎭
sistema:
le asociaremos su sistema matricial Ax = b y el método consiste en:
c11x1 + c12x2 + · · · + c1k xk = d1 − c1,k+1αk+1 − · · · − c1,n αn
1. Realizar transformaciones elementales por filas en la matriz (A|b)
c21x1 + c22x2 + · · · + c2k xk = d2 − c2,k+1αk+1 − · · · − c2,n αn
hasta obtener una matriz del estilo:
...... ... ...
⎛ ⎞ ck1 x1 + ck2 x2 + · · · + ckk xk = dk − ck,k+1 αk+1 · · · − ck,n αn
C d
⎝ ⎠
E f 2. Si rg (C) = n el sistema es compatible determinado y lo resolve-

siendo la matriz C de rango completo y triangular superior, la mos fácilmente de abajo hacia arriba sin necesidad de introducir

matriz E de ceros y tanto d como f son matrices columna. parámetros.

2. Si f = 0 entonces el sistema es compatible. Además, si rg (C) =núme-


ro de incógnitas se tiene que (S) es compatible determinado. En
caso contrario es compatible indeterminado.

3. Si f = 0 entonces el sistema (S) es incompatible.

113 114

4. Método de Cramer Justificamos la fórmula anterior y concluimos el tema:

Este método se puede utilizar cuando los sistemas tienen el mismo n


xk = 1
( j=1 Ajkbj )
= |A| 1
(b1A1k + b2A2k + · · · + bnAnk )

|A| 
número de ecuaciones que de incógnitas y el sistema es compatible  
 a21 . . . a2,k−1 a2,k+1 . . . a2n 
⎜  
⎜  
determinado, es decir: ⎜  a31 . . . a3,k−1 a3,k+1 . . . a3n 
1 ⎜  
= |A| ⎜(−1)k+1b1   + ...
⎜  ... ... ... ... ... ... 
⎜  
Ax = b con A ∈ Mn×n (K) y rg (A) = n (A es invertible). ⎝  
 
 an1 . . . an,k−1 an,k+1 . . . ann 
 ⎞
 
 a11 . . . a1,k−1 a1,k+1 . . . a1n 
−1
Ax = b ⇒ A Ax = A b ⇒ x = −1 1 t  ⎟
|A| Adj(A) b.  ⎟
 a21 . . . a2,k−1 a2,k+1 . . . a2n ⎟
 ⎟
· · · + bn (−1)n+n  ⎟
n  ... ... ... ... ... ... ⎟
Para cada 1 ≤ k ≤ n se tiene xk = 1
(  ⎟
|A| j=1 Ajk bj ), de donde:  ⎠
 
   an−1,1 . . . an−1,k−1 an−1,k+1 . . . an−1,n 
   
 a11 . . . a1,k−1  
 b1 a1,k+1 . . . a1n   a11 . . . a1,k−1 b1 a1,k+1 . . . a1n 
   
 a11 . . . a1,k−1  
 b2 a1,k+1 . . . a1n  
1  11a . . . a 1,k−1 b 2 a 1,k+1 . . . a 1n 

  =  
 ... ... ... ... ... ... ...  |A|  ... ... ... ... ... ... ... 
   
   
   
 an1 . . . an,k−1 bn an,k+1 . . . ann   an1 . . . an,k−1 bn an,k+1 . . . ann 
xk = .
|A|

115 116
5. Ejercicios resueltos Solución. Falso. El contraejemplo del apartado (a) vale para
este apartado.
I. Discutir la veracidad o falsedad de las siguientes afirmaciones:
(d) Si un sistema de ecuaciones Ax = b es compatible determinado,
(a) Dado un sistema de m ecuaciones con n incógnitas, Ax = b, entonces A es una matriz cuadrada.
que admite solución única, entonces ésta es x = A−1 b. Solución. Falso, además el contraejemplo del apartado (a)
Solución. Falso, por ejemplo se puede verificar que el sistema también vale para este apartado.
⎛ ⎞ ⎛ ⎞
1 1 ⎛ ⎞ (e) Si Ax = b es un sistema incompatible con 5 ecuaciones y 4
⎜ ⎟ ⎜ 6 ⎟
⎜ ⎟ x ⎜ ⎟
⎜ 6 10 ⎟ ⎝ 1 ⎠ = ⎜ 52 ⎟ incógnitas y el r(A) = 4 entonces r(A|b) = 5.
⎜ ⎟ ⎜ ⎟
⎝ ⎠ x2 ⎝ ⎠
9 15 78 Solución. Verdadero. En efecto, sabemos que rg A ≤ rg (A|b),

tiene como solución única a x1 = 2 y x2 = 4. Sin embargo no además al ser el sistema incompatible entonces la desigualdad

existe la inversa de la matriz asociada al sistema por no ser es estricta. Ası́ que 4 < rg (A|b) y como el tamaño de (A|b) es

cuadrada. 5 × 5 entonces rg (A|b) ≤ 5. Por lo tanto rg (A|b) = 5.

(b) Si los sistemas Ax = b1 y Ax = b2 son compatibles, entonces


lo es Ax = b donde b = b1 + b2.

Solución. En efecto, si ambos son compatibles existirán solu-


ciones respectivas x1 y x2 tales que Ax1 = b1 y Ax2 = b2.Por
lo tanto A(x1 + x2) = Ax1 + Ax2 = b1 + b2. Esto quiere decir
que x1 + x2 es solución de Ax = b, donde b = b1 + b2.

(c) Un sistema con más ecuaciones que incógnitas es siempre in-


compatible.

117 118

II. Discutir el siguiente sistema


⎧ •z= 1−a
−(a−1)(a+2) = 1
a+2 ;

⎪ 1
(1−a) a+2

⎪ ax + y + z = 1 •y= = 1
a+2 ;
⎨ 1−a

x + ay + z = 1 • x = 1 − z − ay = a+2−1−a
= 1
.

⎪ a+2 a+2


⎩ x + y + az = 1
Si a = 1 entonces rg A = rg (A|b) = 1 y el sistema es com-
Asociamos al sistema la matriz ampliada y realizamos operaciones patible indeterminado, necesitándose 2 parámetros reales para
de Gauss: resolverlo, α y β. Las soluciones serı́an en este caso:

⎛ ⎞ ⎛ ⎞ • z = α;
⎜ a 1 1 1 ⎟ ⎜ 1 a 1 1 ⎟
⎜ ⎟ F ⎜ ⎟ • y = β;
⎜ 1 a 1 1 ⎟ 1,3 ⎜ 1 1 a 1 ⎟
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ∼ ⎝ ⎠ • x = 1 − α − β.
1 1 a 1 a 1 1 1
⎛ ⎞ Si a = −2 entonces rg A = 2 = 3 = rg (A|b), por lo tanto el
F2 − F1 ⎜ 1 a 1 1 ⎟
⎜ ⎟ sistema es incompatible.
F3 − aF1 ⎜
⎜ 0 1−a a−1 0 ⎟

⎝ ⎠
∼ 0 1 − a2 1 − a 1 − a
⎛ ⎞
⎜1 a 1 1 ⎟
⎜ ⎟
F3 − (1 + a)F2 ∼ ⎜⎜0 1−a a−1 0 ⎟⎟
⎝ ⎠
0 0 2 − a − a2 1 − a

Ahora discutimos el sistema según los valores del parámetro a:

Si a = 1 y 2 − a − a2 = 0, es decir, si a = 1 y a = −2
entonces rg (A) = rg (A|b) = 3 y el sistema es compatible y
determinado y las soluciones son:
119 120
III. Discutir el sistema: ⎧ a) z = a(a + 1);



⎪ x+y+z =a+1 b) y = −a
;
⎨ a−1
ax + y + (a − 1) z = a c) x = a + 1 − a(a + 1) + a−1
a
= − 1−2a−a +a2 3

⎪ a−1 .


⎩ x + ay + z = 1
Si a = 1 entonces rg A = 2 = 3 = rg (A|b) y por lo tanto el
Asociamos al sistema la matriz asociada ampliada y realizamos sistema es incompatible.
operaciones elementales por filas:

⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 a + 1 ⎟ ⎜ 1 1 1 a + 1 ⎟
⎜ ⎟ F ⎜ ⎟
⎜ a 1 a − 1 a ⎟ 2,3 ⎜ 1 a 1 1 ⎟
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ∼ ⎝ ⎠
1 a 1 1 a 1 a−1 a
⎛ ⎞
F2 − F 1 ⎜ 1 1 1 a+1⎟
⎜ ⎟
F3 − aF1 ⎜⎜ 0 a − 1 0 −a ⎟

⎝ ⎠
∼ 0 1 − a −1 −a2
⎛ ⎞
⎜ 1 1 1 a + 1 ⎟
F2 + F 3 ⎜ ⎟
⎜ 0 a−1 0 −a ⎟
⎜ ⎟
∼ ⎝ ⎠
0 0 −1 −a2 − a

Ahora discutimos y resolvemos el sistema según los valores del


parámetro a:

Si a = 1 entonces rg A = rg (A|b) = 3 y el sistema es compa-


tible determinado, siendo las soluciones:
121 122

IV. Resolver el sistema:


⎛ ⎞
⎧ ⎜k 1 1 1 k⎟

⎪ ⎜ ⎟

⎪ kx + y + z + t = k ⎜1 k 1 1 k⎟

⎪ ⎜ ⎟

⎨ x + ky + z + t = k (A|b) = ⎜ ⎟
⎜1 1 k 1 k⎟
⎜ ⎟
⎪ ⎝ ⎠

⎪ x + y + kz + t = k

⎪ 11 1 k k

⎪ ⎛ ⎞
⎩ x + y + z + kt = k
F1 − kF4 ⎜ 0 1 − k 1 − k 1 − k 2 k − k 2 ⎟
Empezamos construyendo la matriz ampliada al sistema y reali- ⎜ ⎟
F2 − F4 ⎜ ⎜ 0 k−1 0 1−k 0 ⎟ ⎟
zando operaciones elementales por filas: ⎜ ⎟

F3 − F4 ⎜ 0 0 k − 1 1 − k 0 ⎟ ⎟
⎝ ⎠
∼ 1 1 1 k k
⎛ ⎞
⎜ 1 1 1 k k ⎟
⎜ ⎟
intercambio de filas ⎜
⎜ 0 1 − k 1 − k 1 − k 2
k − k 2 ⎟

⎜ ⎟
∼ ⎜ 0 k−1 0 1−k 0 ⎟
⎜ ⎟
⎝ ⎠
0 0 k−1 1−k 0
⎛ ⎞
⎜1 1 1 k k ⎟
⎜ ⎟
F3 + F 2 ⎜
⎜ 0 1−k 1−k 1−k
2
k − k2 ⎟ ⎟
⎜ ⎟
∼ ⎜ 0 0 1 − k 2 − k − k2 k − k2 ⎟
⎜ ⎟
⎝ ⎠
0 0 k−1 1−k 0

123 124
⎛ ⎞ Tema 4: Espacios vectoriales
⎜1 1 1 k k ⎟ Gabriel Soler López
⎜ ⎟

F4 + F3 ⎜ 0 1 − k 1 − k 1−k 2
k − k2 ⎟ 7 de noviembre de 2006

⎜ ⎟
∼ ⎜ 0 0 1 − k 2 − k − k2 k − k2 ⎟
⎜ ⎟
⎝ ⎠
0 0 0 3 − 2k − k 2 k − k 2 1. Definiciones básicas y primeras con-
Ahora discutimos el sistema distinguiendo los siguientes casos:
secuencias
a) Si 1 − k = 0 y 3 − 2k − k = 0 o lo que es lo mismo k = 1, k =
2
Un conjunto no vacı́o V se dice que es un espacio vectorial sobre el
−3, entonces rg A = rg (A|b) = 4 y el sistema es compatible
cuerpo K si está dotado de dos leyes de operación:
determinado. Se resuelve desde abajo hacia arriba:
k−k 2 k(1−k) k O1. Una ley de operación interna,
A. t = 3−2k−k 2
= −(k+3)(k−1)
= k+3
;
2
k−k 2 k(2−k−k )
B. z = 1−k
− (1−k)(k+3) = k
3+k
;
+ : V × V −→ V
k−k 2 −(1−k 2 )t−(1−k)z k
C. y = 1−k = 3+k
(u, v) → u+v
D. x = k − kt − z − y = k
3+k
O2. Una ley de operación externa,
b) Si k = 1 entonces
⎛ ⎞ · : K × V −→ V
⎜1 1 1 k k ⎟ (k, v) → k·v
⎜ ⎟
⎜0 4 4 −8 −12 ⎟
⎜ ⎟
(A|b) ∼ ⎜ ⎟
⎜0 0 4 −4 −12 ⎟
⎜ ⎟ Estas leyes deben satisfacer las propiedades que siguen.
⎝ ⎠
0 0 0 0 −12
P1. Para cualesquiera elementos a, b y c de V , la operación interna
y como rg A = 3 = rg (A|b) = 4 el sistema es incompatible.
satisface:
125 126

a) a + b = b + a (propiedad conmutativa). P2. Para cualesquiera elementos a y b de V y λ, μ de K, la operación

b) (a + b) + c = a + (b + c) (propiedad asociativa). externa satisface:

c) Existe un elemento denotado por 0 tal que a + 0 = 0 + a = a a) λ(a + b) = λa + λb.


(0 es el elemento neutro). b) (λ + μ)a = λa + μa.
d ) Existe un elemento c ∈ V tal que a + c = c + a = 0 (c es el c) (λμ) · a = λ · (μ · a).
opuesto de a y usualmente se denota por −a).
d ) 1K · a = a.

Notación.
L os elementos de V se llamarán vectores y los de K reciben el
nombre de escalares, un espacio vectorial V sobre el cuerpo K se de-
notará por VK .

Ejemplo
Rn = {(x1, x2, . . . , xn) : xi ∈ R} es un espacio vectorial sobre R
con las operaciones siguientes:

+: Rn × Rn −→ Rn
((xi)i∈N , (yi )i∈N ) → (xi + yi )i∈N

·: R × Rn −→ Rn
(α, (xi)i∈N ) → (αxi)i∈N

127
Aquı́ N = {1, 2, . . . , n}. 128
Ejemplo Propiedades
(n)
Sea PR [X] el conjunto de todos los polinomios en la variable x sobre Dado el espacio vectorial V sobre el cuerpo K, se tiene que para cua-
el cuerpo R y de grado menor o igual que n. lesquiera α, β ∈ K y u, v ∈ V se verifican las siguientes propiedades:
(n)
Un elemento de PR [X] tendrá la siguiente forma:
1. 0Ku = 0,
2 n
a0 + a1x + a2x + · · · + anx con ai ∈ R para todo i ∈ {1, 2, . . . , n}. 2. α0 = 0,

3. (−α)u = −αu = α(−u),


(n)
PR [X] con las operaciones que siguen es un espacio vectorial sobre
4. Si αu = αv con α = 0 entonces u = v,
R:
5. Si αu = βu con u = 0 entonces α = β,
1.
(n) (n) (n)
+: PR [X] × PR [X] −→ PR [X] 6. (−α)(−u) = αu.
(p(x), q(x)) → p(x) + q(x)
donde p(x) + q(x) = (a0 + b0) + (a1 + b1)x + · · · + (an + bn)xn,
siendo p(x) = a0 + a1x + a2x2 + · · · + anxn y q(x) = b0 + b1x +
b2 x2 + · · · + b n xn

2.
(n) (n)
· : R × PR [X] −→ PR [X]
(λ, p(x)) → λp(x)
donde λp(x) = λa0 + λa1x + λa2x2 + · · · + λanxn si p(x) =
a0 + a1 x + a2 x2 + · · · + an xn .

129 130

2. Combinación lineal, dependencia e Definición (Dependencia lineal).


Un conjunto de vectores S = {u1, u2, . . . , un} se dice que es un
independencia lineal, sistema gene-
sistema ligado o que los vectores son linealmente dependientes si
rador, espacio generado y bases el sistema S no es libre, es decir, existen escalares α1 , α2, . . . , αn no
todos nulos que satisfacen:
Definición (Combinación lineal).
Dado un espacio vectorial VK y un conjunto de vectores S = {u1, u2, . . . , un}, α1u1 + α2u2 + · · · + αn un = 0.
una combinación lineal de S es una expresión del tipo:

α1u1 + α2u2 + · · · + αn un, Definición (Sistema generador).


Un conjunto de vectores S = {u1, u2, . . . , un} de un espacio vecto-
donde los αi son elementos de K para todo i ∈ {1, 2, . . . , n}.
rial V sobre el cuerpo K se dice que genera a V si todo elemento de
Definición (Independencia lineal).
V se puede expresar como combinación lineal de vectores de S.
Un conjunto de vectores, S = {u1, u2, . . . , un}, se dice libre o li-
nealmente independiente si para toda combinación lineal de S que
Ejemplo
sea igual al vector 0 implica que los escalares que la forman son 0.
El conjunto de vectores S = {e1, e2, . . . , en} de VR = Rn, definidos
Dicho de otro modo: si α1 u1 + α2u2 + · · · + αnun = 0, entonces
por ej = (0, . . . , 0, 1(j), 0, . . . , 0) genera a V y además es linealmente
α1 = α2 = · · · = αn = 0.
independiente.

Ejemplo
S = {1, x, . . . , xn} es un conjunto linealmente independiente y ge-
(n)
nerador de VR = PR [X].

131 132
Proposición 2.1. Bases de un espacio vectorial. Di-
1. No todo sistema libre es generador. mensión
2. No todo sistema generador es libre. Definición (Base).

3. Si S es generador y T es un conjunto de vectores cualquiera, en- Un conjunto de vectores S = {u1, u2, . . . , un} se dice que es una

tonces S ∪ T también es generador. base de un espacio vectorial VK si S genera VK (es decir VK =< S >)
y además S es un sistema libre.
4. Si S es libre y T ⊆ S entonces T es libre.

Proposición
Cualquier vector del espacio vectorial VK se expresa de manera única
como combinación lineal de los elementos de base elegida.

Definición (Coordenadas).
Dada una base S = {u1, u2, . . . , un} de VK , las coordenadas de
un vector v ∈ VK son los únicos escalares {αi}ni=1 tales que v =
α1u1 + α2u2 + · · · + αn un.

133 134

2.2. Dimensión de un espacio vectorial Demostración


Pongamos que el conjunto S está formado por elementos ui, re-
corriendo i un conjunto I, es decir: S = {ui}i∈I .
Teorema 2.2.A
Para ver si T es linealmente independiente tomamos una combina-
Todo espacio vectorial finitamente generado2 posee una base, además
ción lineal (finita) de vectores de T , la igualamos al vector 0 y deduci-
el cardinal de cualquier base es un número fijo que lo llamaremos di-
mos que los escalares que aparecen en la combinación lineal son todos
mensión del espacio vectorial.
cero.

Convenio Si

Si VK = {0}, entonces βVk = ∅. α1vi1 + α2 vi2 + · · · + αk vik + βv = 0

entonces:
Resultados técnicos que permiten probar el teorema
anterior 1. β = 0K porque en caso contrario:
 
v = −β −1 α1vi1 + α2 vi2 + · · · + αk vik
Proposición 2.2.B
y esto es una contradicción con la hipótesis v ∈< S >.
Si S es linealmente independiente y u ∈< S > entonces T = S ∪
{u} es linealmente independiente. 2. Como β = 0K se tiene:

α1vi1 + α2vi2 + · · · + αk vik = 0

y como S es linealmente independiente entonces:

α1 = α2 = · · · = αk = 0K.

2
Esta propiedad también es cierta para espacios vectoriales en general 
135 136
Teorema (Steinitz) Vemos primero que R es linealmente independiente. Para ello to-
Sea S = {u1, u2, . . . , un} una base del espacio vectorial VK y sea mamos una combinación lineal de los vectores de R igual al vector
T = {v1, v2, . . . , vm} un conjunto de vectores linealmente indepen- 0.
dientes. Entonces se pueden sustituir m vectores de la base S por los
vectores v1, v2, . . . , vm, obteniendo una nueva base. En particular se
0 = β1u1 + β2u2 + · · · + βl−1 ul−1 + βl+1ul+1 + · · · + βn un + γv1
tiene que m ≤ n.
= β1u1 + β2u2 + · · · + βl−1 ul−1 + βl+1 ul+1 + · · · + βn un
Demostración
+γ(α1u1 + α2u2 + · · · + αn un)
Haremos la demostración de este teorema por inducción en m.
 Probamos el teorema cuando m = 1. Como S es una base de = (β1 + γα1)u1 + (β2 + γα2)u2 + . . .

V existirán escalares {αi}ni=1 tales que +(βl−1 + γαl−1)ul−1 + γαl ul + (βl+1 + γαl+1)ul+1 + . . .

+(βn + γαn )un


v1 = α1u1 + α2u2 + · · · + αn un

Ası́ que:
Puesto que T es linealmente independiente se tiene que v1 = 0 y

entonces existe al menos un ı́ndice l ∈ {1, 2, . . . , n} para el que αl = 0, ⎨ βj + γαj = 0K para todo j ∈ {1, 2, . . . , l − 1, l + 1, . . . n},
⎩ γα = 0
por lo tanto podemos escribir: l K

ul = −αl−1 (α1u1 + α2u2 + · · · + αl−1 ul−1 + αl+1 ul+1 + · · · + αn un − v1) . Como αl = 0K entonces de la última ecuación se deduce que γ =
0K y de las restantes: βj = 0K para todo j ∈ {1, 2, . . . , l − 1, l +
Sustituimos en la base S el vector ul por el vector v1 y obtenemos
1, . . . n}. Por lo tanto R es linealmente independiente.
el conjunto de vectores R = S\{ul } ∪ {v1}. Finalmente probamos que
R es una base:

137 138

Vemos ahora que R es generador. Para ello tomamos un vector  Suponemos ahora que el teorema es cierto para el entero m−1
v ∈ V y vemos que es combinación lineal de los vectores de R. y lo probamos para m.
Como S es una base entonces: Como el conjunto Tm−1 = {v1, v2, . . . , vm−1 } es linealmente inde-
pendiente y estamos suponiendo el resultado cierto para m − 1, pode-
mos sustituir m − 1 vectores de S por los vectores de Tm−1 obteniendo
v = γ1u1 + γ2u2 + · · · + γl−1 ul−1 + γl ul + γl+1ul+1 + · · · + γnun
una base
= γ1u1 + γ2u2 + · · · + γl−1 ul−1
S1 = {v1, v2, . . . , vm−1 } ∪ {ui1 , ui2 , . . . , uin−m+1 }
−γl αl−1 (α1u1 + α2u2 + · · · + αl−1 ul−1 + αl+1ul+1 + · · · + αn un − v1)

+γl+1ul+1 + . . . + γnun donde 1 ≤ il ≤ n, l ∈ {1, 2, . . . , n − m + 1}.

= (γ1 − γl αl−1 α1)u1 + (γ2 − γl αl−1 α2)u2 + · · · + (γl−1 − γl αl−1 αl−1 )ul−1 Ahora podemos utilizar el argumento desarrollado en el caso m = 1

−γl αl−1 v1 y sustituir los vectores linealmente independientes de T  = {vm} por


un vector de la base S1. Además esa sustitución se va a hacer por un
+(γl+1 − γl αl−1αl+1 )ul+1 + . . . + (γn − γl αl−1αn )un,
vector de la segunda parte del conjunto {ui1 , ui2 , . . . , uin−m+1 } (¿Por
lo que demuestra que R es generador.
qué?) y se obtiene la prueba del teorema.

139 140
Ya estamos en condiciones de probar el teorema 2.2.A y el corolario Corolario
que sigue. Si el espacio vectorial VK tiene una base finita, todas las bases de VK
Demostración del teorema 2.2.A. tienen el mismo número de vectores
Fijemos un sistema generador finito del espacio vectorial (que su-
pondremos que no es el formado sólo por el vector 0, si lo fuera ya Demostración

sabemos por el convenio hecho que tiene base) Supongamos que tenemos dos bases de VK:

R = {w1, w2, . . . , wk }
R = {u1, u2, . . . , uk }
No es restrictivo suponer que en R no está el vector 0, si lo estuviera
S = {v1, v2, . . . , vl }
lo eliminamos y R seguirı́a siendo generador.
Ahora procedemos a construir la base usando la proposición 2.2.B. Usando el teorema de Steiner considerando R base y S linealmente
Si el conjunto R1 = {w1} es generador entonces será una base y hemos independiente tenemos
terminado. l ≤ k.
En caso contrario elegimos el número n2 > 1 más pequeño posible Ahora por el mismo teorema considerando S base y R linealmente
para el que se cumple wn2 ∈< R1 >. Usando la proposición 2.2.B se independiente:
tiene que R2 = {w1, wn2 } es linealmente independiente. Si es genera- k ≤ l.
dor hemos acabado, en caso contrario repetimos el proceso que tiene
Ası́ que k = l.
que ser finito por serlo R.
Al final habremos conseguido un Rl linealmente independiente y 

generador, es decir una base.


141 142

Definición (Dimensión). 2.3. Cambio de bases. Matriz de cam-


Dado un espacio vectorial VK, diremos que la dimensión de V es
bio de base
n si cualquier base tiene n elementos y representaremos la dimensión
de VK por dim(VK ) o dimVK. Suponemos que sobre el espacio vectorial VK tenemos fijadas dos
bases, β = {u1, u2, . . . , un} y β  = {v1, v2, . . . , vn}
Propiedades Queremos saber la relación entre las coordenadas de un vector w en
β y β .
1. La dimensión de un espacio coincide con el número máximo de
Con el fin de determinar esa relación construimos la matriz de cam-
elementos que puede tener un conjunto linealmente independiente
bio de base de β a β , para ello, cada vector de la base β  se pone
y también con el número mı́nimo de elementos que puede tener un
como combinación lineal de los elementos de la base β:
conjunto generador.  n
vi = αji uj .
2. Todo conjunto de vectores linealmente independientes puede com- j=1
Por último construimos la matriz cuadrada
pletarse hasta obtener una base.
Mββ  = A = (αij )(i,j)∈{1,...,n}×{1,...,n}.

Detalle de la relación
n n t
Tomamos w = j=1 yj uj = j=1 xj vj , x = (x1 , x2 , . . . , xn ) e

y = (y1, y2 , . . . , yn )t.

⎛ ⎞ n

n 
n n 
n 
w= xivi = xi ⎝ ⎠
αji uj = xiαji uj ,
i=1 i=1 j=1 j=1 i=1
n
de donde yj = i=1 xi αji y la relación deseada es:
143
y = Mββ  x.
3. Subespacios vectoriales Ejemplo
Las soluciones de un sistema lineal de ecuaciones tiene estructura de
Definición (Subespacio vectorial).
subespacio vectorial de Rn.
Un subconjunto H de un espacio vectorial VK diremos que es un
Además dim(H) = n − rg (A) (número de parámetros necesarios
subespacio vectorial de VK si H con las operaciones, + y ·, de VK es
para resolver el sistema).
él mismo un espacio vectorial.

Ejemplo
Proposición
Dado un conjunto de vectores S del espacio vectorial VK , se tiene
Un subconjunto H de VK es un subespacio vectorial de VK si y sólo
que el espacio generado por S es un subespacio vectorial de VK.
si se verifican:

1. Para cualesquiera u y v de H se tiene que u + v ∈ H. Ejemplo


Sea VK un espacio vectorial de dimensión n y sea β una base de VK .
2. Para todo α de K y para todo u ∈ H se verifica αu ∈ H.
Dada una matriz A ∈ Mk×n (K) se tiene que

H = {(x1, x2, . . . , xn)β : A(x1, x2, . . . , xn)t = 0}

es un subespacio vectorial de VK de dimensión n − rg A.

145 146

3.1. Rango de un conjunto de vecto- Demostración del teorema de Rouché-Frobenius

res. Prueba del teorema de Rou-


Ax = b, (8)
ché-Frobenius ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜ x1 ⎟ ⎜ b1 ⎟ ⎜ a11 a12 · · · a1n ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
Definición (Rango). ⎜ x2 ⎟ ⎜ b2 ⎟ ⎜ a21 a22 · · · a2n ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
con x = ⎜ ⎟, b = ⎜ ⎟ y A = ⎜ ⎟.
El rango de un conjunto de vectores ⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ... . . . ... ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
S = {u1, u2, . . . , un} xn bn am1 am2 · · · amn
Escribimos la ecuación 8 de la siguiente manera:
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
es la dimensión del espacio vectorial < S >.
⎜ a 11 ⎟ ⎜ a 12 ⎟ ⎜ a 1n ⎟ ⎜ b1 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ a21 ⎟ ⎜ a22 ⎟ ⎜ a2n ⎟ ⎜ b2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
Propiedades x1 ⎜ ⎟ + x2 ⎜ ⎟ + · · · + xn ⎜ ⎟ = ⎜ ⎟, (9)
⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟ ⎜ ... ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
El rango de una matriz ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
⎛ ⎞ am1 am2 amn bn
⎜ a11 a12 · · · a1n ⎟
⎜ ⎟ de donde se sigue:
⎜ a21 a22 · · · a2n ⎟
⎜ ⎟
A = (ai,j )(i,j)∈{1,...,m}×{1,...,n} =⎜ ⎟
⎜ ... ... . . . ... ⎟ 1. Si rg (A) = rg (A|b), entonces el vector b es combinación lineal de
⎜ ⎟
⎝ ⎠
los vectores de {wj = (aij )i=1,...,m}nj=1, con lo que existen escalares
am1 am2 · · · amn
xi, i ∈ {1, 2, . . . , n}, que verifican la ecuación 9. Por lo tanto, el
coincide con el rango del conjunto de Kn {vi = (aij )j=1,...,n}m
i=1 (vecto-
sistema es compatible. Jugando otra vez con los rangos se ve que
res fila de A) y con el rango del conjunto de Km {wj = (aij )i=1,...,m }nj=1
si rg (A) = rg (A|b) entonces el sistema es incompatible, puesto
(vectores columna de A).
que b no es combinación lineal de {wj = (aij )i=1,...,m}nj=1.

2. Si rg (A) = rg (A|b) = n entonces la expresión de b como com-


147 148
binación lineal de los vectores de {wj = (aij )i=1,...,m }nj=1 es única, 3.2. Operación con subespacios: inter-
puesto que estos últimos son linealmente independientes. En con-
sección, unión y suma
secuencia el sistema es compatible determinado.
Fijamos un espacio vectorial VK y subespacios vectoriales H y H  .

Proposición
H ∩ H  es un subespacio de VK .

Observación
H ∪ H  no es en general un subespacio de VK.

Definición (Suma de subespacios vectoriales).


H + H  :=< H ∪ H  >, es decir, el subespacio suma es el espacio
generado por la unión de los conjuntos H y H  .

Definición (Suma directa).


La suma H + H  se dice que es directa cuando para todo vector
v ∈ H + H  , existen únicamente dos vectores v1 ∈ H y v2 ∈ H  tales
que v = v1 + v2.

Proposición
La suma de H y H  es directa si y sólo si H ∩ H  = {0}.
Acabamos este apartado con la importante fórmula de Grassmann.

149 150

Teorema (Grassman) Ası́ que:


⎛ ⎞
   
n 
n 
k 
n n
dim(H + H ) = dim(H) + dim(H ) − dim(H ∩ H ). v= xj e j = xj λlj wl = ⎝ xj λlj ⎠ wl .
j=1 j=1 l=1 l=1 j=1

Y como v ∈ H, entonces
3.3. Ecuaciones cartesianas de un sub-
espacio vectorial 
n
xj λlj = 0 ∀l ∈ {m + 1, m + 2, . . . , n}.
j=1
Dado un espacio vectorial VK, un subespacio de él H, y una base
(Ecuaciones cartesianas de H respecto de la base β  = {e1, e2, . . . , en})

β = {e1, e2, . . . , ek } de VK , las ecuaciones que satisfacen las coorde-
nadas de los vectores de H expresados en la base β  reciben el nombre
de ecuaciones cartesianas de H respecto de la base β  .

Procedimiento
 Tomamos una base de H, β = {w1, w2, . . . , wm}.
 Completamos β hasta una base de VK, β  = {w1, w2, . . . , wn}.
 Elegimos un vector arbitrario v ∈ H y tomamos sus coordenadas
en β y β  :

v = y1 w1 +y2 w2 +· · ·+ym wm = x1e1 +x2e2 +· · ·+xmem +· · ·+xnen

 Calculamos las coordenadas de los vectores ej respecto a β  : ej =


n
l=1 λlj wj .

151 152
4. Ejercicios resueltos Ejercicio
Sea V un espacio vectorial sobre Z5 y sea {u, v, w} un conjunto de
Ejercicio
vectores. ¿Es {u + v + w, v + 3w, 2v + w} un sistema libre de vectores?
Sea V un espacio vectorial sobre R y sea S = {u, v, w} un sistema
Solución.
libre. ¿Es T = {u+v +w, v +3w, 2v +w} un sistema libre de vectores?
Veamos que T es linealmente dependiente y por lo tanto no es libre.
Solución.
Para ello basta con encontrar una combinación lineal de vectores de S
Veamos que T es linealmente independiente, para ello tomamos una
igual al vector 0 y con no todos sus coeficientes cero:
combinación lineal de vectores de S igual al vector 0 y demostramos
0(u + v + w) + 3(v + 3w) + 1(2v + w)
que los coeficientes son todos cero:
= 0v + 0w = 0.
α(u + v + w) + β(v + 3w) + γ(2v + w)

= αu + (α + β + 2γ)v +⎧ (α + 3β + γ)w = 0



⎪ α = 0,
S l.i. ⎨
α + β + 2γ = 0,
⇒ ⎪ ⎪


⎩ α + 3β + γ = 0.

Como el sistema anterior es compatible y determinado (por tener su


matriz asociada rango 3) se tiene que la única solución es α = β =
γ = 0 y T es un sistema libre.

