Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodos Matem Aticos III PDF
Metodos Matem Aticos III PDF
Autores:
Natalia Arancibia
Christopher Araya
Pablo Gutiérrez1
Hernán Herrera
Héctor Herrera
Mohit Karnani
Vania Martı́nez
Javiera Recabal
Anibal Toro
Pablo Troncoso
José Uribe
1Editor del apunte, por tanto todos los errores son de mi responsabilidad, si encuentras alguno favor mandar un correo a pgutie-
cu@fen.uchile.cl
i
Introducción 1
iii
iv Índice general
1.7.0.10. Ejercicio 10 15
Capı́tulo 2. Introducción al concepto de funciones en varias variables 17
Ejemplos de Funciones de Varias Variables 17
2.1. Funciones de varias variables importantes 17
2.2. Dominio de una función de varias variables 17
2.3. Propiedades de las funciones de varias variables 18
2.4. Composición de Funciones 18
2.5. Definición de norma 18
2.6. Funciones en R2 : Representación gráfica 19
2.7. Curvas de nivel 20
2.7.1. Isocuanta 20
2.7.2. Isocosto 20
2.8. Ejercicios Resueltos 20
2.8.1. Ejercicio 1 20
Respuesta 21
2.8.2. Ejercicio 2 21
Respuesta 21
2.8.3. Ejercicio 3 22
Respuesta 23
2.8.4. Ejercicio 4 23
Respuesta 23
2.8.5. Ejercicio 5 24
Respuesta 24
2.9. Ejercicios Propuestos 24
2.9.0.1. Ejercicio 1 24
2.9.0.2. Ejercicio 2 24
2.9.0.3. Ejercicio 3 24
2.9.0.4. Ejercicio 4 24
2.9.0.5. Ejercicio 5 25
2.9.0.6. Ejercicio 6 25
2.9.0.7. Ejercicio 7 25
2.9.0.8. Ejercicio 8 25
2.9.0.9. Ejercicio 9 25
2.9.0.10. Ejercicio 10 25
Capı́tulo 3. Derivadas multivariadas 27
3.1. Derivadas parciales 27
3.2. Derivadas parciales de segundo orden 29
3.3. Continuidad en <n 30
3.3.1. Continuidad en un punto 31
3.4. Diferencial 33
3.5. Continuidad y diferenciabilidad 34
3.6. Gradiente 34
3.7. Derivada direccional 35
3.8. Regla de la Cadena 37
3.9. Teorema de la función Implı́cita 38
3.10. Teorema de Schwartz 39
Índice general v
Respuesta 73
Respuesta 73
6.5.2. INSERTARNOMBRECREATIVO 74
Respuesta 74
Respuesta 74
6.5.3. Integral por Tramos 75
Respuesta 75
6.5.4. Partes por partes por partes por partes... 75
Respuesta 75
6.5.5. Fracciones parciales con sustitución 76
Respuesta 76
6.6. Ejercicios Propuestos 77
6.6.0.1. Ejercicio 1 77
6.6.0.2. Ejercicio 2 77
6.6.0.3. Ejercicio 3 77
6.6.0.4. Ejercicio 4 77
6.6.0.5. Ejercicio 5 77
6.6.0.6. Ejercicio 6 77
6.6.0.7. Ejercicio 7 77
6.6.0.8. Ejercicio 8 77
6.6.0.9. Ejercicio 9 77
6.6.0.10. Ejercicio 10 78
Respuesta 93
8.5.4. Ejercicio 4 93
Respuesta 93
8.5.5. Cambio orden de integración 94
Respuesta 94
8.6. Ejercicios Propuestos 95
Respuesta 118
10.9.2. Ejercicio 2 118
Respuesta 118
10.9.3. Ejercicio 3 119
Respuesta 119
10.9.4. Ejercicio 4 120
Respuesta 120
10.9.5. Ejercicio 5 121
Respuesta 121
10.10. Ejercicios Propuestos 122
10.10.1. Propuesto 1 122
10.10.2. Propuesto 2 122
10.10.3. Propuesto 3 122
10.10.4. Propuesto 4 122
10.10.5. Propuesto 5 122
10.10.6. Propuesto 6 123
10.10.7. Propuesto 7 123
10.10.8. Propuesto 8 123
10.10.9. Propuesto 9 123
10.10.10. Propuesto 10 123
Capı́tulo 11. Sistemas de Ecuaciones Lineales 125
11.1. Clasificación de Sistemas de Ecuaciones 126
11.2. Sistemas homogeneos 126
11.3. Sistemas homogeneos 127
11.4. Ejercicios Resueltos 129
11.4.1. Ejercicio 1 129
11.4.2. Ejercicio 2 130
11.4.3. Ejercicio 3 131
11.4.4. Ejercicio 4 132
11.4.5. Ejercicio 5 132
11.5. Ejercicios Propuestos 133
11.5.1. Propuesto 1 133
11.5.2. Propuesto 2 133
11.5.3. Propuesto 3 133
11.5.4. Propuesto 4 133
11.5.5. Propuesto 5 133
11.5.6. Propuesto 6 134
11.5.7. Propuesto 7 134
11.5.8. Propuesto 8 134
11.5.9. Propuesto 9 134
11.5.10. Propuesto 10 135
Capı́tulo 12. Valores y Vectores Propios 137
12.1. Definición 137
12.2. Concepto de independencia lineal 141
12.3. Caracterización de los conjuntos linealmente dependientes 142
12.4. Diagonalización 142
12.4.1. Semejanza de matrices 142
12.4.2. Diagonalización 143
x Índice general
La idea de este apunte es apoyar el estudio del cálculo univariado y multivariado que deben realizar los
alumnos de ingenierı́a comercial, de ingenierı́a en información y control de gestión y contabilidad de la Fa-
cultad de Economı́a y Negocios de la Universidad de Chile. Nunca un alumno habrá pasado por esta escuela
sin conocer todos los tópicos de este apunte.
En la primera parte de este apunte se revisaran los principales temas respcto al cálculo con funciones
en diferentes conjuntos. Para esto, en el primer Capı́tulo se hace un repaso del cálculo univariado. Donde se
explican temas como continuidad y todo lo relacionado con el concepto de derivada.
En el Capı́tulo 2 se introducirá el concepto de funciones con más de una variable. En su parte, el Capı́tulo 3
trata del tópico de derivada en espacios multivariados. Introduciendo los conceptos de derivada parcial y total.
En el Capı́tulo 6, se revisan las integrales indefinidas. Profundizando tópicos como primitivas, integración
por partes y expresiones racionales. Finalmente, el Capı́tulo 7 revisa las integrales definidas.
La segunda parte de este apunte muestra las herramientas más útiles del álgebra lineal que se necesitan
en pregrado para estadı́stica, econometrı́a, optimización e investigación de operaciones. El capı́tulo 9 es una
introducción básica a las matrices.
El capı́tulo 10 muestra la operatoria matricial de manera sencilla. El capı́tulo 11 es una introducción a sistemas
de ecuaciones El capı́tulo 12 define valores y vectores propios para aplicarlos en diagonalización Finalmente
el capı́tulo 13 aplica los conocimientos de cálculo en varias variables y de álgebra lineal a Mı́nimos Cuadrados
Ordinarios que es la herramienta más utilizada por los economistas (actualmente).
1
2 Introducción
Cada capı́tulo además de la materia presenta ejercicios resueltos ası́ como al final de cada capı́tulo
se presenta una lista de ejercicios que el estudiante podrá realizar para poner a prueba los conocimientos
adquiridos. La bibliografı́a básica sugerida para complementar este apunte es el Cálculo 2 de Larson para
la parte de cálculo en varias variables y Álgebra Lineal de Lay para los tópicos de álgebra lineal. Si quieren
profundizar se recomienda el Apostol de Cálculo 2, que es un libro bien teórico, ası́ como el Alpha Chiang
que es un libro aplicado a la economı́a.
Esperando que disfruten este curso, ası́ como que estudien y que aprendan mucho, se despide el equipo de
Métodos Matemáticos III.
Parte 1
Tópicos en cálculo
multivariado
Capı́tulo 1
1.1. Continuidad
Una función continua es aquella para la cual, para puntos cercanos del dominio (para Xs cercanos) se
producen pequeñas variaciones en los valores de la función (da como resultados f(Xs)cercanos). Por su parte,
si la función no es continua, se dice que es discontinua. Una función continua de R en R es aquella cuya
gráfica puede dibujarse sin levantar el lápiz del papel. La definición anterior, es un definición medianamente
informal, solo es relevante para la comprensión de la misma.
Un ejemplo de una función que no es continua en <++ es el caso de f (x) = −1x , en donde la disconti-
nuidad viene dada porque en el dominio los valores pares de x hacen que la función tome valor 1 y en los
impares la función tome valores de -1. Como ejercicio propuesto queda al lector verificar la continuidad de la
función f (x) = 1/x. Primero en < y luego en <++
5
6 1. Repaso de cálculo univariado
1.2. Derivadas
La derivada de una función es una medida de la magnitud con la que cambia el valor de dicha función,
según cambio en el valor de su variable independiente. Es decir, cómo varı́a f (x) ante pequeñas perturbaciones
de x. La derivada es un concepto local, es decir, se calcula la variación de la función en un cierto intervalo,
haciendo que el intervalo considerado se haga cada vez más pequeño. Por esto, se habla del valor de la
derivada de una función en un punto dado.
La derivada (valor) de una función en un punto puede interpretarse geométricamente. Esto debido a que
corresponde a la pendiente de la recta tangente a la gráfica de la función en dicho punto. La recta tangente
es a su vez la gráfica de la mejor aproximación lineal de la función alrededor de dicho punto.