153 154

Ejercicio Ejercicio
¿Es (R, +, ·) un espacio vectorial sobre R? Dados los subespacios de Z35
Solución. Por las propiedades de los números reales sabemos que
S = {(x, y, z) ∈ Z35 : x = y = 0},
(R, +) es un grupo abeliano. Ası́ que los cuatro primeros axiomas de
T = {(x, y, z) ∈ Z35 : x + y + z = 0}
espacio vectorial (los referentes a la suma) se satisfacen.
Veamos ahora que también se cumplen las propiedades referentes al calcular:

producto. Para ello tomamos escalares cualesquiera λ, μ ∈ R y vectores (a) Una base y la dimensión de S y T.
v, w ∈ R. Comprobamos que se satisfacen los cuatro axiomas en los
Solución. La matriz asociada al sistema que define S es:
que está involucrado el producto: ⎛ ⎞
1 0 0 | 0
(A|b) = ⎝ ⎠
1. λ(v + w) = λv + λw se cumple, es la propiedad distributiva de los 0 1 0 | 0
números reales.
Ası́ que la dimensión de S es 3 − rg A = 3 − 2 = 1.
2. (λ + μ)v = λv + μv, otra vez se trata de la propiedad distributiva Una base de S estará formada por un vector no nulo y que perte-
en R. nezca a S:

3. (λμ)v = λ(μv), esta es la propiedad asociativa de los números βS = {(0, 0, 1)}

reales. .

4. 1v = v es cierto ya que 1 es el elemento neutro del producto en R. Ahora calculamos los datos solicitados de T . La matriz asociada
al sistema que define T es:
Ası́ que se satisfacen todos los axiomas de espacio vectorial y por lo
$ %
tanto (R, +, ·) es un espacio vectorial sobre R. (C|d) = 1 1 1 | 0

Ası́ que la dimensión de S es 3 − rg C = 3 − 1 = 2.

155 156
Una base de T estará formada por dos vectores linealmente inde- Por lo tanto S + T = Z35 y βS+T = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
pendiente que pertenezcan a T :
(c) ¿Es la suma S + T directa?
βT = {(1, 0, 4), (0, 2, 3)}
Solución. Sı́ porque la intersección S ∩ T = {(0, 0, 0)}
.
(d) Card Z35, Card S y Card T .
(b) Calcular S ∩ T y S + T, dando una base de dichos subespacios. Solución. Card Z35 = 53 = 125 = Card T .
Solución.

S∩T

La matriz asociada al sistema que define este subespacio (unión de


las ecuaciones que define a S y a T ) es:

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
⎜ 1 1 1 | 0⎟ 1 ⎜1 1 1 | 0⎟ 2 ⎜1 1 1 | 0⎟
⎜ ⎟ F2 (4) ⎜ ⎟ F (1) ⎜ ⎟
(A|b) = ⎜
⎜ 1 0 0 | 0⎟
⎟ ⎜0 4 4 | 0⎟ 3
⎜ ⎟
⎜0 4 4 | 0⎟
⎜ ⎟
⎝ ⎠ ∼ ⎝ ⎠ ∼ ⎝ ⎠
0 1 0 | 0 0 1 0 | 0 0 0 4 | 0

Ası́ que dimS ∩ T = 3 − rg A = 0, S ∩ T = {(0, 0, 0)} y βS∩T = ∅.

S+T

Utilizando la fórmula de Grassman se tiene: dimS + T = dimS +


dimT − dimS ∩ T = 2 + 1 = 3.
157 158

Ejercicio 2. Calcular la matriz de cambio de base de la base βC a la base βA ,


Se consideran los siguientes conjuntos de vectores: es decir MβC βA .

βA = {v1 = (1, 1, 1), v2 = (0, 1, 1), v3 = (1, 0, 1)}, Solución. Esta matriz se construye poniendo por columnas las
coordenadas de los vectores de la base βA respecto a βC .
βC = {w1 = (1, 1, 0), w2 = (0, 1, 1), w3 = (0, 0, 1)}, B = {(2, 2, 1)βC }
v1 := (1, 1, 1) = w1 + w3 = (1, 0, 1)βC ,
y se pide:
v2 := (0, 1, 1) = w2 = (0, 1, 0)βC ,
1. Calcular la matriz de cambio de base de la base βA a la base
v3 := (1, 0, 1) = w1 − w2 + 2w3 = (1, −1, 2)βC ,
canónica, es decir MβAβC .

Solución. Esta matriz se construye poniendo por columnas las ası́ que:

coordenadas de los vectores de la base βC respecto a βA. Calcula- ⎛ ⎞


mos esas coordenadas: ⎜1 0 1 ⎟
⎜ ⎟
MβC βA =⎜ ⎟
⎜ 0 1 −1 ⎟
w1 := (1, 1, 0) = 2v1 − v2 − v3 = (2, −1, −1)βA , ⎝ ⎠
1 0 2
w2 := (0, 1, 1) = v2 = (0, 1, 0)βA ,

w3 := (0, 0, 1) = −v1 + v2 + v3 = (−1, 1, 1)βA . 3. Dar las coordenadas de los vectores del conjunto B en la base βA .

Ası́ que: Solución. Usando la matriz MβAβC es fácil calcular esas coorde-
⎛ ⎞
⎜ 2 0 −1 ⎟ nadas:
⎜ ⎟ & 't
MβAβC =⎜ ⎟
⎜ −1 1 1 ⎟
⎝ ⎠ MβAβC (2, 2, 1)tβC = (3, 1, −1)βA .
−1 0 1
Por lo tanto:
B = {(3, 1, −1)βA }.

159 160
Ejercicio
En R4 se consideran los subespacios vectoriales:
4. Calcular las ecuaciones del subespacio < B > respecto de la base
βA. S =< (1, 0, 0, 0), (0, 1, 1, 1) > y T = {(x, y, z, t) : x = 0, 2y−z−t = 0}

Solución.
y se pide:
Antes de nada tenemos claro que se necesitan dos ecuaciones (di-
1. Una base, la dimensión y las ecuaciones de S.
mensión de R3-dimensión de < B >).
Solución. Los dos vectores que generan S también son linealmen-
Un vector (x, y, z)βA ∈< B > si y sólo si
te independientes, por lo tanto son una base de S:
(x, y, z)βA = α(3, 1, −1)βA = (3α, α, −α)βA
⎧ βS = {(1, 0, 0, 0), (0, 1, 1, 1)}.

⎪ ⎧

⎪ x = 3α,
⎨ ⎨ x − 3y = 0,
⇒ y = α, ⇒ Ahora calculamos las ecuaciones que debe satisfacer un vector

⎪ ⎩ y + z = 0.


⎩ z = −α (x, y, z, t) ∈ S:




⎪ x = α,

⎪ ⎧

⎨ y = β, ⎨ y − z = 0,
(x, y, z, t) = α(1, 0, 0, 0) + β(0, 1, 1, 1) ⇒ ⇒

⎪ ⎩y−t=0

⎪ z = β,



⎩t=β

2. Una base y la dimensión de T .

Solución. Como la dimensión de T es 2 (dimR4-número de ecua-


ciones linealmente independientes que definen a T ) bastará con
encontrar dos vectores linealmente independientes en T para dar

161 162

una base: 4. Una base, la dimensión y las ecuaciones de S + T .


βT = {(0, 0, 1, −1), (0, 1, 2, 0)}. Solución.

3. Una base, la dimensión y las ecuaciones de S ∩ T . Usando la fórmula de Grassman se tiene que:

Solución. Las ecuaciones de S ∩ T se obtienen como la unión de dimS + T = dimS + dimT − dimS ∩ T = 2 + 2 − 1 = 3.
las ecuaciones de S con las ecuaciones de T :
Un conjunto generador de S + T se obtiene uniendo conjuntos
⎧ ⎛ ⎞ generadores de S y de T , es decir:



⎪ x = 0, ⎜1 0 0 0 0⎟

⎪ ⎜ ⎟

⎨ 2y − z − t = 0, ⎜ 0 2 −1 −1 0 ⎟ S + T =< (1, 0, 0, 0), (0, 1, 1, 1), (0, 0, 1, −1), (0, 1, 2, 0) >,
⎜ ⎟
⇒⎜ ⎟

⎪ y − z = 0, ⎜ 0 1 −1 0 0 ⎟

⎪ ⎜ ⎟ de estos cuatro vectores ahora nos quedamos con tres que sean

⎪ ⎝ ⎠

⎩ y−t=0 0 1 0 −1 0 linealmente independientes y tendremos una base de S + T . Es
⎛ ⎞
⎧ fácil darse cuanta que los tres primeros vectores son linealmente
⎜1 0 0 0 0⎟ ⎪

⎜ ⎟ ⎪
⎪ x = 0,
F2 − F 3 − F 4 ⎜⎜0 0 0 0 0⎟⎟
⎨ independientes, luego:
⎜ ⎟⇒ y − z = 0,
⇒ ⎜ 0 1 −1 0 0⎟ ⎪

⎜ ⎟ ⎪
⎪ βS+T = {(1, 0, 0, 0), (0, 1, 1, 1), (0, 0, 1, −1)}.
⎝ ⎠ ⎩ y−t=0
0 1 0 −1 0
Acabamos dando las ecuaciones que satisface el subespacio S + T ,
Ası́ que dimS ∩ T = 4 − rg A = 1 (A es la matriz asociada al
para ello tomamos (x, y, z, t) ∈ S + T y recordamos que necesita-
sistema que define S ∩ T ).

Ahora obtenemos la base de S ∩ T :

βS∩T = {(0, 1, 1, 1)}.

163 164
mos 1 ecuación (dimR4 − dimS + T ), entonces: Ejercicio

Sea M2×2(R) el espacio de las matrices de orden 2×2 sobre el


(x, y, z, t) = α(1, 0, 0, 0) + β(0, 1, 1, 1) + γ(0, 0, 1, −1)
cuerpo R, estudiar si los siguientes conjuntos de matrices son su-
⎧ = (α, β, β + γ, β − γ)

⎪ bespacios vectoriales. En caso de que sean subespacios vectoriales,

⎪ x = α,



⎨ y = β, calcular las ecuaciones cartesianas de estos respecto de la base:
⎧ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫
⇒ ⇒ z + t − 2y = 0. ⎨

⎪ 1 0 0 1 0 0 0 0 ⎬

⎪ z = β + γ, β = e1 = ⎝ ⎠ , e2 = ⎝ ⎠ , e3 = ⎝ ⎠ , e4 = ⎝ ⎠
⎪ ⎩


⎩ t = β − γ. 0 0 0 0 1 0 0 1 ⎭

a) M1 = {A ∈ M2×2(R) / A es simétrica}
5. Dada la base β = {(1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1)},
justifica si el vector (1, 2, 3, 4)β pertenece a alguno de los subespa- Solución. M1 es un subespacio vectorial ya que:

cios S, T, S ∩ T, S + T . Si A, B ∈ M1 entonces At = A y B t = B. Por lo tanto

Solución. Obtenemos fácilmente las coordenadas del vector (1, 2, 3, 4)β (A + B)t = At + B t = A + B, es decir, A + B ∈ M1.

en la base canónica: Si A ∈ M1 y α ∈ R entonces At = A y (αA)t = αAt = αA,


es decir, αA ∈ M1.
(1, 2, 3, 4)β = (1, 0, 0, 0) + 2(1, 1, 0, 0) + 3(1, 1, 1, 0) + 4(1, 1, 1, 1)
Calculamos ahora las ecuaciones de M1 respecto de la base β:
= (10, 9, 7, 4).
sea H ∈ M1 con coordenadas en β las que siguen:
⎛ ⎞
Se comprueba fácilmente que este vector no satisface las ecuacio- x y
H = xe1 + ye2 + ze3 + we4 = ⎝ ⎠
nes de ninguno de los subespacios dados. Ası́ que (1, 2, 3, 4)β no z w
pertenece a ninguno de los subespacios propuestos. Como H t = H entonces y = z, es decir, y − z = 0. Ésta es la
ecuación lineal homogénea que satisfacen las coordenadas de
los vectores de M1 en la base β.
165 166

⎛ ⎞ ⎛ ⎞
Calculamos ahora una base del subespacio M1. Si S es la matriz
0 0 0 0
asociada al sistema que define a M1, la dimensión de M1 es Si A, B ∈ M4 entonces A = ⎝ ⎠ y B = ⎝ ⎠,
0 a 0 b
dimM2×2(R) − rg S = 4 − 1 = 3. ⎛ ⎞
0 0
ası́ que: A + B = ⎝ ⎠ ∈ M4 .
Ası́ que basta con dar 3 vectores linealmente independientes de
0 a+b
M1 para tener una base: ⎛ ⎞
⎧⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎫ 0 0
⎨ 1 Si A ∈ M4 y α ∈ R entonces A = ⎝ ⎠ y αA =
0 0 0 0 1 ⎬ 0 a
βM1 = ⎝ ⎠,⎝ ⎠,⎝ ⎠
⎛ ⎞
⎩ 0 0 0 1 1 0 ⎭ 0 0
⎝ ⎠ ∈ M4 .
0 αa
b) M2 = {A ∈ M2×2(R) / A2 = A} ⎛ ⎞
⎛ ⎞ ⎛ ⎞ 0 0
1 0 5 0 Como cualquier elemento de M4 es de la forma ⎝ ⎠ se
Solución. A = ⎝ ⎠ ∈ M2, pero 5A = ⎝ ⎠ ∈ M2, 0 a
0 0 0 0 tiene que ⎧⎛ ⎞⎫
ası́ que M2 no es un subespacio vectorial. ⎨ 0 0 ⎬
βM4 = ⎝ ⎠
c) M3 = {A ∈ M2×2(R) / det(A) = 0} ⎩ 0 1 ⎭
⎛ ⎞ ⎛ ⎞
1 0 0 0 es una base de M4 al ser un sistema generador y linealmente
Solución. A = ⎝ ⎠ ∈ M3 y B = ⎝ ⎠ ∈ M3, pero
0 0 0 1 independiente.
⎛ ⎞
1 0
A + B = ⎝ ⎠ ∈ M3, ası́ que M3 no es un subespacio
0 1
vectorial.
⎛ ⎞
0 0
d ) M4 = {A = ⎝ ⎠ ∈ M2×2(R) / a ∈ R }
0 a
Solución. M4 es un subespacio vectorial porque:

167 168
Ejercicio es decir la dimensión es 3 − 2 = 1.
( )
Comprobar si los siguientes conjuntos de R3 son subespacios vec- (e) W = (x1, x2, x3) ∈ R3 : x1 + x22 = 0 .
toriales: Solución. No es un subespacio vectorial porque (−1, 1, 0) ∈
( ) W pero 5(−1, 1, 0) ∈ W .
(a) W = (x1, x2, x3) ∈ R3 : x1 + x2 = 0 .

Solución. Es un subespacio vectorial por ser sus elementos


las soluciones de un sistema lineal homogéneo. Además la di-
mensión es 3 menos el rango de la matriz que define el sistema,
es decir la dimensión es 3 − 1 = 2.
( )
(b) W = (x1, x2, x3) ∈ R3 : x1 + 2x2 + x3 = 1 .

Solución. No es un subespacio vectorial porque (1, 0, 0) ∈ W


pero 2(1, 0, 0) ∈ W .
( )
(c) W = (x1, x2, x3) ∈ R3 : x1 = x2 = 0 .

Solución. Es un subespacio vectorial por ser sus elementos


las soluciones de un sistema lineal homogéneo. Además la di-
mensión es 3 menos el rango de la matriz que define el sistema,
es decir la dimensión es 3 − 2 = 1.
( )
(d) W = (x1, x2, x3) ∈ R3 : x1 + x2 = 0 y x3 − x2 = 0 .

Solución. Es un subespacio vectorial por ser sus elementos


las soluciones de un sistema lineal homogéneo. Además la di-
mensión es 3 menos el rango de la matriz que define el sistema,
169 170

Ejercicio Solución. No es un subespacio vectorial porque (4, 1, 0) ∈ W

Comprobar si los siguientes conjuntos de Z35 son subespacios vec- pero 2(4, 1, 0) = (3, 2, 0) ∈ W ya que 3 + 22 = 3 + 4 = 2 = 0.
( )
toriales: (f) W = (x1, x2, x3) ∈ Z33 : x1(x21 + 2) = 0 .
( ) Solución. Busquemos otra descripción del conjunto W . El
(a) W = (x1, x2, x3) ∈ Z35 : x1 + x2 = 0 .
vector (x, y, z) ∈ W si y sólo si x(x2 − 1) = 0, ası́ que x = 0
Solución. Por los mismos motivos que en el ejercicio anterior
ó x2 = 1. Además la ecuación x2 = 1 se satisface para los
(el mismo apartado) W es un subespacio vectorial. La dimen-
valores de x = 1 y x = 2.
sión sigue siendo la misma por un razonamiento análogo.
( ) Ası́ que W = Z33 y por lo tanto es un subespacio vectorial.
(b) W = (x1, x2, x3) ∈ Z35 : x1 + 2x2 + x3 = 1 .

Solución. No es un subespacio vectorial porque (1, 0, 0) ∈ W


pero 2(1, 0, 0) ∈ W .
( )
(c) W = (x1, x2, x3) ∈ Z35 : x1 = x2 = 0 .

Solución. Por los mismos motivos que en el ejercicio anterior


(el mismo apartado) W es un subespacio vectorial. La dimen-
sión sigue siendo la misma por un razonamiento análogo.
( )
(d) W = (x1, x2, x3) ∈ Z35 : x1 + x2 = 0 y x3 − x2 = 0 .

Solución. Por los mismos motivos que en el ejercicio anterior


(el mismo apartado) W es un subespacio vectorial. La dimen-
sión sigue siendo la misma por un razonamiento análogo.
( )
(e) W = (x1, x2, x3) ∈ Z35 : x1 + x22 = 0 .

171 172
Ejercicio es decir v ∈< FB >. Ası́ que hemos probado < FA >⊂<

Sea A ∈ Mk×n (K) y FA el conjunto formado por los vectores fila de FB >.

la matriz A (FA ⊂ Kn). Sea B una matriz obtenida de A mediante Probamos ahora la inclusión contraria. Si v ∈< FB > enton-

una operación elemental por filas y FB el conjunto formado por los ces:

vectores fila de la matriz B (FB ⊂ Kn). v = α1 v1 + α2 v2 + . . . αj−1 vj−1 + αj αvj + αj+1vj+1 + . . . αnvn
Entonces < FA >=< FB >. ,

Demostración ası́ que v ∈< FA >. Por lo tanto < FB >⊂< FA >.
Para esta demostración hay que distinguir tres casos: Hemos probado por lo tanto la igualdad < FB >=< FA >.

B se obtiene de A intercambiando dos filas. En este caso B se obtiene de A sumando a la fila i la fila j multiplicada

FA = FB y claramente < FA >=< FB >. por un escalar α = 0. Si llamamos vl al vector fila l-ésima de

B se obtiene de A multiplicando la fila j por un escalar la matriz A entonces:

α = 0. Si llamamos vl al vector fila l-ésima de la matriz A FA = {v1, v2, . . . , vk }


entonces: y

FA = {v1, v2, . . . , vj−1 , vj , vj+1, . . . , vk } FB = {v1, v2, . . . , vi−1 , vi + αvj , vi+1, . . . , vk }.

y Si v ∈< FA > entonces:

FB = {v1, v2, . . . , vj−1, αvj , vj+1, . . . , vk }. v = α1 v1 + α2 v2 + . . . αi−1 vi−1 + αi vi + αi+1 vi+1 + . . . αn vn


 n
Si v ∈< FA > entonces: ⇒v= αl vl + αi (vi + αvj ) + (αj − αi α)vj ,
l∈{1,2,...,n}\{i,j}
v = α1v1 + α2v2 + . . . αj−1vj−1 + αj vj + αj+1vj+1 + . . . αnvn es decir v ∈< FB >. Ası́ que hemos probado < FA >⊂<
⇒ v = α1v1 + α2v2 + . . . αj−1vj−1 + αj α−1 αvj + αj+1vj+1 + . . . αnvn , FB >.
173 174

Probamos ahora la inclusión contraria. Si v ∈< FB > enton- Ejercicio


ces: Sea P4[x] el espacio vectorial de los polinomios con coeficientes

n
v= αl vl + αi (vi + αvj ) + αj vj reales de grado menor o igual que cuatro. Dadas las siguientes
l∈{1,2,...,n}\{i,j} bases:
 n
( )
= αl vl + αivi + (ααi + αj )vj B1 = x, x2 + 1, 2x4 + x3, x3 − x2 + x, x2 + x
l∈{1,2,...,n}\{i,j}
( )
ası́ que v ∈< FA >. Por lo tanto < FB >⊂< FA >. B2 = 2x4 + 1, x3 − 1, x3 + 2x, x2, x3 − x2
a) Halla la matriz de cambio de base de B1 a B2.
Hemos probado por lo tanto la igualdad < FB >=< FA >.
Solución. Recurrimos a la definición y calculamos las coorde-
nadas de los vectores de B2 en B1. Para simplificar la notación
denotaremos a los vectores de ambas bases como sigue:

B1 = {u1, u2, u3, u4, u5}, B2 = {v1, v2, v3, v4, v5}.

v1 = 2x4 + 1 = 3u1 + u2 + u3 − u4 − 2u5 = (3, 1, 1, −1, −2)B1 ,

v2 = x3 − 1 = −3u1 − u2 + u4 + 2u5 = (−3, −1, 0, 1, 2)B1 ,

v3 = x3 + 2x = u4 + u5 = (0, 0, 0, 1, 1)B1 ,

v4 = x2 = −u1 + u5 = (−1, 0, 0, 0, 1)B1 ,

v5 = x3 − x2 = −u1 + u4 = (−1, 0, 0, 1, 0)B1 ,

Ası́ que:
175 176
⎛ ⎞ Tema 5: Aplicaciones lineales
⎜3 −3 0 −1 −1⎟
⎜ ⎟ Gabriel Soler López
⎜1 −1 0 0 0 ⎟
⎜ ⎟
⎜ ⎟ 24 de noviembre de 2004
MB1 B2 =⎜
⎜1 0 0 0 0⎟ ⎟.
⎜ ⎟
⎜−1 1 1 0 1⎟
⎜ ⎟
⎝ ⎠ 5. Preliminares
−2 2 1 1 0
b) Halla las coordenadas respecto de dichas bases del polinomio Antes de desarrollar los conceptos de este tema conviene aclarar o
p(x) = x4 + x3 + x2 + x + 1. repasar los conceptos de aplicación y enumerar sus tipos. ecuación
Solución. Calculamos primero las coordenadas de p(x) en la numérica:
base B2 :
Definición (Aplicación). Una aplicación entre dos conjuntos, A y
B, es una ley que hace corresponder a cada elemento de A un único
1 1 1 elemento de B.
p(x) = 1 + x + x2 + x3 + x4 = v1 − v2 + v3 + 2v4 + v5
2 2  2 
1 1 1 Para denotar esta ley se le suele denotar por una letra del alfabeto
= , − , , 2, 1
2 2 2 B2 y se utiliza la notación f : A → B.
Ahora para calcular las coordenadas del vector en B1 basta con Si el elemento a de A está relacionado con el elemento b de B se
hacer la multiplicación: suele escribir f (a) = b, también se suele decir que b es la imagen de
 t  t
1 1 1 1 1 1 a o que a es una antiimagen de b.
MB1 B2 , − , , 2, 1 = 0, 1, , ,
2 2 2 B2 2 2 2 B1
Definición (Conjuntos asociados a una aplicación f : A → B).
Al conjunto A se le suele llamar conjunto original y al conjunto B
conjunto final.

177 178

El conjunto imagen de f se denota por f (A) y se define por la Definición (Tipos de aplicaciones). 1. Una aplicación f : A →
igualdad: B se dice inyectiva si se verifica:

f (A) := {y ∈ B : existe x ∈ A tal que f (x) = y} si f (a) = f (b) entonces a = b.

Ejemplo. Dada la aplicación f : N → N definida por f (n) = 2n, 2. Una aplicación f : A → B se dice suprayectiva o exhaustiva

se tiene: si se verifica:

El conjunto inicial de f es N, todo elemento de B tiene una antiimagen.

El conjunto final de f es N, 3. Una aplicación f : A → B se dice biyectiva si se verifica:

El conjunto imagen es el conjunto de los números naturales f es inyectiva y exhaustiva.

pares, Ejemplo. La aplicación f : R → R definida por f (x) = x2 no es


inyectiva ni suprayectiva.
4 es la antiimagen de 8,
f no es inyectiva ya que f (2) = f (−2) = 4 y sin embargo 2 = −2.
3 no es la imagen de ningún número natural.
f no es suprayectiva ya que −1 no tiene antiimagen.

Proposición (Aplicación inversa). Si f : A → B es una apli-


cación biyectiva entonces existe una aplicación g : B → A tal que:

f ◦ g = 1B g ◦ f = 1A ,

donde 1A y 1B son las siguientes aplicaciones:


1A : A −→ A 1B : B −→ B
a → a b → b.
La aplicación g se llama inversa de la aplicación f .
179 180
Demostración. La definición de g : B → A se hace como sigue: para 6. Introducción de las aplicaciones li-
cada elemento b ∈ B existe una única antiimagen a por f (aplicación
neales
biyectiva) tal que f (a) = b.
Ahora se define g(b) = a y es rutinario comprobar que g satisface Definición (Aplicación lineal). Dados dos K-espacios vectoriales
las propiedades enunciadas. V y W y una aplicación f : V → W entre ellos, diremos que f es
lineal si verifica:

∀ u, v ∈ V f (u + v) = f (u) + f (v)

∀ α ∈ K y ∀ u ∈ V f (αu) = αf (u)

Ejemplo. Sea f : R → R la aplicación definida por f (x) = 2x.


Entonces se tiene que f es lineal, ya que para cada x, y, α ∈ R:

1. f (x + y) = 2(x + y) = 2x + 2y = f (x) + f (y)

2. f (αx) = 2(αx) = α2x = αf (x)

181 182

Ejemplo. La aplicación g : R2 → R3 la aplicación definida por 6.1. Propiedades de las aplicaciones li-
g(x, y) = (x + y, x − y, x) es lineal, ya que:
neales
∀u = (u1, u2), v = (v1, v2) ∈ R2 y ∀α ∈ R:
Proposición. f : V → W es lineal si y sólo si f (αu + βv) =
1.
αf (u) + βf (v) para cualesquiera α, β ∈ K y u, v ∈ V .
g(u + v) = g ((u1, u2) + (v1, v2)) = g (u1 + v1, u2 + v2)
Demostración.(⇒) Partimos en este caso de la premisa “f es lineal”,
= (u1 + u2 + v1 + v2, u1 − u2 + v1 − v2, u1 + v1)
por lo tanto usando simultáneamente las dos propiedades que de-
= g(u) + g(v) = g (u1, u2) + g (v1, v2) finen una aplicación lineal, se tiene:
= (u1 + u2, u1 − u2, u1) + (v1 + v2, v1 − v2, v1)
f (αu + βv) = f (αu) + f (βv) = αf (u) + βf (v)
2. g(α(u1, u2)) = αg (u1, u2) (demostrar en casa).
(⇐) Para probar el recı́proco tendremos que demostrar dos cosas:

Ejercicio (de la hoja distribuida). Determinar cuáles de 1. Si u, v ∈ V entonces f (u + v) = f (u) + f (v). La demostración
las siguientes aplicaciones son lineales: de este hecho es fácil, en efecto:

1. f : IR2 → IR2 dada por f (x, y) = (x − y, 2x − y 2 ). f (u + v) = f (1u + 1v) = 1f (u) + 1f (v) = f (u) + f (v).

2. f : IR4 → IR2 dada por f (x, y, z, u) = (x−y, u+z, z, 2x− 2. Si u ∈ V y α ∈ V entonces f (αu) = αf (u). La demostración
y). de esto es la que sigue:
2 3
3. f : IR → IR dada por f (x, y) = (x − y, x − 2y, 3y). f (αu) = f (αu + 0v) = αf (u) + 0f (v) = αf (u).
3 3
4. f : IR → IR dada por f (x, y, z) = (x − z + y, 2x − y −
3z, z + y).

183 184
Proposición. Si f : V → W es lineal entonces f (0V ) = 0W , 6.2. Tipos de aplicaciones lineales
donde 0V y 0W denotan respectivamente los ceros de los espacios
Definición. 1. Isomorfismo: es una aplicación lineal biyectiva.
vectoriales V y W .
2. Epimorfismo: es una aplicación lineal suprayectiva.
Demostración. f (0V ) = f (0V + 0V ) = f (0V ) + f (0V ). Ası́ que
f (0V ) = f (0V ) + f (0V ) y si sumamos en ambos miembros el opuesto 3. Monomorfismo: es una aplicación lineal inyectiva.

de f (0V ) se obtiene 0W = f (0V ) como se querı́a demostrar. 4. Si el espacio de partida y llegada es el mismo,f : V → V , y f es
lineal diremos que f es un endomorfismo.

5. Un endomorfismo biyectivo se llamará automorfismo.

Proposición. 1. La composición de dos aplicaciones lineales es


lineal,

2. La inversa de una aplicación lineal es también lineal.

185 186

7. Subespacios vectoriales asociados a Demostración. 1. Veamos que Ker f ≤ V , para ello es necesario
comprobar:
una aplicación lineal
a) Si v, w ∈ Ker f entonces v + w ∈ Ker f . En efecto, como
Definición (Kernel e Imagen). Dada una aplicación lineal f : v ∈ Ker f y w ∈ Ker f entonces f (v) = f (w) = 0W y por ser
V → W , definimos el Kernel de dicha aplicación como el subconjunto f lineal:
de V definido por:
f (v + w) = f (v) + f (w) = 0W + 0W = 0W ⇒ v + w ∈ Ker f.
Ker f := {v ∈ V : f (v) = 0W }.
b) Si v ∈ Ker f y α ∈ R entonces αv ∈ Ker f . Procediendo de
Para la misma aplicación f se define la imagen de f como:
forma análoga tenemos que f (v) = 0W ya que v ∈ Ker f y

Im f := {f (v) : v ∈ V }. ahora usando la linealidad de f :

Proposición. 1. Ker f es un subespacio vectorial de V (Ker f ≤ f (αv) = αf (v) = α0W = 0W ⇒ αv ∈ Ker f.

V ).
2. Probemos ahora que Im f ≤ W . Igual que antes hay que probar
2. Im f es un subespacio vectorial de W (Im f ≤ W ). los siguientes dos apartados.

a) Si v, w ∈ Im f entonces v + w ∈ Im f . Como v ∈ Im f y
w ∈ Im f entonces existen v1, w1 ∈ V tales que f (v1) = v y
f (w1 ) = w y por ser f lineal:

f (v1 + w1 ) = f (v1 ) + f (w1 ) = v + w ⇒ v + w ∈ Im f.

b) Si v ∈ Im f y α ∈ R entonces αv ∈ Im f . Procediendo de
forma análoga tenemos que f (v1) = v para algún v1 ∈ V ya
187 188
que v ∈ Im f y ahora usando la linealidad de f : Ahora nos gustarı́a saber si hay alguna relación entre que una apli-
cación sea monomorfismo y su kernel. Dicha relación existe y viene
f (αv1 ) = αf (v1) = αv ⇒ αv ∈ Im f.
recogida en el siguiente teorema.

Teorema. La aplicación lineal f : V → W es un monomorfismo


Ejercicio
si y sólo si Ker f = {0V }
Ejercicio (de la hoja distribuida). Sea V un espacio vectorial
Demostración.(⇒) Dada una aplicación lineal cualquiera f : V → W
sobre un cuerpo K y sea f : V −→ V una aplicación lineal. Se define
se tiene que f (0V ) = 0W y por lo tanto 0V ∈ Ker f . Por otro lado
el conjunto invariante de f , denotado Inv(f ), como el conjunto de
si existe algún v = 0V tal que v ∈ Ker f tendrı́amos que f (v) =
vectores los vectores v que permanecen invariantes por la aplicación,
f (0V ) = 0W y se romperı́a la inyectividad, ası́ que forzosamente
es decir,
Ker f = {0V }.
Inv(f ) = {v ∈ V : f (v) = v}
(⇐) Supongamos ahora que tenemos una aplicación lineal que satisface
Demuestra que el conjunto invariante de una aplicación lineal es un
Ker f = {0V } y que además f (v) = f (w). Entonces 0W = f (v)−
subespacio vectorial.
f (w) = f (v − w) por lo que v − w ∈ Ker f . Ası́ que v − w = 0V
y v = w, es decir, la aplicación f es inyectiva.
7.1. Determinación de un monomorfis-
mo por su kernel Ejercicio (de la hoja distribuida). Calcula la aplicación
lineal f : IR3 −→ IR3 sabiendo que
Por definición se tiene que la aplicación lineal f : V → W será ex-
x+y+z =0
haustiva si y sólo si el subespacio vectorial Im f = W . Es decir f es Ker(f ) = {(x, y, z) ∈ IR3 : }
x − y + 2z = 0
un epimorfismo si y sólo si Im f = W .
y f (1, 0, 0) = (−1, 2, 0), f (0, 1, 0) = (1, 1, 0).
189 190

7.2. Un apunte sobre dimensiones que 8. Matrices asociadas a una aplicación


os ayudará en los ejercicios lineal
Proposición. Dada una aplicación lineal f : V → W se satisface: Definición. Sean V y W espacios vectoriales sobre los que fijamos

dimV = dimKer f + dimIm f. respectivamente las siguientes bases:

β = {v1, v2, . . . , vn } β  = {w1, w2 , . . . , wm }.