Ejemplo 1.1. Sea f (x) = x2 . Obtener la derivada de f (x) en x0 = 5.
Respuesta:
2
(5 + h) − 52 25 + 10h + h2 − 25
lı́m = lı́m
h→0 h h→0 h
2
10h + h h h2
= lı́m = 10 lı́m + lı́m
h→0 h h→0 h h→0 h
= 10 + lı́m h = 10
h→0
Propiedades
Sea f (x) y g(x) dos funciones derivables:
1. Suma:
0
(f (x) + g(x)) = f 0 (x) + g 0 (x)
2. Multiplicación:
0
(f (x)g(x)) = f 0 (x)g(x) + f (x)g 0 (x)
3. División:
Sea g(x) 6= 0
0
f 0 (x)g(x) − f (x)g 0 (x)
f (x)
=
g(x) g 2 (x)
4. Regla de la cadena:
0
(f (g(x))) = f 0 (g(x))g 0 (x)
f (x) f 0 (x)
xn nxn−1
sen(x) cos(x)
ex ex
ex ex
1
ln(x) x
1. sea una función f (x) : D → R dos veces derivable, entonces será concava si:
f 00 (x) ≤ 0
2. sea una función f (x) : D → R dos veces derivable, entonces será convexa si:
f 00 (x) ≥ 0
1.5. Optimización
2 2 1
Respuesta. f (a) = f (3) = 3+1 = 4 = 2
2 2
f (a + h) = f (3 + h) = 3+h+1 = 4+h
2 1 −h
f (a + h) − f (a) = f (3 + h) − f (3) = 4+h − 2 = 2(4+h)
−h
0 f (a + h) − f (a) 2(4+h) −h −1 −1
f (a) = lı́m ⇒ f 0 (3) = lı́m = lı́m = lı́m =
h→0 h h→0 h h→0 2h(4 + h) h→0 2(4 + h) 8
1- √
∂F ln( arcsin x3 )
∂y
2-
sin(x)
∂F (x−1)
∂x
Respuesta. 1- √
∂F ln( arcsin x3 )
=0
∂y
2-
sin(x)
∂F (x−1) cos(x) ∗ (x − 1) − sin(x)
=
∂x (x − 1)2
1.6.3. Ejercicio 3. Calcule las derivadas totales de las siguientes funciones, considerando regla de la
cadena:
1- r
2z ln(5z)
F (z) = exp ∗
z+1
2- 2
F (x) = (1 + expsin(x ) )3
10 1. Repaso de cálculo univariado
3- p
p 1+ y2 + 1
F (y) = y 2 + 1 − ln( )
xy
Respuesta. 1- r z+1
∂F ln(5z) 1 − ln(5z)
= 2exp2z + exp2z ∗ q ∗( z )
∂z z+1 2 ln(5z) (z + 1)2
z+1
2-
∂F 2 2
= 3(1 + expsin(x ) )2 ∗ expsin(x ) ∗ cos(x2 ) ∗ 2x
∂x
3- √
√x∗xy − (1 + x2 + 1)y
∂F x 1 x2 +1
=√ − √ ∗( )
∂y 2
x +1 1+ x2 +1 (xy)2
xy
1.6.4. Ejercicio 4. La compañı́a ”Patito” está evaluando sus procesos de producción por lo que conoce
su función de produccto total pero no sabe cual es lo optimo de producción para ellos. Además, para calculos
mas simples, necesitan información sobre lo optimo del producto medio y marginal. por lo tanto evaluelos en
el siguiente orden.
a)Producto Total(PT)
b)Producto Medio(PME)
c)Producto Marginal(PMA)
P T = 90K 2 − K 3
Por último asegúrese de saber que los óptimos son la cantidad mı́nima o la máxima.
Respuesta. a) Para ver el producto total,calculamos la condición de primer orden (CPO) para encontrar
los valores crı́ticos
P T 0 = 180K − 3K 2 = 3K(60 − K) = 0
donde K=0 y K=60 son valores crı́ticos.
Luego hay que probar la condición de segundo orden (CSO) para corroborar si son mı́nimos relativos o
máximos relativos:
P T 00 = 180 − 6K
Reemplazando:
c)
P M A = P T 0 = 180K − 3K 2
P M A0 = 180 − 6K = 0
K = 30
CSO:
1.6.5. Ejercicio 5. Los costes de fabricación C(x) de cierta variedad de galletas dependen de la cantidad
elaborada (x en kg) de acuerdo con la siguiente expresión:
C(x) = 10 + 170x
El fabricante estima que el precio de venta de cada kg.de galletas viene dado por:
25x2
P (x) = 200 −
100
En pesos chilenos.
2-Suponiendo que vende todo lo que fabrica, obtén la función que recoja todas sus ganancias.
3-¿ Qué cantidad de galletas le interesa producir para maximizar las ganancias?
Respuesta. Para comprobar como se comporta el crecimiento de la función ”precio de ventaçon respecto
a la cantidad de kg.estudiamos dicho crecimiento:
25x2
P (x) = 200 −
100
−x
P 0 (x) =
2
Por lo tanto como el dominio de la función es para x ≥ 0 podemos determinar que la función es estric-
tamente decreciente en todo su dominio.
2-
Ganancias o utilidad: G(x)
Ingresos: I(x) = x ∗ P (x)
Gastos o costes: C(x)
25x2
G(x) = x ∗ (200 − ) − (10 + 170x)
100
25x3
G(x) = 30x − − 10
100
75x2
G0 (x) = 30 − =0
100
al despejar x nos queda:
x2 = 40
√
x= 40 = ±6, 324
√
x1 = √ 40 ¿Máximo o mı́nimo?
x1 = − 40 ¿Máximo o mı́nimo?
Como las cantidades no pueden ser negativas entonces la ganacia max. se alcanzará cuando se produz-
can 6,32 kg.de galletas.
4-
25x2
P (x) = 200 −
100
√ 2
√ 25 40
P ( 40) = 200 − = 190
100
Su ganancia correspondiente será:
√ 3
√ 25 40
G(x) = 30 40 − − 10 = 116, 49
100
(f + g)0 = f 0 + g 0
(f g)0 = f 0 g + f g 0
1.7.0.7. Ejercicio 7. Un fabricante de productos quı́micos√advierte que el costo por semana de producir
x toneladas de cierto fertilizante está dado por c(x) = 2000 x3 + 40x pesos y el ingreso obtenido por la
20x 2
√
venta de x toneladas está dado por R(x) = 65x . la compañı́a actualmente produce 3100 toneladas por sema-
na, pero esta considerando incrementar o disminuir la producción ya que no están seguros de si su utilidad
será positiva. Como estudiante de la FEN, le solicitan que evalué la situación y cual es la utilidad optima.
Luego explique lo que ocurre si se produce una unidad menos de la optima ( cual es su variación)
1.7.0.10. Ejercicio 10. Si se tiene una función costo estrictamente creciente, positiva y convexa y una
función ingreso cóncava hacia abajo, entonces el ingreso marginal y el costo marginal son iguales en un punto
x; en este punto el beneficio total será máximo.
Demuestre esta proposición.
Capı́tulo 2
Introducción al concepto de
funciones en varias variables
Una función univariada presenta una variable dependiente (denominada y) y una variable independiente
(x):
y = f (x)
Su gráfica, la cual será una lı́nea, dependerá de la forma funcional que tome f en el plano (x, y).
Por otro lado, una función de varias variables se define, básicamente, como aquella relación cuyo número de
variables independientes es superior a uno. Matemáticamente:
∀ ~x ∈ D ⊂ Rn / ∃! y ∈ R/ y = f (~x)
17
18 2. Introducción al concepto de funciones en varias variables
x
Ejemplo 2.2. f (x, y) = x+y . Primero si x + y = 0 la función se indefine, luego el conjunto formado por
y = −x no forma parte del domonio. Entonces se define E = {(x, y) ∈ <2 y = −x}. Con esto se define
DOM = {(x, y) ∈ <2 E}
Ejemplo 2.3. f (x, y) = 1+21√xy . Para resolver este ejemplo hay que darse cuenta que en esta ocasión tenemos
dos condiciones. La primera es que el denominador debe ser diferente de cero, por lo tanto, el primer conjunto
relevante es V = {(x, y) ∈ <2 y = 2−1 √ }. Segundo se tiene que el valor dentro de la función raı́z debe ser
x
que se encuentre en los reales,en conclusión el segundo conjunto es W = {x ∈ <x < 0}. Se
positivo para S
define E ≡ V W. Finalmente, se tiene que DOM = {(x, y) ∈ <2 E}
√
y−x2
Ejemplo 2.4. f (x, y) = x2 +(y−1)2 . Propuesto.
Multiplicación: Sea f (X1 , ..., Xn ) y g(X1 , ..., Xn ), se define la multiplicación de funciones como:
f · g(X1 , ..., Xn ) = f (X1 , ..., Xn ) · g(X1 , ..., Xn )
División: Sea f (X1 , ..., Xn ) y g(X1 , ..., Xn ), se define la división de funciones como:
f f (X1 , ..., Xn )
(X1 , ..., Xn ) =
g g(X1 , ..., Xn )
z = f (x, y)
Su gráfica dependerá de la forma funcional, y se dibujará en el plano (x, y, z). En el caso univariado era
posible representar la función a través de una lı́nea. Sin embargo, en el caso bivariado observaremos un plano
o una superficie.
Realizar el gráfico de una función bivariada no es simple y tenemos que recurrir a diversas técnicas para
poder generarlo. Veamos el siguiente ejemplo:
z = f (x, y) = 25 − x2 − y 2
Lo anterior representa la ecuación de una circunferencia con centro en (0, 0) y de radio 5.
Si quisiéramos graficar esta función, una primera aproximación serı́a asignar valor 0 a una de las variables
-por ejemplo, a y-. El resultado serı́a:
z = 25 − x2
Ahora tenemos una función que podemos graficar en el plano de dos ejes (x, z). Para ello, es necesario
encontrar pares ordenados entre x y z siguiendo la función antes descrita.
Ası́, obtendremos una gráfica parcial de la función, ya que tenemos fijado el valor de y en cero. Este
mismo procedimiento podemos realizar fijando x en cero y obtendrı́amos lo siguiente:
El ejercicio que acabamos de hacer se define como Traza. Dada una función, su Traza es la gráfica de la
función cuando una variable se mantiene constante.
Podemos realizar otras Trazas, fijando las variables en un valor distinto de 0. Si fijamos y = 1
Y si fijamos x = 1:
2.7.1. Isocuanta. Dada una función de producción con factores K y L tal que q = f (K, L), la ecuación
de la isocuanta viene dada por:
q0 = f (K, L)
Esta expresión representa diferentes combinaciones de factores K y L que proporcionan una misma
cantidad q0 de producto. Se puede alcanzar un determinado nivel de producto como resultado de diferentes
combinaciones de factores productivos, dependiendo del método que se utilice.
2.7.2. Isocosto. Dada una función de costo de un productor con factores K y L tal que C = c(K, L),
la ecuación de la isocosto viene dada por:
C0 = c(K, L)
En Economı́a, nos encontraremos con situaciones de este estilo, donde buscaremos el máximo de una
función de utilidad o buscaremos el mı́nimo de una función de costo.
2- √
x
f (x, y) =
x+y
2.8. Ejercicios Resueltos 21
y + 4x2 − 4 > 0
Ası́ que el dominio es el conjunto de todas las parejas (x,y) tales que y + 4x2 > 4.
Mas formalmente escribimos: Domf = {(x, y) tal que y + 4x2 > 4}
2-
x + y 6= 0 y x > 0
x+5
√
f (x) = x−1 , g(x) = x−2
3−x , w(x) =
x+2
x−3 , z(x) = x − 2 ; realice las siguientes composiciones de fun-
ciones para luego evaluar su dominio:
1-(f og)(x)
2-(gof )(x)
3-(woz)(x)
4-(zow)(x)
(Hint: la interseccion de los dos dominios es el dominio de la función compuesta)
x−2
3−x +5
Respuesta. 1-(f og)(x) = x−2 ; simplificando queda
3−x −1
13 − 4x
(f og)(x) =
2x − 5
Dom(g) = R − {3}
5
observamos que 2x − 5 = 0, lo cual implica que x = 2
5
Dom(f og) = R − 3,
2
x+5
x−1 −2
2-(gof )(x) = x+5
3− x−1
; simplificando queda
−x + 7
(gof )(x) =
2x − 8
Dom(f ) = R − {1}
Dom(gof ) = R − {1, 4}
22 2. Introducción al concepto de funciones en varias variables
√
3-(woz)(x) = √x−2+2 ; desarrollando y simplificando queda
x−2−3
√
x+4+5 x−2
(woz)(x) =
x − 11
(nota: La raı́z está definida siempre que el radicando sea positivo o cero. entonces el Dom(g) = [2, +∞))
Dom(f ) = R − {3}
(−∞, 3); al evaluarlo con cualquier número dentro de ese rango, la fracción no se indefine, pero la fun-
ción compuesta esta inserta en una raı́z, por ende no puede tener números negativos. Es por este caso que
no pertenece al Dom de la función compuesta.
(3, 8] ; al evaluar con cualquier número dentro de este rango, la función no se indefine, además de que
esta dentro de los números positivos por lo que pasa a ser parte del Dom de la función compuesta.
[8, +∞) ; al evaluar con cualquier número dentro de este rango, la función no se indefine pero adopta numero
negativos que no son aceptados en una raı́z. No pertenece al Dom de la función compuesta.
Respuesta. La función dada representa la superficie de un paraboloide elı́ptico abierto hacia arriba. Si
(x, y) = (0, 0) entonces z = –5. Las curvas de nivel son elipses.
para c = −4
x2 + 2y 2 − 5 = −4
x2 + 2y 2 = 1
x2 y2
+ =1
1 1/2
para c = 1
x2 + 2y 2 − 5 = 1
x2 + 2y 2 = 6
x2 y2
+ =1
6 3
2.8.4. Ejercicio 4. Suponga la siguiente función de producción de una empresa de algodón de azucar:
considerando F (K, L) = q
Propuesto:Hacer el gráfico de estas curvas y evaluar sus efecto a medida que aumenta q.
24 2. Introducción al concepto de funciones en varias variables
2-¿ Como queda mi función isocosto si solo quiero que mi producción cueste 50 pesos?. si k=8 ¿ Cuanto
vale L?
Respuesta. 1-C(K, L) = 1 ∗ k + 2 ∗ l
2-
50 = k + 2l
50 = 8 + 2l
42/2 = l
21 = l
2.9.0.3. Ejercicio 3. Identificando Rn xRm con Rn+m y usando la norma k · k∞ en estos espacios, pruebe
que para cada (χ, y) ∈ Rn+m y cada r > 0 se tiene que
2 2
2.9.0.10. Ejercicio 10. Probar que x2 − y 2 = c esta en una curva de nivel de f (x, y) = expx exp−y +
x − 2x2 y 2 + y 4 para todo valor de la constante c.
4
Capı́tulo 3
Derivadas multivariadas
Al igual que para el caso univariado se calcula un lı́mite, el cuál solo muestra un cambio en una variable,
manteniendo la otra constante. Por tanto, a pesar de que el dominio de la función esté compuesto por más
de una variable, el lı́mite que se debe resolver es similar al lı́mite de las funciones univariadas.
Adicionalmente, en los libros -de cálculo verán las siguientes notaciones para las derivadas parciales:
∂f ∂f
Fx = ; Fy =
∂x ∂y
. Para comprender el concepto anterior se verá un ejemplo de una derivada parcial por definición:
Ejemplo 3.1. Sea la siguiente función f : <2 → <:
f (x, y) = 5x2 y
Obtener ∂f∂x
(x,y)
y ∂f (x,y)
∂y
Respuesta:
27
28 3. Derivadas multivariadas
Es fácil ver que las derivadas parciales conservan las mismas propiedades que las derivadas univariadas,
de hecho, una derivada parcial se puede interpretar como una derivada univariada donde todas las variables
que no cambian son constantes. Por tanto se cumple:
Sea f : <2 ← < y g : <2 ← < con gneq0 y a un escalar (constante) se tiene que:
∂af ∂f
1. ∂x = a ∂x
∂(f ±g)
2. ∂x = ∂f ∂f
∂x ± ∂x
∂(f ·g) ∂(f ) ∂(g)
3. ∂x = ∂x · g + f· ∂x
∂ ( fg ) ∂(f ) ∂(g)
∂x ·g−f · ∂x
4. ∂x = g2
∂F (x,y) ∂F (x,y)
Por ejemplo, a partir de lo anterior es directo que F (x, y) = x + 2y se tiene que ∂x =1y ∂y =2
Para fijar ideas se darán dos ejemplos más:
Ejemplo 3.2. Sea F (x, y) = Axα y 1−α , encontrar las derivadas parciales de F (x, y).
Respuesta:
Para obtener las derivadas parciales basta aplicar lo aprendido, pues:
∂F ∂Axα y 1−α ∂xα y 1−α ∂xα y 1−α
= =A = Ay 1−α = Ay 1−α αxα−1 = Aα
∂x ∂x ∂x ∂x x
3.2. Derivadas parciales de segundo orden 29
Para aplicar lo aprendido se calcularán las derivadas parciales de orden dos de una función Cobb-Douglass:
Ejemplo 3.4. Sea F (x, y) = Axα y 1−α , encontrar todas las derivadas de segundo orden:
Respuesta:
30 3. Derivadas multivariadas
Lo primero es que como la función tiene dominio en <2 , esta tendrá 4 derivadas de segundo orden, por tanto
es lo que debemos calcular. De esta forma se tiene que:
Fx = Aαxα−1 y 1−α
Fy = A(1 − α)xα y −α
Fxx = α(α − 1)Ay 1−α xα−2
Fxy = α(1 − α)Axα−1 y −α
Fyx = α(1 − α)Axα−1 y −α
Fyy = (1 − α) − αAxα y −α−1
A partir de lo anterior, se puede definir una matriz que ordena las derivadas de segundo orden Matriz
Hessiana
Sea Z = f (x1 , ...xn ) una función tal que, todas sus derivadas parciales hasta el orden 2 son continuas. Luego
la matriz Hessiana o Hessiano de f en x corresponde a:
∂2f ∂2f 2
∂x1 ∂x1 ∂x1 ∂x2 · · · ∂x∂1 ∂xf
n
2
∂ f ∂2f
..
∂x2 ∂x1 ∂x2 ∂x2 · · · .
. .. ..
. ..
. . . .