Sea f : V → W una aplicación lineal para la que conocemos las


imágenes de los elementos de β expresadas en coordenadas sobre la
base β  , es decir:

m
f (vi ) = aji wj = (a1i, a2i, . . . , ami )β 
j=1

La matriz asociada a f respecto de las bases β y β  es:


⎛ ⎞
⎜ a11 a12 . . . a1n ⎟
⎜ ⎟
⎜ a21 a22 . . . a2n ⎟
⎜ ⎟
Mββ  (f ) = ⎜ ⎟ ∈ MdimW ×dimV (K)
⎜ ... ... . . . ... ⎟
⎜ ⎟
⎝ ⎠
am1 am2 . . . amn

191 192
Ejercicio 8.1. Propiedades de las matrices de cam-
Ejercicio. Sea f : IR4 → IR3 una aplicación lineal definida por: bio de base
f (1, 1, 1, 1) = (0, 0, 1) f (1, 0, 1, 0) = (1, 1, −1)
Proposición. Si f : V → W es una aplicación lineal, v ∈ V
f (1, 1, 1, 0) = (0, 0, −1) f (−1, −2, 0, 0) = (1, 1, 1) y w = f (v) y las coordenadas son v = (a1, a2, . . . , an)β y w =
Se pide calcular: (b1, b2, . . . , bm )β  , entonces:
⎛ ⎞ ⎛ ⎞
1. La matriz de f respecto a las bases canónicas. ⎜ b 1 ⎟ ⎜ a1 ⎟
⎜ ⎟ ⎜ ⎟
⎜ b2 ⎟ ⎜ a2 ⎟
⎜ ⎟ ⎜ ⎟
Solución. ⎜ ⎟ = Mββ  (f ) ⎜ ⎟
⎜ ... ⎟ ⎜ ... ⎟
⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
bm 
an
β β

Ejercicio

Ejercicio. Sea f : IR4 → IR3 una aplicación lineal definida por:

f (1, 1, 1, 1) = (0, 0, 1) f (1, 0, 1, 0) = (1, 1, −1)

f (1, 1, 1, 0) = (0, 0, −1) f (−1, −2, 0, 0) = (1, 1, 1)

Se pide calcular:

2. La dimensión y ecuaciones de Ker(f ) e Im(f ).

193 194

Proposición (Matriz de la composición de aplicaciones). 8.2. Matriz asociada a una aplicación


Si f : V → W y g : W → U son dos aplicaciones lineales entonces
lineal f respecto de otras bases
g ◦ f : V → U es una aplicación lineal. Además si β, β  y β  son
bases respectivas de V , W y U , se tiene que: Dados espacios vectoriales V y W , una aplicación lineal f : V → W
y bases respectivas de los anteriores espacios
Mββ  (g ◦ f ) = Mβ β  (g)Mββ  (f )
βV = {v1, v2, . . . , vn} βW = {w1, w2, . . . , wm },
Proposición (Relación con matrices de cambio de bases).
Sea V un espacio vectorial, β y β  bases del mismo y Id : V → V podemos construir la matriz MβV βW (f ) como se ha explicado antes.

la aplicación identidad. Entonces Suponed ahora que nos dan otras bases:

Mββ  (Id) = Mβ β . βV = {v1 , v2 , . . . , vn } 


βW = {w1 , w2 , . . . , wm

}

 (f ). Para este cálculo hay dos posibilida-


y nos piden la matriz MβV βW
des:

1. Utilizar la definición de aplicación lineal (ya se ha explicado).

2. Utilizar la matriz MβV βW (f ) y las matrices de cambio de base


MβV βV y MβW βW
 . Para obtener esta relación hacemos notar:

195 196
El diagrama siguiente, donde Id1 e Id2 son la aplicación identidad, 3. La matriz de f respecto de la base canónica de IR4 y la base de
es conmutativo IR3,
f B = {(1, 1, 1), (1, 0, 1), (1, 1, 0)}
(V, βV ) −→ (W, βW ) ası́ como las ecuaciones de la imagen de f en esta última base.
Id1 ↑ ↓ Id2
4. La matriz de f respecto de las bases de
f
(V, βV ) −→ 
(W, βW ) B1 = {(1, 1, 1, 0), (1, 1, 0, 0), (1, 0, 0, 0), (1, 1, 1, 1)} (de R4)

En el diagrama se ve que f = Id2 ◦f ◦ Id1 y utilizando una pro- y

posición anterior para calcular la matriz de una composición, se B2 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} (de R3),

tiene: ası́ como las ecuaciones del núcleo y la imagen de f en estas bases.

 (f ) = Mβ  ,β  (Id ◦f ◦ Id) =
MβV ,βW 5. El rango de la aplicación.
V W 2 1

 (Id)Mβ ,β (f )Mβ  ,β (Id) =


MβW ,βW V W V V
2 1

 ,β Mβ ,β (f )Mβ ,β 
MβW W V W V V
9. Ejercicios Resueltos
Ejercicio Ejercicio
Se considera la aplicación lineal f : Rn → Rk que verifica:
Ejercicio. Sea f : IR4 → IR3 una aplicación lineal definida por:

f (1, 1, 1, 1) = (0, 0, 1) f (1, 0, 1, 0) = (1, 1, −1) f (1, 0, 1) = (1, 0), f (0, 1, 1) = (2, 3), f (0, 0, 1) = (1, 1).

f (1, 1, 1, 0) = (0, 0, −1) f (−1, −2, 0, 0) = (1, 1, 1) En este ejercicio usaremos la notación βA para denotar a la base de-

Se pide calcular: finida en el ejercicio anterior. Además βC3 y βC2 serán respectivamente
las bases canónicas de R3 y R2.
197 198

Se pide: Mβ 3 β 2 (f )(x, y, z)t = 0. Ası́ que:


C C

1. Decir quiénes son n y k. ⎨ y + z = 0,
⎩ −x + 2y + z = 0.
Solución. n = 3 y k = 2.

2. Calcular MβA β 2 (f ). Por lo tanto dimKer f = 3−rg Mβ 3 β 2 (f ) = 1 y βKer f = {(1, 1, −1)}.


C C
C

Solución. De las imágenes que nos dan de los vectores de βA 5. Calcular una base y las ecuaciones de Im f .
obtenemos: Solución. Sabemos que

⎛ ⎞ Im f =< (0, −1), (1, 2), (1, 1) > .


1 2 1
MβAβ 2 (f ) = ⎝ ⎠.
C
0 3 1 Como el primer y segundo vector forman un conjunto de vectores li-

3. Calcular Mβ 3 β 2 (f ). nealmente independientes y maximal entonces βIm f = {(0, −1), (1, 2)}.
C C

Solución. Ası́ que Im f = R2 y no se pueden dar ecuaciones de este subes-


pacio.

Mβ 3 β 2 (f ) = Mβ 2 β 2 MβAβ 2 (f )MβAβ 3 =
C C⎛ C C ⎞ C C

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

4. Calcular una base y las ecuaciones de Ker f .

Solución. Un vector (x, y, z) pertenece a Ker f si y sólo si

199 200
Ejercicio (1, 1) y (1, 0) por la aplicación f y a calcular las coordenadas de
n m
Sea f : IR → IR la aplicación cuya matriz asociada en las bases esas imágenes en la base B :
canónicas es: ⎛ ⎞
f (1, 1) = (2, 2, 2) = 2(1, 1, 1) = (0, 0, 2)B ,
⎜ 2 0 ⎟
⎜ ⎟ f (1, 0) = (2, 1, 0) = (1, 0, 0) + (1, 1, 0) = (1, 1, 0)B .
A=⎜
⎜1 1⎟

⎝ ⎠
0 2 Ası́ que la matriz de f respecto de las bases B y B es:
Calcula:
⎛ ⎞
(1.1). Los valores de n y de m (0,3 puntos). ⎜ 0 1 ⎟
⎜ ⎟
MBB (f ) = ⎜ ⎟
⎜ 0 1 ⎟.
Solución. Los valores de n y de m son respectivamente 2 y 3, es ⎝ ⎠
2 0
decir, el número de columnas y filas de la matriz A.
Responde justificadamente:
(1.2). La expresión analı́tica de f en las bases canónicas de Rn y Rm (0,4
puntos). (1.4). ¿Se puede hacer la composición f ◦ f ? ¿Qué tamaño tendrı́a la
⎡ ⎛ ⎞⎤t
x matriz asociada a f ◦ f ? (0,4 puntos).
Solución. f (x, y) = ⎣A ⎝ ⎠⎦ = (2x, x + y, 2y).
y Solución. No se puede hacer la composición porque el espacio de

(1.3). La matriz de f respecto de las bases partida y llegada de f no coinciden.

B = {(1, 1), (1, 0)} y B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} (1.5). ¿Es la aplicación f invertible? (0,5 puntos).

Solución. No, porque para que sea invertible tiene que ser un
(0,9 puntos).
endomorfismo.
Solución. Vamos a calcular esta matriz utilizando la definición de
la misma. Para ello debemos calcular las imágenes de los vectores

201 202

Ejercicio 1. Comprueba que los conjuntos β1, β2 y β3 son bases de R4.


En este problema consideraremos los siguientes conjuntos: Solución. Para ver que estos conjuntos son bases basta con poner

β1 = {(1, 0, 1, 0), (1, 0, 0, 0), (0, 0, 1, 1), (0, 1, 0, 1)}, los vectores por filas en una matriz y ver que el determinante es
diferente de 0.  
β2 = {(1, 1, 1, 0), (1, 1, 0, 0), (0, 1, 1, 1), (0, 0, 1, 1)},  
1 0 1 0 

 
β3 = {(1, 0, 0, a), (1, 0, 1, 1), (0, 1, 1, 0), (0, 0, 0, 1)}, 1 0 0 0 

Para el conjunto β1 tendrı́amos   = −1 = 0.
β4 = {(1, 1, 1), (1, 0, 0), (0, 0, 1)}, 0 0 1 1 

 
 
β5 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)}, 0 1 0 1
 
 
β6 = {(1, 0, 1), (0, 0, −1), (0, 1, 1)} 1 1 1 0 

 
1 1 0 0 
y las aplicaciones lineales f : R4 → R3, g : Rk → Rl y h : Rm → Rn 
Para el conjunto β2 tendrı́amos   = 1 = 0.
0 1 1 1 

definidas por:  
 
0 0 1 1
f (x, y, z, t)β1 = (x + y + z, x, y − t)β4 ,  
 
⎛ ⎞ 1 0 0 a 

1 0 1  
⎜ ⎟ 1 0 1 1 
⎜ ⎟ 
Mβ4β5 (g) = ⎜ ⎟ Para el conjunto β3 tendrı́amos   = −1 = 0.
⎜0 1 1⎟ 0 1 1 0 
⎝ ⎠ 
 
1 0 0  
0 0 0 1
⎛ ⎞
⎜ 0 0 1 ⎟
⎜ ⎟
Mβ4β5 (h) = ⎜ ⎜ −1 1 1 ⎟

⎝ ⎠
1 0 −1

203 204
2. Comprueba que los conjuntos β4, β5 y β6 son bases de R3. 3. Calcula las siguientes matrices:

Solución. Igual que en el apartado anterior: Mβ1 β2 , Mβ2β3 , Mβ1 β3 , Mβ4β5 , Mβ4 β6 , Mβ5 β6 .
 
 
1 1 1
 
  Solución.
Para el conjunto β4 tendrı́amos  1 0 0  = −1 = 0.
 
0 0 1 Antes de empezar a calcular estas matrices adoptaremos la nota-
 
  ción siguiente:
 
1 1 0
 
 
Para el conjunto β5 tendrı́amos  1 0 0  = −1 = 0. vij será el vector i-ésimo de la base βj , para valores de i entre
 
0 1 1 1 y 4 y de j entre 1 y 3.
 
 
  wij será el vector i-ésimo de la base βj , para valores de i entre
1 0 1 
 
  1 y 3 y de j entre 4 y 6.
Para el conjunto β6 tendrı́amos  0 0 −1  = 1 = 0.
 
0 1 1 
  Ası́ que con esta notación tenemos por ejemplo: v43 = (0, 0, 0, 1) y
w26 = (0, 0, −1).

Mβ1β2

Para construir esta matriz hay que poner las coordenadas de los
vectores de la base β2 en la base β1:

205 206

Ahora ponemos estas coordenadas por columnas y obtenemos la

v12 = 2v11 − v21 − v31 + v41 matriz solicitada:


⎛ ⎞
v22 = 1v11 + 0v21 − v31 + v41 ⎜ −a 1 −1 ⎟
0
⎜ ⎟
⎜ 1+a 1 −1 1 ⎟
v32 = 1v11 − v21 + 0v31 + v41 ⎜ ⎟
Mβ2 β3 =⎜ ⎟
⎜ −1 −1 1 0 ⎟
v42 = 0v11 + 0v21 + 1v31 + 0v41 ⎜ ⎟
⎝ ⎠
1+a 2 −1 1
Ahora ponemos estas coordenadas por columnas y obtenemos la
matriz solicitada: ⎛ ⎞ Mβ1β3
⎜ 2 1 1 0⎟
⎜ ⎟
⎜ −1 0 −1 0 ⎟
Para construir esta matriz hay que poner las coordenadas de los
⎜ ⎟
Mβ1β2 =⎜ ⎟
⎜ −1 −1 0 1 ⎟
vectores de la base β3 en la base β1:
⎜ ⎟
⎝ ⎠
1 1 1 0

v13 = −av11 + (1 + a)v21 + av31 + 0v41


Mβ2β3
v23 = 0v11 + 1v21 + 1v31 + 0v41
Para construir esta matriz hay que poner las coordenadas de los
v33 = 2v11 − 2v21 − 1v31 + v41
vectores de la base β3 en la base β2:
v43 = −1v11 + 1v21 + 1v31 + 0v41

v13 = −av12 + (1 + a)v22 − v32 + (1 + a)v42 Ahora ponemos estas coordenadas por columnas y obtenemos la

v23 = 0v12 + 1v22 − v32 + 2v42

v33 = 1v12 − v22 + 1v32 − v42

v43 = −1v12 + 1v22 + 0v32 + 1v42


207 208
matriz solicitada:
⎛ ⎞
Mβ4β6
⎜ −a 0 2 −1 ⎟
⎜ ⎟
⎜ 1+a 1 −2 1 ⎟
⎜ ⎟ Para construir esta matriz hay que poner las coordenadas de los
Mβ1 β3 =⎜ ⎟
⎜ a 1 −1 1 ⎟
⎜ ⎟ vectores de la base β6 en la base β4:
⎝ ⎠
0 0 1 0

Mβ4β5 w16 = 0w14 + w24 + w34

w26 = 0w14 + 0w24 − w34


Para construir esta matriz hay que poner las coordenadas de los
w36 = w14 − w24 + 0w34
vectores de la base β5 en la base β4:

w15 = w14 + 0w24 − w34 Ahora ponemos estas coordenadas por columnas y obtenemos la
matriz solicitada:
w25 = 0w14 + 1w24 + 0w34 ⎛ ⎞
w35 = w14 − w24 + 0w34 ⎜0 0 1 ⎟
⎜ ⎟
Mβ4 β6 =⎜ ⎟
⎜ 1 0 −1 ⎟
⎝ ⎠
1 −1 0
Ahora ponemos estas coordenadas por columnas y obtenemos la
matriz solicitada: Mβ5β6
⎛ ⎞
⎜ 1 0 1 ⎟ Para construir esta matriz hay que poner las coordenadas de los
⎜ ⎟
Mβ4 β5 =⎜ ⎟
⎜ 0 1 −1 ⎟
⎝ ⎠ vectores de la base β6 en la base β5:
−1 0 0

209 210

4. Dados los subespacios vectoriales

w16 = −w15 + 2w25 + w35 S = {(x, y, z, t)β3 ∈ R4 : x+y+z+t = 0} y T =< (1, 2, 0, 1)β2 >,

w26 = w15 − w25 − w35


se pide:
w36 = 0w15 + 0w25 + 1w35
Calcular las dimensiones de S y T y bases de cada uno de los
subespacios (se pide que las coordenadas de los vectores de esas

Ahora ponemos estas coordenadas por columnas y obtenemos la bases estén dadas en la base β1).

matriz solicitada: Solución. Está claro que la dimensión de T es 1 porque viene


⎛ ⎞
generado por un único vector no nulo, que por tanto será una
⎜ −1 1 0 ⎟
⎜ ⎟
Mβ5 β6 =⎜ ⎟
⎜ 2 −1 0 ⎟
base de T . En cuanto a S se tiene que su dimensión es 4 menos
⎝ ⎠
1 −1 1 el rango del sistema que lo define, es decir, dimS = 4 − 1 = 3.

Hemos dicho en el párrafo anterior que βT = {(1, 2, 0, 1)β2 } es


una base de T , pero necesitamos expresar el vector de βT en
la base β1 , para ello podemos utilizar la igualdad:

(x, y, z, t)β1 = [Mβ1β2 (1, 2, 0, 1)tβ2 ]t,

donde (x, y, z, t)β1 son las coordenadas del vector (1, 2, 0, 1)β2
en la base β1. Haciendo el producto marcado se obtiene que
(1, 2, 0, 1)β2 = (4, −1, −2, 3)β1 y la base solicitada de T puede
ser:
βT = {(1, 2, 0, 1)β2 } = {(4, −1, −2, 3)β1 }

211 212
Para encontrar una base de S podrı́amos utilizar sus ecuacio- Ası́ que:
nes, pero esto nos darı́a una base con coordenadas en β3 y luego
x = y  − z  + t ,
tendrı́amos que cambiar éstas a la base β1. Otra opción serı́a
y = x + z  − t ,
expresar las ecuaciones de S respecto de la base β1 y luego ob-
z = t ,
tener la base. Este es el procedimiento que vamos a usar porque
t = −x − ay  + az  + (2 − a)t
con él respondemos parcialmente a la siguiente pregunta. Para
calcular las ecuaciones de S respecto de la base β1 tomamos un y las ecuaciones de S en β1 son:
vector u = (x, y  , z  , t)β1 ∈ S y buscamos las ecuaciones que
0=x+y+z+t
satisfacen x , y  , z  , t. Empezamos calculando las coordenadas
= y − z + t + x + z − t + t − x − ay + az  + (2 − a)t
        

del vector u en β3 (u = (x, y, z, t)β3 ):


= (1 − a)y  + az  + (3 − a)t = 0 .

Ahora tenemos que obtener tres vectores de S linealmente in-


(x, y, z, t)tβ3 = Mβ3 β1 (x, y  , z  , t)tβ1 = Mβ−1     t
β3 (x , y , z , t )β1 =
⎛ 1⎞
dependientes y que satisfagan las ecuaciones últimas obtenidas.
⎜ 0 1 −1 1 ⎟ Estos vectores pueden ser, por ejemplo, (1, 0, 0, 0)β1 , (0, 0, a −
⎜ ⎟
⎜ 1 0 1 −1 ⎟
⎜ ⎟    t
⎜ ⎟ (x , y , z , t )β1 = 3, a)β1 , (0, 3, 2, −1)β1 y
⎜ 0 0 0 ⎟
⎜ 1 ⎟
⎝ ⎠
βS = {(1, 0, 0, 0)β1 , (0, 0, a − 3, a)β1 , (0, 3, 2, −1)β1 }
−1 −a a 2 − a
(y  − z  + t, x + z  − t, t, −x − ay  + az  + (2 − a)t)tβ3 . Calcula las ecuaciones cartesianas de S y de T en la base β1.

Solución. Las ecuaciones de S en la base β1 ya las hemos


calculado en el apartado anterior, eran:

S = {(x, y  , z  , t)β1 ∈ R4 : (1 − a)y  + az  + (2 − a)t = 0}.


213 214

Para calcular las ecuaciones de T en la base β1 seguimos el pro- Calcula los espacios S ∩ T y S + T (da las ecuaciones de
cedimiento usual. Tomamos (x, y  , z  , t)β1 ∈ T , por lo tanto ambos espacios en la base β1 y bases cuyos vectores tengan sus
   
(x , y , z , t )β1 = α(4, −1, −2, 3)β1 . Ahora tenemos que elimi- coordenadas expresadas respecto a β1).
nar el parámetro α y obtener 3 ecuaciones homogéneas que Solución.
definan a T : S∩T

x = 4α, y  = −α, z  = −2α, t = 3α Las ecuaciones de la intersección son:


     
⇒ x + 4y = z − 2y = t + 3y = 0.
(1 − a)y  + az  + (2 − a)t = x + 4y  = z  − 2y  = t + 3y  = 0,

este sistema tiene como matriz asociada a:


⎛ ⎞
⎜ 0 1 − a a 2 − a 0 ⎟
⎜ ⎟
⎜1 4 0 0 0⎟
⎜ ⎟
⎜ ⎟,
⎜ 0 −2 1 0 0 ⎟
⎜ ⎟
⎝ ⎠
0 3 0 1 0

que tiene rango3 4 si a = 5


4 y tiene rango 3 si a = 54 .

• Si a = 5
4
se tiene que dimS ∩ T = 4 − 4 = 0 y por lo tanto
S ∩ T = {(0, 0, 0, 0)β1 } y βS∩T = ∅ es una base de S ∩ T.

• Si a = 5
4
se tiene que dimS ∩ T = 4 − 3 = 1 y puesto
que el vector no nulo (−4, 1, 2, −3)β1 ∈ S ∩ T entonces
βS∩T = {(−4, 1, 2, −3)β1 } es una base de S ∩ T.
3
Este rango se calcula usando el determinante de la matriz quitándole la columna de los términos indepen-
dientes.

215 216
¿Es la suma de ambos subespacios directa?
S+T Solución. Es directa excepto cuando a = 54 .

Distinguimos dos casos:

• Empezamos tomando a = 54 , en este caso S + T = R4


porque dimS+T = dimS+dimT −dimS∩T = 3+1−0 = 4.

• Ahora tomamos a = 5
4 y tenemos que dimS + T = dimS +
dimT −dimS ∩T = 3+1−1 = 3. Calculamos el subespacio
suma:

S + T =< (4, −1, −2, 3)β1 , (1, 0, 0, 0)β1 ,

(0, 0, a − 3, a)β1 , (0, 3, 2, −1)β1 > .

Como sabemos que dimS + T = 3 y los 3 últimos vecto-


res son linealmente independientes (son la base que hemos
calculado de S), obtenemos que:

βS+T = βS = {(1, 0, 0, 0)β1 , (0, 0, a−3, a)β1 , (0, 3, 2, −1)β1 }

y que
S + T = S.

Finalmente:

S+T = S = {(x, y  , z  , t )β1 ∈ R4 : (1−a)y +az  +(2−a)t = 0}.

217 218

5. Di cuáles son los valores de k, l, m y n.

Solución. f (v11) = f ((1, 0, 0, 0)β1 ) = (1, 1, 0)β4 ;


k = l = m = n = 3.
f (v21) = f ((0, 1, 0, 0)β1 ) = (1, 0, 1)β4 ;

f (v31) = f ((0, 0, 1, 0)β1 ) = (1, 0, 0)β4 ;

6. Calcula las ecuaciones, una base y la dimensión de Ker f (todo ello f (v41) = f ((0, 0, 0, 1)β1 ) = (0, 0, −1)β4 .
respecto de la base β2).
Ası́ que:
Solución. Puesto que en este apartado nos piden datos sobre
⎛ ⎞
Ker f respecto de la base β2 y en el siguiente sobre Im f relativos
⎜1 1 1 0 ⎟
a la base β6, disponer de la matriz Mβ2β6 (f ) será de utilidad. Sin ⎜ ⎟
Mβ1 β4 (f ) = ⎜
⎜1 0 0 0 ⎟

embargo empezaremos calculando Mβ1β4 (f ) por ser fácil de obtener ⎝ ⎠
0 1 0 −1
y posteriormente usaremos la igualdad:
Cálculo de Mβ6β4 .
Mβ2β6 (f ) = Mβ6β4 Mβ1 β4 (f )Mβ1β2 (10) Procedemos igual que en el apartado 3:

Cálculo de Mβ1β4 (f ). Por definición tendremos que calcular las


imágenes (mediante f ) de los elementos de la base β1 y expresar w14 = (1, 1, 1) = w16 + w26 + w36 = (1, 1, 1)β6 ;
sus coordenadas en β4. Esas coordenadas se ponen finalmente por
w24 = (1, 0, 0) = w16 + w26 = (1, 1, 0)β6 ;
columnas en una matriz:
w34 = (0, 0, 1) = −w26 = (0, −1, 0)β6 .

Ahora

219 220
⎛ ⎞
⎜1 1 0 ⎟
⎜ ⎟ [f ((x, y, z, t)β2 )]t = Mβ2 β6 (f )(x, y, z, t)tβ2
Mβ6β4 =⎜ ⎟
⎜ 1 1 −1 ⎟
⎝ ⎠ ⇒ [f ((x, y, z, t)β2 )]t = (2x + y + z + t, 4x + 2y + 3z + t, t)β6 = (0, 0, 0)β6
1 0 0 ⎧ ⎛ ⎞



⎪ 2x + y + z + t = 0, sistema ⎜ 2 1 1 1 0 ⎟
Ahora usamos la fórmula (10) y obtenemos: ⎨ ⎜ ⎟
⇒ 4x + 2y + 3z + t = 0, matricial ⎜ ⎜ 4 2 3 1 0⎟ ⎟

⎪ ⎝ ⎠


⎛ ⎞ ⎩t=0 ⇒ 0 0 0 1 0
⎛ ⎞⎛ ⎞
⎜ 2 1 1 0⎟
⎜ 1 1 0 ⎟⎜ 1 1 1 0 ⎟⎜ ⎟ Ahora tenemos que la dimensión de Ker f es 4 menos el ran-
⎜ ⎟⎜ ⎟⎜ −1 0 −1 0⎟
Mβ2β6 (f ) = ⎜ ⎟⎜ ⎟⎜ ⎟
⎜ 1 1 −1 ⎟ ⎜ 1 0 0 0 ⎟ ⎜

⎟= go de la matriz asociada al sistema (3), es decir dimKer f = 1.
⎝ ⎠⎝ ⎠ ⎜ −1 −1 0 1⎟⎟
1 0 0 0 1 0 −1 ⎝ ⎠ El vector (1, −2, 0, 0)β2 pertenece a Ker f , por lo tanto βKer f =
1 1 1 0
⎛ ⎞ {(1, −2, 0, 0)β2 } es una base de Ker f
⎛ ⎞ ⎛ ⎞
⎜ 2 1 1 0⎟
⎜ 2 1 1 0 ⎟⎜ ⎟ ⎜2 1 1 1⎟
⎜ ⎟ ⎜ −1 0 −1 0 ⎟
⎟ ⎜ ⎟
⎜ 2 0 1 1 ⎟⎜ ⎟=⎜ 3 1⎟
⎜ ⎟⎜ ⎜4 2 ⎟
⎝ ⎜
⎠ ⎜ −1 −1 0 1 ⎟
⎟ ⎝ ⎠
1 1 1 0 ⎝ ⎠ 0 0 0 1
1 1 1 0

Cálculo de Ker f

Ahora un vector (x, y, z, t)β2 ∈ Ker f si y sólo si f ((x, y, z, t)β2 ) =


(0, 0, 0)β6 . Hacemos ahora cálculos para obtener las ecuaciones de
Ker f .

221 222

7. Calcula las ecuaciones, una base y la dimensión de Im f (todo ello 8. Calcula las matrices siguientes:
respecto de la base β6).
Mβ1β4 (f ), Mβ1 β5 (f ), Mβ4β4 (g◦h), Mβ4 β4 (h◦g), Mβ4 β4 (h), , Mβ4β4 (g)
Solución.
Solución.
Sabemos que dimIm f = dimR4 − dimKer f = 4 − 1 = 3 y por
Mβ1β4 (f )
otro lado:
Para calcular esta matriz es necesario obtener las imágenes, me-
Im f =< (2, 4, 0)β6 , (1, 2, 0)β6 , (1, 3, 0)β6 , (1, 1, 1, )β6 > .
diante f , de los vectores de β1 y dar las coordenadas del vector
Del sistema generador {(2, 4, 0)β6 , (1, 2, 0)β6 , (1, 3, 0)β6 , (1, 1, 1, )β6 } imagen en la base β4. Esto ya se ha hecho en un apartado anterior:
de Im f se puede extraer fácilmente la base:
f (v11 ) = (1, 1, 0)β4 ; f (v21) = (1, 0, 1)β4 ;
βIm f = {(1, 2, 0)β6 , (1, 3, 0)β6 , (1, 1, 1, )β6 }. f (v31 ) = (1, 0, 0)β4 ; f (v41) = (0, 0, −1)β4 .

Puesto que la dimensión de Im f es 3 no se pueden calcular las Con estos datos tenemos:
⎛ ⎞
ecuaciones.
⎜ 1 1 1 0 ⎟
⎜ ⎟
Mβ1 β4 (f ) = ⎜
⎜1 0 0 0 ⎟

⎝ ⎠
0 1 0 −1

Mβ1β5 (f )

Para calcular esta matriz es necesario obtener las imágenes, me-


diante f , de los vectores de β1 y dar las coordenadas del vector

223 224
imagen en la base β5:
Mβ4β4 (h)
f (v11) = (1, 1, 0)β4 = (2, 1, 1) = (0, 2, 1)β5 ;

f (v21 ) = (1, 0, 1)β4 = (1, 1, 2) = (−1, 2, 2)β5 ; Para este cálculo usaremos la fórmula:

f (v31) = (1, 0, 0)β4 = (1, 1, 1) = (0, 1, 1)β5 ; Mβ4 β4 (h) = Mβ4 β5 Mβ4β5 (h)
f (v41) = (0, 0, −1)β4 = (0, 0, −1) = (1, −1, −1)β5 .
Ası́ que:
Con estos datos tenemos:
⎛ ⎞ ⎛
Mβ4 β4 (h) = Mβ4 β5 Mβ4β5 (h)
⎞⎛ ⎞ ⎛ ⎞
⎜ 0 −1 0 1 ⎟ ⎜ 1 0 1 ⎟⎜ 0 0 1 ⎟ ⎜ 1 0 0 ⎟
⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
Mβ1 β5 (f ) = ⎜ ⎟
⎜ 2 2 1 −1 ⎟ =⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎜ 0 1 −1 ⎟ ⎜ −1 1 1 ⎟ = ⎜ −2 1 2 ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠
1 2 1 −1 −1 0 0 1 0 −1 0 0 −1

Mβ4β4 (g) Mβ4β4 (g ◦ h)

Para este cálculo usaremos la fórmula: Para este cálculo usaremos la fórmula:

Mβ4β4 (g) = Mβ4 β5 Mβ4β5 (g)Mβ4 β4 = Mβ4β5 Mβ4 β5 (g)I4 = Mβ4β5 Mβ4 β5 (g) Mβ4β4 (g ◦ h) = Mβ4β4 (g)Mβ4 β4 (h) =

Ası́ que: Por lo tanto:

Mβ4 β4 (g) = Mβ4 β5 Mβ4 β5 (g)


⎛ ⎞⎛
⎞ ⎛ ⎞ ⎛ ⎞⎛ ⎞ ⎛ ⎞
⎜ 1 0 1 ⎟⎜ 1 0 1 ⎟ ⎜ 2 0 1 ⎟ ⎜ 2 0 1 ⎟⎜ 1 0 0 ⎟ ⎜ 2 0 −1 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
=⎜ ⎟⎜ ⎟ ⎜
⎜ 0 1 −1 ⎟ ⎜ 0 1 1 ⎟ = ⎜ −1 1 1 ⎟
⎟ Mβ4β4 (g ◦ h) = ⎜
⎜ −1 1 1 ⎟ ⎜ −2 1 2 ⎟ = ⎜ −3 1 1 ⎟
⎟⎜ ⎟ ⎜ ⎟
⎝ ⎠⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎝ ⎠ ⎝ ⎠
−1 0 0 1 0 0 −1 0 −1 −1 0 −1 0 0 −1 −1 0 1

225 226

9. ¿Es la aplicación g biyectiva? ¿Cuál es su inversa?


Mβ4β4 (h ◦ g) Solución. Para que sea biyectiva debe ser simultáneamente inyec-

Para este cálculo usaremos la fórmula: tiva y suprayectiva, es decir, se debe tener simultáneamente que
Ker g = 0 y que Im g = R3, o lo que es lo mismo, dimKer g = 0 y
Mβ4β4 (h ◦ g) = Mβ4β4 (h)Mβ4β4 (g) =
dimIm g = 3.

Por lo tanto: Como dimIm g = rg Mβ4 β5 (g) = 3 (porque el determinante de


Mβ4β5 (g) es −1) y dimKer f = 3 − dimIm f = 0, se tiene que g es
⎛ ⎞⎛ ⎞ ⎛ ⎞
biyectiva.
⎜ 1 0 0 ⎟⎜ 2 0 1 ⎟ ⎜ 2 0 1 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
Mβ4β4 (h ◦ g) = ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ −2 1 2 ⎟ ⎜ −1 1 1 ⎟ = ⎜ −7 1 −3 ⎟ Para calcular la inversa de g bastará con calcular la matriz asociada
⎝ ⎠⎝ ⎠ ⎝ ⎠
0 0 −1 −1 0 −1 1 0 1 a g −1 respecto de algunas bases. Obtendremos esta matriz usando
que Id = g ◦ g −1 , por lo que:

Mβ4β5 (g)Mβ5 β4 (g −1) = Mβ5 β5 (Id) = I3 ⇒ Mβ5 β4 (g −1 ) = (Mβ4 β5 (g))−1.

Haciendo los cálculos necesarios obtenemos:


⎛ ⎞
⎜ 0 0 1 ⎟
⎜ ⎟
Mβ5 β4 (g −1) = ⎜
⎜ −1 1 1 ⎟.

⎝ ⎠
1 0 −1

227 228
10. Determina Ker g, Ker h, Im g e Im h (todo respecto de la base β4 ) Tema 6: Diagonalización de matrices y
y di si se verifica que alguna de las dos sumas siguientes es directa: endomorfismos
Ker h + Im h, Ker g + Im g. Gabriel Soler López
4 de diciembre de 2006
Solución.

Empezamos calculando las dimensiones de los espacios que quere- 1. Introducción


mos calcular:
El objetivo del tema es encontrar, para un endomorfismo dado f :
dimIm g = rg Mβ4β5 (g) = 3 ⇒ dimKer g = dimR3 − dimIm g = 0.
R → Rm, una base β de Rm tal que la matriz Mββ (f ) sea diagonal o
m

dimIm h = rg Mβ4β5 (h) = 3 ⇒ dimKer h = dimR3 − dimIm h = 0.


contenga el mayor número posible de ceros.

Ası́ que: Encontrar dicha base tendrá su interés posteriormente para calcular
potencias arbitrarias de una matriz dada. A su vez, dichas potencias
Ker g = Ker h = {(0, 0, 0)β4 } e Im g = Im h = R3
permitirán calcular la exponencial.

Finalmente es claro que ambas sumas son directas puesto que: Matricialmente, el objetivo descrito en las lı́neas anteriores no es más
que dada una matriz cuadrada A de tamaño m × m, encontrar una
Ker g ∩ Img = Ker h ∩ Im h = {(0, 0, 0)β4 }
matriz invertible P tal que P −1AP sea diagonal.
Diagonalizar una matriz será encontrar la matriz P y diagonalizar
el endomorfismo f : Rm → Rm consiste en encontrar la base β antes
descrita.

229 230

2. Polinomio caracterı́stico, espectro, va- Observación


El conjunto σ(A) tiene cardinal menor que m ya que el grado del
lores propios y vectores propios
polinomio caracterı́stico es m.
Definición (Polinomio caracterı́stico). Definición (Vectores y valores propios).
Dada una matriz A ∈ Mm×n (K), denotaremos por pA(x) al polino- A los elementos de σ(A) (resp. σ(f )) los llamaremos valores propios
mio caracterı́stico de A, que viene definido por pA(x) = |A − xIm|. de A (resp. valores propios de f ).
Dado un endomorfismo f : R → R y elegida una base β de R ,
m m m A cada elemento μ ∈ σ(A) (resp. μ ∈ σ(f )) le asociaremos un
se define el polinomio caracterı́stico de f asociado a la base β como subespacio vectorial Vμ que recibe el nombre de subespacio invariante
el polinomio caracterı́stico de la matriz Mββ (f ). A este polinomio lo asociado a μ y que se define como sigue:
denotaremos por pβf (x).
Vμ = {x ∈ Rm : Ax = μx}
Observación
(resp. Vμ = {x ∈ Rm : f (x) = μx}.)
El polinomio caracterı́stico de un endomorfismo f : Rm → Rmno
Los elementos x ∈ Vμ \{0} se llaman vectores propios asociados a
depende de de la base elegida, con lo que podremos suprimir la coletilla
μ.
asociado a la base β y definir el polinomio caracterı́stico asociado
a un endomorfismo f como el polinomio caracterı́stico asociado a f
respecto de una base elegida β.
Definición (Espectro).
El espectro de una matriz A ∈ Mm(K) es el conjunto de las raı́ces
del polinomio caracterı́stico y se denota por σ(A) y el espectro de
f : Rm → Rm es el conjunto de las raı́ces de su polinomio caracterı́stico
y se denota por σ(f ).
231 232
3. Teorema de diagonalización Teorema (Diagonalización). Sea A ∈ Mm(K) entonces A es
diagonalizable si y sólo si se satisfacen las dos condiciones siguien-
Lema
tes:
Si λ, μ son dos valores propios de A (resp. de f ), entonces:
1. Todos los valores propios son reales.
1. Vμ ∩ Vλ = {0}, es decir, no existe x ∈ Rm\{0} que satisfaga
2. Para todo valor propio λ ∈ σ(A) se tiene dimVλ = m(λ).
simultáneamente las ecuaciones Ax = μx y Ax = λx (resp.
f (x) = μx y f (x) = λx). Teorema (Diagonalización). Dado el endomorfismo f : Rm →
Rm, entoces f es diagonalizable si y sólo si se satisfacen las dos
2. Vλ es un subespacio vectorial con 1 ≤ dimVλ ≤ m(λ), donde m(λ)
condiciones siguientes:
denota la multiplicidad de λ en el polinomio caracterı́stico.
1. Todos los valores propios son reales.
Además, si σ(A) = {λ1, λ2, . . . , λk } (resp. σ(f ) = {λ1, λ2, . . . , λk }),
la matriz es diagonalizable si y sólo si: 2. Para todo valor propio λ ∈ σ(f ) se tiene dimVλ = m(λ).

R m = Vλ 1 ⊕ Vλ 2 ⊕ · · · ⊕ Vλ k . Corolario. Si A ∈ Mm (K) (resp. f : Rm → Rmes un endomor-


fismo que) tiene m raı́ces distintas, entonces A es diagonalizable
(resp. f : Rm → Rmes diagonalizable).

233 234

Estos teoremas se pueden aplicar para calcular la forma diagonal de 4. Aplicaciones de la diagonalización:
una matriz y las matrices de paso que dan la diagonalización. Descri-
potencias de matrices y series tem-
bimos este proceso para una matriz A ∈ Mm (K):
porales
1. Se calcula el polinomio caracterı́stico pA(x) y el espectro σ(A). Si
éste posee algún número complejo, la matriz no es diagonalizable
4.1. Cálculo de potencias.
y el proceso acaba.
Pasamos a dar una aplicación de la diagonalización para el cálculo
2. Si σ(A) ⊂ R, para cada λ ∈ σ(A) se determina una base del sub-
de la potencia n-ésima de una matriz diagonalizable. Supongamos que
espacio de los vectores propios asociados. Si para algún λ ∈ σ(A)
A ∈ Mm(R) es diagonalizable y k ∈ N, k ≥ 2. Entonces existe P ∈
se tiene que dimVλ < m(λ), entonces la matriz no es diagonalizable
Mm(R) invertible y una matriz diagonal D de orden m tal que D =
y el procedimiento acaba aquı́.
P −1AP , de donde A = P DP −1. Entonces:
3. Si dimVλ = m(λ) para todo λ ∈ σ(A), la matriz es diagonalizable.  k veces
   k 
veces

La matriz diagonal, D, tiene en la diagonal principal los valores A = (P DP )(P DP −1) . . . (P DP −1) = P (DD . . . D) P −1 = P D k P −1,
k −1

propios de A repetidos tantas veces como indica su multiplicidad. lo cual nos da un nuevo método para el cálculo de la potencia n-ésima de
La matriz de paso, P , se construye colocando en cada columna uno dicha matriz que puede ser más sencillo que calcularla por la definición,
de los vectores propios de las bases anteriormente calculadas, de dado que la potencia n-ésima de una matriz diagonal es aquella matriz
forma que en la misma columna de la matriz D aparezca el valor diagonal cuyo elemento (i, i) es la potencia n-ésima del elemento (i, i)
propio asociado. de la matriz original.

4. Por último, se tiene D = P −1AP .

235 236
4.2. Series temporales. 5. El teorema de Cayley-Hamilton
Si ahora tenemos un sistema que evoluciona con el tiempo según la Dado un polinomio p(x) = anxn +an−1 xn−1 +· · ·+a1 x+a0 podemos
expresión: evaluar la matriz en el polinomio A, es decir p(A) = anAn +an−1An−1 +
xk = Axk−1 , · · · + a1A + a0. Con esta notación se tiene el teorema siguiente.
donde A ∈ Mm (R) con A = P DP −1, k ∈ N y xl ∈ Mm×1(R)
Teorema (Cayley-Hamilton). Dada A ∈ Mm(K) con polinomio
para todo l ∈ N. Entonces tendremos que dado un valor inicial x0 ∈
caracterı́stico pA(x). Entonces pA(A) = 0.
Mm×1(R) para la serie temporal, se verificará:
Este teorema se puede aplicar para calcular la inversa de una matriz,
xk = Ak x0 = P D k P −1x0, en efecto

de donde podemos saber el comportamiento asintótico de los valores 0 = A−1pA(A) = An−1 + an−1An−2 + · · · + a1I + a0A−1 ,
xk calculando el lı́mite:
de donde
lı́m xk . An−1 + an−1An−2 + · · · + a1I
k→∞
A−1 = − .
a0
Una apreciación final es que a0 = 0 ya que la matriz A es invertible
y por lo tanto no tiene al 0 como valor propio.

237 238

Ejercicio Por lo tanto:


Calcular la inversa de la matriz que sigue usando este método.
1, -1, 0, 0, 0, 1, -1, 0, 0, 0, 1, -1, 0, 0, 0, 1
⎛ A−1 2
⎞= 4I4⎛− 6A + 4A − A

3

⎛ ⎞ −1 0
⎜1 0 0 0⎟ ⎜1 0⎟
⎜1 −1 0 0⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜0 ⎟
1 0 0⎟ ⎜0 1 −1 0⎟
⎜0 ⎜ ⎜ ⎟
⎜ 1 −1 0 ⎟
⎟ = 4⎜ ⎟ − 6⎜ ⎟
A=⎜ ⎟ ⎜0 0 1 0⎟ ⎜0 −1⎟
⎜0 ⎜ ⎟ ⎜ 0 1 ⎟
⎜ 0 1 −1⎟⎟ ⎝ ⎠ ⎝ ⎠
⎝ ⎠ 0 0 0 1 0 0 0 1
0 0 0 1 ⎛ ⎞ ⎛ ⎞
Solución. ⎜1 −2 1 0 ⎟ ⎜1 −3 3 −1⎟
⎜ ⎟ ⎜ ⎟
⎜0 1 −2 1 ⎟ ⎜ 1 −3 3⎟
Calculamos el polinomio caracterı́stico: ⎜ ⎟ ⎜0 ⎟
+4 ⎜ ⎟−⎜ ⎟
⎜0 0 ⎟
1 −2⎟ ⎜ −3⎟
⎜ ⎜0 0 1 ⎟
  ⎝ ⎠ ⎝ ⎠
 
1 −1 0 0  0 0 0 1 0 0 0 1
 ⎛ ⎞
 
0 1 −1 0 
 ⎜1 1 1 1⎟
pA(x) = |A − xI4| =   ⎜ ⎟
0 −1  ⎜0 1
 0 1 ⎜ 1 1⎟

  =⎜ ⎟
  ⎜0 0
0 0 0 1  ⎜ 1 1⎟

⎝ ⎠
= 1 − 4x + 6x2 − 4x3 + x4. 0 0 0 1
Ası́ que:
I4 − 4A + 6A2 − 4A3 + A4 = 0

Despejamos la identidad y tenemos:

I4 = 4A − 6A2 + 4A3 − A4 = A(4I4 − 6A + 4A2 − A3)


239 240
⎞⎛
6. Ejercicios Resueltos 1 1 1
⎜ ⎟
⎜ ⎟
0I3) = 3 − rg ⎜ ⎟
⎜ 1 1 1 ⎟ = 3 − 1 = 2.
Ejercicio ⎞ ⎛ ⎝ ⎠
1 1 1 1 1 1
⎜ ⎟
⎜ ⎟
De la matriz B = ⎜
⎜ 1 1 1⎟ se pide:

Por lo tanto B es una matriz diagonalizable.
⎝ ⎠
1 1 1 4. Si la matriz B es diagonalizable calcula la matriz diagonal D y

1. El polinomio caracterı́stico de B. la matriz de paso P tal que D = P −1BP. Si la matriz no es

Solución. diagonalizable calcula B 2 y B 3.


 
 
 1−x 1 1  Solución.
 
 

pB (x) = |B − xI3| =  1 1 − x 1  = (1 − x)3 + 2 − Para dar la matriz P calculamos bases de V0 y de V3.
  ⎛ ⎞
 1 1 1 − x 
 ⎜x⎟
3(1 − x) = (1 − x)3 − 1 + 3x = 3x2 − x3 = x2(3 − x). ⎜ ⎟
V3 = {(x, y, z) ∈ R : (B − 3I3) ⎜
3 ⎟
⎜ y ⎟ = 0}, es decir (x, y, z) ∈
⎝ ⎠
2. Las raı́ces del polinomio caracterı́stico y sus multiplicidades. z
V3 si y sólo si4 ⎧
Solución. Las raı́ces son 0 y 3 con multiplicidades 2 y 1 respec-
⎨ −2x + y + z = 0,
tivamente.
⎩ x − 2y + z = 0,
3. Determinar, justificadamente, si la matriz B es diagonalizable. Ası́ que una base de V3 es β3 = {(1, 1, 1)}.
⎛ ⎞
Solución. Según se vio en teorı́a, por ser m(3) = 1 entonces
⎜x⎟
⎜ ⎟
dimV3 = m(3) = 1. V0 = {(x, y, z) ∈ R : (B − 0I3) ⎜
3 ⎟
⎜ y ⎟ = 0}, es decir (x, y, z) ∈
⎝ ⎠
Falta ahora por ver, para demostrar que B es diagonalizable, que z
dimV0 = m(0) = 2. Pero esto es cierto porque dimV0 = 3−rg (B − 4
Fı́jate que he quitado la primera ecuación porque B − 3I3 tiene rango 2 y por lo tanto sólo son necesarias
dos ecuaciones linealmente independientes.

241 242

V2 si y sólo si5 Ejercicio


.
x+y+z =0 De una matriz diagonalizable A sabemos que tiene como polinomio
caracterı́stico p(x) = (x − 1)(x − 3)2(x + 1). Responde a las siguientes
Ası́ que una base de V0 es β0 = {(0, 1, −1), (1, −1, 0)}.
cuestiones:
Ahora obtenemos:
1. ¿Cuál es la dimensión del subespacio {x ∈ R3 : Ax = 3x}?
⎛ ⎞
⎜ 0 1 1⎟ Solución. Por ser la matriz diagonalizable se tiene que la dimen-
⎜ ⎟
P =⎜ ⎟
⎜ 1 −1 1 ⎟ , sión del subespacio anterior V3 coincide con la multiplicidad de 3
⎝ ⎠
−1 0 1 en el polinomio caracterı́stico. Ası́ que dimV3 = 2.
para:
2. ¿Cuál es el determinante de A? ¿Por qué?
⎛ ⎞ Solución. Por ser la matriz A diagonalizable se tiene que P −1AP =
⎜0 0 0⎟
⎜ ⎟ D, ası́ que |P −1AP | = |P −1||A||P | = |P |−1|A||P | = |A| =
D=⎜ ⎟
⎜ 0 0 0 ⎟.
⎝ ⎠ |D| ⇒ |A| = |D|. Ası́ que |A| = 3 · 3 · 1 · (−1) = −9.
0 0 3
3. Escribe una matriz diagonal, D, para A.

Solución. ⎛ ⎞
⎜3 0 0 0⎟
⎜ ⎟
⎜0 3 0 0⎟
⎜ ⎟
D=⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟
⎝ ⎠
0 0 0 −1

5
Fı́jate que me he quedado con una única ecuación porque B − 0I3 tiene rango 1. 4. ¿Cuál es el tamaño de la matriz A?
243 244
Solución. El tamaño es el mismo que el tamaño de D, es decir, Ejercicio ⎞ ⎛
4 × 4. ⎜ −1 3 3 ⎟
⎜ ⎟
Dada la matriz A = ⎜ ⎟
⎜ −3 5 3 ⎟ , se pide:
5. De los subespacios invariantes V1, V3 y V−1 conocemos unas ba- ⎝ ⎠
−3 3 5
ses: βV1 = {(1, 0, 0, 0)}, βV3 = {(1, 1, 1, 0), (1, 1, 1, 1)} y βV−1 =
1. Calcular el polinomio caracterı́stico pA.
{(1, 1, 0, 0)}. Da la matriz de paso P tal que D = P −1AP .
Solución.  
Solución. ⎛ ⎞  
 −1 − x 3 3 
⎜1 1 1 1⎟ 
⎜ ⎟  
⎜1 1 0 1⎟ pA(x) = |A − xI3| =  −3 5 − x 3  = 20 − 24x + 9x2 −
⎜ ⎟  
P =⎜ ⎟  −3
⎜1
⎜ 1 0 0⎟
⎟  3 5 − x 
⎝ ⎠ x3 = −(x − 5)(x − 2)2
0 1 0 0
2. Calcular el espectro σA y especificar la multiplicidad de cada raı́z.

Solución. σA = {5, 2}. Además m(5) = 1 y m(2) = 2.

3. Justificar si la matriz A es diagonalizable.

Solución. Según se vio en teorı́a, por ser m(5) = 1 entonces


dimV5 = m(5) = 1.

Falta ahora por ver, para demostrar que A es diagonalizable, que


dimV2 = m(2)⎛
= 2. Pero esto
⎞ es cierto porque dimV2 = 3−rg (A−
⎜ −3 3 3 ⎟
⎜ ⎟
2I3) = 3 − rg ⎜ ⎟
⎜ −3 3 3 ⎟ = 3 − 1 = 2.
⎝ ⎠
−3 3 3

245 246

Por lo tanto A es una matriz diagonalizable. V2 si y sólo si7


. .
4. Dar la matriz diagonal D. −3x + 3y + 3z = 0 ⇒ −x + y + z = 0
⎛ ⎞
⎜5 0 0⎟
⎜ ⎟ Ası́ que una base de V2 es β2 = {(0, 1, −1), (1, 1, 0)}.
Solución. Elijo D = ⎜ ⎟
⎜ 0 2 0 ⎟.
⎝ ⎠
Ahora obtenemos ya:
0 0 2

5. Dar la matriz de paso P . ⎛ ⎞


⎜1 0 1⎟
Solución. ⎜ ⎟
P =⎜
⎜1 1 1⎟

Para dar esta matriz calculamos bases de V5 y de V2. ⎝ ⎠
⎛ ⎞ 1 −1 0
⎜x⎟ 6. Especificar la relación entre A, D y P .
⎜ ⎟
V5 = {(x, y, z) ∈ R : (A − 5I3) ⎜
3 ⎟
⎜ y ⎟ = 0}, es decir (x, y, z) ∈
⎝ ⎠ Solución.
z
D = P −1AP.
V5 si y sólo si6 ⎧
⎨ −3x + 3z = 0,
⎩ −3x + 3y = 0.

Ası́ que una base de V5 es β5 = {(1, 1, 1)}.


⎛ ⎞
⎜x⎟
⎜ ⎟
V2 = {(x, y, z) ∈ R : (A − 2I3) ⎜
3 ⎟
⎜ y ⎟ = 0}, es decir (x, y, z) ∈
⎝ ⎠
z
6
Fı́jate que he quitado la primera ecuación porque A − 5I3 tiene rango 2 y por lo tanto sólo son necesarias
dos ecuaciones linealmente independientes.

7
Fı́jate que me he quedado con una única ecuación porque A − 2I3 tiene rango 1.

247 248
Ejercicio 4. ¿Cuál es el tamaño de la matriz A? (0,5 puntos)
De una matriz diagonalizable A sabemos que tiene como polinomio Solución. El tamaño es el mismo que el tamaño de D, es decir,
caracterı́stico p(x) = (x − 1)(x − 3)2(x + 1). Responde a las siguientes 4 × 4.
cuestiones:
5. De los subespacios invariantes V1, V3 y V−1 conocemos unas ba-
1. ¿Cuál es la dimensión del subespacio {x ∈ R3 : Ax = 3x}? (0,5 ses: βV1 = {(1, 0, 0, 0)}, βV3 = {(1, 1, 1, 0), (1, 1, 1, 1)} y βV−1 =
puntos) {(1, 1, 0, 0)}. Da la matriz de paso P tal que D = P −1AP (0,5
Solución. Por ser la matriz diagonalizable se tiene que la dimen- puntos).
sión del subespacio anterior V3 coincide con la multiplicidad de 3 Solución. ⎛ ⎞
en el polinomio caracterı́stico. Ası́ que dimV3 = 2. ⎜1 1 1 1⎟
⎜ ⎟
⎜1 1 0 1⎟
2. ¿Cuál es el determinante de A? ¿Por qué? (0,5 puntos) ⎜ ⎟
P =⎜ ⎟
⎜1 1 0 0⎟
⎜ ⎟
Solución. Por ser la matriz A diagonalizable se tiene que P −1AP = ⎝ ⎠
0 1 0 0
D, ası́ que |P −1AP | = |P −1||A||P | = |P |−1|A||P | = |A| =
|D| ⇒ |A| = |D|. Ası́ que |A| = 3 · 3 · 1 · (−1) = −9.

3. Escribe una matriz diagonal, D, para A (0,5 puntos).

Solución. ⎛ ⎞
⎜3 0 0 0⎟
⎜ ⎟
⎜0 3 0 0⎟
⎜ ⎟
D=⎜ ⎟
⎜0 0 1 0⎟
⎜ ⎟
⎝ ⎠
0 0 0 −1

249 250

Apéndice Seguidamente evaluamos el polinomio anterior en x = A, de donde

Exponenciales y potencias arbitrarias de se tiene 8:



k
pA(A)
matrices, métodos de construcción Im = ai(A)
(A − λi)ri
,
i=1
Gabriel Soler López que se puede escribir abreviadamente como:
20 de febrero de 2006 
k
pA(A)
Im = ai(A)qi(A) con qi (A) = .
i=1
(A − λi )ri

7. La exponencial Observemos que para todo i, 1 ≤ i ≤ k,



 (A − λi Im)j xj
eAx = eλi xIm e(A−λi Im)x = eλi x ,
Centramos nuestros esfuerzos en esta sección en dar un método j!
j=0
efectivo para construir la exponencial de una matriz eAt , siendo A y ahora multiplicando por qi(A):
una matriz de Mm(R). Dicho método está basado en el Teorema de ri −1
 qi(A)(A − λiIm)j xj
qi (A)eAx = eλi x , (11)
Cayley-Hamilton. j!
j=0
Supongamos que pA(x) es el polinomio caracterı́stico de la matriz ya que por el Teorema de Cayley-Hamilton, para todo j ≥ ri , qi (A)(A−
A y que su espectro es σA = {λ1, λ2, . . . , λk } con multiplicidades λiIm )j = pA(A)(A − λiIm)j−ri = 0.
m(λi) = ri para todo 1 ≤ i ≤ k. Empezamos buscando para cada i, Multiplicamos ahora la ecuación 11 por ai(A) y obtenemos:
1 ≤ i ≤ k, polinomios ai(x) de grado a lo sumo ri − 1 de manera que ri −1
 ai(A)qi(A)(A − λiIm )j xj
ai(A)qi (A)eAx = eλi x .
se tenga la igualdad: j!
j=0
1  ai (x)
k
= , Por último, sumamos las ecuaciones anteriores desde i = 1 hasta i = k
pA(x) i=1
(x − λi )ri pA (A)
8
La expresión (A−λi )ri
no tiene sentido, ya que, no es posible que en un co-
de donde se deduce:
ciente haya una matriz. Ası́ que dicha expresión, por convenio, será una forma

k
pA(x) /
1= ai(x) . abreviada de escribir la matriz nj=1,j=i(A − λj )rj
i=1
(x − λi)ri
251 252
para obtener: Por último sumamos la expresiones anteriores para todos los valores
⎛ ⎞
ri −1

k  (A − λiIm )j xj de i:
eAx = ⎝eλix ai(A)qi (A) ⎠. (12)
i=1 j=0
j!
⎛ ⎞
ri −1

k 
k  n
A = n n
ai(A)qi(A)A = ai(A)qi (A) ⎝ ⎠ (A−λiIm)j λn−j .
8. Potencia n-sima de una matriz j
i
i=1 i=1 j=0
(15)
Conservando la notación de la sección anterior se trata ahora de
dar un método para la construcción de An para cualquier número n
natural. Observemos que para cualquier i ∈ {1, 2, . . . , k} se tiene:
9. Ejemplos

Ejemplo. Calcula eAx para la matriz


⎛ ⎞

n ⎛ ⎞
n
An = (A − λiIm + λiIm)n = ⎝ ⎠ (A − λiIm )j λn−j (13) 4 2 0 −3
i ⎜ ⎟
j ⎜ ⎟
j=0
⎜ −1 1 0 1 ⎟
⎜ ⎟
Multiplicamos ahora la ecuación anterior por ai(A)qi (A) y obtene- A=⎜ ⎟
⎜ 4 2 1 −3 ⎟
⎜ ⎟
mos: ⎝ ⎠
1 1 0 0

⎛ ⎞ Para utilizar el método basado en el teorema de Cayley-Hamilton es



n
n
ai(A)qi(A)A = n ⎝ ⎠ ai(A)qi (A)(A − λiIm )j λn−j
i
necesario calcular el polinomio caracterı́stico:
j=0 j
⎛ ⎞  
ri −1
 n  
⎝ ⎠ ai(A)qi (A)(A − λiIm )j λn−j  4 2 0 −3 
= i 
j  
j=0  −1 1 0 1 
⎛ ⎞ 
ri −1 pA(x) =   = x4 − 6x3 + 13x2 − 12x + 4.
 n  4 2 1 −3 
= ai(A)qi (A) ⎝ ⎠ (A − λiIm )j λn−j (14) 
i  
j  
j=0  1 1 0 0

253 254

Resolvemos ahora la ecuación pA(x) = 0 y obtenemos que las raı́ces Ejemplo. Resolver el sistema de ecuaciones diferenciales lineales:

del polinomio son 1 y 2, ambas con multiplicidad 2. ⎨ x = 4x + 2y,

También es necesario hacer la descomposición: ⎩ y  = 3x + 3y.

1 1 −1 + 2x 5 − 2x Solución: según lo expuesto hasta ahora, debemos calcular previamen-


= = +
pA(x) x4 − 6x3 + 13x2 − 12x + 4 (x − 1)2 (x − 2)2
te exp(Ax), siendo ⎛ ⎞
Ası́ que en este caso tenemos: 4 2
A=⎝ ⎠.
a1(x) = −1 + 2x, a2(x) = 5 − 2x, 3 3
pA(x) pA(x) Se ve fácilmente que pA(x) = (x − 1)(x − 6), σA = {λ1 = 1, λ2 = 6},
q1 (x) = = (x − 2)2, q2 (x) = = (x − 1)2.
(x − 1)2 (x − 2)2
a1(x) = − 15 y a2(x) = 15 , de donde
Finalmente: ⎛ ⎞
1 ⎝ 3e + 2e 32e − 2e ⎠
6x x 6x x
Ax x −1 6x 1
e = e ( )I2(A−6I2)+e I2(A−I2) =
5 5 5 3e6x − 3ex 2e6x + 3ex
eAx = ex a1 (A)q1 (A)[(A − 1I4 )0 + x(A − 1I4 )1 ] + e2x a2 (A)q2 (A)[(A − 2I4 )0 + x(A − 2I4 )1 ]
⎛ ⎞
−ex + e2x x + 2e2x −ex + e2x x + xe2x 0 2ex − 2e2x x − xe2x y por lo tanto cualquier solución del sistema será del tipo
⎜ ⎟
⎜ ⎟
⎜ −e2x x e2x (1 − x) 0 e2x x ⎟ ⎛ ⎞⎛ ⎞
=⎜



1 ⎝ 3e + 2e 32e − 2e ⎠ ⎝ c1 ⎠
6x x 6x x
⎜ e (−3 − x) + 2e (3/2 + x) e (−1 − x) + 2e (1/2 + x) e e (3 + 2x) + 2e (−3/2 − x) ⎟
x 2x x 2x x x 2x
⎝ ⎠ y(x) = .
−ex + e2x −ex + e2x 0 2ex − e2x 5 3e6x − 3ex 2e6x + 3ex c 2

10. Aplicación a las ecuaciones diferen- Exponemos otro ejemplo donde hay que utilizar los números com-
plejos.
ciales
Ejemplo. Resolver el sistema de ecuaciones diferenciales:

Proponemos seguidamente un ejemplo para aclarar el método dado ⎨ x = 3x − 5y,
de construcción de la exponencial. ⎩ y  = x − y.

255 256
Solución: en un primer paso calculamos exp(Bx) con Solucion: para esta ecuación ya hemos encontrado la solución del sis-
⎛ ⎞
3 −5 tema lineal homogéneo. Ası́ que debemos encontrar una solución par-
B= ⎝ ⎠.
1 −1 ticular del sistema no homogéneo con el método de variación de las
constantes. Calculamos pues.
Como pB (x) = (x − 1 − i)(x − 1 + i), σB = {λ1 = 1 + i, λ2 = 1 − i}, ⎛ ⎞ ⎛ ⎞⎛ ⎞

c1(x) 1 3e−6x + 2e−x 2e−6x − 2e−x ex
a1(x) = + 2i1 y a2(x) = − 2i1 , se tiene ⎝ ⎠= ⎝ ⎠ ⎝ ⎠ dx
c2(x) 5 3e−6x − 3e−x 2e−6x + 3e−x 0
1 1 ⎛ ⎞ ⎛ ⎞
eBx = e(1+i)x I2[A − (1 − i)I2] − e(1−i)x I2[A − (1 + i)I2] = −5x −3e−5x
2i ⎛ 2i ⎞ 1 ⎝ 3e +2 1 ⎝ 5 + 2x + c1 ⎠
= ⎠ dx = dx,
2sen x + cos x −2sen x 5 3e−5x − 3 5 −3e−5x − 3x + c
ex ⎝ ⎠. 5 2
sen x −2sen x + cos x ası́ que una solución particular del sistema será
⎛ ⎞ ⎛ ⎞
−3e−5x
Ası́ que cualquier solución del sistema será del tipo 1 ⎝ 3e + 2e 32e − 2e ⎠ 1 ⎝
6x x 6x x
+ 2x
⎛ ⎞⎛ ⎞ yp(x) = 5 ⎠
5 3e6x − 3ex 2e6x + 3ex 5 −3e−5x
2sen x + cos x −2sen x c 5
− 3x
y(x) = ⎝ ⎠⎝ 1 ⎠. ⎛ ⎞
sen x −2sen x + cos x c2 1 x ⎝ 10x − 3 ⎠
= e .
25 3 − 15x
Y la solución general del sistema será:
Acabamos esta sección resolviendo un sistema no homogéneo por el ⎛ ⎞⎛ ⎞ ⎛ ⎞
3e6x + 2ex 32e6x − 2ex c1 1 10x − 3
método de variación de las constantes, tal y como explicamos en la yg (x) = ⎝ ⎠⎝ ⎠ + e ⎝x ⎠.
3e6x − 3ex 2e6x + 3ex c2 25 3 − 15x
página ??.

Ejemplo. Resolver el sistema:


⎧ El cálculo hecho de la exponencial de una matriz en esta sección nos
⎨ x = 4x + 2y + et ,
va a dar la estructura de las soluciones de un sistema de ecuaciones
⎩ y  = 3x + 3y,
diferenciales lineales. En particular, la interpretación de la ecuación 12
permite probar la proposición que sigue.
257 258

Proposición. Sean A ∈ Mm(R) e y(t) una solución de y = Ay. 1.1. Los números reales son un cuerpo
Entonces cada una de las coordenadas de y(t) es una combinación
que completa a los números racio-
lineal de las funciones
nales Q
tk eta cos tb, tk etasen tb,
El siguiente ejemplo sencillo muestra la necesidad de completar los
donde a + bi recorre el conjunto de los valores propios de A con
números racionales.
b ≥ 0 y 0 ≤ k < m(a + bi).
Ejemplo. La longitud de la diagonal del cuadrado que sigue no se
Temas 1, 2 y 3 del Bloque II. Repaso del cálculo
puede medir con un número racional.
diferencial de una variable Gabriel Soler López 11
1
 -
enero de 2004
 6


2 1
1. Introducción a los números reales
?
En este tema se estudia la continuidad y la diferenciabilidad de fun-
ciones reales de variable real. Conviene por lo tanto, repasar las propie- √
¿Sabéis demostrar que 2 no es racional?
dades del conjunto de los números reales. Ya sabemos que el conjunto √
Si 2 fuera racional existirı́an números enteros a y b tales que:
de los números reales es un cuerpo, pero además satisface otras propie-
√ a
dades que se utilizan en el desarrollo del cálculo diferencial. 2= ,
b
además se pueden elegir a y b primos entre sı́, es decir, se pueden
elegir de manera que la fracción está simplificada.

259 260
Elevando al cuadrado la expresión anterior se tiene: Axioma 4. Existe un número denotado por −x tal que x+(−x) = 0.
2
a
2= ⇒ 2b2 = a2 Axioma 5. El producto es conmutativo: x + y = y + x.
b2
Ası́ que el número a2 es par y a también debe ser par, es decir
Axioma 6. El producto es asociativo: x + (y + z) = (x + y) + z.
a = 2m para cierto número entero m. Por lo tanto:
Axioma 7. El número real 1 verifica x · 1 = x (1 es el elemento
2b2 = 4m2 ⇒ b2 = 2m2.
neutro del producto).
De lo anterior se tiene que b2 es par y por lo tanto b también es
Axioma 8. Existe un número denotado por x−1 tal que x · x−1 = 1.
par. Pero esto es una contradicción con el hecho de que a y b sean
primos entre si. Axioma 9. Se verifica la propiedad distributiva del producto respec-
to a la suma: x · (y + z) = x · y + x · z.

2. Propiedades del conjunto de los núme- Ejercicio.

ros reales R Usando los axiomas demostrar:

1. Si dos elementos x, y ∈ R verifican que x + y = y, entonces x = 0.


2.1. Propiedades algebraicas
2. Si dos elementos x, y ∈ R verifican que x · y = y, entonces x = 1.
Los números reales son un cuerpo, es decir, satisfacen los siguientes
3. Si x + y = 0 entonces y = −x.
axiomas para cualesquiera números reales x, y y z:

Axioma 1. La suma es conmutativa: x + y = y + x. 4. Dados a, b ∈ R, la solución de la ecuación a+x = b es x = (−a)+b

Axioma 2. La suma es asociativa: x + (y + z) = (x + y) + z.