2 2
∂ f
∂xn ∂x1 ··· · · · ∂x∂n ∂xf
n
H(x, y) =
¿Qué se puede decir de las segundas derivadas cruzadas?, ¿Son siempre iguales?. Para responder a esta
pregunta se debe conocer primero el concepto de continuidad en varias variables, el concepto de derivada
direccional y el concepto de diferencial y su relación con la continuidad.
x02
x01
Definición 3.3. Un conjunto V ⊂ Rn se dice que es abierto si ∀x̄ ∈ V ∃B(x̄, r) ⊂ V lo que es equivalente
a decir que ∀x̄ ∈ V ∃r > 0 /B(x̄, r) ⊂ V
Conjunto A
V
Conjunto B
f (x0 ) +
f (x0 )
f (x0 ) −
x0 − δ x0 x0 + δ
f (x0 ) +
f (x0 )
f (x0 ) −
x0
3.4. Diferencial
¿Qué significa que una función sea diferenciable?. Para comprender en más detalle lo anterior se defi-
nirá el siguiente concepto:
Función localmente lineal:
Se dice que una función f : < → < es localmente lineal en x0 si cumple con que:
f (a + h1(3.3)
, ..., k + hn ) = f (a, ..., b) + h1 fx1 (a, ..., k) + ... + hn fxn (a, ..., k) + h1 1 (h1 , ..., hn ) + ... + hn n (h1 , ..., hn )
∂f
f (0 + h, 0) − f (0, 0) 1−l
= lı́m = lı́m =0
∂x (x,y)=(0,0) h→0
h h→0 h
∂f
f (0 + h, 0) − f (0, 0) 1−l
= lı́m = lı́m =0
∂y
(x,y)=(0,0) h→0 h h→0 h
Por tanto, a pesar de no ser continua, si existen sus derivadas parciales, a diferencia de lo que si ocurrı́a
en < donde si una función era derivable, entonces debı́a ser continua.
Ahora, que una función sea continua tampoco implica que exista el diferencial, por ejemplo, sea la siguiente
función:
p
(3.5) f (x, y) = −10 |xy|
Al ver su gráfica se puede apreciar que no es aproximable por ningun plano tangente, esto se debe a que las
derivadas parciales no existen en todos los puntos.
Lo que sı́ se puede afirmar son los siguientes teoremas:
Diferenciabilidad y continuidad Una función f : <n → < es diferenciable entonces es continua y existen
sus derivadas parciales.
Condición suficiente de diferenciabilidad de una función Una función f : <n → < donde existen
todas sus derivadas parciales y además estas son continuas entonces es diferenciable.
Finalmente, la notación que se ocupará a lo largo del curso para indicar el diferencial de una función es:
Diferenciabilidad:
sea f <n → < una función diferenciable, entonces cuando dx1 , ..., dxn son infinitesimales, se puede expresar
el diferencial de la función como:
n
X ∂f
df (x1 , ..., xn ) = · dxi
i=1
∂xi
Ejemplo:
β
Sea u(x1 , x2 , x3 ) = (xα
1 + x2 ) · x3 . Obtener el diferencial de u
du = (x3 · αxα−1
1 )dx1 + (x3 · βx2β−1 )dx2 + (xα β
1 + x2 )dx3
3.6. Gradiente
dxn
Ejemplo:
dx1
du = ∇u · dx2
dx3
x3 · αx1α−1
∇u = x3 · βx2β−1
β
xα
1 + x2
Propiedades del gradiente Sean f : <n → < y g : <n → <. El gradiente cumple con las siguientes
propiedades:
(3.6) ∇ [f + g] = ∇f + ∇g
(3.7) ∇ [f · g] = ∇f · g + f ∇g
(3.8) ∇ [αf ] = α∇f
Como un vector tiene dirección y norma (que representa el tamae no) y hay infinitos vectores que van en
una dirección, cada vector de esa dirección se obtiene multiplicando otro vector de la misma dirección por
un escalar. El vector representativo de cada dirección es el vector unitario de la dirección que es un vector
que comparte la dirección pero tiene norma 1.
Por ejemplo si λ = 2, se avanzan dos unidades en la dirección de u (La dirección de un vector es la rec-
ta de soporte que tiene).
Entonces se tiene (x0 , y0 , z0 ) + uλ. Esto ultimo se puede observar en la figura 6:
(x0 , y0 , z0 )
2 (x0 , y0 , z0 ) + λu
Du = ∇f · u
Pn
Definición 3.10. Sean (x1 , ..., xn ) y (y1 , ..., yn ) el producto interno se define como i=1 xi · yi
Ejemplo:
Obtener la derivada direccional de f (x, y) = x2 + 2xy + 3y 2 en el punto (x0 , y0 ) = (2, 1) en la dirección del
vector V = (1, 1)
Sabemos que Du = ∇f · u lo primero que se debe hacer es calcular el vector unitario de la dirección de
V = (1, 1)
V
u=
||V ||
p √
||V || = 1 + 12 = 2
2
1 1
u= √ ,√
2 2
Por tanto
2x + 2y
∇f =
2x + 6y
2x + 2y 1 1
∇f · u = · √ ,√
2x + 6y 2 2
1 1
⇒ (2x + 2y) · √ + (2x + 6y) · √
2 2
Como x = 2 e y = 1
16 √
Du f (x, y)|( x=2,y=1 ) = √ = 8 2
V =<1,1> 2
A partir de la definición de derivada direccional se puede responder la siguiente pregunta: ¿En qué di-
rección la función experimenta su mayor tasa de cambio, o lo que es lo mismo, en qué dirección se maximiza
3.8. Regla de la Cadena 37
Graficos
∂f
Ejemplo 3.6. Sea F (x, y) = Axα y 1−α y se sabe que x(t) = t1 /2 y y(t) = t2/3 .Encontrar ∂t
∂f ∂f ∂x ∂f ∂y 2 −1 2 −1
= + = aαxα−1 y 1−α t 2 + A(1 − α)y −α xα t 3
∂t ∂x ∂t ∂y ∂t 2 3
Otro caso interesante es cuando las variables del dominio pueden ser caracterizadas como fun-
ciones de varias variables, por ejemplo, suponiendo que Y (C, I) = C(r, τ ) + I(r, τ ) (En este caso se
tiene que Y : <2 → < , C : <2 → < y I : <2 → <) y queremos ver el cambio que tiene Y cuando
cambia τ o cuando cambia r. Para responder este tipo de preguntas se tiene el siguiente teorema:
Regla de la Cadena en varias variables cuando la variables del dominio de la función
también son univariadas
Sea Z = f (x, y) una función derivable en x e y. Si X = x(S, T ) y Y = y(S, T ) son a su vez funciones
totales tales que existen las derivadas parciales ∂X ∂X ∂Y ∂Y
∂S ; ∂T ; ∂S ; ∂T .
∂f ∂f
Entonces las derivadas parciales ∂S y ∂T existen y vienen dadas por:
∂f ∂f ∂X ∂f ∂Y
∂S = ∂X ∂S + ∂Y ∂Y
∂f ∂f ∂X ∂f ∂Y
∂T = ∂X ∂T + ∂Y ∂T
∂Y ∂Y ∂C ∂Y ∂I ∂C ∂I
(3.11) = + = +
∂τ C ∂τ I ∂τ ∂τ ∂τ
A partir de lo anterior se pueden deducir las fórmulas para encontrar la regla de la cadena de:
38 3. Derivadas multivariadas
s
∂x
∂s
∂z
∂x x
∂x
∂t
t
z
∂y s
∂s
∂z
∂y y
∂y
∂t
t
(3.12) U (P, M (P )) − Ū = 0
Ahora, se deriva a ambos lados de la ecuación (3.12) respecto a P y como sé que si dos funciones
son iguales, sus derivadas también deben ser iguales1. Por tanto se tiene que:
dU dŪ d0
− =
dP dP dP
∂U ∂U dM
+ =0
∂P ∂M dP
∂U
dM ∂P
= − ∂U
dP ∂M
Donde se aplicaron los teoremas de la función implı́cita descritos anterormente. Para formalizar, se
tiene lo siguiente:
1Para ver que esto es verdad, sabemos que la derivada de una función es un lı́mite, si las dos funciones son iguales, calculo el lı́mite en
el punto en el cual son iguales, y cómo es derivable, ese lı́mite es único, luego las derivadas de las funciones son iguales.
3.11. Ejercicios Resueltos 39
Ejemplo 3.7. Tasa marginal de sustitución Técnica Una empresa produce un bien con dos in-
sumos K y L dónde el primero representa el capital fı́sico y el segundo representa el trabajo. La
producción está determinada por la siguiente función diferenciable: F (K, L) : <2 → <. Y se desea
responder la siguiente pregunta: Si es que la producción está fija en F (K, L) = Q̄ ¿Cuántas unidades
de capital(K) debo reemplazar para una unidad de trabajo(L), si quiero mantener la producción
constante?. Para esto se aplicará el teorema de la función implı́cita de la siguiente forma:
F (K(L), L) = Q̄
∂F
dK ∂L P mgL
= − ∂F =−
dL ∂K
P mgK
Finalmente, se puede definir el siguiente teorema para las funciones multivariadas y que son dos
veces diferenciables.
Teorema de Schwartz Sea f : RN → R y ademas supongase que las segundas derivadas existen
y son continuas , entonces
∂2f ∂2f
(3.13) = .
∂Xi ∂Xj ∂Xj ∂Xi
El cual es un teorema fundamental para optimización.
3.11.1. Ejercicio 1. Halla, aplicando la definición, las derivadas parciales de la función f (x, y) =
x2 y 3
40 3. Derivadas multivariadas
Respuesta. f (x, y) = x2 y 3
∂F f (x+h,y)−f (x,y) (x+h)2 y 3 −x2 y 3
∂x = lı́mh→0 h = lı́mh→0 h = lı́mh→0 (2xy 3 + hy 3 ) = 2xy 3
∂F f (x,y+k)−f (x,y) x2 (y+k)3 −x2 y 3
∂y = lı́mk→0 k = lı́mh→0 k = lı́mk→0 (3x2 y 2 + 3x2 yk + x2 y 3 ) = 3x2 y 2
3.11.2. Ejercicio 2. Encontrar las derivadas parciales de primer orden, dejandolo expresado
en forma de gradiente.