Axioma 3. El número real 0 verifica x + 0 = x (0 es el elemento


neutro de la suma).
261 262

2.2. El orden en R 4. Si a ≤ b y c ≤ d entonces a + c ≤ b + d.

Definición (Relación de orden). Definimos en el conjunto de los


2.3. Densidad de Q y de I = R\Q en R
números reales la relación ≤ de la siguiente forma:
Teorema. Si x, y ∈ R, x < y, existe r ∈ Q tal que x < r < y.
a≤b ⇔ ∃x ∈ R+ ∪ {0} tal que a + x = b
Teorema. Si x, y ∈ R, x < y, existe i ∈ I tal que x < i < y.
Proposición. La relación de orden anterior verifica las siguientes
propiedades:
2.4. Principio del encaje Cantor
Reflexiva: para todo número real x se verifica x ≤ x.
Dada una sucesión de intervalos [an, bn] tales que:
Antisimétrica: para cualesquiera números reales a, b si a ≤ b y
b ≤ a entonces a = b. 1. an ≤ an+1,

Transitiva: para cualesquiera números reales a, b, c, si a ≤ b y 2. bn ≥ bn+1,


b ≤ c entonces a ≤ c.
3. lı́mn→∞ (bn − an) = 0,
Orden total: para cualesquiera a, b ∈ R siempre se tiene que o
entonces existe un único número real r tal que
bien a ≤ b o bien b ≤ a. 
{r} = [an, bn]
Proposición (El orden y la aritmética). Dados a, b, c, d ∈ R, n∈N

se tiene: Observación. Este principio tiene gran importancia para probar,


por ejemplo, el teorema de Bolzano.
1. Si a ≤ b entonces a + c ≤ b + c.

2. Si a ≤ b y c > 0 entonces ac ≤ bc.

3. Si a ≤ b y c < 0 entonces ac ≥ bc.


263 264
3. Axioma del supremo Ejemplo. Para el conjunto (1, 7] tenemos:

8 10 y 7 son cotas superiores del conjunto.


Definición. Dado un conjunto A ⊆ R, se dice que el número a ∈ R
es una cota superior del conjunto A si se verifica que x ≤ a para 7 es el supremo y también el máximo del conjunto.
todo x ∈ A. 1 es el ı́nfimo del conjunto pero no existe el mı́nimo.
Dado un conjunto A ⊆ R, se dice que el número b ∈ R es una cota
inferior del conjunto A si se verifica que x ≥ b para todo x ∈ A.
Completitud de R. R es un cuerpo completo, es decir, cualquier
Si un conjunto tiene una cota superior se dice que está acotado
conjunto acotado superiormente tiene un supremo.
superiormente.
Observación. El conjunto Q no es completo porque si tomamos
Si un conjunto tiene una cota inferior se dice que está acotado in-
el conjunto
feriormente.

A = {r ∈ Q : r ≤ 2}
Si un conjunto está acotado superior e inferiormente se dice que está
acotado. se tiene que está acotado superiormente por ejemplo por 2, pero

La menor de las cotas superiores de un conjunto se llama supremo no tiene supremo en Q.

del conjunto.
La mayor de las cotas inferiores de un conjunto se llama ı́nfimo del 3.1. Lı́mites de funciones
conjunto.
Definición (Lı́mite lateral por la derecha). Se dice que el lı́mite
Si el supremo de un conjunto está dentro del conjunto entonces se
de la función f : (a, b) ⊂ R → R por la derecha en el punto x0 es l
llama también máximo del conjunto.
y se denota por lı́mx→x+ f (x) = l si para todo > 0 existe δ > 0 tal
0
Si el ı́nfimo de un conjunto está dentro del conjunto entonces se
que si x ∈ (x0, x0 + δ) entonces |f (x) − l| < .
llama también mı́nimo del conjunto.

265 266

Definición (Lı́mite lateral por la izquerda). Se dice que el 2. lı́m f (x) = 3, ya que para todo > 0 tomando δ = mı́n{ , 12 }
x→1−
lı́mite de la función f : (a, b) ⊂ R → R por la izquierda en el punto x0 se tiene que si x ∈ (1 − δ, 1) entonces
es l y se denota por lı́mx→x− f (x) = l si para todo > 0 existe δ > 0
0 |f (x) − 3| = |x + 2 − 3| = |x − 1| = 1 − x (16)
tal que si x ∈ (x0 − δ, x0) entonces |f (x) − l| < .
y como 1 − δ < x < 1 entonces −1 < −x < δ − 1 y sumando
Definición (Lı́mite). Se dice que el lı́mite de la función f : (a, b) ⊂
1 en la desigualdad
R → R en el punto x0 es l y se denota por lı́mx→x0 f (x) = l si para
todo > 0 existe δ > 0 tal que si x ∈ (x0 − δ, x0 + δ) entonces 0 < 1 − x < δ. (17)

|f (x) − l| < . Ahora usando las ecuaciones 16 y 17 tenemos:

Proposición. Dada una función f : (a, b) → R son equivalentes 1


|f (x) − 3| < δ = mı́n{ , } ≤ ,
2
los dos apartados siguientes:
con lo que queda probado que lı́m f (x) = 3.
x→1−
1. Existe lı́m f (x) y es igual a l,
x→x0
3. lı́m f (x) no existe ya que los lı́mites laterales son diferentes.
x→1
2. existen los lı́mites lı́m f (x) y lı́m f (x) y son iguales a l.
x→x+
0 x→x−
0

Ejemplo. Dada la función


⎧ 4. Continuidad
⎨ x + 1 si x ≥ 1
f (x) =
⎩ x + 2 si x ≤ 1, Definición (Función continua en un punto). Sea f : (a, b) →

se tiene: R una función y x0 ∈ (a, b), decimos que f es continua en x0 si y sólo


si:
1. lı́m f (x) = 2, ya que para todo > 0 tomando δ = se tiene
x→1+
que si x ∈ (1, 1 + δ) entonces |f (x) − 2| = |x + 1 − 2| = |x − 1| = para todo > 0 existe δ > 0 tal que si x ∈ (x0 − δ, x0 + δ)

x − 1 < 1 + δ − 1 = δ = . entonces f (x) ∈ (f (x0) − δ, f (x0) + δ).

267 268
Nota: x ∈ (x0 − δ, x0 + δ) es equivalente a |x − x0| < δ. Discontinuidad de primera especie o de salto. f presenta una
discontinuidad de salto en el punto x0 si:
Proposición. Sea f : (a, b) → R una función y x0 ∈ (a, b), enton-
ces son equivalentes: lı́m f (x) = lı́m f (x).
x→x+
0 x→x−
0
1. La función f es continua en el punto x0,

2. f (x0) = lı́m f (x).


x→x0

Definición (Función continua). Sea f : (a, b) → R, diremos que


es continua si es continua en todos sus puntos.

Definición (Función discontinua en un punto). Sea f : (a, b) →


R, diremos que es discontinua en x0 si no es continua en el punto x0.

Definición (Función discontinua). Sea f : (a, b) → R, diremos


Discontinuidad de segunda especie o esencial. f presenta una
que es discontinua si es discontinua en alguno de sus puntos.
discontinuidad esencial en el punto x0 si no existen o son infinitos
uno o los dos lı́mites laterales.
4.1. Tipos de discontinuidad
Dada una función f (a, b) → R y x0 ∈ (a, b), distinguiremos tres
tipos de discontinuidades.

Discontinuidad evitable. f presenta una discontinuidad evitable


en el punto x0 si:

lı́m f (x) = lı́m f (x) = f (x0).


x→x+
0 x→x−
0

269 270

4.2. Teoremas relativos a funciones con- derivables f, g : (a, b) → R se tiene:

tinuas (f + g) (c) = f  (c) + g  (c).

Teorema (Weierstrass). Toda función f (x) continua en un in- (f · g)(c) = f  (c)g(c) + f (c)g  (c).

tervalo cerrado [a, b] admite un máximo y un mı́nimo (absoluto) Si k es una constante (kf ) (c) = kf  (v).
en [a, b]. $ %  (c)g (c)
Si g(c) = 0 entonces fg (c) = f (c)g(c)−f
f (c)2
.
Teorema (Bolzano). Si una función f (x) es continua en un in-
Si h = f ◦ g entonces h(c) = f  (g(c))g  (c).
tervalo cerrado [a, b] y se cumple que f (a)f (b) < 0 entonces existe
Si f es inversa de g, es decir, si f ◦ g = g ◦ f = Id entonces
c ∈ (a, b) tal que f (c) = 0.
g  (x) = 1
f  (g(x)) .

5. Derivabilidad de funciones reales de Proposición (Algunas derivadas de funciones concretas).


Si f : (a, b) → R es una función derivable entonces:
variable real ♣ (sen x) = cos (x) ♣ (cos x) = −sen (x)

Definición (Derivada de una función en un punto). Dada ♣ (log x) = 1


x
♣ (tan x) = 1 + tan2(x) = 1
cos 2 (x)

una función f : (a, b) → R y c ∈ R se define la derivada de f en el ♣ (ax) = ax log a ♣ (ex) = ex


♣ (arcsen x) =  √ 1 ♣ (arc cos x) = √ −1
punto c como: 1−x2 1−x2
f (c + h) − f (c) ♣ (arctan x) = 1
f  (c) = lı́m . 1+x2
h→0 h
Teorema (Relación entre derivabilidad y continuidad). Si
Si una función f es derivable en todos sus puntos entonces diremos
la función f (a, b) → R es derivable en el punto c ∈ (a, b) entonces
que la función es derivable.
es continua en dicho punto.
Proposición (Propiedades de la derivada). Dadas funciones

271 272
5.1. Teoremas relativos a funciones de- 5.2. Crecimiento, decrecimiento, máxi-
rivables mos y mı́nimos
Teorema (Rolle). Sea f : [a, b] → R una función continua en Teorema (Crecimiento y decrecimiento). Sea f : (a, b) → R
[a, b] y derivable en (a, b). Si f (a) = f (b), existe al menos un punto una función derivable. La función f es creciente en (a, b) si y sólo

α ∈ (a, b), tal que f (α) = 0. si f  (x) ≥ 0.

Teorema (Del valor medio de Lagrange). Sea f : [a, b] → La función f (x) es decreciente en (a, b) si y sólo si f  (x) ≤ 0.

R una función continua en [a, b] y derivables en (a, b). Entonces Teorema (Crecimiento y decrecimiento estricto). Sea f :
existe al menos un punto α ∈ (a, b), tal que (a, b) → R una función derivable. Si f  (x) > 0 para todo x ∈ (a, b)
f (b) − f (a)
= f  (α). entonces f es estrictamente creciente en (a, b).
b−a
Teorema (Del valor medio de Cauchy). Sean f, g : [a, b] → R Si f  (x) < 0. para todo x ∈ (a, b) entonces f es estrictamente

funciones continuas en [a, b] y derivables en (a, b). Entonces existe decreciente en (a, b).

al menos un punto α ∈ (a, b), tal que Teorema (Extremos). Sea f : (a, b) → R una función derivable
f (b) − f (a) f  (α)
=  . n veces en el punto c ∈ (a, b) y tal que
g(b) − g(a) g (α)
Teorema (Regla de L’Hôpital). Sean las funciones f, g : [a, b] → f  (c) = f  (c) = · · · = f (n−1) (c) = 0; f (n) (c) = 0.
R derivables en un entorno del punto c ∈ (a, b) y tales que las de-
Entonces, si n es par y f (n) (c) < 0, la función presenta un máxi-
rivadas no se anulan simultáneamente en ningún punto de dicho
mo relativo en c. Si n es par y f (n) (c) > 0, la función presenta un
entorno, salvo en c. Si ambas tienden simultánemente a 0 (o a
mı́nimo relativo en c.
infinito) cuando x tiende a c, se verifica:
f (x) f  (x)
lı́m = lı́m  .
x→c g(x) x→c g (x)

273 274

5.3. Concavidad, covexidad y puntos de Teorema. Sea f : (a, b) → R una función dos veces derivable.
Entonces:
inflexión
1. Si f  (x) > 0 en (a, b) entonces f es convexa en (a, b).
Definición (Convexidad). Se dice que la función f : (a, b) → R
es convexa en el intervalo (a, b) si para cualesquiera x1 y x2 de (a, b), 2. Si f  (x) < 0 en (a, b) entonces f es cóncava en (a, b).

se tiene que el segmento rectilı́neo que une los puntos (x1, f (x1)) y Definición (Punto de inflexión). Una función f : (a, b) → R se
(x2, f (x2)) queda por encima de la gráfica de f . dice que presenta un punto de inflexión en c ∈ (a, b) si en dicho punto
pasa de convexa a cóncava o viceversa.

Teorema. Sea f : (a, b) → R una función que tiene un punto de


inflexión en c, entonces f  (c) = 0.
Figura 4: Ejemplo de función convexa Esta condición es necesaria pero no suficiente.

Teorema. Sea f : (a, b) → R una función derivable n veces en


Definición (Concavidad). Se dice que la función f : (a, b) → R
c ∈ (a, b) y tal que:
es cóncava en el intervalo (a, b) si para cualesquiera x1 y x2 de (a, b),
se tiene que el segmento rectilı́neo que une los puntos (x1, f (x1)) y f  (c) = f  (c) = · · · = f (n−1) (c) = 0 y f (n)(c) = 0.
(x2, f (x2)) queda por debajo de la gráfica de f .
Entonces, si n es impar la función f presenta un punto de in-
flexión en la abscisa c.

Figura 5: Ejemplo de función cóncava

275 276
5.4. Representaciones gráficas de fun- 6. Aproximación local de una función
ciones
6.1. Introducción
El estudio y la representación gráfica de una función y = f (x) se
Dado un polinomio de grado n, Pn(x), es posible desarrollarlo en
suele realizar siguiendo el siguiente orden para determinar:
potencias de x − a y escribirlo de la forma:
1. Dominio de la función.
Pn(x) = a0 + a1(x − a) + a2(x − a)2 + · · · + an (x − a)n
2. Puntos de corte con los ejes de coordenadas.
Si derivamos sucesivamente el polinomio obtenemos:
3. Simetrı́as respecto del eje 0Y (aquellas funciones que verifican
Pn (x) = a1 + 2a2(x − a) + 3a3(x − a)2 · · · + nan(x − a)n−1
f (x) = f (−x) para todo x, se llaman funciones pares) y respecto
del eje 0X (aquellas funciones que verifican f (x) = −f (−x) para Pn(x) = 2a2 + 3 · 2(x − a) + 4 · 3(x − a)2 + . . . n · (n − 1)an(x − a)n−2
todo x, se llaman funciones impares). .......................................
4. Zonas de crecimiento y decrecimiento. Pn(n)(x) = n!an

5. Máximos y mı́nimos. Si tomamos x = a en las expresiones anteriores se obtienen las

6. Zonas de concavidad y convexidad. siguientes igualdades:

7. Puntos de inflexión. Pn(a) = a0, Pn (a) = a1, Pn(a) = 2a2, Pn(a) = 3·2a3, . . .

8. Ası́ntotas. . . . . . . . . . . . . . . . . . . . . . , Pn(n)(a) = n!an

Despejando los valores de ai y sustituyendo en Pn(x) tenemos:


(n)
Pn (a) P (a) Pn (a)
Pn(x) = Pn(a) + (x − a) + n (x − a)2 + · · · + (x − a)n
1! 2! n!
277 278

6.2. Desarrollo de Taylor de una fun- Fijamos en lo que sigue una función f real y de variable real, n + 1
veces derivable en el punto x = a.
ción
Definición (Polinomio de Taylor y Mac-Laurin). El polino-
Pregunta. Si tenemos una función real de variable real f que ad-   (n) (a)
mio Pn(x) = f (a) + f 1!(a) (x − a) + f 2!(a) (x − a)2 + · · · + f n! (x − a)n
mite derivadas hasta el orden n + 1 en el punto x = a ¿Es posible dar
recibe el nombre de Polinomio de Taylor (o desarrollo de Taylor) de
una expresión similar a la anterior para ella?
orden n de la función f en el punto a.
Respuesta. La igualdad
Si a = 0 entonces este polinomio también se llama Polinomio de
f  (a) f  (a) f (n) (a)
f (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n Mac-Laurin (o desarrollo de Mac-Laurin) de orden n de la función f .
1! 2! n!
no es cierta porque si lo fuera, f serı́a un polinomio y no tiene por Definición (Resto de orden n). El resto de orden n de la función
qué serlo. f en el punto a es:
f (n+1) (ξ)
Rn+1(x) = (x − a)n+1, con ξ ∈ (a, x).
(n + 1)!
Aunque la igualdad anterior no sea cierta sı́ es posible saber cuál es
Teorema (Taylor). Se verifica la igualdad:
la diferencia entre el miembro de la izquierda y el de la derecha. Esto
es importante porque si dicha diferencia es pequeña podremos utilizar f (x) = Pn(x) + Rn+1(x)
un polinomio para aproximar la función f .

279 280
Definición (Función o((x− a)n)). Una función real de variable real 4. Volvemos al primer paso y repetimos la operación hasta que r =
g se dice que es una o((x − a)n) (o pequeña de (x − a) de orden n) si mn (puede que no se consiga).
verifica: Si no conseguimos la raı́z en un número finito de pasos, al menos
g(x)
lı́m =0 tendremos una sucesión de intervalos encajados en la que se encuentra
x→a (x − a)n

Teorema. Rn+1(x) es una o((x − a)n), es decir: la raı́z:


Rn+1(x) r ∈ · · · ⊂ [an, bn] ⊂ · · · ⊂ [a1, b1] ⊂ [a, b],
lı́m = 0.
x→a (x − a)n

Ejercicio. Calcula el desarrollo de Mac-Laurin de orden n de las fun- además:


b−a
ciones ex , sen x y cos x. bn − an =
.
2n
Teorema. (an) es una sucesión creciente y (bn) es una sucesión

7. Resolución de ecuaciones por el méto- decreciente, ambas acotada, y por lo tanto convergentes.

Ası́ que:
do de bipartición

Dada una ecuación f (x) = 0 con f continua en [a, b] y tal que lı́m an = α ≤ b
n→∞
f (a)f (b) < 0 y con una raı́z única r en [a, b], el método de bipartición y
consiste en realizar los siguientes pasos: lı́m bn = β ≥ a,
n→∞
a+b
1. Calcular el punto medio entre a y b, es decir m0 = 2
, además:

2. Si f (m) = 0 entonces r = m0, lı́m (an − bn) = α − β = 0 ⇒ α = β.


n→∞

3. En caso contrario tomamos el intervalo [a1, b1] ⊂ [a, b] entre [a, m0] Además este lı́mite es la raı́z de la ecuación porque:

o [m0, b]. Elegimos aquél en el que la función toma en los extremos


puntos opuestos, es decir, r ∈ [a1, b1]. lı́m f (an)f (bn) = f (α)2 ≤ 0 ⇒ f (α) = 0.
n→∞

281 282

7.1. Cota del error absoluto en la n- 7.2. Ejemplo


sima aproximación La ecuación f (x) = x3 + 4x2 − 10 = 0 tiene una raı́z en [1, 2], ya
que f (1) = −5 y f (2) = 14, si aplicamos el algoritmo de bisección
Si tomamos como valor aproximado de r a an, tenemos:
obtenemos los valores de la tabla que sigue:
b−a
0 ≤ r − an ≤ .
2n
Si tomamos como valor aproximado de r a bn, tenemos:
b−a
0 ≤ bn − r ≤ .
2n

Figura 6: Ejemplo del método de bipartición

283 284
7.3. Ejemplo n xn f (xn )

Calcular una raı́z de la ecuación f (x) = 0 para la función f (x) = 1 0.7853981633974483 f (x) = −0,0782913822109007

cos x − x en el intervalo [0, π


]. 2 0.39269908169872414 f (x) = 0,5311804508125626
2

En este ejemplo tenemos f (0) = 1 > 0 y f ( π2 ) = − π2 , con lo cual 3 0.5890486225480862 f (x) = 0,24242098975445903

empezamos calculando el punto medio del intervalo de partida, es decir: 4 0.6872233929727672 f (x) = 0,08578706038996975

m1 = π
4
≈ 0,7853981633974483. 5 0.7363107781851077 f (x) = 0,0046403471698514
6 0.760854470791278 f (x) = −0,03660738783981099
7 0.7485826244881928 f (x) = −0,015928352815779867
8 0.7424467013366502 f (x) = −0,005630132459280346
9 0.739378739760879 f (x) = −0,0004914153002637534
10 0.7378447589729933 f (x) = 0,0020753364865229162
11 0.7386117493669362 f (x) = 0,0007921780792695676
12 0.7389952445639076 f (x) = 0,0001504357420498703
Figura 7: Gráfica de la función f (x) = cos x − x 13 0.7391869921623933 f (x) = −0,00017047619334453756

285 286

n xn f (xn) 8. Métodos iterativos


14 0.7390911183631504 f (x) = −0,000010016828909886755
15 0.739043181463529 f (x) = 0,0000702103057914627
8.1. Introducción
16 0.7390671499133397 f (x) = 0,000030096950741631545 Fijemos una ecuación f (x) = 0 con f una función continua en [a, b]
17 0.739079134138245 f (x) = 0,000010040113990528177 y f (a)f (b) < 0 y con raı́z única en el intervalo [a, b].
18 0.7390851262506977 f (x) = 1,1655808984656346 × 10−8 La idea de los métodos iterativos es transformar la ecuación f (x) = 0
−6
19 0.7390881223069241 f (x) = −5,0025832334377185 × 10 en una equivalente del tipo g(x) = x, partir de un punto x0 y generar
−6
20 0.7390866242788109 f (x) = −2,4954628828899317 × 10 la sucesión xn+1 = g(xn) esperando que xn converja a la raı́z buscada.
−6
21 0.7390858752647542 f (x) = −1,2419033295074655 × 10 La forma más fácil de transformar la primera ecuación en la segunda
−7
22 0.7390855007577259 f (x) = −6,151237084139893 × 10 es sumar a la ecuación el valor x. En efecto, sumando x en los dos
−7
23 0.7390853135042118 f (x) = −3,017339367250571 × 10 miembros de f (x) = 0 tendrı́amos:

24 0.7390852198774547 f (x) = −1,450390605395313 × 10−7


f (x) + x = x,
25 0.7390851730640762 f (x) = −6,669162500028136 × 10−8
con lo cual las ecuaciones f (x) = 0 y g(x) = f (x) + x = x tendrı́an
26 0.7390851496573869 f (x) = −2,7517907730256752 × 10−8
las mismas soluciones.
27 0.7390851379540423 f (x) = −7,931049372800203 × 10−9

Vemos por lo tanto que r∗ = 0,7390851379540423 es casi una raı́z


ya que f (x) = −7,931049372800203 × 10−9, además podemos utilizar
la fórmula del error dada antes para ver la distancia entre r∗ y la raı́z
exacta r:
π
b−a π
|r − r∗| ≤ n
= 227 = 28 ≈ 1,17033 × 10−8.
2 2 2 288
8.2. El método de Newton-Raphson cuya gráfica es:

Suponemos aquı́ que la función f es derivable. La idea de este método


es utilizar las tangentes a la curva y = f (x) como aproximación de la
curva.
Se trata en este método de iterar la función g(x) = x − ff(x)
(x)
.

Observación. Si la sucesión xn converge hacia s, entonces s es


una raı́z de la ecuación f (x) = 0.

Ejemplo. Calcular una raı́z de la ecuación f (x) = 0 para la fun-


ción f (x) = cos x − x en el intervalo [0, π2 ].
cos x−x
Figura 8: Gráfica de la función g(x) = x −
Solución. 1. Puesto que f (0)f ( π2 ) = (cos 0− 0)(cos π2 − π2 ) = − π2 < 0 sen x−1

la ecuación que queremos resolver tiene solución en el intervalo Eligiendo x0 = π


obtenemos:
4
indicado en el enunciado.
n xn f (xn)
2. La solución es única ya que f  (x) = −sen x − 1 < 0 en el intervalo
0 0.7853981635
(0, π2 ).
1 0.73955361337 -0.000754874682502682
3. Aplicamos el método de Newton para construir la sucesión: 2 0.7390851781 −7,512986643920527 × 10−8
cos xn − xn 3 0.7390851332 −7,771561172376096 × 10−16
xn+1 = xn − ,
sen xn − 1
4 0.7390851332 0
es decir, en este caso estamos iterando la función g(x) = x− cos x−x
sen x−1

289 290

8.3. Resultados sobre la convergencia Además la hipótesis 2 se cumple porque f  (x) = −sen x − 1 = 0 y la
hipótesis 3 se cumple porque f  (x) = −cos x ≤ 0 para todo x ∈ [0, π2 ].
Teorema (Convergencia global). Sea f de clase C 2 verificando:
Por último tenemos que
1. f (a)f (b) < 0,  
 cos 0 
|f (0)/f  (0)| =  =1
2. Para todo x ∈ [a, b] se tiene que f  (x) = 0 (crecimiento o −sen 0 − 1 
y que
decrecimiento estricto)  
 cos (π/2)  π π π
|f (π/2)/f  (π/2)| =  = ≤ −0= ,
3. Para todo x ∈ [a, b], f  (x) ≥ 0 (alternativamente se puede −sen (π/2) − 1  4 2 2
tener para todo x ∈ [a, b], f  (x) ≤ 0) con lo que nuestro ejemplo también verifica la hipótesis cuarta y tene-

4. máx{| ff(a) |, | ff(b) |} ≤ b − a mos la convergencia global del método de Newton en nuestro ejemplo
(a) (b)
en el intervalo [0, π2 ].
Entonces existe una única raı́z s de f (x) = 0 en [a, b] y la sucesión
(xn)n del método de Newton converge hacia s para todo x0 ∈ [a, b]
tal que f (x0)f  (x0) ≥ 0.
9. Ejercicios Resueltos

Ejercicio
8.4. Ejemplo Calcula el lı́mite siguiente utilizando desarrollos de Taylor

El método de Newton para la ecuación cos x − x = 0 en el intervalo sen 3(x2)


lı́m .
x→0 1 − cos (x3)
[0, π2 ] converge para cualquier valor x0 ∈ [0, π2 ].
Solución. Haremos desarrollos de Taylor del numerador y denomi-
Ası́ que tenemos f (x) = cos x − x, f  (x) = −sen x − 1 y f  (x) =
nador de orden 6:
−cos x.
3 5
sen x = x − x3! + x5! + o(x6),
Ya hemos visto antes que f (0)f ( π2 ) < 0, luego se satisface la primera
6
hipótesis del método de Newton. sen x2 = x2 − x3! + o(x6),
291 292
sen 3x2 = x6 + o(x6), Ejercicio
2 4 6 Calcula el lı́mite siguiente utilizando desarrollos de Taylor
cos x = 1 − x2! + x4! − x6! + o(x6),
[1 − cos 2(x2)]sen 3(x)
x6 lı́m .
cos x = 1 −
3
2!
+ o(x ), 6
x→0 x log(1 + x6)

1 − cos x3 = x6
+ o(x6). Solución. Haremos desarrollos de Taylor del numerador y denomi-
2!
nador de orden 7:
Ası́ que:
3 5 7
sen x = x − x3! + x5! − x7! + o(x7),
o(x6 )
x6 + o(x6) 1+ x6 6 4 6
lı́m
x→0 x
6 = 6 = 2. sen 2x = x2 + x36 − 2 x3! + 2 x5! + o(x7),
2!
+ o(x6) 1
2!
+ o(x
x6
)

5 7 7
sen 3x = sen xsen 2x = x3 − x3! + x5! + x36 + o(x7),
2 4 6
cos x = 1 − x2! + x4! − x6! + o(x7),
4
cos x2 = 1 − x2! + o(x7),
4
cos 2x2 = 1 − 2 x2! + o(x7).
4
1 − cos 2x2 = 2 x2! + o(x7).

[1 − cos 2x2]sen 3x = x7 + o(x7).


2 3 4 5 6 7
log(1 + x) = x − x2 + x3 − x4 + x5 − x6 + x7 + o(x7).

log(1 + x6) = x6 + o(x7).

x log(1 + x6) = x7 + o(x7).

293 294

Ası́ que: Ejercicio


Calcula los lı́mites siguientes:
o(x7 )
[1 − cos (x )]sen (x)
2 2 3
x + o(x ) 7
1+ 7
x7 (a) lı́mx→0 x
5 −x log(1+x4 )
(b)
3
sen (x )
lı́mx→0 x5 −x
2
lı́m = lı́m 7 = lı́m o(x7 )
=1 sen 3 (x2 ) log(1+x4 )
x→0 x log(1 + x6) x→0 x + o(x7 ) x→0 1 + 2 2 3 (x) 3
x7 (c) lı́mx→0 [1−cos (x )]sen
x log(1+x6 )
(d) log(1+x )
lı́mx→0 1−cos 3 (x)

Solución.
(a) 0, haciendo un desarrollo de orden 6; (b) el lı́mite no existe,
aunque sı́ que existen los lı́mites laterales (+∞ cuando x tiende a 0
por la izquierda y −∞ cuando x tiende a 0 por la derecha). Se necesitan
hacer desarrollos de orden 6 y luego investigar el signo de la función
que aparece en el denominador [f (x) = x(x4 − log(1 + x4))] cuando x
es cercano a 0; (c)

295 296
Ejercicio Tema 7: Integración unidimensional
Calcula el lı́mite siguiente usando desarrollos de Taylor: Gabriel Soler López
20 de febrero de 2006
2sen x4
lı́m
x→0 1 − cos (x2 )

Solución. Hacemos desarrollos de Taylor del numerador y denomi- 1. Particiones de un intervalo. Suma
nador de orden 4:
superior e inferior de Riemann
o(x4 )
2x4 + o(x4) 2 + x4
lı́m = lı́m = 4. Definición (Partición del intervalo). Dado un intervalo [a, b],
x→0 1 − 1 + x4/2 + o(x4) x→0 1 + o(x44 )
2 x
una partición de [a, b] es un conjunto finito P = {x0, x1, . . . , xn} tal
que a = x0 < x1 < . . . < xn−1 < xn = b.
A los intervalos [xi, xi+1], i = 0, 1, . . . n − 1, se les llama intervalos
de la partición P.
Se define el diámetro de la partición P como el número real positivo
δ(P) = max{|xi+1 − xi |, i = 0, 1, . . . , n − 1}.
Dadas dos particiones P, P  de [a, b], diremos que P  es más fina
que P si P ⊆ P . Claramente, en ese caso δ(P ) ≤ δ(P).

297 298

Definición (Sumas inferiores y superiores de Riemann). Se define la suma superior de Riemann de f como:
Sea f : [a, b] → R y P = {x0, x1, . . . , xn } una partición de [a, b]. Se 
n−1
S(P, f, [a, b]) = Mi(xi+1 − xi ),
define la suma inferior de Riemann de f para la partición P como: i=0


n−1
donde Mi = sup{f (x) : x ∈ [xi, xi+1]}, 0 ≤ i ≤ n − 1.
s(P, f, [a, b]) = mi(xi+1 − xi )
i=0

donde mi = inf{f (x) : x ∈ [xi, xi+1]}, 0 ≤ i ≤ n − 1.

Figura 10: Sumas superiores de Riemann de la función seno

Figura 9: Sumas inferiores de Riemann de la función seno

Proposición. Si f : [a, b] → R, P y P  son particiones de [a, b]


tales que P  es más fina que P entonces:

s(P, f, [a, b]) ≤ s(P , f, [a, b])

y
S(P , f, [a, b]) ≤ S(P, f, [a, b]).

299 300
Ejemplo. 2. Funciones integrables Riemann. In-
sen : [0, π2 ] −→ R
x → sen x,
terpretación geométrica
escogiendo la partición Pn = {0, n1 π2 , n2 π2 , . . . , n−1
n 2 , n 2 = 2 }, la suma
π nπ π
Definición (Función integrable Riemann). Sea f : [a, b] → R
inferior de Riemann es: y (Pn)∞
n=1 una sucesión de particiones de [a, b] tales que:

n−1  
π jπ π
s(Pn, sen , [0, ]) = sen , Pn+1 es más fina que Pn, n = 1, 2, . . . , ∞
2 j=0
2n 2n

y la superior: lı́m δ(Pn ) = 0.


n→∞

n−1  
π (j + 1)π π Se dice que f es integrable Riemann o integrable en [a, b] si existen
S(Pn, sen , [0, ]) = sen .
2 j=0
2n 2n
y coinciden los lı́mites:
También podemos calcular sumas de Riemann sin elegir necesaria-
lı́m s(Pn, f, [a, b]) = lı́m S(Pn, f, [a, b])
mente el máximo y el mı́nimo en cada intervalo, sino un punto arbitra- n→∞ n→∞

rio, éstas tendrán su utilidad a la hora de las clases prácticas. A este valor se le llama integral de Riemann o integral de f en [a, b]

b
y se denota por a f (x)dx.
Definición (Sumas de Riemann). Sea f : [a, b] → R, P =
Los números a y b se les llaman lı́mites de integración.
{x0, x1, . . . , xn} una partición de [a, b] y ξ = (ξ1, . . . , ξn−1 ) un vector

a
b
Adoptaremos el convenio b f (x)dx = − a f (x)dx y cuando a = b,
tal que ξi ∈ [xi, xi+1] para todo i ∈ {0, 1, . . . , n − 1}. Se define la

a
definiremos a f (x)dx = 0.
suma de Riemann de f para la partición P y la elección ξ como:

n−1
s(P, f, [a, b], ξ) = f (ξi )(xi+1 − xi ).
i=0

301 302

Observación (Interpretación geométrica). Observemos que si Proposición (Aplicación al cálculo de lı́mites). Sea f : [a, b] →
f (x) ≥ 0 para todo x ∈ [a, b], al aumentar n consideramos cada R y (Pn)∞
n=1 una sucesión de particiones de [a, b] tales que Pn+1 es

vez particiones más finas, luego las sumas inferiores de Riemann más fina que Pn, n = 1, 2, . . . , ∞, y lı́m δ(Pn) = 0. Si f es inte-
n→∞
se aproximan cada vez más por defecto al área comprendida entre grable en [a, b], entonces se verifica:
b
la gráfica f (x), el eje OX, la recta x = a y la recta x = b y con
f (x)dx = lı́m s(P, f, [a, b], ξn),
a n→∞
las sumas superiores nos aproximamos por exceso.
n
donde, para todo n ∈ N, ξ = (ξ1n , ξ2n, . . . , ξn−1
n
) forma parte de una
sucesión de vectores cualquiera tales que ξj ∈ [xnj, xnj+1] para todo
j ∈ {0, . . . , n − 1}.

Ası́ que si f (x) ≥ 0 para todo x ∈ [a, b] y f es integrable Riemann,



b
a f (x)dx coincide con el área determinada por la gráfica de f (x), el

eje OX y las rectas x = a y x = b.

303 304

b
c
b
3. Funciones integrables: propiedades 6. Si c ∈ [a, b] entonces a f (x)dx = a f (x)dx + c f (x)dx.

La relación entre continuidad e integrabilidad es estrecha, los dos Por último daremos el primer teorema de la media:

siguientes teoremas lo muestran. Teorema (Media). Si f : [a, b] → R es continua, entonces existe



b
Teorema (Continuidad-Integrabilidad). Si f : [a, b] → R es ξ ∈ (a, b) tal que a f (x)dx = f (ξ)(b − a).

continua entonces f es integrable en [a, b]. Teorema (Teorema fundamental del cálculo integral). Sea

Teorema. Si f : [a, b] → R es una función acotada y tiene como f : [a, b] → R una función integrable. Entonces definimos F :

x
máximo un número finito de puntos de discontinuidad, entonces f [a, b] → R tal que F (x) = a f (t)dt. Si f es continua en x0 ∈ [a, b]

es integrable en [a, b]. entonces F es derivable en x0 y F (x0) = f (x0).

Con respecto a la integral de Riemann y las operaciones entre fun- Ası́ que, para derivar

ciones se obtiene: F : [1, +∞) −→ R



x −1
Proposición. Sean f, g : [a, b] → R integrables y α ∈ R. Entonces x → 1 e t2 dt,

f + g, αf , |f | y f g son integrables, además: no es necesario el cálculo de la integral, basta con aplicar el teorema

b
b
b anterior para obtener que si x0 ∈ (1, +∞) se tiene:
1. a (f (x) + g(x))dx = a f (x)dx + a g(x)dx.
−1

b
b F (x0) = e x0 .
2
2. a αf (x)dx = α a f (x)dx.

b
3. Si f (x) ≥ 0 para todo x ∈ [a, b], entonces: a f (x)dx ≥ 0.

b
4. Si f (x) ≥ g(x) para todo x ∈ [a, b] entonces: a f (x)dx ≥

b
a g(x)dx.

b
b
5. a |f (x)|dx ≥ | a f (x)dx|.
305 306

4. La regla de Barrow. Integración por Por último, introduciremos las técnicas de integración por partes y
por cambio de variable que permiten simplificar el cálculo de integrales.
partes y cambio de variable
Teorema (Integración por cambio de variable). Sea f : [a, b] →
Proposición. Sea f : [a, b] → R una función continua, entonces
R una función integrable en [a, b] y g : [c, d] → R una función in-
la función:
yectiva con derivada integrable en [c, d], de tal manera que g(c) = a
F : [a, b] −→ R

x y g(d) = b. Entonces:
x → a f (x)dx, b d
es una primitiva de f . f (x)dx = f (g(t))g  (t)dt.
a c

El siguiente resultado permite, a partir del conocimiento de una Teorema (Integración por partes). Dadas dos funciones de-
primitiva de una función integrable, calcular integrales de ésta. Será el rivables, f, g : [a, b] → R, con derivadas integrables en [a, b], se
procedimiento que utilicemos a la hora de calcular integrales. tiene:
b b
Teorema (Barrow). Si f : [a, b] → R es continua y F : [a, b] → R f (x)g  (x)dx = [f (x)g(x)]ba − g(x)f  (x)dx.

b a a
es una primitiva de f , entonces a f (x)dx = [F (x)]ba = F (b)−F (a).

307 308
5. Aplicaciones del cálculo integral al Cálculo del área de un sólido de revolución al girar sobre
el eje Ox. Consideremos el sólido tridimensional que se obtiene al
cálculo de longitudes, áreas y volú-
girar la gráfica de la función9 f : [a, b] → R derivable y con derivada
menes continua sobre el eje Ox. Entonces el área de la superficie exterior de
dicho sólido es:
Cálculo de la longitud de una curva. Consideremos la curva b 
definida por la función derivable f : [a, b] → R. Entonces la longitud A = 2π f (x) 1 + f  (x)2dx
a

de dicha curva es:


b Cálculo del área de un sólido de revolución al girar sobre
L= 1 + f  (x)2dx
a el eje Oy.
b 
Cálculo del área de una superficie plana. Recordemos que A = 2π x 1 + f  (x)2dx
a

por definición de la integral de Riemann, si f : [a, b] → R con f (x) ≥ 0


Cálculo del volumen de un sólido de revolución al girar
para todo x ∈ [a, b] es integrable, entonces el área delimitada por la

b sobre el eje Ox. Consideremos el sólido tridimensional que se ob-
gráfica de f (x), el eje Ox y las rectas x = a y x = b es a f (x)dx.
tiene al girar la gráfica de la función10 f : [a, b] → R integrable sobre
Como consecuencia de esto, si f, g : [a, b] → R son integrables con
el eje Ox. Entonces el volumen de dicho sólido es
f (x) ≥ g(x) para todo x ∈ [a, b] entonces el área delimitada por las b
V =π f (x)2dx
gráficas de f (x) y g(x), la recta x = a y la recta x = b es: a
b
A= (f (x) − g(x))dx Cálculo del volumen de un sólido de revolución al girar
a
sobre el eje Oy.
b
V =π |y  (x)|x2dx
a
9
Suponemos que dicha gráfica no corta al eje Oy
10
Suponemos que dicha gráfica no corta al eje Ox

309 310

Ejemplo. Calcula el volumen de un toro (donut) que se obtiene



a+r
al girar un cı́rculo de radio r alrededor de un eje que se encuentra x−a a
a−x
V =2 π x 
2
dx − π x  2

a distancia a del centro del cı́rculo. a r2 − (x − a)2 a−rr2 − (x − a)2dx


a+r
x−a
Suponemos que el eje de rotación es el eje y y que el centro del = 2π x2  dx
a−r r2 − (x − a)2
cı́rculo se encuentra sobre el eje de abscisas, es decir el centro es Hacemos ahora el cambio de variable x − a = rsen θ, ası́ que
el punto (a, 0). dx = rcos θdθ y x = a + rsen θ.
y6

5π/2
rsen θ
2 2
(x − a) + y = r 2 V = 2π (a + rsen θ)2 rcos θdθ
3π/2 rcos θ
a−r a a+r -
5π/2
x = 2π (a + rsen θ)2 rsen θdθ
3π/2
5π/2
= 2π a2rsen θ + r3sen 3θ + 2ar2sen 2θdθ
3π/2
 5π/2
El cı́rculo que estamos girando tiene ecuación (x − a)2 + y 2 = r2, 5π/2 cos 3θ
  = 2πa2r [−cos θ]3π/2 − 2πr3 cos θ −
3 3π/2
ası́ que y = ± r2 − (x − a)2. Definamos y1 = r2 − (x − a)2,  5π/2
θ sen (2θ)
ası́ que: +2π2ar2 −
2 4 3π/2
= 2ar2π 2

311 312
Otra forma de realizar el ejercicio: girando alrededor del Ejemplo. Calcula el área de un toro (donut) que se obtiene al
eje de abscisas un cı́rculo de centro (0, a) y radio r, que tendrá por girar un cı́rculo de radio r alrededor de un eje que se encuentra a

ecuaciones a x2 + (y − a)2 = r2, por lo tanto y = a ± r2 − x2. En distancia a del centro del cı́rculo.
este caso: Suponemos que el eje de rotación es el eje y y que el centro del
cı́rculo se encuentra sobre el eje de abscisas, es decir el centro es
r r  el punto (a, 0).
V =π (a + r2 − x2)2dx − π (a − r2 − x2)2dx
−r r −r
  y6
=π [(a + r2 − x2)2 − (a − r2 − x2)2]dx
−r r 
=π 4a r2 − x2dx (x − a)2 + y 2 = r 2
−r a−r a a+r -
x
Hacemos ahora el cambio de variable x = rsen θ, dx = rcos θdθ:

5π/2
V = π4a rcos θrcos θdθ El cı́rculo que estamos girando tiene ecuación (x − a)2 + y 2 = r2,
3π/2
5π/2
 
ası́ que y = ± r2 − (x − a)2. Definamos y1 = r2 − (x − a)2,
= π4ar2 cos 2θdθ
3π/2 ası́ que:
 5π/2
θ sen (2θ)
2
= 4ar π +
2 4 3π/2
= 2ar2π 2.

313 314

6. Métodos numéricos para calcular in-


a+r 
1
A = 2π x 1 + y1 (x)2dx tegrales.
2
a+r 0 a−r

(x − a)2
= 2π x 1+ 2 dx La regla del trapecio Dada una función f : [a, b] → R inte-
a−r r − (x − a)2
a+r 0
grable, la regla del trapecio consiste en aproximar la integral definida
r2
= 2π x dx
b
b
a−r r − (x − a)2
2
a f (x)dx por a P1 (x)dx, donde P1 (x) es el único polinomio de grado

Hacemos ahora el cambio de variable x = rsen θ, dx = rcos θdθ: 1 (recta) que pasa por los puntos (a, f (a)) y (b, f (b)). Ası́ que:
b b
b−a
f (x)dx ≈ P1(x)dx = (f (a) + f (b))
5π/2 a a 2
1 r
A = 2π (a + rsen θ) rcos θdθ
2 3π/2 rcos θ y el error que cometemos en dicha aproximación, si la función f es de
5π/2
= 2πr (a + rsen θ)dθ clase C 2, es:
3π/2 1
5π/2 E=− (b − a)3f  (c),
= 2πr[aθ − rcos θ]3π/2 12
donde c es un punto del intervalo (a, b).
= 2πraπ = 2arπ 2.
El error anterior puede reducirse si utilizamos la regla del trapecio
Ası́ que A = 4arπ 2.
compuesta, ésta consiste en dividir el intervalo [a, b] en n subintervalos
b−a
de longitud h = n
y aplicar la regla del trapecio simple a cada uno
de los intervalos [a + jh, a + (j + 1)h] con j ∈ {0, 1, . . . , n − 1}. Este
método proporciona la aproximación:
b
h 
n−1
f (x)dx ≈ f (a) + 2 f (a + ih) + f (b) ,
a 2 i=1

315 316
para esta aproximación el error que se comete, si f es de clase C 2, es: La regla de Simpson. La idea de esta regla es aproximar la fun-

1 ción f : [a, b] → R a integrar por el polinomio de grado 2 (único) que


E=− (b − a)h2f  (c),
12 pasa por los puntos (a, f (a)), ( a+b a+b
2 , f ( 2 )) y (b, f (b)). De esta manera,
siendo c un punto del intervalo (a, b). se obtiene la aproximación:
b b  
b−a a+b
f (x)dx ≈ P2(x)dx = f (a) + 4f ( ) + f (b) .
a a 6 2
Además, si la función es de clase C 4, existe c ∈ (a, b) tal que, el error
que se comete en la aproximación es:
1
E=− (b − a)5f (iv) (c).
2880
Al igual que en la regla del trapecio, si subdividimos el intervalo
[a, b] en n partes (con n número par) y aplicamos a cada una de ellas
la regla de Simpson, se obtiene una mejor aproximación de la integral:


b 
n/2
h⎝
f (x)dx ≈ f (a) + 2 f (a + 2(i − 1)h)
a 3 i=2


n/2
+4 f (a + (2i − 1)h) + f (b)⎠ ,
i=1

con un error, si f es de clase C 4, dado por:


1
E=− (b − a)h4f (iv) (c),
180
estando c en (a, b).
317 318


4
Ejemplo. Comparación del valor de (sen x + cos x + ex )dx = SimpsonCompuestaBis[f un,a,b,n] :=
3

33,278341730851935 calculado usando las reglas del trapecio y Simp- {h = (b − a)/n;

son haciendo n particiones del intervalo [3, 4], (2 ≤ n ≤ 50). integral = (f [a] + f [b]) ∗ h/3;

Programa de Mathematica: F or[j = 1, j <= n/2,


integral = integral + 4h/3f [a + (2j − 1)h];
T rapecioCompuesta[f un , a , b , n ] :=
j = j + 1];
{integral = 0;
F or[j = 2, j <= n/2,
h = (b − a)/n;
integral = integral + 2h/3f [a + 2(j − 1)h];
F or[j = 0, j < n,
j = j + 1];
integral = integral+T rapecio[f un, a+hj, a+(j +1)h];
integral//N}
j = j + 1];
integral//N} F or[n = 2, n <= 50,
simpson = SimpsonCompuesta[f, 3, 4, n];
También se puede definir el método del trapecio compuesto en
trapecio = T rapecioCompuesta[f, 3, 4, n];
Mathematica usando las fórmulas desarrolladas en la teorı́a:
exacto = Integrate[f [x], x, 3, 4];
T rapecioCompuestaBis[f un , a , b , n ] :=
errorsimpson = Error[simpson, exacto];
{h = (b − a)/n;
errortrapecio = Error[trapecio, exacto];
integral = (f [a] + f [b]) ∗ h/2;
Print[“Para n=”, n, “ el valor aproximado por Simpson es:
F or[j = 1, j <= n − 1,
”,
integral = integral + hf [a + jh];
InputForm[simpson], “ y por el trapecio: ”, InputForm[trapecio]];
j = j + 1];
Print[“El error de Simpson es: ”, errorsimpson, “ y el del
integral//N}
319 320
trapecio: ”, El error de Simpson es: 2,8196313290873576 × 10−6 y el del
errortrapecio]; trapecio 0,04653414285960866.
n = n + 2;
5. Para n = 10 el valor aproximado por Simpson es: 33,27834288598059
]
y por el trapecio: 33,308126180449406.
Print[“El valor exacto de la integral es: ”, InputForm[exacto
El error de Simpson es: 1,1551286529520866 × 10−6 y el del
// N]]
trapecio 0,029784449597466844.
Resultados obtenidos con Mathematica:
6. Para n = 12 el valor aproximado por Simpson es: 33,278342287970716
1. Para n = 2 el valor aproximado por Simpson es: 33,279058180108045 y por el trapecio: 33,29902635672758.
y por el trapecio: 34,02019810976089. El error de Simpson es: 5,571187766673091 × 10−7 y el del tra-
El error de Simpson es: 0,000716449 y el del trapecio: 0,741856. pecio 0,020684625875641016.

2. Para n = 4 el valor aproximado por Simpson es: 33,278386777441625 7. Para n = 14 el valor aproximado por Simpson es: 33,278342031588494
y por el trapecio: 33,46434316252127. y por el trapecio: 33,29353903317648.

El error de Simpson es: 0,0000450466 y el del trapecio: 0,186001. El error de Simpson es: 3,007365545482088 × 10−7 y el del tra-

3. Para n = 6 el valor aproximado por Simpson es: 33,27835063881905 pecio 0,01519730232454708.

y por el trapecio: 33,36105351045315. 8. Para n = 16 el valor aproximado por Simpson es: 33,2783419071449
−6
El error de Simpson es: 8,907967109506032 × 10 y el del tra- y por el trapecio: 33,28997738129034.
pecio 0,08271177960120712. El error de Simpson es: 1,7629296666932248 × 10−7 y el del

4. Para n = 8 el valor aproximado por Simpson es: 33,27834455048327 trapecio 0,011635650438402534.

y por el trapecio: 33,32487587371154.


321 322

9. Para n = 18 el valor aproximado por Simpson es: 33,278341840913676 El error de Simpson es: 2,5284559113103455 × 10−8 y el del
y por el trapecio: 33,28753544812954. trapecio 0,004406566080883634.

El error de Simpson es: 1,100617434968143 × 10−7 y el del tra- 14. Para n = 28 el valor aproximado por Simpson es: 33,27834174965024
pecio 0,00919371727760665. y por el trapecio: 33,282141281985496.

10. Para n = 20 el valor aproximado por Simpson es: 33,27834180306481 El error de Simpson es: 1,8798298695443805 × 10−8 y el del
y por el trapecio: 33,285788709597796. trapecio 0,003799551133563339.
−8
El error de Simpson es: 7,221287989800373 × 10 y el del tra- 15. Para n = 30 el valor aproximado por Simpson es: 33,27834174511683
pecio 0,007446978745856425. y por el trapecio: 33,281651570503875.

11. Para n = 22 el valor aproximado por Simpson es: 33,27834178017495 El error de Simpson es: 1,4264893932747214 × 10−8 y el del
y por el trapecio: 33,28449630017032. trapecio 0,0033098396519430917.
−8
El error de Simpson es: 4,9323015671731696 × 10 y el del 16. Para n = 32 el valor aproximado por Simpson es: 33,27834174187124
trapecio 0,006154569318378433. y por el trapecio: 33,28125077568126.

12. Para n = 24 el valor aproximado por Simpson es: 33,27834176567768 El error de Simpson es: 1,1019305246051658 × 10−8 y el del
y por el trapecio: 33,28351330515993. trapecio 0,00290904482931853.
−8
El error de Simpson es: 3,4825741179744796 × 10 y el del 17. Para n = 34 el valor aproximado por Simpson es: 33,278341739498465
trapecio 0,005171574307989202. y por el trapecio: 33,28091860547047.

13. Para n = 26 el valor aproximado por Simpson es: 33,2783417561365 El error de Simpson es: 8,646533045109095 × 10−9 y el del tra-
y por el trapecio: 33,28274829693282. pecio 0,0025768746185359515.

323 324
18. Para n = 36 el valor aproximado por Simpson es: 33,27834173773128 El error de Simpson es: 3,0828413155603585 × 10−9 y el del
y por el trapecio: 33,28064024271764. trapecio 0,0015386793218492567.

El error de Simpson es: 6,87934220700015 × 10−9 y el del tra- 23. Para n = 46 el valor aproximado por Simpson es: 33,27834173343264
pecio 0,002298511865698627. y por el trapecio: 33,279749521588194.

19. Para n = 38 el valor aproximado por Simpson es: 33,27834173639335 El error de Simpson es: 2,5807007641986957 × 10−9 y el del
y por el trapecio: 33,2804046637003. trapecio 0,001407790736261516.
−9
El error de Simpson es: 5,5414186572733115 × 10 y el del 24. Para n = 48 el valor aproximado por Simpson es: 33,27834173302867
trapecio 0,0020629328483703357. y por el trapecio: 33,279634650548246.

20. Para n = 40 el valor aproximado por Simpson es: 33,27834173536551 El error de Simpson es: 2,1767287972096483 × 10−9 y el del
y por el trapecio: 33,28020352969805. trapecio 0,001292919696306738.
−9
El error de Simpson es: 4,513575957432181 × 10 y el del tra- 25. Para n = 50 el valor aproximado por Simpson es: 33,27834173270066
pecio 0,0018617988461169244. y por el trapecio: 33,27953328627316.

21. Para n = 42 el valor aproximado por Simpson es: 33,27834173456529 El error de Simpson es: 1,8487280595280708 × 10−9 y el del
y por el trapecio: 33,28003043881075. trapecio 0,0011915554212247326.
−9
El error de Simpson es: 3,713348517564441 × 10 y el del tra- 26. El valor exacto de la integral es: 33,278341730851935.
pecio 0,001688707958815483.

22. Para n = 44 el valor aproximado por Simpson es: 33,278341733934774


y por el trapecio: 33,27988041017379.

325 326

7. Integrales impropias de primera es- impropia absolutamente convergente es convergente.

pecie Cálculo de integrales impropias de primera especie. Al


igual que para la integral de Riemann, las integrales impropias son
Las integrales impropias de primera especie son aquellas donde al-
fáciles de calcular cuando se conoce una primitiva del integrando.
guno o ambos lı́mites de integración son infinitos.

+∞
Definición. Si f : [a, +∞) → R es tal que f es integrable en [a, b] Teorema. 1. Si f : [a, +∞) → R es tal que a f (x)dx es con-

para todo b > a, se define vergente y F (x) es una primitiva de f (x) entonces:
+∞ t +∞
f (x)dx = lı́m f (x)dx. f (x)dx = lı́m F (t) − F (a).
t→∞ a t→+∞
a a

a
Si el valor anterior es finito, diremos que la integral anterior es conver- 2. Si f : (−∞, a] → R es tal que es convergente y
−∞ f (x)dx
gente, si es +∞ o −∞ diremos que es divergente y si no existe diremos F (x) es una primitiva de f (x) entonces:
que es oscilante. a

a f (x)dx = F (a) − lı́m F (t).
De forma análoga se define −∞ f (x)dx para f : (−∞, a] → R. −∞ t→−∞


+∞
Si f : R → R es integrable en [a, b] para todo a, b ∈ R, a < b, 3. Si f : (−∞, +∞) → R es tal que −∞ f (x)dx es convergente

+∞
entonces diremos que la integral impropia −∞ f (x)dx es convergente y F (x) es una primitiva de f (x) entonces:

a
+∞ +∞
si existe a ∈ R tal que −∞ f (x)dx y a f (x)dx son convergentes y
f (x)dx = lı́m F (x) − lı́m F (x).
−∞ x→+∞ x→−∞
en ese caso se define11
+∞ a +∞
f (x)dx = f (x)dx + f (x)dx. Criterios de convergencia. Como ya sabemos, es posible que sea
−∞ −∞ a

+∞ muy difı́cil o incluso imposible encontrar una primitiva de una función
Por último, se dice que es absolutamente convergen-
a f (x)dx

+∞ dada. Ası́, serı́a muy interesante obtener criterios que permitan conocer
te si a |f (x)|dx es convergente. Se hará notar que toda integral
11
Demostraremos que este valor no depende del número a ∈ R escogido
el carácter de una integral impropia sin conocer su valor.

327 328

+∞
+∞
Vamos a introducir criterios para funciones f : [a, +∞) → R tales 2. Si g(x)dx es divergente entonces f (x)dx es divergen-
a a
que f (x) ≥ 0 para todo x ∈ [a, +∞). De forma análoga se tienen los te.

a
criterios para integrales impropias del tipo −∞ f (x)dx siendo f (x) ≤ 0
Proposición (Criterio del lı́mite). Sean f, g : [a, +∞) → R
para todo x ∈ (−∞, a].
dos funciones positivas integrables en [a, b] para todo b > a. Sea
Proposición. Sea f : [a, +∞) → R tal que f (x) ≥ 0 para todo x ∈ l = lı́m f (x)
∈ R. Entonces:
x→+∞ g(x)
[a, +∞), f es integrable en [a, b] para todo b > a y lı́m f (x) > 0.
x→+∞

+∞

+∞ 1. Si l > 0, a f (x)dx es convergente (divergente) si y sólo si
Entonces a f (x)dx es divergente.
+∞
a g(x)dx es convergente (divergente).
Ası́, aplicando este criterio se obtiene la divergencia de integrales
+∞
+∞

+∞
+∞ 2 2. Si l = 0 y a f (x)dx es divergente entonces a g(x)dx es
impropias del tipo a xndx siendo n ≥ 0 o de 1 xx2 +1 +2
dx, pe-
divergente.
ro no podemos decir nada sobre el carácter de la integral impropia

+∞ −x2
+∞
+∞
e dx. 3. Si l = 0 y a g(x)dx es convergente entonces a f (x)dx es
0

Los siguientes criterios permiten deducir el carácter de ciertas inte- convergente.



+∞
grales impropias a partir del conocimiento del carácter de integrales Es sencillo demostrar que para a ∈ R, 1
es convergente si
a xα
impropias de otras funciones. α > 1 y divergente si α ≤ 1. El criterio anterior junto con el carácter

Proposición (Criterio de comparación). Sean f, g : [a, +∞) → de estas integrales impropias permiten obtener el carácter de muchas

R positivas tales que f, g son integrables en [a, b] para todo b > a integrales impropias.

y supongamos que f (x) ≥ g(x) para todo x ∈ [a, +∞). Entonces:



+∞
+∞
1. Si a f (x)dx es convergente entonces a g(x)dx es conver-
gente.

329 330

8. Integrales impropias de segunda es- Al igual que para integrales impropias de primera especie, en las

b
condiciones anteriores de la función f , se dice que la integral a f (x)dx
pecie
b
es absolutamente convergente si y solo si a |f (x)|dx es convergente.
Supongamos que tenemos una función f [a, b) → R integrable en Además se verá que la convergencia absoluta de una integral de segunda
[a, c] para todo c ∈ (a, b) y tal que lı́m f (x) = ∞ ¿Qué significado especie implica también la convergencia de la integral.
x→b−

b
tiene la expresión a f (x)dx? En principio, a esta expresión no la hemos
Cálculo de las integrales impropias de segunda especie.
dotado de un significado concreto ya que la función f no es acotada,
Para estas integrales también dispondremos de un análogo a la regla
nos ocuparemos en esta sección de darle un significado.
de Barrow, la dos proposiciones siguientes lo recogen.
Definición (Integral impropia de segunda especie). Sea f
b
Proposición. Sea f : (a, b] → R tal que lı́m f (x) = ∞, a f (x)dx
una función como antes. Entonces, se define x→a+
b t es convergente y supongamos que F (x) es una primitiva de f (x).
f (x)dx = lı́m f (x)dx.
t→b− Entonces:
a a b
Si este lı́mite es finito, se dice que la integral impropia de segunda f (x)dx = F (b) − lı́m F (t).
t→a+

b a
especie a f (x)dx es convergente, si es infinito se dice que es divergente
b
Proposición. Sea f : [a, b) → R tal que lı́m f (x) = ∞, a f (x)dx
x→b−
y si no existe se dice que es oscilante.
es convergente y supongamos que F (x) es una primitiva de f (x).
Análogamente, si f : (a, b] → R es integrable en [c, b] para todo
Entonces:
b
c ∈ (a, b) y lı́m = ∞, se define
x→a+ f (x)dx = lı́m F (t) − F (a).
t→b−
b b
a

f (x)dx = lı́m f (x)dx


a t→a+ t Criterios de convergencia de las integrales impropias de
y se tienen análogas definiciones de convergencia, divergencia y oscila- segunda especie. En cuanto a los criterios de convergencia, dispon-
ción. dremos del criterio de comparación y del lı́mite, ambos los enunciamos
331 332
para integrales impropias que tienen su singularidad en el lı́mite infe- De este criterio, junto con el hecho de que para funciones del tipo
1

b 1
rior. Los resultados análogos para cuando se tiene la singularidad en f (x) = (x−a) α se tiene que a (x−x0 )α dx es convergente si α < 1 y

el extremo superior son también ciertos y se deja su enunciado como divergente si α ≥ 1, se obtiene la convergencia de muchas integrales
ejercicio al alumno. impropias de segunda especie.

Proposición (Criterio de comparación). Sean f, g : (a, b] →


R positivas, integrables en [c, b] para todo c ∈ (a, b) y tales que
lı́m f (x) = lı́m g(x) = +∞. Si f (x) ≥ g(x) para todo x ∈ (a, b]
x→a+ x→a+
entonces:

b
b
1. Si a f (x)dx es convergente entonces a g(x)dx es convergente.

b
b
2. Si a g(x)dx es divergente entonces a f (x)dx es divergente.

Proposición (Criterio del lı́mite). Sean f, g : (a, b] → R fun-


ciones positivas, integrables en [c, b] para todo c ∈ (a, b) y tales que
f (x)
lı́m f (x) = lı́m g(x) = ∞. Sea l = lı́m g(x) ∈ R. Entonces:
x→a+ x→a+ x→a+

b
1. Si l = 0, a f (x)dx es convergente (resp. divergente) si y sólo

b
si a g(x)dx es convergente (resp. divergente).

b
b
2. Si l = 0 y a g(x)dx es convergente entonces a f (x)dx es con-
vergente.

b
b
3. Si l = 0 y a f (x)dx es divergente entonces a g(x)dx es diver-
gente.
333 334

Tema 8: Integración multidimensional Definición (Sumas de Darboux-Riemann). Sea f : [a, b] ×

Gabriel Soler López [c, d] → R una función acotada y

marzo de 2006 P1 × P2 = {(xi, yj ) ∈ R2 : 1 ≤ i ≤ n, 1 ≤ j ≤ m}

una partición de [a, b] × [c, d]. Entonces:


1. Integrales de Riemann en rectángu-
1. Se define la suma inferior de Darboux-Riemann de f asociada
los
a la partición P1 × P2 como

Definición (Partición de rectángulos). Consideremos el rectángu-  


n−1 m−1
s(f, P1 × P2) = mij (xi+1 − xi )(yj+1 − yj ),
lo [a, b] × [c, d] y sean P1 = {a = x0, x1, . . . , xn = b} y P2 = {c = i=0 j=0

y0, y1, . . . , ym = d} particiones de [a, b] y [c, d] respectivamente. En- donde mij = mı́n{f (x, y) : (x, y) ∈ [xi, xi+1] × [yj , yj+1]}.

tonces, diremos que 2. Se define la suma superior de Darboux-Riemann de f asociada

P1 × P2 = {(xi, yj ) ∈ R2 : 1 ≤ i ≤ n, 1 ≤ j ≤ m} a la partición P1 × P2 como


 
n−1 m−1

es una partición de [a, b] × [c, d]. S(f, P1 × P2) = Mij (xi+1 − xi)(yj+1 − yj ),
i=0 j=0
A partir de P1 × P2 se obtiene una descomposición del rectángulo
donde Mij = máx{f (x, y) : (x, y) ∈ [xi, xi+1] × [yj , yj+1]}.
como unión de los rectángulos Rij = [xi, xi+1] × [yj , yj+1], 0 ≤ i ≤
n − 1, 0 ≤ j ≤ m − 1.
Definiremos por diámetro de la partición al número δ(P1 × P2) =

máx (xi+1 − xi)2 + (yj+1 − yj )2.
(i,j)∈{0,...,n−1}×{0,...,m−1}

335 336
Definición (Función integrable Riemann). Se dice que la fun- Teorema (Fubini). Si f : [a, b] × [c, d] → R es continua entonces:
d  b 
ción f : [a, b] × [c, d] → R es integrable Riemann si existe un único
f (x, y)dxdy = f (x, y)dx dy
número real, I, tal que: [a,b]×[c,d] c a
b  d 
s(f, P1 × P2) ≤ I ≤ S(f, P1 × P2) = f (x, y)dy dx
a c

para toda partición P1 × P2 de [a, b] × [c, d]. Entonces diremos que I


es la integral (doble) de f en [a, b] × [c, d] y escribiremos: Ejercicio

f (x, y)dxdy = I. Calcular para Ω = [0, 1] × [0, 3] las integrales
[a,b]×[c,d]

2
(a) Ω xydxdy. (b) Ω xe dxdy. (c) Ωy sen xdxdy.
Proposición. Dada f : [a, b]×[c, d] → R entonces, si f es continua
es integrable.

Interpretaciones para calcular áreas y volúmenes

1. Cuando la función f es positiva, la integral de f en [a, b] × [c, d]


coincide con el volumen delimitado por la gráfica de la función f
y dicho rectángulo.

2. Cuando la función f es idénticamente igual a 1, el valor de la


integral es (b − a)(d − c), es decir, el área del recinto sobre el que
integramos. Esta observación trivial tendrá importancia cuando
generalicemos la integral a otro tipo de recintos.
337 338

2. Integral doble sobre recintos básicos Interpretaciones geométricas de integrales sobre recintos
básicos
de R2

Definición (Recinto básico de R2). Un recinto básico de R2 es Si Ω es un recinto básico y f : Ω → R una función, entonces:
un conjunto acotado, Ω ⊂ R2, que tiene interior no vacı́o y frontera
1. Cuando la función f es positiva, la integral de f en Ω coincide con
formada por una unión finita de curvas de la forma y = f (x) y x =
el volumen delimitado por la gráfica de la función f y el conjunto
g(y), donde f y g son funciones reales de una variable real continuas.
Ω.