1-f (x, y) = xy + y x
expx
2-f (x, y) = (x2 −y 2 )2
∂f
= xy ∗ ln(x) + xy x−1
∂y
Escrito en forma de gradiente queda de la siguiente manera:
y ∗ xy−1 + y x ∗ ln(y)
Of (x, y) =
xy ∗ ln(x) + xy x−1
expx
2-f (x, y) = (x2 −y 2 )2
∂f expx (−2x + x2 − y 2
=
∂x (x2 − y 2 )2
∂f 2expx y
= 2
∂y (x − y 2 )2
Escrito en forma de gradiente queda de la siguiente manera:
expx (−2x+x2 −y2
(x2 −y 2 )2
Of (x, y) =
2expx y
(x2 −y 2 )2
3.11. Ejercicios Resueltos 41
∂f
= xy+z ln(x)
∂y
∂f
= xy+z ln(x)
∂z
Escrito en forma de gradiente queda de la siguiente manera:
(y + z)xy+z−1
y+z
x ln(x)
Of (x, y) =
xy+z ln(x)
3.11.3. Ejercicio 3. Calcular las derivadas de primer y segundo orden de las funciones:
∂f
= ln(2y)
∂x
∂f x
=
∂y y
∂2f
=0
∂x2
∂2f −x
= 2
∂y 2 y
42 3. Derivadas multivariadas
∂2f ∂2f 1
= =
∂y∂x ∂x∂y y
x+z
2-f (x, y, z) = y−z
∂f 1
=
∂x y−z
∂f −(x + z)
=
∂y (y − z)2
∂f y+x
=
∂z (y − z)2
∂2f
=0
∂x2
∂2f 2(x + z)
=
∂y 2 (y − z)3
∂2f 2(x + z)
2
=
∂z (y − z)3
∂2f ∂2f −1
= =
∂y∂x ∂x∂y (y − z)2
∂2f ∂2f 1
= =
∂z∂x ∂x∂z (y − z)2
x2 y x2
lı́m f (x, y) = lı́m = lı́m y = 0 = f (0, 0)
(x,y)→(0,0) (x,y)→(0,0) x2 + y 2 (x,y)→(0,0) x2 + y 2
Luego la función es continua en (0,0) por coincidir el valor de la función con el valor del lı́mite.
2-
~v = (1, 1) √ √ ~v
modulo ~v = 1 + 1 = 2; lo cual implica que ~u = k~v k = ( √12 , √12 )
luego:
t√2t
2 2
f ((0, 0) + t~u) − f (0, 0) t2
−0 1
D~u f (0, 0) = lı́m = lı́m = √
t→0 t t→0 t 2 2
∂y
3.11.5. Ejercicio 5. obtenga ∂x de la siguiente ecuación:
√
3xy 2 − 5x + xy = 4
Respuesta. Lo anterior es igual a:
3xy 2 − 5x + xy 1/2 = 4
Derivamos implı́citamente
3y 2 + 3x ∗ 2y ∗ y 0 − 5 + 1/2(xy)−1/2 (xy)0 = 0
3y 2 + 6xyy 0 − 5 + 1/2 ∗ (xy)−1/2 (y + xy 0 ) = 0
y
3y 2 + 6xyy 0 − 5 + √ xy 0
=0
2 xy + 2√ xy
44 3. Derivadas multivariadas
5 − 3y 2 − √y
0 2 xy
y =
6xy + √x
2 xy
∂y
luego cambiamos y’ por ∂x , quedándonos la solución simplificada de la siguiente manera:
5 − 3y 2 − 2√yxy √ √
∂y 10 xy − 6y 2 xy − y
= = √
∂x 6xy + 2√xxy 12xy xy + x
función:
z = f (x, y) = arctg(1 + x + y)
3.12.0.8. Ejercicio 8. Sea C la curva de nivel que pasa por P(1,1) de z = f (x, y) = x2 + y 2 .
Determine la pendiente en el punto P(1,1) de la tangente a la curva C.
3.12.0.9. Ejercicio 9. Mediante el lı́mite correspondiente, estudiar todas las derivadas direccio-
nales de la siguiente función en el origen. Nota: utilizar un vector genérico ~v = (v1 , v2 )
1
f (x, y) = (xy) 3
Concavidad y Convexidad
Es útil estudiar la concavidad y la convexidad para conocer ciertas propiedades de las funciones,
en economı́a por ejemplo, los procesos de producción se definen por funciones cóncavas, lo cual indica
que el aporte marginal de un insumo productivo es decreciente. Este capı́tulo partirá definiendo la
concavidad y la convexidad de la forma más general posible.
47
48 4. Concavidad y Convexidad
∂2f
D1 =
∂X12
4.5. Ejercicios resueltos 49
∂2f ∂2f
∂2f ∂2f ∂2f ∂2f
∂X12 ∂X1 ∂X2
D2 = ∂2f ∂2f
D2 = −
∂X12 ∂X22 ∂X1 ∂X2 ∂X2 ∂X1
∂X2 ∂X1 ∂X22
Definición 4.1. Matrices Definidas Positivas y Definidas Negativas Sea A una matriz , se llama
definida positiva si:
XT A X > 0 ∀X
y es definida negativa si:
XT A X < 0 ∀X
4.6.0.5. Ejercicio 5. En finanzas se puede definir el valor presente de una anualidad como una
corriente de pagos descontada que sigue la siguiente estructura:
n
X A
(1 + r)i
i=1
Donde A es un pago constante que se realiza en cada uno de los n perı́odos, siendo descontado a
una tasa r > 0.
Demuestre que esta función es siempre creciente a tasas decrecientes respecto a n.
4.6.0.6. Ejercicio 6. Encuentre el conjunto de puntos (x, y) para los cuales la función z(x, y) =
sin(xy) es cóncava y el conjunto para los cuales es convexa.
4.6.0.7. Ejercicio 7. ¿Qué condiciones debe cumplir m tal que la función f (x) = |x|m sea
siempre convexa?
4.6.0.8. Ejercicio 8. Plantee el Hessiano respecto a x y µ (con σ > 0) de la siguiente función y
determine si es cóncava o convexa:
" #
1 x−µ 2
1
f (x, µ) = √ exp −
σ 2π 2 σ
4.6.0.10. Ejercicio 10. Según la definición de concavidad, ¿la siguiente función es cóncava o
convexa?
n
X
f (x1 , x2 , x3 , ..., xn ) = xi
i=1
Capı́tulo 5
Optimización no restringida y
restringida
En este capı́tulo se entregarán las herramientas básicas de la óptimización no lineal, las cuales se
basan en el cálculo diferencial aprendido en los capı́tulos anteriores. Cabe destacar que las funciones
que se trabajarán en esta parte del curso son diferenciables con sus segundas derivadas parciales
continuas, a menos que se diga lo contrario.
53
54 5. Optimización no restringida y restringida
π = P1 Q1 + P2 Q2 − CT
π = 10Q1 + 20Q2 − (2Q21 + Q1 Q2 + 2Q22 )
∂π
= 10 − 4Q1 − Q2 = 0
∂Q1
∂π
= 20 − Q1 − 4Q2 = 0
∂Q2
Obtener puntos extremos:
4Q1 + Q2 = 10 4 1 Q1 10
⇒ · =
Q1 + 4Q2 = 20 1 4 Q2 20
4 1 10 E2 (−4) 4 1 10 4
−−−−→ → Q∗1 =
1 4 20 −15 0 −20 3
16 14
+ Q2 = 10 → Q∗2 =
3 3
2
∂ π 2
∂ π 2
∂ π ∂2π
= −4 = = −1 = −4
∂Q21 ∂Q1 ∂Q2 ∂Q2 ∂Q1 ∂Q22
(−1)1 · D1 = (−1) · −4 > 0
−4 −1
H= ⇒
−1 −4 (−1)2 · D2 = 1 · 15 > 0
Por lo tanto Q∗1 y Q∗2 son máximos.
5.2. Optimización con restricciones 55
" #−1
y2 1 1
(5.5) c∗2 = y1 + · 1 +
1+r [(1 + r)β] σ 1+r
56 5. Optimización no restringida y restringida
(5.5) en (5.4)
" #−1
1 y2 1 1
c∗1 = 1 · y1 + · 1 +
[(1 + r)β] σ 1+r [(1 + r)β] σ 1+r
5.4. Condición del hessiano orlado para que sea definido positivo o definido negativo
Sea: ∂g ∂g
0 ∂x1 ... ∂xn
∂g ∂2L ∂2L
∂x1 ∂x21
... ∂x1 ∂xn
H(X, λ) =
e
.. .. .. ..
.
. . .
∂g ∂2L ∂2L
∂xn ∂xn ∂x1 ... ∂x2n
Se define el menor k-ésimo del hessiano orlado como:
∂g ∂g
0 ∂x1 ... ∂xn
∂g ∂2L ∂2L
∂x21
...
fk | = Det ∂x1 ∂x1 ∂xn
|H .. .. .. ..
.
. . .
∂g ∂2L ∂2L
∂xn ∂xn ∂x1 . . . ∂x2n
Ejemplo: Sea
f (x, y) = xy
s.a x + 2y = 2
Determine si existen máximos o mı́nimos, determinado mediante el hessiano orlado.
5.5. Generalización a n variables y m restricciones 57
Se obtiene |H
e2|
0 1 1 2 1 2
0 · −1·
1 0 + 2 · 0 1 = 2 + 2 = 4
1 0
(−1)3 · H2 < 0
(−1) · 4 = −4 < 0 → Máximo
1
Luego (x, y) = 1, 2 representa un máximo del problema restringido.