2. Cuando la función f es idénticamente igual a 1, el valor de la


Definición (Integral de Riemann sobre conjuntos básicos).
integral es el área del recinto Ω.
Sea f : Ω → R una función acotada donde Ω es un recinto básico y
sea [a, b] × [c, d] el menor rectángulo que contiene a Ω. Entonces, si la
función

f˜ : [a, b] × [c, d] −→ R

⎨ f (x, y) si (x, y) ∈ Ω,
(x, y) → f˜(x, y) =
⎩ 0 si (x, y) ∈
/ Ω,

es integrable, diremos que f es integrable en Ω. En ese caso se define


la integral (doble) de f en Ω como:

f (x, y)dxdy = f˜(x, y)dxdy.
Ω [a,b]×[c,d]

339 340
Propiedades de las integrales sobre recintos básicos Cálculo de integrales sobre recintos básicos

Teorema. Si Ω es un recinto básico de R2 y f : Ω → R es continua Para calcular la integral de f : Ω → R, siendo Ω un recinto básico:
entonces f es integrable Riemann en Ω.
(1.) Fijamos una de las dos variables de integración y el intervalo máxi-
mo sobre el que vamos a integral dicha variable.
Proposición. Sea Ω ⊆ R2 un recinto básico, f, g : Ω → R inte-
(2.) Después delimitaremos los lı́mites de integración de la segunda
grables y α, β ∈ R. Entonces:
variable respecto a la primera.
1. αf + βg es integrable en Ω y:
En concreto, si fijamos en (1.) como variable a la x:
(αf (x, y) + βg(x, y))dxdy = α f (x, y)dxdy
Ω
Ω
Definimos los conjuntos Ωx = {y ∈ R : (x, y) ∈ Ω}.
+β g(x, y)dxdy.
Ω

Elegimos
2. Si f (x, y) ≥ 0 para todo (x, y) ∈ Ω, entonces Ω f (x, y)dxdy ≥
0. a = mı́n{x : Ωx = ∅}, b = máx{x : Ωx = ∅}

3. Si f (x, y) ≥ g(x, y) ∀(x, y) ∈ Ω entonces Ω f (x, y)dxdy ≥ y para cada x ∈ (a, b) tomamos

Ω g(x, y)dxdy. c(x) = mı́n{y : y ∈ Ωx }


4. Ω f (x, y)dxdy = Int(Ω) f (x, y)dxdy.


y
5. Sea Ω = Ω1 ∪ Ω2 con Ω1 ∩ Ω2 = ∅ y Ω1, Ω2 son recintos básicos. d(x) = máx{y : y ∈ Ωx }.
Entonces:
Supondremos además que (c(x), d(x)) ∈ Ωx y que f es continua.
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy.
Ω Ω1 Ω2 Con esta notación se tiene:

341 342

Teorema (Fubini). Ejercicio


b d(x)

Calcular las integrales dobles siguientes en los recintos que se indican:
f (x, y)dxdy = f (x, y)dy dx.
Ω a c(x)

1. Ω ydxdy en Ω = {(x, y) ∈ R2 : x2 + y 2 ≤ 1}.


2. Ω (3y
3
+ x2)dxdy en Ω = {(x, y) ∈ R2 : x2 + y 2 ≤ 1, }.


Ω xydxdy en Ω = {(x, y) ∈ R : 0 ≤ y ≤ 1, y ≤ x ≤ y}.
2 2
3.

x
4. Ω ye dxdy en Ω = {(x, y) ∈ R2 : 0 ≤ y ≤ 1, 0 ≤ x ≤ y 2 }.

5. Ωy + log xdxdy en Ω = {(x, y) ∈ R2 : 0,5 ≤ x ≤ 1, x2 ≤ y ≤ x}.

Ejercicio

Calcular las integrales dobles siguientes en los recintos que a continuación se


dan:

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


8 − 2x.

4
2. Ω (x + y 2 )dxdy en el recinto limitado por y = x3 e y = x2.

3. Ω (x + y)dxdy en el recinto limitado por y = x3 e y = x4 con −1 ≤ x ≤ 1.


4. Ω (3xy
2
−y)dxdy en la región limitada por y = |x|, y = −|x| y x ∈ [−1, 1].

343 344
Ejercicio 3. Cálculo de integrales dobles median-
Calcular la superficie de las siguientes regiones:
te cambio de variables
1. Cı́rculo de radio R.
Teorema. Sea Ω un subconjunto abierto y básico de R2 y sea f :
2. Elipse de semiejes a, b.
Ω → R una función integrable. Sea Δ un abierto de R2 y Φ : Δ →
3. La región limitada por las ecuaciones x2 = 4y y 2y − x − 4 = 0.
R2 una función tal que:
4. La región limitada por las ecuaciones x + y = 5 y xy = 6.
1. Φ(Δ) = Ω,
5. La región limitada por las ecuaciones x = y y x = 4y − y 2 .
2. Φ es diferenciable en Δ y

3. |J(Φ(u, v))| = 0 para todo (u, v) ∈ Δ.


Ejercicio
Entonces, se verifica que Δ es un abierto básico y:
Calcular el volumen de los siguientes sólidos:
f (x, y)dxdy = f (Φ(u, v))|J(Φ(u, v))|dudv.
1. El limitado por x
2 + y3 + z
4 = 1 y los planos de coordenadas. Ω Δ

2. El tronco limitado superiormente por z = 2x + 3y e inferiormente por el


cuadrado [0, 1] × [0, 1]. El cambio de variable que más emplearemos en R2 es el cambio a

3. Esfera de radio R. coordenadas polares, dado por:

4. Cono de altura h y radio de la base R. Φ : (0, +∞) × (0, 2π) −→ R2

5. El tronco limitado superiormente por la ecuación z = 2x+1 e inferiormente


(r, θ) → (rcos θ, rsen θ).

por el disco (x − 1)2 + y 2 ≤ 1. Además |JΦ(r, θ)| = r.

345 346

4. Integrales de Riemann en prismas



rectangulares de R3 f (x, y)dxdydz
[a,b]×[c,d]×[e,f ]
f  d  b  
El concepto de integral triple sobre prismas rectangulares (productos = f (x, y, z)dx dy dz
e c a
b  d  f  
de tres intervalos) se introduce de forma análoga al de la integral doble
= f (x, y)dz dy dx
sobre rectángulos. Ponemos de manifiesto sus propiedades. a c e

Proposición. Dada f : [a, b] × [c, d] × [e, f ] → R entonces, si f es


continua es integrable.

Interpretación geométrica para el cálculo de volúmenes

Cuando la función f es idénticamente igual a 1, el valor de la integral


es (b − a)(d − c)(f − e), es decir, el volumen del prisma sobre el que
integramos.

Teorema (Fubini). Si f : [a, b] × [c, d] × [e, f ] → R es continua


entonces:

347 348
Ejercicio 5. Integral triple sobre recintos básicos
Calcular para Ω = [0, 1] × [0, 3] × [−1, 1] las integrales
de R3

y+z

2 3
(a) Ω xyzdxdydz. (b) Ω xe dxdydz. (c) Ωy z sen xdxdydz.
Definición (Recinto básico). Un recinto básico es un conjunto
acotado Ω ⊂ R3 que tenga interior no vacı́o y frontera formada por
una unión finita de superficies de la forma z = f (x, y),y = g(x, z)
y x = h(y, z), donde f , g y h son funciones continuas reales de dos
variables reales.

Definición (Integral de Riemann sobre conjuntos básicos).


Sea f : Ω → R una función acotada donde Ω es un recinto básico de
R3 y sea [a, b] × [c, d] × [e, f ] el menor prisma rectangular que contiene
a Ω. Si la función
f˜ : [a, b] × [c, d] × [e, f ] −→ R

⎨ f (x, y, z) si (x, y, z) ∈ Ω,
(x, y, z) → f˜(x, y, z) =
⎩ 0 si (x, y, z) ∈
/ Ω,

es integrable, diremos que f es integrable en Ω. En ese caso se define


la integral de f en Ω como:

f (x, y, z)dxdy = f˜(x, y, z)dxdydz.
Ω [a,b]×[c,d]×[e,f ]

Interpretación geométrica
349 350

Ω f (x, y, z)dxdydz da el valor del volumen del recinto Ω cuando Propiedades de la integral triple sobre recintos básicos

f (x, y, z) = 1 para todo (x, y, z) ∈ Ω. Este hecho se utilizará bastante


Teorema. Si Ω es un recinto básico de R3 y una función f : Ω →
en las clases de problemas.
R continua, entonces f es integrable Riemann en Ω.

Además las propiedades vistas para integrales dobles sobre recintos


básicos se verifican también en este contexto.

Ejercicio

Calcular las integrales que a continuación se piden en los recintos correspon-


dientes:

1. Ω (ysen z +x)dxdydz en Ω = {(x, y, z) ∈ R3 : y ≥ z ≥ y 2 , 0 ≤ x, y ≤ 1}.


2. Ω xdxdydz en Ω = {(x, y, z) ∈ R3 : 1 ≥ y 2 + x2, 0 ≤ z ≤ 1}.


3. Ω yxzdxdydz en Ω = {(x, y, z) ∈ R3 : −5 ≤ z ≤ y 2 + x, −1 ≤ x, y ≤ 1}.

Ejercicio

Calcular el volumen del sólido limitado superiormente por z = 1 e inferiormente



por z = x2 + y 2 .

351 352
Ejercicio 6. Cálculo de integrales triples median-
Calcular el volumen del sólido limitado superiormente por el cilindro parabólico
te cambio de variables
z = 1 − y 2 , inferiormente por el plano 2x + 3y + z + 10 = 0 y lateralmente por
el cilindro circular x2 + y 2 + x = 0. Teorema. Sea Ω un subconjunto abierto básico de R3 y sea f :
Ω → R integrable. Sea Φ : Δ → R3 donde Δ es un subconjunto

Ejercicio abierto de R3 tal que:

Hallar el volumen del sólido limitado por los paraboloides de ecuaciones z = 1. Φ(Δ) = Ω,
2 − x2 − y 2 y z = x2 + y 2 .
2. Φ es diferenciable en Δ y

3. |J(Φ(u, v, w))| = 0 para todo (u, v, w) ∈ Δ.

Entonces Δ es un abierto básico y:



f (x, y, z)dxdydz = f (Φ(u, v, w))|J(Φ(u, v, w))|dudvdw.
Ω Δ

Los cambios de coordenadas más importantes en R3 son los cambios


a coordenadas esféricas y cilı́ndricas.

353 354

Coordenadas cilı́ndricas ϕ es el ángulo que forma el vector de posición del punto (x, y, z)
con el vector de posición del punto (x, y, 0) (colatitud).

Φ : R+ × [0, 2π[×R −→ R3 \ {(0, 0, 0)} Además |JΦ(r, θ, ϕ)| = r2 sen ϕ.


(r, θ, z) → (rcosθ, rsinθ, z)
Si (x, y, z) ∈ R \ {(0, 0, 0)} tal que Φ(r, θ, z) = (x, y, z) entonces:
3


r= x2 + y 2

θ es el ángulo que forma el vector de posición del punto (x, y, 0)


con la parte positiva del eje OX.

Además |JΦ(r, θ, z)| = r.

Coordenadas esféricas

Φ : R+ × [0, 2π[×[0, π] −→ R3 \ {(0, 0, 0)}


(r, θ, ϕ) → (rcos θsen ϕ, rsen θsen ϕ, rcos ϕ)

Si (x, y, z) ∈ R3 \ {(0, 0, 0)} es tal que Φ(r, θ, ϕ) = (x, y, z) entonces:



r= x2 + y 2 + z 2

θ es el ángulo que forma el vector de posición del punto (x, y, 0)


con la parte positiva del eje Ox

355 356
Ejercicio Tema 9: Funciones de varias variables.
Haciendo uso de las coordenadas esféricas x = rcos θsen φ, y = rsen θsen φ Continuidad
y z = rcos φ, calcular: Gabriel Soler López
1. El volumen de una esfera de radio R.
abril de 2006

2
Ω (x + y + z )dxdydz en el recinto Ω = {(x, y, z) ∈ R : 1 ≤
2 2 3
2.
x2 + y 2 + z 2 ≤ 2}. 1. Topologı́a en Rn
3. El volumen del recinto del apartado (b).
Definición (Norma, espacio vectorial normado). Una norma
sobre Rn es una aplicación:

 ·  : Rn −→ Rn
x → x,

que satisface las siguientes propiedades para cada par de vectores x, y:

(a) x ≥ 0 y x = 0 si y sólo si x = 0.

(b) x + y ≤ x + y (desigualdad triangular ).

(c) Para todo número real λ se tiene que λx = |λ|x.

El par (Rn,  · ) recibe el nombre de espacio vectorial normado.

357 358

Ejemplo. (R, | · |), (Rn,  · 2), (Rn,  · ∞), (R,  · 1) son espacios abierto de centro x y radio (resp. bola cerrada o disco cerrado de
vectoriales normados para las definiciones siguientes: centro x y radio ) como el conjunto

1. | · | es el valor absoluto de números reales. D(x, ) = {y ∈ Rn : x − y < }



2. Si x = (x1, . . . , xn), x2 = x21 + x22 + · · · + x2n ,
(resp. D(x, ) = {y ∈ Rn : x − y ≤ }).
3. x1 = |x1| + |x2| + · · · + |xn |,
Definición (Conjunto abierto y cerrado). Un conjunto A ⊂ Rn
4. x∞ = máx{|x1|, |x2|, . . . , |xn|}.
se dice abierto si y sólo si o A = ∅ o bien para todo punto x ∈ A
Ejercicio
existe > 0 tal que D(x, ) ⊂ A.
Da una razón que justifique que la aplicación f : R2 → R, definida
Un conjunto F ⊂ Rn se dice cerrado si y sólo si Rn\F = {x ∈ Rn :
por f (x, y) = sen (y + x), no es una norma
x ∈ F } es abierto.
Solución. La aplicación no es una norma porque f (0, π) = 0 y
Definición (Interior, clausura y frontera de un conjunto).
(0, π) = (0, 0).
Dado un conjunto D ⊂ Rn se define el interior de D, y se denota por
IntD, como el mayor conjunto abierto contenido en D. La clausura
1.1. Nociones topológicas asociadas a
de D, denotada por ClD, es el menor conjunto cerrado que contiene
un espacio normado a D. La frontera de D se denota por FrD y se define como FrD =

El concepto análogo al de intervalo en el caso multidimensional es ClD\IntD.

el de bola, éste permitirá desarrollar la topologı́a de Rn. Los conjuntos abiertos y cerrados satisfacen las propiedades que re-

Definición (Bola, dico). Fijada una norma  ·  de Rn, dado un cogemos en la siguiente proposición.

punto x ∈ Rn y un número real > 0, se define la bola abierta o disco

359 360
Proposición. 1. ∅ y Rn son conjuntos abiertos y cerrados a la Definición (Conjuto acotado y compacto). Un conjunto A ⊂
vez. Rn se dice acotado si y sólo si existe un número real positivo k tal que
x ≤ k para todo x ∈ A. El conjunto A se dirá compacto si y sólo
2. La unión numerable de conjuntos abiertos es un conjunto abier-
si además de ser acotado es cerrado.
to.
Definición (Puntos de acumulación, interiores y aislados).
3. La intersección numerable de conjuntos cerrados es un con-
Dado un conjunto A ⊂ Rn y un punto x ∈ Rn, se dice que x es un
junto cerrado.
punto de acumulación de A si para todo número > 0 se tiene que
4. La unión finita de conjuntos cerrados es un conjunto cerrado.
D(x, ) ∩ A\{x} = ∅. El conjunto de los puntos de acumulación se
5. La intersección finita de conjuntos abiertos es un conjunto denota por A .
abierto. Se dice que el punto x es interior a A si y sólo si pertenece a IntA.

6. Un conjunto es abierto si y sólo si coincide con su interior. Por último se dirá que x es un punto aislado de A si y sólo si es un
punto de ClA que no es de acumulación.
7. Un conjunto es cerrado si y sólo si coincide con su clausura.
Ejercicio
8. El interior de un conjunto A es la unión de todos los conjuntos
Pon un ejemplo de un conjunto no compacto en R2 y justifica por
abiertos contenidos en A.
qué no es compacto.
9. La clausura de un conjunto A es la intersección de todos los Solución. {(x, y) ∈ R2 : x2 + y 2 ≥ 5} no es compacto porque no
conjuntos cerrados que contienen a A. está acotado.

361 362

2. Funciones de varias variables. Lı́mi- Definición (Álgebra de funciones). Dado el conjunto de las fun-
ciones de varias variables con dominio en A ⊂ Rn y valores en Rm,
tes
F(A, Rm), se definen las siguientes leyes en dicho conjunto:
Iniciamos esta sección dando la definición de función de varias varia-
1. Suma de funciones: dadas las funciones f , g : A → Rm, se
bles y funciones coordenadas de éstas. Posteriormente introduciremos
define la función suma de ambas como sigue:
el concepto de curva de nivel, el cual nos permitirá obtener interpreta-
f + g : A −→ Rm
ciones gráficas de funciones.
x → f (x) + g(x).
Definición (Función de varias variables). Una función de varias
2. Multiplicación de funciones: si m = 1, dadas f, g : A → R
variables es una aplicación f : A → B, siendo A un subconjunto de
se define la función producto como sigue:
Rn y B un subconjunto de Rm .
f · g : A −→ R
Definición (Acotación). Una función de varias variables, f : A ⊂ x → f (x)g(x).
Rn → Rm, se dice que está acotada si existe un número real K tal que 3. División de funciones: si m = 1, dadas f, g : A → R, si
f (x) < K para todo x ∈ A. g(x) = 0 para todo x ∈ A, se define la función cociente como
sigue:
f
g
: A −→ R
f (x)
x → g(x)
.
4. Norma de funciones: dada la función f : A → Rm, se define
la función norma de f como:
f  : A −→ R
x → f (x).

363 364
Por último destacamos el concepto de curva de nivel para una función 3. Lı́mite de funciones de varias varia-
escalar de varias variables reales, las isóbaras e isotermas son ejemplos
bles. Propiedades
de tales curvas.
Generalizamos ahora el concepto de lı́mite de funciones reales de
Definición. Dada una función real de dos variables f : A ⊂ R2 → R,
variable real para funciones de varias variables.
definimos la curva de nivel de altura k como el conjunto {(x, y) ∈ A :
f (x, y) = k}. Definición (Lı́mite). Sea D ⊆ Rn, f : D → Rm, x0 ∈ D  y l ∈ Rm.
Diremos que el lı́mite de la función f cuando x tiende a x0 es l, y se
representa por lı́m f (x) = l, si y sólo si para todo > 0 existe δ > 0
x→x0
tal que si x ∈ D y 0 < x − x0 < δ entonces f (x) − l < .

Proposición. Sea D ⊆ Rn, x0 ∈ D  y f : D → Rm una función


con funciones coordenadas f1, f2, . . . , fm. Entonces lı́m f (x) = l =
x→x0
(l1, l2, . . . , lm) si y sólo si lı́m fi(x) = li para todo i ∈ {1, 2, . . . , m}.
x→x0

Proposición (Unicidad del lı́mite). Dado D ⊆ Rn, x0 ∈ D  y


una función de varias variables f : D → Rm, entonces si existe el
lı́mite de la función f en el punto x0, éste es único.

365 366

Ejemplo Proposición. Dado un subconjunto D ⊂ Rm, un punto de acu-


4 4
Demuestra que lı́m(x,y)→(0,0) xx2 +y
+y 2
= 0. mulación x0 ∈ D , funciones f , g : D → Rm y elementos m, n de
Solución. Fijado > 0 tendremos que encontrar δ > 0 tal que si Rm, se verifican:
  4 4
  x4 +y 4
(x, y) − (0, 0)2 = x2 + y 2 < δ entonces  xx2 +y
+y 2 
= x2 +y 2 < .
Si lı́m f (x) = m y lı́m f (x) = n entonces lı́m (f + g)(x) =
x→x0 x→x0 x→x0
Como
m + n.
x4 + y 4 x4 + y 4 + 2x2y 2 (x2 + y 2 )2
< = 2 = x2 + y 2 < δ 2 , Además, si m = 1, se tiene que:
x2 + y 2 x2 + y 2 x + y2

entonces basta con tomar δ = . Si lı́m f (x) = m y lı́m g(x) = n entonces lı́m (f · g)(x) =
x→x0 x→x0 x→x0
m · n.

Si f está acotada y lı́m g(x) = 0 entonces lı́m (f · g)(x) = 0.


x→x0 x→x0

367 368
4. Cálculo de lı́mites de funciones de Ejemplo
Estudiar la existencia del lı́mite en el punto (0, 0) de la función
dos variables
f : R2 \ {(0, 0)} → R dada por
x2 + y
4.1. Lı́mites Iterados f (x, y) =
x2 + y 2
.

Proposición. Sea f : D ⊂ R2 → R y (x0, y0) ∈ D , supongamos Solución. Si se utilizan lı́mites reiterados se obtienen diferentes

que lx,y = lı́m lı́m f (x, y) ∈ R y que ly,x = lı́m lı́m f (x, y) ∈ R. valores y se puede justificar de esta manera que el lı́mite doble no
y→y0 x→x0 x→x0 y→y0
Entonces, si existe lı́m f (x, y) = l se tiene que lx,y = ly,x = l. existe:
(x,y)→(x0 ,y0 )
2
Como consecuencia del resultado anterior podemos afirmar la no lı́my→0 lı́mx→0 xx2 +y
+y y
2 = lı́my→0 y 2 = ±∞ (dependiendo el signo de

existencia de lı́mite, en particular, el resultado anterior admite las in- si el lı́mite se hace por la derecha o por la izquierda).
2 2
terpretaciones siguientes: lı́mx→0 lı́my→0 xx2 +y
+y x
2 = lı́my→0 x2 = 1.

1. Si lx,y , ly,x ∈ R y lx,y = ly,x entonces no existe lı́m f (x, y).


(x,y)→(x0 ,y0 )

2. Si lx,y , ly,x ∈ R y coinciden, el único valor que puede ser lı́m f (x, y) 4.2. Lı́mites direccionales
(x,y)→(x0 ,y0 )
es lx,y = ly,x pero no podemos asegurar que exista dicho lı́mite. Definición (Lı́mite direccional). Sea f : D ⊂ R2 → R una

3. Puede no existir lx,y o ly,x o los dos y que exista lı́m f (x, y). función real de dos variables reales y g : A ⊂ R → R una función real
(x,y)→(x0 ,y0 )
Un ejemplo de este caso es la función f : R → R definida por 2 de variable real tal que x0 ∈ A y lı́m g(x) = y0 . Si (x0, y0 ) ∈ D ,
x→x0

f (x, y) = ysen (1/x) si x = 0 y por f (0, y) = 0. En efecto, para se define el lı́mite direccional de f a lo largo de g en (x0, y0) como

esta función se verifica que lı́m f (x, y) = 0, lı́m lı́m f (x, y) = lg = lı́m f (x, g(x)).
x→x0
(x,y)→(0,0) x→0 y→0
0 y sin embargo lı́m lı́m f (x, y) no existe. Una propiedad básica de los lı́mites direccionales viene recogida en
y→0 x→0
la siguiente proposición.
369 370

Proposición. Sean f : D ⊂ R2 → R y g : A ⊂ R → R tales que Ejemplo

x0 ∈ A y lı́m g(x) = y0 . Entonces, si existe lı́m f (x, y) = Estudiar la existencia del lı́mite en el punto (0, 0) de la función
x→x0 (x,y)→(x0 ,y0 )
l ∈ R se tiene que l = lg . f : R2 \ {(0, 0)} → R dada por
x2 + y
Esta proposición tiene consecuencias a tener en cuenta a la hora del f (x, y) = .
x2 + y 2
cálculo de lı́mites. Sean g1 y g2 funciones en las condiciones de g de la
Solución. Hacemos un lı́mite direccional acercándonos por la parábo-
definición anterior y f como en la misma definición. Se verifican:
la y = λx2:
1. Si lg1 = lg2 , entonces no existe el lı́mite lı́m f (x, y).
(x,y)→(x0 ,y0 )

2. Si lg1 ∈
/ R, entonces no existe lı́m f (x, y). x2 + λx2 x2(1 + λ)
lı́m 2 2 4
= lı́m 2 =1+λ
(x,y)→(x0 ,y0 ) x→0 x + λ x x→0 x (1 + λx2 )

3. Si existe lg1 ∈ R entonces, si existe lı́m f (x, y), éste coincide Como el lı́mite direccional depende de la parábola elegida entonces
(x,y)→(x0 ,y0 )
con lg1 . no existe el lı́mite doble planteado.

A partir de ahora nos restringiremos al cálculo de lı́mites en (0, 0) ya


que para calcular un lı́mite en un punto (x0, y0 ), lı́m f (x, y), una
(x,y)→(x0 ,y0 )
simple translación hace que este coincida con lı́m f (x+x0 , y+y0 ).
(x,y)→(0,0)
Para intentar demostrar que un cierto lı́mite no existe, utilizaremos
funciones del tipo g(x) = mxn.

371 372
4.3. Paso a coordenadas polares Como este lı́mite depende del ángulo θ no va a existir el lı́mite.
Demostramos la no existencia recurriendo a los lı́mites direccionales.
Presentamos ahora un resultado que permite calcular el lı́mite de
Hacemos un lı́mite direccional acercándonos por las rectas y = mx:
una función f : D ⊂ R2 → R en el punto (0, 0) usando coordenadas
polares.
x4 + 3x2m2x2 + 2xm3x3 x4 1 + 3m2 + 2m3 1 + 3m2 + 2m3
 lı́m = lı́m 4 =
Proposición. Sea D ⊆ R tal que (0, 0) ∈ D y f : D → R. Si
2 x→0 2 2 2
(x + m x ) 2 x→0 x (1 + m2)2 (1 + m2)2
existe l ∈ R tal que lı́m f (rcos θ, rsen θ) = l para todo θ ∈ [0, 2π[ y Como el lı́mite direccional depende de m entonces no existe el lı́mite
r→0
|f (rcos θ, rsen θ) − l| ≤ F (r) para todo θ ∈ [0, 2π[ donde F es una doble planteado.
función real de variable real que satisface lı́m F (r) = 0, entonces Ejemplo
r→0
lı́m f (x, y) = l. Estudiar la existencia del lı́mite en el punto (0, 0) de la función
(x,y)→(0,0)

Ejemplo f : R2 \ {(0, 0)} → R dada por


 
Estudiar la existencia del lı́mite en el punto (0, 0) de la función 2x5 + 2y 3 2x2 − y 2
f (x, y) = .
(x2 + y 2 )2
f : R2 \ {(0, 0)} → R dada por
Solución.
x4 + 3x2y 2 + 2xy 3
f (x, y) = .
(x2 + y 2 )2 Empezamos calculando los lı́mites reiterados para ver si nos da al-
Solución. guna información:
Si hacemos el lı́mite por coordenadas polares obtenemos: 5
lı́mx→0 lı́my→0 f (x, y) = lı́mx→0 2x
x4
=0
5
lı́my→0 lı́mx→0 f (x, y) = lı́my→0 −2y
y4
=0
lı́m f (rcos θ, rsen θ)
r→0
r4 Ası́ que si existe el lı́mite valdrı́a 0.
= lı́m 4 (cos 4θ + 3cos 2θsen 2θ + 2cos θsen 3θ)
r→0 r
Intentamos ver si realmente existe usando coordenadas polares:
= cos 4θ + 3cos 2θsen 2θ + 2cos θsen 3θ
373 374

5. Continuidad de funciones de varias


2r5cos 5θ + 2r3sen 3θ(2r2cos 2θ − r2 sen 2θ)
lı́m f (rcos θ, rsen θ) = lı́m
r→0 r→0 r4 variables
r5(2cos 5θ + 4 sen3 θcos 2θ − 2sen 3θsen 2θ)
= lı́m
r→0 r4 Generalizamos en este apartado la definición de continuidad de fun-
= lı́m r(2cos θ + 4 sen θcos θ − 2sen 3θsen 2θ) = 0
5 3 2
ciones reales de variable real a las funciones de varias variables.

Ahora tenemos que hacer la acotación de |f (rcos θ, rsen θ) − 0| por Definición (Continuidad). Sea D ⊆ Rn, f : D → Rm y x0 ∈ D,
una función F (r) que sólo dependa de r y que tienda a 0 cuando r diremos que f es continua en x0 si y sólo si para todo > 0 existe
tiende a 0: d > 0 tal que si x − x0 < d entonces f (x) − f (x0) < .
Diremos que la función f es continua si y sólo si es continua en todos
5 3
|f (rcos θ, rsen θ) − 0| = |r(2cos θ + 4 sen θcos θ − 2sen θsen θ)|2 3 2 los puntos de D.
1 2
≤ r 2|cos 5θ| + 4|sen 3θcos 2θ| + 2|sen 3θsen 2θ| ≤ 8r = F (r) Al igual que en el caso de funciones reales de variable real habı́a una
estrecha relación entre la continuidad y los lı́mites, para las funciones de
Como lı́mr→0 F (r) = 0 entonces obtenemos finalmente:
varias variables existe un resultado análogo que damos a continuación.

lı́m f (x, y) = 0. Proposición. Dada una función de varias variables f : D ⊂ Rn →


(x,y)→(0,0)
Rm y dado x0 ∈ D , entonces son equivalentes:

1. f es continua en x0,

2. existe el lı́mite lı́m f (x) y es igual a f (x0).


x→x0

375 376
5.1. Propiedades de las funciones con- Al igual que para las funciones reales de variable real, dada una
función real dependiente de varias variables reales, f : D ⊂ Rn → R,
tinuas
diremos que m ∈ D (resp. M ∈ D) es un mı́nimo absoluto (resp.
Proposición. Dado un subconjunto D ⊂ Rm y funciones f , g : máximo absoluto) de f si y sólo si f (m) ≤ f (x) (resp. f (x) ≤ f (M))
D → Rm continuas en x0 ∈ D, se verifican: para todo x ∈ D.

f + g es continua e x0. Teorema (de los valores extremos). Dado un conjunto com-
f  : D → R es continua en x0. pacto K ⊂ Rn y una función continua f : K → R, existen valores

Además, si m = 1, se tiene que: m ∈ K y M ∈ K que son respectivamente mı́nimo y máximo


absolutos de la función f .
f · g es continua en x0.
Ejercicio
Proposición. Sean f : D ⊂ Rn → Rm y g : E ⊂ Rm → Rk dos
Estudia la continuidad de la función que sigue:
funciones de varias variables tales que f (D) ⊂ E. Sea x0 ∈ D tal
que f es continua en x0 y g es continua en f (x0). Entonces g ◦ f ⎧
⎨ sen xy
si x = 0,
es continua en x0 . f (x, y) = x
⎩y si (x, y) = (0, y) .
Estos teoremas tienen bastante importancia, pues a partir de ellos y
Solución.
basándonos en la continuidad de las funciones coordenadas
Para decidir si es continua hay que ver si se verifica:
Xi : D ⊂ Rn −→ R
x = (x1, x2, . . . , xn) → xi, lı́m f (x, y) = f (0, k) = k.
(x,y)→(0,k)
se obtiene que los polinomios de varias variables reales son continuos y
Si se verifica la igualdad anterior entonces la función f será continua.
la composición de las funciones que conocemos también. Por ejemplo,
En caso contrario no lo serı́a.
funciones del tipo f (x, y, z) = (sen (x2y), esen (x+yz)) son continuas.
377 378

Comprobamos que en este caso se verifica lı́m(x,y)→(0,k) f (x, y) = k. Tema 10: Funciones de varias variables.
Ası́ que, fijado > 0, debemos encontrar δ > 0 tal que si (x, y) − Diferenciabilidad
(0, k)1 = |x| + |y − k| < δ entonces |f (x, y) − k| < . Gabriel Soler López
Primera consideración: puesto que lı́mx→0 1 − sen x
x
= 0, para 24 de mayo de 2006
x =
4(|k|+1)
existe δ0 > 0 tal que si |x − 0| < δ0 entonces
 sen x 
 6. Derivadas direccionales y derivadas
1 − < . (18)
x 4
Segunda consideración: elegimos ahora parciales

δ = mı́n{1, , δ0 }. (19) En este apartado generalizaremos la noción de derivada introducida
8
para las funciones reales de una variable real.
Demostración del lı́mite: suponemos ahora que (x, y)−(0, k)1 =
|x| + |y − k| < δ, entonces: Definición (Derivada direccional). Sea D un subconjunto abier-
 sen x  to de Rn, f : D → Rm y v ∈ Rn \ {0}. Si a ∈ D, se define la derivada
 
|f (x, y) − k| ≤  y − k  + |y − k|
$ sen x % x 
  direccional en la dirección del vector v de f en a como el lı́mite:
≤ − 1 y + y − k  + |y − k|
x $ %  f (a + tv) − f (a)
 sen x  Dv f (a) = lı́m
≤ − 1 y  + 2|y − k| t→0 h
$ sen x % x
 
≤ − 1  |y| + 2|y − k| (usando ahora la ecuación (18))
x
|y|
≤ |y| + 2|y − k| (usando (19) tenemos que < 1)
4(|k| + 1) |k| + 1

≤ + 2|y − k| ≤ (usando (19)
4

≤ + 2 = < .
4 8 2

379 380
Cuando la derivada direccional se hace en la dirección de la base Esta generalización de derivada tiene una diferencia notable respecto
canónica, se obtiene la definición de derivada parcial : a la derivada de de funciones reales de una variable real, pues la exis-

Definición (Derivada parcial). Sea i ∈ {1, 2, . . . , n}, ei el i- tencia en un punto de éstas, no implica la continuidad en dicho punto.

ésimo vector de la base canónica de Rn, D un subconjunto abierto El siguiente ejemplo ilustra este hecho.

de Rn y f : D → Rm. Se define la derivada parcial i-ésima de la Ejemplo.


función f en el punto a ∈ D y se denota por ∂f
∂xi (a) o por Dif (a) como
f: R2 −→ R
∂f ⎧
∂xi (a) = Dei f (a). ⎨ y2
si x = 0
x
(x, y) → f (x, y) =
Sea i ∈ {1, 2, . . . , n} y consideremos la función de una variable real ⎩ 0 si x = 0.
f i que se obtiene de f fijando todas las coordenadas de a excepto la Para esta función, dado un vector v = (v1, v2) ∈ R2 con v1 = 0, se
i-ésima, es decir: tiene que la derivada direccional de f en (0, 0) en la dirección de
i
f (xi) = f (a1, . . . , ai−1, xi, ai+1, . . . , an). v es:
t2 v22
tv1 v22
Entonces la derivada de esta función (de una variable) en a es: Dv f ((0, 0)) = lı́m = ,
t→0,t=0 t v1
 n para los vectores v de la forma v = (0, v2), la derivada direccional
fji (ai + t) − fji (ai ) j=1
lı́m =
t→0
 t n es:
fji (a1 , . . . , ai−1, ai + t, ai+1, . . . , an ) − fji (a1 , . . . , ai−1, ai, ai+1, . . . , an ) j=1 0
lı́m = Dv f ((0, 0)) = lı́m = 0.
t→0 t n t→0,t=0 t
∂fji
∂xi
(a) . Ası́ que la función f admite derivada direccional en el punto (0, 0)
j=1
respecto de cualquier vector. Sin embargo, si calculamos el lı́mite

Ası́, la derivada parcial i-ésima evaluada en a es el valor que se de la función en el origen según la dirección de la parábola y 2 =

obtiene de sustituir a en la función que resulta de derivar f respecto 2λx, éste depende de λ, en particular vale 2λ. Ası́ que la función

de xi considerando las otras variables constantes. f no es continua en el origen.