Donde las condiciones de primer orden del problema serán: ∇L = 0 en este contexto, se define el
58 5. Optimización no restringida y restringida
L = x2 + 2xy + w2 + λ1 (24 − 2x − y − w) + λ2 (8 − x − w)
∂L
= 2x + 2y − 2λ1 − λ2 = 0
∂x
∂L
= 2x − λ1 = 0
∂y
∂L
= 2w − λ1 − λ2 = 0
∂w
∂L
= 24 − 2x − y − w = 0
∂λ1
∂L
= 8−x−w =0
∂λ2
Lo que es equivalente a:
2x + 2y − 0w − 2λ1 − λ2 = 0
2x + 0y + 0w − λ1 + 0λ2 = 0
0x + 0y + 2w − λ1 − λ2 = 0
−2x − y − w + 0λ1 + 0λ2 = 24
−x + 0y − w + 0λ1 + 0λ2 = 8
Queda como propuesto resolver el sistema de ecuaciones1
Previo:
Sea el siguiente problema de optimización:
s.a
(5.12) g(x, y, a) = 0
Dónde x ∈ <n y a ∈ <k los parámetros fijos del problema. Sea x∗ (a) la solución del problema
anterior.
Se define la función de valor del problema o función de utilidad indirecta a:
(5.13) F (x∗ (a), a) = V (a)
Es decir es el valor de la función en el óptimo que solo depende de a
Ejemplo 5.1.
máx π = P · f (K, L) − wL − rK
K,L
La función de utilidad indirecta es:
π ∗ (w, r, P ) = P · f (K ∗ (w, r, P ), L∗ (w, r, P )) − wL∗ (w, r, P ) − rK ∗ (w, r, P )
∂π
= −L∗ (w, r, P )
∂w
∂π
= −K ∗ (w, r, P )
∂r
∂π
= ·f (K ∗ , L∗ )
∂P
Este es el llamado lema de Hotelling
5.7.1. Maximización con Lagrangeano. Encuentre los máximos y los mı́nimos, si existen,
para la función f (x, y, z) = x + y + z en el conjunto A = {(x, y, z) ∈ R3 : x2 + y 2 ≤ z ≤ 1}.
5.7. Ejercicios Resueltos 61
Por último, planteamos el lagrangeano del problema, acotando a la intersección del plano z = 1
y el paraboloide:
L = x + y + z + λ(x2 + y 2 − z) + β(z − 1)
Y obtenemos las CPO:
∂L
= 1 + 2λx = 0 1
∂x ⇒z=1 ∧ x = y = ±√
∂L 2
= 1 + 2λy = 0
∂y Sean estos posibles puntos de solución definidos como:
∂L
=1−λ+β =0 1 1
∂z P2 = √ , √ , 1
∂L 2 2
= x2 + y 2 − z = 0
1 1
∂λ P3 = − √ , − √ , 1
∂L 2 2
=z−1=0
∂β
62 5. Optimización no restringida y restringida
5.7.2. Distancia entre una recta y una elipse. Hallar la mı́nima y máxima distancia entre la
curva x2 + 2y 2 = 6 y la recta x + y = 5. Ilustre gráficamente.
|ax0 + by0 + c|
Respuesta. La distancia de un punto a una recta está dada por d = √ , donde la
x2 + b2
L : ax + by + c = 0
recta L y el punto P son .
P : (x0 , y0 )
El lagrangeano es:
5−x−y
L= √ + λ(x2 + 2y 2 − 6)
2
Y las CPO son:
∂L 1
= − √ + 2λx = 0
∂x 2 ⇒ λ 6= 0 ∧ x = 2y ∧ y = ±1
∂L 1
= − √ + 4λy = 0 Ası́, obtenemos los puntos P1 = (2, 1) y P2 (−2, −1)
∂y 2 √ √
mı́n : d(P1 ) = 2 ∧ máx : d(P2 ) = 4 2
∂L
= x2 + 2y 2 − 6 = 0
∂λ
Propuesto: graficar el ejercicio anterior para comprender la idea de los “bordes de K” respecto
a las isocuantas de f .
Propuesto: maximizar usando Lagrangeano y Hessiano Orlado, luego corroborar que los resul-
tados son los mismos.
t3 3t2 4t
A1 (t) = − + − +1
30 10 5
⇒t=2∨t=4
Por lo tanto, para t = 2 y t = 4, la función alcanza un potencial máximo o mı́nimo.
CP O2 :
A02 (t) = −(2t − 4)/(t2 − 4t + 6) = 0
⇒t=2
Por lo tanto, para t = 2, la función alcanza un potencial máximo o mı́nimo.
CSO1 :
t 3
A001 (t) = − +
5 5
Ası́, notamos que para t < 3 la función es convexa (A001 (t) > 0), mientras que para t > 3, la función
es cóncava (A001 (t) < 0).
Dado lo anterior, se cumple que para t = 2 la primera acción alcanza un mı́nimo, mientras que para
t = 4 alcanza un máximo.
CSO2 :
2(t2 − 4t + 6) − (2t − 4)(2t − 4)
A002 (t) = −
(t2 − 4t + 6)2
5.8. Ejercicios Propuestos 65
2t2 − 8t + 4
A002 (t) =
(t2 − 4t + 6)2
√ √
Ası́, notamos que para 2 − 2 < t < 2 + 2, la función es cóncava, y para otros valores de t, es
convexa.
Dado lo anterior, se cumple que para t = 2 la segunda acción alcanza un máximo.
Finalmente, notamos que la primera acción pierde valor hasta que t = 2, momento en el que la
segunda acción alcanza su máximo valor. Por ello es que se recomienda invertir en la segunda
acción en el intervalo [0, 2]. Ahora bien, cuando t > 2, la segunda acción pierde valor, mientras
que la primera aumenta su valor hasta alcanzar un máximo en t = 4. Por lo tanto, se recomienda
transferir los fondos a la primera acción cuando t = 2 y mantenerlos hasta que se retiren los fondos
en t = 4.
También podemos observar lo anterior de manera gráfica:
5.8.0.2. Ejercicio 2. Suponga que se tiene n puntos en el plano como resultado de observar dos
variables en un conjunto de individuos: (x1 , y1 ), ...(xn , yn ). Se desea hallar una función que se ajuste
lo “mejor” posible al conjunto de observaciones. La función más simple a probar es una lı́nea recta
(denominada modelo lineal simple):
y =m·x+b
donde m y b son los parámetros que determinan la recta.
Como los puntos no están necesariamente sobre una recta, para cada par de puntos existe un error
asociado ei con i ∈ {1, ..., n} tal que:
yi = mxi + b + ei ∀i ∈ {1, ..., n}
Los errores o residuos pueden ser positivos, negativos o nulos.
Una manera de determinar m y b es a través del criterio denominado de mı́nimos cuadrados, que
se expresa como el siguiente problema de optimización:
n
X
mı́n e2i
i=1
s.a. yi = mxi + b + ei
Se pide lo siguiente:
1. Transforme el problema anterior en un problema sin restricciones, ¿cuáles son las incógnitas?
2. Resuelva el problema sin restricciones y pruebe que se trata efectivamente de un mı́nimo. ¿Es
global? ¿Es único?
3. ¿Qué condición impondria sobre los datos para que el problema anterior siempre tenga solución?
5.8.0.3. Ejercicio 3. Determine los máximos y mı́nimos globales de
f (x, y, z) = 2x2 + y 2 + z 2 − xy
x2 y 2 z 2
s.a. + + ≤1
2 4 8
5.8.0.4. Ejercicio 4. Encuentre lo máximos y mı́nimos irrestrictos de:
2 +y 2 )
f (x, y) = xye−(x
5.8.0.5. Ejercicio 5. Sabiendo que |x| = x y que |y| = y, encuentre los máximos y mı́nimos de:
x2 y
f (x, y) =
x4 + y 4 + 1
5.8.0.6. Ejercicio 6. Sea f un paraboloide definido por f (x, y) = x2 +y 2 . Encuentre los máximos
y mı́nimos de f sobre la región D = {(x, y) : x2 + 4y 2 ≤ 4}
5.8.0.7. Ejercicio 7. Resuelva el siguiente problema, usando multiplicadores de Lagrange:
mı́n x21 + x22 + x23
s.a. x1 x2 x3 = 1
xi > 0 ∀i = 1, 2, 3
5.8.0.8. Ejercicio 8. Demuestre mediante un método de optimización que si un cuadrado y
un rectángulo (distinto de un cuadrado) tienen el mismo perı́metro, entonces el cuadrado siempre
tendrá mayor área.
5.8. Ejercicios Propuestos 67
Integrales Indefinidas
Es decir, la integral de una función f (x) es otra función F (x) tal que:
dF (x)
= f (x)
dx
Proposición 6.1. Si F (x) es la integral indefinida de f (x), entonces F (x) + k también es primitiva
de f (x), con k constante.
69
70 6. Integrales Indefinidas
A continuación, se presentan primitivas de algunas funciones que pueden utilizarse como cono-
cidas para determinar la primitiva de funciones más complejas. Considere a, k como constantes.
Z
(6.1) adx = ax + k
Z
(6.2) cos xdx = sen x + k
Z
1 + tg2 x dx = tg x + k
(6.3)
Z
(6.4) ex dx = ex + k
Z
1
(6.5) ax dx = · ax + k
ln a
Z
1
(6.6) √ · dx = arc sen x + k
1 − x2
Z
1
(6.7) xa dx = xa+1 + k , a 6= 1
a+1
Z
(6.8) sen xdx = − cos x + k
Z
1
(6.9) dx = tg x + k
cos2 x
Z
1
(6.10) dx = ln |x| + k
x
Z
1
(6.11) dx = arc tg x + k
1 + x2
−1
Z
(6.12) √ dx = arc cos x + k
1 − x2
6.4. Métodos de Resolución de Integrales 71
2. Aditividad:
Z Z Z
f (x) ± g(x)dx = f (x)dx ± g(x)dx
6.4.1. Integración por Partes. Sean F (x) y G(x) dos funciones derivables, se tiene que:
Z
0 0 0
(F (x) · G(x)) = F (x) · G(x) + F (x) · G (x)
Z Z Z
(F (x) · G(x))0 dx = F 0 (x) · G(x)dx + F (x) · G0 (x)dx
Z Z
F 0 (x) · G(x)dx = F (x) · G(x) − F (x) · G0 (x)dx
Se puede realizar la siguiente sustitución: Defı́nase u = f (x) y du = f 0 (x)dx. Ası́, la integral anterior
queda expresada como:
Z
u · du
También es posible realizar esta sustitución de manera recurrente. Sea la siguiente integral:
Z
g (f (x)) · f 0 (x)dx
6.5.1. Elena Nito. Elena Nito domina a la perfección la técnica de la derivada, sin embargo,
nunca logró comprender el arte de la integración, por lo que le pide ayuda con algunos dilemas que
nunca pudo resolver. . .
1. A Elena le contaron una vez un chiste que dice ası́: “En una fiesta de números e incógnitas. La
pobre función exponencial ex se encuentra sola en un rincón cuando se le acerca x y le dice:
- pero mujer, ¡intégrate!, a lo que la función responde: - ¿para qué?, si me da lo mismo.” Sin
reı́rse mucho, ¿podrı́a explicarle el chiste a Elena?
Respuesta. El “chiste” alude a la integral conocida:
Z
ex dx = ex + C
Luego, dado que el resultado de integrar la función respecto a x es la misma función (más la
constante), se dice que “da lo mismo” y por eso no se quiere integrar.
2. Elena concluye erróneamente que cualquier exponencial con base e, al ser integrada, generará la
misma función inicial que se integra (más la constante). Recordando que Elena sabe derivar a
la perfección y aprendió hace poco el Teorema Fundamental del Cálculo, explı́quele cómo se
integran las funciones exponenciales de base e.
Respuesta. La integral conocida es:
Z
f 0 (x)ef (x) dx = ef (x) + C
A partir del TFC, basta con mostrarle a Elena que la derivada del resultado equivale a la
expresión que se está integrando, o bien:
d f (x)
(e + C) = f 0 (x)ef (x)
dx
3. Tras su excelente explicación, Elena pudo deducir cómo se integran respecto a x las potencias
de base x, planteando lo siguiente:
xk+1
Z
xk dx = +C ∀k ∈ Z
k+1
Comente y recuerde ser breve.
Respuesta. Falso (o al menos incierto). Para el caso particular en el que k = −1, el resultado
es ln x + C.
74 6. Integrales Indefinidas
Ahora bien, no debe interpretarse que C son los costos fijos... En efecto, evaluando lo que indica
el Gerente de Costos (el lote de prueba), tenemos:
2
CT (1) = e1 + C = e ⇒ C = 0
Sin embargo, los costos fijos son aquellos que se dan cuando la producción es 0, es decir:
2
CF = CT (0) = e0 + 0 = 1
Por lo tanto, si existen costos fijos por una unidad monetaria y el Gerente no está en lo correcto.
2. El Gerente General está pensando en despedir al Gerente de Ventas, ya que tiene serias sos-
pechas de que no estimó correctamente la función de ingresos marginales. Según su criterio y
basándose en la teorı́a microeconómica, ¿existen razones para justificar dicha sospecha?
Luego, dado que tenemos los ingresos marginales, podemos integrarlos para obtener los
ingresos totales: Z
I(q) = q −1 dq = ln q + C
Luego, dado que tenemos la función I, podemos despejar la función de demanda:
ln q + C
P (q) =
q
6.5. Ejercicios Resueltos 75
Calcular F (x) sabiendo que es una función continua con intercepto nulo.
Respuesta. Integramos cada parte, obteniendo:
−2x2 + 2x + a si x ∈] − ∞, 1]
F (x) = −x2 + b si x ∈]1, 6]
−12x + c si x ∈]6, +∞[
Luego, dado que F (x) es continua, al evaluar en los lı́mites donde existe un cambio de tramo en la
función obtenemos:
−2 + 2 + a = −1 + b ⇒ a − b = −1
−36 + b = −72 + c ⇒ b − c = −36
Y como posee intercepto nulo (evaluamos x = 0 en el primer tramo):
a=0
Dado lo anterior, despejamos a = 0, b = 1 y c = 37, por lo que F (x) queda definida por:
−2x2 + 2x si x ∈] − ∞, 1]
F (x) = −x2 + 1 si x ∈]1, 6]
−12x + 37 si x ∈]6, +∞[
6.5.4. Partes por partes por partes por partes... Resuelva la siguiente integral:
Z
(ln x)3 dx
4A = 0 ⇒A=0
4B = 8 ⇒B=2
9A + C = 5 ⇒C=5
9B + D = 18 ⇒A=0
Ası́, reescribimos la integral inicial como:
8x2 + 5x + 18
Z Z Z
2 5x
dx = dx + dx
(4x2 + 9)2 4x2 + 9 (4x2 + 9)2
Sea u = 2x ⇒ du = 2dx y a = 3 ⇒ a2 = 9. El primer sumando queda como:
Z Z
2 1 1 u 1 2x
2
dx = 2 2
du = arctan + C = arctan +C
4x + 9 u +a a a 3 3
Sea v = 4x2 + 9 ⇒ dv = 8xdx. El segundo sumando es:
Z Z
5x 5 dv 5 5
dx = =− +C =− +C
(4x2 + 9)2 8 v2 8v 8(4x2 + 9)
Finalmente el resultado es:
8x2 + 5x + 18
Z
1 2x 5
dx = arctan − +C
(4x2 + 9)2 3 3 8(4x2 + 9)
6.6. Ejercicios Propuestos 77
6.6.0.10. Ejercicio 10. A partir del Teorema Fundamental del Cálculo Integral, fundamente las
siguientes integrales conocidas:
Z
(6.14) adx = ax + k
Z
(6.15) cos xdx = sen x + k
Z
1 + tg2 x dx =
(6.16) tg x + k
Z
(6.17) ex dx = ex + k
Z
1
(6.18) ax dx = · ax + k
ln a
Z
1
(6.19) √ · dx = arc sen x + k
1 − x2
Z
1
(6.20) xa dx = xa+1 + k , a 6= 1
a+1
Z
(6.21) sen xdx = − cos x + k
Z
1
(6.22) dx = tg x + k
cos2 x
Z
1
(6.23) dx = ln |x| + k
x
Z
1
(6.24) dx = arc tg x + k
1 + x2
−1
Z
(6.25) √ dx = arc cos x + k
1 − x2
Considere que a y k son constantes.
Capı́tulo 7
Integrales Definidas
Se desea calcular el área comprendida entre la gráfica de una función, el eje de las abscisas y las
rectas verticales x = a y x = b
f (x)
x=a x=b
La integral definida, es el área de la región delimitada por f (x) entre a y b y el eje de las abscisas,
de esta forma, lo anterior se representa como:
Z b
f (x) · dx
a
79
80 7. Integrales Definidas
Si f (x) es una función continua en [a, b] y F (x) es una primitiva de f (x), entonces:
Z b
f (x) · dx = F (x)|ba = F (b) − F (a)
a
Ejemplo 7.1. Calcular el área bajo la función f (x) = x3 + 1 entre los puntos x = 0 y x = 2
Z 2 2
1 4
(x3 + 1) · dx =
x + x = 6 − 0 = 6
0 4 0
Calcular el área delimitada por los gráficos de las funciones f (x) = 2x + 3 y g(x) = x2
g(x) f (x)
−1 3
Z 3
(2x + 3) − x2 · dx
⇒
−1
3
1 32
x2 + 3x − x3 =
3 −1 3
7.3. Ejercicios Resueltos 81
7.3.1. Integral por sustitución trigonométrica. Resuelve la siguiente integral definida me-
diante el método de sustitución trigonométrica
Z 2 p
x2 4 − x2 dx
0
Respuesta. Sabemos del Teorema de Pitágoras que [Cat. ady]2 + [Cat. op]2 = [Hip]2 . Basados
en la Figura 1 y por identidades trigonométricas queda que sen(α) = cat.op hip. , esta última expresión
trigonométrica es la que utilizaremos para la sustitución en la integral.
√
Considerando 22 − x2 en la integral del problema, podemos dar
valores a los lados del triángulo de la Figura 1 tal que nos facilite
la sustitución. En este caso el cateto opuesto será igual a x y la
hipotenusa quedará
√ definida por 2, entonces el cateto adyacente
será igual a 22 − x2 . Con estos datos ahora podemos calcular
sen(α) y posteriormente despejar x:
x
(7.1) sen(α) =
2
d
(7.2) x = 2 sen(α) /
dx
(7.3) dx = cos(α)dα
(7.4)
Figura 1. Teorema de Pitágoras
Por otro lado, debemos notar de la ecuación (1) que cuando x = 2,
la expresión sen(α) debe ser igual a 1, por lo que α tomarı́a el valor
de π. Análogamente, cuando x = 0, la expresión sen(α) debe ser
igual a 0, por lo que α tomarı́a el valor de 0.
1
Pero sabemos que sen(α) cos(β) = 2 sen(α + β) + sen(α − β) y que sen(0) = 0, utilizándolo en el
desarrollo de la integral queda:
Z π
1
= 8[ sen(2α) + sen(0)]2 dα
2
Z0 π
= 2 sen2 (2α)dα
Z0 π
= 2 sen2 (2α)dα
0
7.3.2. Área entre funciones. Le dan el siguiente gráfico junto con la recta G(x) = 0,5x − 0,5.
Le piden encontrar el área entre la recta dada y la curva que se presenta en la Figura 2, para los
valores de x’s que están entre 2 y 8.