381 382

6.1. Interpretación geométrica de las 7. Diferencial de una función. Propie-


derivadas parciales de una función dades
de dos variables Introducimos en este apartado el concepto de función diferenciable

La derivada de una función real de variable real, f : D → R, en un que si implicará continuidad.

punto a representaba la pendiente de la tangente a la curva {(x, f (x)) : Definición (Diferencial). Sea D un subconjunto abierto de Rn,

x ∈ D} en el punto (a, f (a)). f : D → Rm y a ∈ D. Se dice que f es diferenciable en a si existe

Dada una función real de dos variables reales, f : D ⊂ R2 → R, su una aplicación lineal T : Rn → Rm tal que

gráfica {(x1, x2, f (x1, x2)) : (x1, x2) ∈ D} representa una superficie. f (a + h) − f (a) − T(h)
lı́m = 0.
h→0 h
En cuanto a la interpretación de las derivadas parciales de la función
En ese caso, a la aplicación lineal T se le llama diferencial de f en a
f : D ⊂ R2 → R, si f admite derivadas parciales en (x0, y0) ∈ D,
y se denota por df (a).
entonces veremos que la ecuación del plano tangente a la gráfica de f
Teorema. Dado un subconjunto abierto D de Rn, se tiene que si
en (x0, y0 ) viene dada por:
f : D → Rm es diferenciable en a ∈ D entonces f es continua en
∂f ∂f
z − f (x0, y0) = (x0, y0 )(x − x0) + (x0, y0)(y − y0). a.
∂x ∂y
Las nociones de derivada direccional y diferencial están estrechamen-
te relacionadas, esta relación la recoge la siguiente proposición.

Teorema. Sea D un subconjunto abierto de Rn, f : D → Rm y


a ∈ D. Si f es diferenciable en a y v ∈ Rn, entonces f es admite
derivada direccional en a en la dirección de v. Además:

df (a)(v) = Dv f (a).
383 384
En particular ∂f
= df (a)(ei) para todo i ∈ {1, 2, . . . , n}. función:
∂xi (a)

f: R2 −→ R
Cuando tratamos con funciones reales de variable real, la derivabili- ⎧

⎨ (x2 + y 2)sen √ 1
si (x, y) = (0, 0),
dad y diferenciabilidad son conceptos equivalentes. En efecto: (x, y) → f (x, y) = x2 +y 2

⎩ 0 si (x, y) = (0, 0),
Proposición. Si D es un abierto de R y f : D → R es derivable
muestra que existen funciones diferenciables en un punto (el punto
en a ∈ D, entonces f es diferenciable en a y df (a)(t) = f  (a)t.
(0, 0) para esta función f ) cuyas derivadas parciales no son continuas
Para funciones de varias variables reales, ambas nociones no son
en dicho punto.
equivalentes, el teorema anterior muestra que la diferenciabilidad im-
Demostración.
plica existencia de derivadas direccionales. Sin embargo el recı́proco
Empezamos calculando la parcial de f respecto de x. En los puntos
no es cierto, en efecto, la función de un ejemplo anterior admite de-
distintos del origen se calcula haciendo una derivada parcial normal.
rivadas direccionales y no es diferenciable porque no es continua. A
Sin embargo en el origen:
pesar de este ejemplo, si las derivadas parciales son continuas sı́ que la
derivabilidad implica diferenciabilidad:
∂f f (t, 0) − f (0, 0)
(0, 0) = lı́m
Teorema. Sea D un abierto de R que contine al punto a. Si las
n ∂x t→0
t 
1
= lı́m t2sen =0
derivadas parciales, ∂f
∂xi (i ∈ {1, 2, . . . , n}), existen en un entorno t→0 t
del punto a y son continuas en el punto a, entonces la función f Ası́ que:

es diferenciable en a. ⎪
⎨ 2xsen √ 1
−√ x
cos √ 1
si (x, y) = (0, 0),
∂f x2 +y 2 x2 +y 2 x2 +y 2
(x, y) =
Además, el recı́proco del teorema anterior no es cierto puesto que la ∂x ⎪
⎩ 0 si (x, y) = (0, 0),

Esta derivada parcial no es continua en el origen porque el lı́mite


cuando (x, y) tiende a (0, 0) no existe. En efecto, tomamos las direc-

385 386

ciones y = λx y obtenemos que 7.1. Propiedades de la diferencial


1 1 1
lı́m 2xsen √ −√ cos √ Señalamos en este apartado las propiedades más relevantes de la
x→0 x 1 + λ2 1 + λ2 x 1 + λ2
no existe porque el primer sumando tiende a 0, pero el segundo no tiene diferencial.

lı́mite. Teorema. Dado un abierto D ⊂ Rn, a ∈ D y funciones f , g :


Por último vamos a probar que df (0, 0)(h1, h2) = 0. Efectivamente: D → Rm , se verifican:
|f (h1, h2) − f (0, 0) − df (0, 0)(h1, h2)|
lı́m 1. Si f es diferenciable en a entonces es continua en a.
(x,y)→(0,0) (h1, h2)2
(h21 + h22)sen √ 12 2 2. Si f es diferenciable en a entonces la diferencial de f en a es
h1 +h2
= lı́m 
(x,y)→(0,0) h21 + h22 única.

1
= lı́m h21 + h22sen  2 =0
(x,y)→(0,0) h1 + h22 3. f es diferenciable en a si y sólo si las funciones coordenadas
de f lo son.

4. Si f y g son funciones diferenciables en a, entonces f + g es


diferenciable en a. Además:

d(f + g)(a) = df (a) + dg(a).

Teorema (Regla de la cadena). Sean D y E subconjuntos abier-


tos de Rn y Rm respectivamente y sean f : D → Rm y g : E → Rk
tales que f (D) ⊆ E. Si a ∈ D verifica que f es diferenciable en a
y g lo es en f (a), entonces g ◦ f es diferenciable en a y

d(g ◦ f )(a) = dg(f (a)) ◦ df (a).


387 388
7.2. Matriz Jacobiana Ahora podemos obtener las propiedades de la matriz Jacobiana tra-
duciendo las propiedades de la diferencial anteriormente enunciadas:
Hacemos uso ahora del álgebra lineal aprendida en el bloque primero
de la asignatura. Ya que la diferencial de una función f : D ⊂ Rn → Teorema. Dados abiertos D ⊂ Rn y E ⊂ Rm, a ∈ D, funciones

Rm en un punto a ∈ D es una aplicación lineal, ésta estará determinada f , g : D → Rm y h : E → Rk tales que f (D) ⊆ E, f y g son

por su matriz asociada respecto de las bases canónicas de Rn y Rm. diferenciables en a y h es diferenciable en f (a), se verifican:

Definición (Matriz Jacobiana). Sea D un subconjunto abierto 1. J(f + g)(a) = Jf (a) + Jg(a),
de R , f : D → R y a ∈ D tal que f es diferenciable en a. Se define
n m
2. J(g ◦ f )(a) = Jg(f (a))Jf (a).
la matriz Jacobiana de f en a como

Jf (a) = MB,B  (df (a)),

siendo B y B  las bases canónicas de Rn y Rm respectivamente.

Concretamente, si f es diferenciable en a entonces:


⎛ ⎞
∂f1 ∂f1 ∂f1
⎜ ∂x1 (a) ∂x2
(a) . . . ∂xm
(a) ⎟
⎜ ∂f ⎟
⎜ 2 (a) ∂f2 (a) . . . ∂f2 (a) ⎟
⎜ ∂x1 ∂x2 ∂xm ⎟
Jf (a) = ⎜ ⎟
⎜ ... ... ... ... ⎟
⎜ ⎟
⎝ ⎠
∂fm ∂fm ∂fm
∂x1 (a) ∂x2 (a) . . . ∂xn (a)

Un caso particular de la matriz Jacobiana es el vector gradiente de


una función diferenciable real definida en un abierto de Rn, f : D ⊂
Rn → R. En este caso la matriz Jacobiana de la función en un punto
a recibe el nombre de vector gradiente de f en el punto a y se denota
por ∇f (a).
389 390

8. Derivadas parciales de orden supe- Una pregunta que parece natural hacerse es que si dados i, j ∈
∂2f ∂2f
{1, . . . , n}, es verdad que ∂xi xj (a) = ∂xj xi (a). En general dicha igual-
rior 12
dad no se da, pero los siguientes teoremas dan condiciones para que
Sea D un subconjunto abierto de R , f : D → R e i ∈ {1, 2, . . . , n}.
n m sı́ sea cierta.
∂f
Si existe en todo punto de D, se puede definir una función
∂xi Teorema (Schwarz). Sea D ⊂ Rn un conjunto abierto y f :
∂f
: D −→ Rm D → Rm una función tal que ∂f
∂xi y ∂f
∂xj son continuas en D siendo
∂xi
∂2f
a → ∂f i, j ∈ {1, . . . , n} distintos. Si existe : D → Rm y es continua
∂xi (a), ∂xi xj
∂2f
a la cual le podemos estudiar la existencia de sus derivadas parciales. en a ∈ D entonces existe ∂xj xi (a) y se da la igualdad:

Sea j ∈ {1, 2, . . . , n} y definamos la segunda derivada parcial : ∂ f2


∂ 2f
(a) = (a)
∂xixj ∂xj xi
Definición (Derivada parcial segunda). En las condiciones an-
.
teriores, entendemos por derivada parcial segunda de f , primero res-
Teorema (Young-Heffter). Sea D ⊂ Rn un conjunto abierto y
pecto de xi y después respecto de xj en a ∈ D como
  f : D → Rm una función tal que ∂f
y ∂f
están definidas en D y
∂ 2f ∂ ∂f ∂xi ∂xj
(a) = (a). ∂2f
∂xixj ∂xj ∂xi son diferenciables en el punto a ∈ D. Entonces existen ∂xi xj
(a) y
∂2f
Del mismo modo se definen las derivadas parciales terceras, cuar- ∂xj xi
(a) y son iguales.
tas, etc...

Definición (Función de clase C k ). La función f anteriormente


introducida se dice de clase C k si tiene todas las derivadas k-ésimas
continuas en D. Escribiremos f ∈ C k (D, Rm).
12
Aunque sólo damos dos teoremas sobre permutabilidad, el primero en probar un teorema de este corte fue
O. Bonnet bajo hipótesis más restrictivas que A. Schwarz

391 392
Acabamos poniendo un ejemplo que deja claro que existen funciones 9. Extremos relativos y absolutos de
para las que sı́ que importa el orden de derivación. La función:
funciones reales de varias variables
f: R2 −→ R

⎨ xy(x2 −y 2 )
si (x, y) = (0, 0), Empezamos recordando la noción de extremo absoluto de una fun-
x2 +y 2
(x, y) → f (x, y) =
⎩ 0 si (x, y) = (0, 0), ción real, e introduciendo las nociones de extremos relativos. Para ello

∂2f ∂2f fijamos una función real definida en un abierto D de Rn, f : D → R.


admite las derivadas ∂x2 x1 (0, 0) y ∂x1 x2 (0, 0) pero son distintas. En
efecto: Definición (Extremos absolutos y relativos). Un punto M ∈
∂ 2f ∂ 2f D (resp. m ∈ D) diremos que es un máximo relativo (resp. mı́nimo
(0, 0) = 1 y (0, 0) = −1.
∂x2x1 ∂x1x2
relativo) si existe un entorno U ⊂ D de M (resp. de m) tal que
f (x) ≤ f (M) (resp. f (m) ≤ f (x)) para todo x ∈ U .
Un punto M ∈ D (resp. m ∈ D) diremos que es un máximo
absoluto (resp. mı́nimo absoluto) si f (x) ≤ f (M) (resp. f (m) ≤
f (x)) para todo x ∈ D.

Teorema (Condición necesaria para la existencia de extre-


mos relativos). Sea D un abierto de Rn y una función f : D →
R de clase C 1. Si a ∈ D es un extremo relativo de f entonces
∂f
∂xi (a) = 0 para todo i ∈ {1, 2, . . . , n}.

393 394

Esta condición, sin embargo, no es suficiente. En efecto, la función Teorema. Sea D un abierto de Rn, f : D → R una función de
∂f ∂f ∂f
f: R2 −→ R clase C 2 y a ∈ D tal que ∂x1 (a) = ∂x2 (a) = ··· = ∂xn (a) = 0.

(x, y) → (y − x2)(y − 2x2), Consideremos la sucesión:

tiene sus dos derivadas parciales primeras iguales a 0 en el punto (0, 0), 1, Δ1f (a), Δ2f (a), . . . , Δn−1 f (a), Δnf (a),
pero éste no es un extremo relativo. Es por tanto introducir condiciones
entonces:
adicionales para asegurar la existencia de extremos.
1. Si todos los términos de la sucesión de números anteriores son
Definición (Hessiano). Sea i ∈ {1, 2, . . . , n} y supongamos que la
positivos la función tendrá un mı́nimo relativo en a.
función f introducida al principio de esta sección es de clase C 2, para
ella definimos la matriz hessiana de orden i en un punto a como: 2. Si los términos de la sucesión anterior son alternadamente
⎛ ⎞ positivos y negativos, entonces la función tendrá un máximo
∂2f ∂2f ∂2f
⎜ ∂x1 2 (a) ∂x1 x2 (a) . . . ∂x1 xi (a) ⎟
⎜ ∂2f ⎟ relativo.
⎜ (a) ∂2f
(a) . . . ∂2f
(a) ⎟
⎜ ∂x2 x1 ∂x2 2 ∂x2 xi ⎟
Hi f (a) = ⎜ ⎟
⎜ ... ... ... ... ⎟ 3. En otro caso no se puede asegurar nada, puede existir o no
⎜ ⎟
⎝ 2 2 2

∂ f ∂ f ∂ f extremo relativo.
∂xi x1 (a) ∂xi x2 (a) . . . ∂x 2 (a) i

Se define el Hessiano de orden i de la función f en el punto a como: Para funciones de dos variables, se tiene que si Δ2f (a) < 0
entonces a no es extremo relativo de f .
Δif (a) = |Hi f (a)|.
Para los casos no contemplados anteriormente es necesario un análi-
sis en las proximidades del punto crı́tico para determinar si éste es o
no un extremo relativo de la función.

395 396
125 > 0, 125 − 1 > 0, luego en
Ahora la sucesión 1, Δ1, Δ2 es 1 > 0, 100
Ejemplo 500

50 20
Calcula los extremos relativos de la función f (x, y) = xy + x + y (5, 2) la función f presenta un mı́nimo relativo.
con x > 0 e y > 0; Ejemplo
Solución. Calcula los extremos relativos de la función f (x, y) = xy log(x2 +y 2 )
siendo (x, y) = (0, 0);
∂f 50 50 Solución.
(x, y) = y − 2 = 0 ⇒ yx2 − 50 = 0 ⇒ y = 2
∂x x x
∂f 20 Empezamos haciendo las parciales para buscar los puntos candidatos
(x, y) = x − 2 = 0 ⇒ xy 2 − 20 = 0
∂y y
a extremos:
Sustituyendo el valor de y de la primera ecuación en la segunda:
502 50
x − 20 = 0 ⇒ 125 = x3 ⇒ x = 5 e y = 2 = 2 ∂f 1
x4 x (x, y) = y log(x2 + y 2 ) + xy 2 2x = 0,
∂x x + y2
Ası́ que debemos estudiar la presencia de un extremo relativo sólo
∂f 1
(x, y) = x log(x2 + y 2 ) + xy 2 2y = 0,
en el punto (5, 2), para ello calculamos el Hessiano en dicho punto. ∂y x + y2

∂ 2f 100 Ahora resolvemos este sistema:


(x, y) = 3
∂x2 x
∂ 2f 40
(x, y) = 2x2y
∂y 2 y3 y log(x2 + y 2) = − , (20)
∂ 2f ∂ 2f x2 + y 2
(x, y) = (x, y) = 1
∂x∂y ∂y∂x
2xy 2
x log(x2 + y 2) = − , (21)
x2 + y 2
⎛ ⎞ ⎛ ⎞ de aquı́ deducimos:
100 100
1 1
Hf (x, y) = ⎝ x3 ⎠ ⇒ Hf (5, 2) = ⎝ 125 ⎠ y 2x2y x
1 400
1 5 = = ⇒ y 2 = x2 ⇒ y = ±x
y3 x 2xy 2 y
397 398

Sustituyendo el valor obtenido para y en la ecuación (20):


∂ 2f 2x 4xy(x2 + y 2) − 2x · 2x2y
±x log(2x2) = ∓x ⇒ ±x log(2x2) ± x = 0 (x, y) = y 2 +
∂x2 x + y2 (x2 + y 2 )2
⇒ ±x(log(2x2) + 1) = 0 ⇒ log(2x2) + 1 = 0 2x 4xy 3
=y 2 +
1 x + y 2 (x2 + y 2)2
⇒ log(2x2) = −1 ⇒ e−1 = 2x2 ⇒ = x2 ∂ 2f 2y 4xy(x2 + y 2) − 2y · 2y 2x
⎧ 2e 2
(x, y) = x 2 2
+
⎨ x = √1 ∂y x +y (x2 + y 2 )2
⇒ 2e
2x 4yx3
⎩ x = √1 =y 2 +
− 2e x + y 2 (x2 + y 2)2
Ası́ que los puntos donde posiblemente se encuentran los extremos ∂ 2f 2y 2x2(x2 + y 2) − 2y · 2x2y
(x, y) = log(x2 + y 2 ) + y 2 +
∂x∂y x + y2 (x2 + y 2 )2
relativos son: 2y 2
2x4 − 2x2y 2
    = log(x2 + y 2 ) + 2 2
+
1 1 1 1 x +y (x2 + y 2 )2
p1 = √ , √ p2 = √ , − √
 2e 2e   2e 2e

1 1 1 1
p3 = − √ , − √ p4 = − √ , √ Finalmente calculamos el hessiano, para ello distinguiremos dos ca-
2e 2e 2e 2e
Estudiamos ahora el hessiano de f : sos, primero lo calcularemos en los puntos en los que x = y, p1 y p3,
y luego lo calcularemos en los puntos en los que x = −y, p2 y p4.
Es importante que te des cuenta de que no hace falta recurrir al valor
exacto de x e y, lo que simplifica los cálculos.
Puntos p1 y p3.
⎛ ⎞
2 0
Hf (p1) = Hf (p3) = ⎝ ⎠
0 2

Para estos dos puntos, como la sucesión 1,Δ1 = 2, Δ1 = 4, está formada


por términos positivos se deduce que en ellos hay un mı́nimo relativo.
399 400
Puntos p2 y p4. clase C 1 tales que el rango 13 de la matriz
 
∂gi
⎛ ⎞
∂xj (i,j)∈{1,...,p}×{1,...,p+q}
−2 0
Hf (p2) = Hf (p4) = ⎝ ⎠ sea igual a p. Sea S el conjunto definido por S = {x ∈ D : gi (x) =
0 −2
0, i = 1, . . . , p} y sea a ∈ S.
Para estos dos puntos, como la sucesión 1,Δ1 = −2, Δ2 = 4, está for-
Se dice que el punto a es un máximo relativo condicionado (resp.
mada por términos alternadamente positivos y negativos se deduce que
mı́nimo relativo condicionado) por las ecuaciones gi(x) = 0, i =
en ellos hay un máximo relativo.
1, . . . p, cuando existe un entorno U de a tal que f (a) ≥ f (x) (resp.
f (a) ≤ f (x)) para todo x ∈ S ∩ U .
9.1. Multiplicadores de Lagrange
Con estas definiciones se tiene la siguiente relación necesaria para la
En este apartado presentamos el método de los multiplicadores de existencia de extremos relativos condicionados.
Lagrange para calcular extremos de una función condicionados por
Teorema (Condición necesaria). Si la función anterior f es
algunas ligaduras, aprenderemos pues a resolver problemas del estilo:
de clase C 1, para que la función f tenga un máximo relativo con-
“encontrar los puntos que están sobre el cilindro de ecuación x2 +y 2 = 1
dicionado en el punto a es necesario que existan números reales
y sobre el plano de ecuación x + y + z = 1 y cuya distancia al origen
λ1, λ2, . . . , λp tales que la función
de coordenadas sea máxima o mı́nima”, en este problema, se trata de
L = f + λ1g1 + λ2g2 + · · · + λpgp
encontrar un máximo o un mı́nimo de la función f (x, y, z) = x2+y 2 +z 2
cuando la consideramos definida sólo en el conjunto {(x, y, z) ∈ R3 : tenga nulas todas sus derivadas parciales primeras en a (los núme-

x2 + y 2 + z 2 = 1, x + y + z = 1}. ros λi reciben el nombre de multiplicadores de Lagrange).

Teorema (Condición suficiente). Supongamos que tanto las


Planteamiento del problema. Sea D un conjunto abierto de Rp+q , f una
funciones gi como la función f son de clase C 2 y existen números
función real definida sobre D y g1, g2, . . . , gp : D → R funciones de 13
Esta condición viene a expresar que ninguna ligadura es redundante

401 402

reales λ1, λ2, . . . , λn tales que la función L = f + λ1g1 + . . . λpgp condiciones de ligadura,

tiene todas sus primeras derivadas parciales en a ∈ D ∩ S nu- ⎪
⎪ ∂Fλ

⎪ ∂x (x, y, λ) = 0,

las. Entonces para que f tenga en a un mı́nimo (resp. máximo) ∂Fλ
⎪ ∂y (x, y, λ) = 0,


relativo condicionado es suficiente que se verifique: ⎪
⎩ g(x, y) = 0,
t
h (Hp+q L(a)) h > 0 (resp.h (Hp+q f (a)) h < 0), t ahora, los puntos solución son candidatos a extremos relativos condi-
cionados de f .
para todo vector h = (h1, h2, . . . , hn) = 0 tal que Jgi (a)ht = 0 para
Sea (x0, y0) uno de los candidato a extremo relativo condicionado,
todo i ∈ 1, . . . , p.
siendo λ0 el valor de λ que dio lugar a tal solución. Planteamos la
Esta visión general del método plantea problemas para entenderlo, ecuación
por lo que daremos seguidamente, cómo proceder en los casos en que ∂g ∂g
(x0, y0 )h1 + (x0, y0 )h2 = 0,
∂x ∂y
D sea un abierto de R2 o R3.
de la que despejamos una de las dos incógnitas, h1 o h2, en función de
la otra.
El método de los multiplicadores de Lagrange en R2 . Supongamos que f es
Por último evaluamos con la incógnita despejada la expresión:
una función de clase C 2 definida sobre un conjunto abierto D de R2,
sea el conjunto de ligaduras S = {(x, y) ∈ D | g(x, y) = 0}, siendo g ⎛ ⎞
h1
una función real de clase C 2 definida sobre D. Para aplicar el método (h1, h2) · H2Fλ0 (x0, y0 ) · ⎝ ⎠
h2
de los multiplicadores de Lagrange consideraremos la función
∂ 2 Fλ 0 ∂ 2 Fλ 0 ∂ 2 Fλ 0
= (x0, y0 )h21 + 2 (x0, y0 )h1h2 + (x0, y0)h22,
Fλ : D −→ R ∂x2 ∂xy ∂y 2

(x, y) → f (x, y) + λg(x, y). y se tiene:

Entonces resolvemos el sistema que sigue, teniendo en cuenta las 1. Si la expresión es siempre positiva, entonces (x0, y0) es un mı́nimo
relativo condicionado de f .
403 404
2. Si la expresión es siempre negativa, entonces (x0, y0) es un máximo Ahora hacemos el cálculo del hessiano de L para λ = −1/2:
relativo condicionado de f . ∂2L
(x, y) =0 ∂2L
(x, y) =1
∂x2 ∂x∂y
∂2L
3. En otro caso tendremos que analizar en las proximidades de (x0, y0 ) ∂y 2
(x, y) =0

si éste es o no un extremo relativo condicionado. ⎛ ⎞


0 1
HL(x, y) = ⎝ ⎠
Ejemplo 1 0
Calcular los extremos de la función que sigue f (x, y) = xy si x+y = Estudiamos el signo de (h1, h2)HL(x, y)(h1, h2)t cuando h2 = −h1 =
1; 0 y x = y = 1/2:
⎛ ⎞⎛ ⎞ ⎛ ⎞
Solución. La función de Lagrange será: 0 1 h1 h1
(h1, h2) ⎝ ⎠ ⎝ ⎠ = (h1, −h1) ⎝ ⎠ = −h21 − h21 < 0
L(x, y) = xy + λ(x + y − 1) 1 0 −h1 −h1

Ası́ que en el punto (1/2, 1/2) es un máximo condicionado.


y se deben satisfacer las condiciones:
⎫ Ejemplo
∂L ⎪
⎪ ⎫ ⎧
(x, y) = y + λ = 0, ⎪

∂x ⎬ y = −λ = x, ⎬ ⎨ λ = −1 , Calcula los extremos condicionados de la siguiente función f (x, y) =
2
∂L
(x, y) = x + λ = 0, ⇒ ⇒
∂y ⎪
⎪ −2λ − ⎭ ⎩ x = y = 1. cos 2x + cos 2y si x − y = π4 ;
⎪ 1 = 0
g(x, y) = x + y − 1 = 0 ⎪
2

Solución. Estudiaremos la función lagrangiana:
Ası́ que el punto candidato a extremo relativo es (x, y) = (1/2, 1/2)
para λ = −1/2.
L(x, y) = cos 2x + cos 2y + λ(x − y − π/4),
Calculamos el jacobiano de g: Jg(x, y) = (1, 1) ⇒ Jg(1/2, 1/2) =
∂L
= −2cos xsen x + λ = 0 ⇒ 2cos xsen x = λ,
(1, 1). Calculamos seguidamente los vectores (h1, h2) tales que: ∂x
⎛ ⎞ ∂L
  = −2cos ysen y + λ = 0 ⇒ 2cos ysen y = λ.
∂g ∂g h1 ∂y
(1/2, 1/2), (1/2, 1/2) ⎝ ⎠ = 0 ⇒ h1+h2 = 0 ⇒ h2 = −h1.
∂x ∂y h 2

405 406

Por otro lado impondremos la ligadura: Ası́ que los puntos candidatos a extremos condicionados son:

π π
g(x, y) = x − y − π/4 = 0 ⇒ x − y = π/4. (xk , yk ) = ( + kπ/2, − + kπ/2), k ∈ Z,
8 8 √
π 2
Ası́ que: λk = sen (2xk ) = sen ( + kπ) = (−1)k .
4 2
Calculamos ahora el jacobiano de g en estos puntos:

sen (2x) = λ,

sen (2y) = λ, Jg(xk , yk ) = (1, −1),


x − y = π/4.
y ahora los vectores (h1, h2) tales que Jg(xk , yk )(h1, h2)t = 0 :
⎛ ⎞
Resolvemos este sistema y obtenemos: h1
(1, −1) ⎝ ⎠ = 0 ⇒ h1 − h2 = 0 ⇒ h1 = h2 .
h2

x = π/4 + y, Estudiamos el hessiano para decidir si hay extremos condicionados:


∂ 2L
sen (π/2 + 2y) = λ = sen (π/2)cos (2y) + cos (π/2)sen (2y) ⇒ cos (2y) = λ. = −2cos (2x) ∂2L
=0
∂x2 ∂x∂y
2
∂ L
Ahora tenemos: = −2cos (2y)
∂y 2


⎛ ⎞ ⎛ √ ⎞
cos (2y) = λ ⎬
⇒ tan(2y) = −1 ⇒ 2y = −π/4 + kπ, k ∈ Z −2cos (2xk ) 0 −2 22 (−1)k 0
⎝ ⎠ ⎝ ⎠
sen(2y) = −λ ⎭
H2L(xk , yk ) = = √
⎧ 0 −2cos (2yk ) 0 −2 22 (−1)k
⎨ y = − π + kπ/2, ⎛√ ⎞
⇒ 8 2(−1)k+1 0
⎩ x = π + kπ/2, k ∈ Z. =⎝ √ ⎠
8 0 2(−1)k+1
407 408
Finalmente computamos el signo de (h1, h1)H2L(xk , yk )(h1, h1)t pa- 10. El teorema de la función implı́cita
ra todo h1 > 0:
⎛√ ⎞ Teorema. Sea D un subconjunto abierto de Rn × Rm, supongamos
2(−1)k+1 0
t
(h1, h1)H2L(xk , yk )(h1, h1) = (h1, h1) ⎝ √ ⎠ (h1, h1)t que fi = fi (x1, . . . , xn, y1 , . . . , ym ) ∈ C k (D, R) 1 ≤ i ≤ m, k ∈ N, y
0 2(−1)k+1
⎛ √ ⎞ sea (a, b) = (a1, . . . , an, b1, . . . , bm) ∈ D. Supongamos que
h1 2(−1)k+1 √ √  
⎝ ⎠ = h21 2(−1)k+1 + h21 2(−1)k+1 =  ∂f 
= (h1, h1) √  1 (a, b) ∂f1 (a, b) . . . ∂f1 (a, b) 
h1 2(−1) k+1  ∂y1 ∂y2 ∂ym 
 ∂f 
√  2 (a, b) ∂f2 (a, b) . . . ∂f2 (a, b) 
2h21 2(−1)k+1  ∂y1 ∂y2 ∂ym 
  = 0.
 ... ... ... ... 
√  
 
Ası́ que si k es par entonces 2h21 2(−1)k+1 < 0 y tenemos un máxi-  ∂fm ∂fm ∂fm 
 ∂y1 (a, b) ∂y2 (a, b) . . . ∂yn (a, b) 
mo condicionado en (xk , yk ). Por el contrario si k es impar entonces
√ Entonces existe un subconjunto abierto U de Rn tal que (a1, . . . , an) ∈
2h21 2(−1)k+1 > 0 y tenemos un mı́nimo condicionado en (xk , yk ).
U , un subconjunto abierto V de Rm tal que (b1, . . . , bm) ∈ V y una
única función ϕ ∈ C k (U, V ) con funciones coordenadas ϕ1, . . . , ϕm
tales que:

1. U × V ⊆ D.

2. fi(x1, . . . , xn, ϕ1(x1, . . . , xn), . . . , ϕm (x1, . . . , xn)) = 0, 1 ≤ i ≤


m. Además, si (x1, . . . , xn ) ∈ U y si (x1, . . . , xn, y1 , . . . , ym) ∈
U × V verificando que f (x1, . . . xn, y1 , . . . , ym) = 0 entonces
ϕ(x1, . . . , xn) = (y1, . . . , ym ).

3. ϕ(a1, . . . , an) = (b1, . . . , bm).

409 410

Aunque este resultado no nos da una expresión de ϕ, de las ecuacio- deducimos:


nes fi (x1, . . . , xn, ϕ(x1, . . . , xn)) = 0, 1 ≤ i ≤ m, se pueden obtener
1. Existe un abierto U de (0, 0) y V de 0 tales que U × V ⊂ R3.
las derivadas parciales de ϕ en (a1, . . . , an) y ası́, se puede obtener una
2. Existe
aproximación de ϕ en un entorno de (a1, . . . , an) mediante un polino-
ϕ:V → U
mio de Taylor. Éstos cálculos se verán en las clases de problemas.
z → (ϕ1(z), ϕ2(z))
Ejemplo tal que fi(ϕ1(z), ϕ2(z), z) = 0 para todo z ∈ V y para i ∈ {1, 2}.
Comprobar que el sistema de ecuaciones Tanto ϕ1 como ϕ2 son funciones de clase C ∞ .

⎨ x+y+z =0
3. ϕ1(0) = 0 = ϕ2(0).
⎩ x − y − 2xz = 0

define a (x, y) como funciones implı́citas de z en un abierto del punto Ahora usamos que ϕ1(z) + ϕ2(z) + z = 0 y que ϕ1(z) − ϕ2(z) −

z = 0 con los valores (x, y) = (0, 0) . Calcular las derivadas primeras y 2zϕ1(z) = 0. Derivamos ambas expresiones y obtenemos: ϕ1(z) +

segundas de dicha función en el punto considerado. ϕ2(z) + 1 = 0 y ϕ1(z) − ϕ2(z) − 2ϕ1(z) − 2zϕ1(z) = 0. Particu-

Solución. larizando ahora ambas expresiones en z = 0 tenemos:

Definimos las funciones: ϕ1(0) + ϕ2(0) + 1 = 0,

f1(x, y, z) = x + y + z ϕ1(0) − ϕ2(0) = 0.

f2(x, y, z) = x − y − 2xz −1
Resolviendo este sistema se tiene que ϕ1(0) = 2 = varphi2(0).
Puesto que:

1. f1(0, 0, 0) = f2(0, 0, 0) = 0 y
   
 ∂f1   
 ∂x (0, 0, 0) ∂f 1
(0, 0, 0)   1 1 
2.  ∂y =
 
 = −2 = 0,

 ∂f
∂x
2
(0, 0, 0) ∂f
∂y
2
(0, 0, 0)   1 −1 
411 412
11. El teorema de la función inversa

Teorema (Función inversa). Sea D un subconjunto abierto de


Rn, f : D → Rn una función de clase C k , k ∈ N, y a ∈ D tal que
|Jf (a)| = 0. Entonces existen subconjuntos abiertos de Rn, U y V ,
tales que:

1. a ∈ U y f (a) ∈ V .

2. f|U : U → V es biyectiva y f −1 : V → U es de clase C k

3. Jf −1(f (y)) = (Jf (x))−1 para todo y ∈ V y x ∈ U tales que


f (x) = y.

413