Respuesta. En primer lugar, si analizamos la recta G(x) = 0,5x − 0,5 podremos notar que para
x = 0, el valor de y es igual a −0,5, y que luego crece linealmente. La recta cortará al eje x en
x = 1. Con los datos mencionados es de suponer que la recta G(x) y la función F (x) se cortan una
vez para valores entre 0 y 1, y luego eventualmente podrı́a intersectarse en algún valor superior a
8. Por tanto, estamos seguros que la función G(x) en el intervalo 2 y 8 irá sobre la función F (x).
7.3. Ejercicios Resueltos 83
Figura 2. Función
R −4 √
2. −4 16 − x2 dx
Respuesta.
1. Al graficar la función f (x) = x2 + 1 llegamos a la Figura 3. A partir de ella podemos calcular
la integral sólo considerando el área bajo la curva. El área podemos dividirla en un rectángulo
más un triángulo recto. Por tanto queda:
Área del rectángulo=base × altura=4 · 2 = 8
Área del triángulo= base×altura
2 = 4·2
2 R= 4
6
En conclusión, el resultado de la integral 2 ( x2 +1)dx es 12 (8+4). Queda como tarea comprobar
el resultado mediante la resolución directa de la integral.
2. Resolveremos la parte√2 del ejercicio de la misma forma en que desarrollamos la parte 1, primero
graficaremos f (x) = 16 − x2 y luego veremos cuál es el área que debemos calcular.
Como podemos ver en la Figura 4, la gráfica de la función corresponde a una circunferenia. Por
tanto debemos calcular el área de la mitad de la circunferencia con radio igual a 4. Lo anterior
queda:
Área de la mitad del cı́rculo= π2 × radio2 = π2 · 42 = 8π
R −4 √
En conclusión, el resultado de la integral −4 16 − x2 dx es 8π. Queda como tarea comprobar
el resultado mediante la resolución directa de la integral.
R9 R7 R9
7.3.4. Integrales e incógnitas. Sabiendo que 0 f (x)dx = 15,4; 4 f (x)dx = 7,3; 7 f (x)dx =
3,5. Encuentre los valores de las siguientes expresiones:
R4
1. 0 f (x)dx
R9
2. 4 f (x)dx
R7
3. 4 3f (x)dx
R9 R4
4. 4 f (x)dx + 0 41 f (x)dx
Respuesta.
1. Este ejercicio es bastante sencillo de resolver, pero fue colocado en el apunte para mejorar la
comprensión del concepto de integral definida. Entonces, entendiendo la integral definida como
el área bajo la curva para un intervalo de valores de x’s claramente definido, podemos resolver
el ejercicio de la siguiente forma
Z 4 Z 9 Z 9 Z 7
f (x)dx = f (x)dx − f (x)dx − f (x)dx
0 0 7 4
Z 4
f (x)dx = 15,4 − 3,5 − 7,3 = 4,6
0
A toda el área integrada, le quitamos el área que va desde 4 hasta 7, de esa forma sólo queda la
integral bajo la curva para valores de x=0 hasta x=4.
2. Análogo a la parte anterior, ahora a toda el área integrada, necesitamos quitar el pedazo que
va desde x=0 hasta x=4. Para el desarrollo utilizaremos el resultado encontrado en la parte 1.
Z 9 Z 9 Z 4
f (x)dx = f (x)dx − f (x)dx
4 0 0
Z 9
f (x)dx = 15,4 − 4,6 = 10,8
4
3. Aquı́ lo importante es tener claro que las constantes que están multiplicando dentro de una
integral pueden salir de ella sin alterar el resultado. Por lo tanto la expresión serı́a igual a:
Z 7 Z 7
3f (x)dx = 3 f (x)dx
4 4
Z 7
3f (x)dx = 3 · 7,3 = 21,9
4
4. Esta parte del ejercicio necesita el resultado del item 1 y 2, además de lo aprendido en el item
3. El desarrollo queda:
Z 9 Z 4 Z 9
1 4
Z
1
f (x)dx + f (x)dx = f (x)dx + f (x)dx
4 0 4 4 4 0
Z 9 Z 4
1 1
f (x)dx + f (x)dx = 10,8 + 4,6
4 0 4 4
Z 9 Z 4
1
f (x)dx + f (x)dx = 11,95
4 0 4
Rb √ √
dx 3 3
7.3.5. Valor del lı́mite. Encuentre el valor de b tal que 0 4−sen 2 (x) = 6 arc tg 2
86 7. Integrales Definidas
Respuesta. Para encontrar el valor de b debemos solucionar la integral y luego igualarla al valor
que se nos da. En el primer paso del desarrollo ocuparemos la identidad trigonométria 1 − cos2 (x) =
sen2 (x), luego haremos una sustitución de variables. Por tanto, tenemos:
Z b Z b
dx dx
2
= 2
0 4 − sen (x) 0 3 + cos (x)
Pero cos2 (x) es igual a 1+tg12 (x) . Definiendo u = tg(x), calculando su diferencial du = sec2 (x)dx y
teniendo en consideración que sec2 (x) = 1 + tg2 (x), el ejercicio queda:
Z b
1 du
= 1 1 + u2
0 3 + 1+u2
Z b
1 + u2 du
= 2 2
0 4 + 3u 1 + u
Z b
du
= 2
0 4 + 3u
Z b
1 du
= 4
3 0 3 + u2
1 b
Z
du
= 2
3 0 √2
3
+ u2
Integrales dobles
Sea una función f (x, y) que tiene como dominio el rectángulo R = [a, b]x[c, d], se llama la integral
doble (la cual calcula un volumen bajo la función) como:
Z Z Z Z Z
f (x, y) · dxdy = f, f (x, y) · dA, f (x, y) · dxdy
R R R R
Teorema 8.1. Toda función continua en un rectángulo R es integrable en ??? rectángulo
8.1. Propiedades
Sea f una función continua en el dominio rectangular R = [a, b]x[c, d]. Entonces:
Z Z Z b Z d Z d Z b
f (x, y) · dxdy = f (x, y) · dy dx = f (x, y) · dx dy
R a c c a
Las integrales que aparecen en la expresión anterior se denominan integrales iteradas, de esta
forma, el teorema establece que si f (x, y) es continua en R, entonces la integral doble de f (x, y) en
R es igual a cualquiera de las integrales iteradas posibles.
87
88 8. Integrales dobles
Ejemplo 8.1. Z 1Z 1
xy 2 · dxdy
0 0
1 Z 1 1
x=1 Z 1 2 1
x2 y 2 y 3
Z Z
2 y 1
xy · dx dy = dy = · dy = =
0 0 0 2 x=0
0 2 6 0 6
1 Z 1 1
y=1 Z 1 1
xy 3 x2
Z Z
2 x 1
xy · dy dx = dx = · dx = =
0 0 0 3 y=0
0 3 6 0 6
Sea f (x, y) una función continua sobre un recinto cerrado D ∈ R2 , tal que la fontera es continua
en R2 . Se puede definir la integral doble de la siguiente manera:
ϕ2 (x)
a b x
D
3
ϕ2 ϕ02
1 C
A
2
ϕ1 ϕ01
−1 B
ϕ1 = y = −x Si 0 ≤ x ≤ 1
ϕ01 = y = 2x − 3 Si 1 ≤ x ≤ 2
ϕ2 = y = 3x Si 0 ≤ x ≤ 1
ϕ02 = y = −2x + 5 Si 1 ≤ x ≤ 2
Z Z Z 1 Z 3x Z 2 Z −2x+5
f (x, y)dxdy = f (x, y)dxdy + f (x, y)dxdy
D 0 −x 1 2x−3
Queda como propuesto para el lector el resolver la doble integral
8.4. Teorema de Fubini para integrales dobles iteradas (intercambio de orden de integración)
p
100
50
50 100 q
En esta parte utilizaremos el método de sustitución, en donde u = x2 y du = 2xdx. Por tanto nos
queda:
Z 1
du
= 9 dx
0 1+u
du
Y sabemos que la derivada de ln(1 + u) es igual a 1+u .
=9 ln(1 + u)|10
=9 ln(2) − 9 ln(1)
=9 ln(2)
R p
R
8.5.2. Lı́mite triangular. Calcular ∆ x2 − y 2 dydx si ∆ es el dominio limitado por el
triángulo cuyas vértices son A(0, 0), B(1, −1) y C(1, 1).
Respuesta. En primer lugar, graficaremos el triángulo para poder ver de manera más clara los
lı́mites de integración. En la Figura 1 podemos apreciar tres rectas:
y = f (x) = 1
y = f (x) = x
y = f (x) = −x
Utilizando sustitución trigonométrica tenemos que sen(α) = xy y que dy = x cos(α)dα. Ahora,
cuando y sea igual a x, α será igual a π2 , y cuando y tome el valor de −x, α tomará el valor de −π
2 .
92 8. Integrales dobles
Respuesta.
Z 2Z 4
f (x, y)dydx =
1 1
Z 2 Z 2x
1
= dydx
1 x (x + y)2
2
−1
Z
= · 2x
1 (x + y)|x dx
Z 2
−1 1
= +
1 3x 2x
− ln(x) 2 ln(x) 2
= |1 + |
3 2 1
− ln(2) ln(2)
= +
3 2
ln(2)
=
6
8.5.4. Ejercicio 4. Resuelva la siguiente integral:
Z Z
x
dxdy siendo D = {(x, y) ∈ R2 : xy ≤ 16, x ≥ y, x − 6 ≤ y, y ≥ 1}
D y
Respuesta. En primer lugar, y es recomendable siempre hacerlo, vamos a graficar las desigual-
dades que nos dan en el enunciado suponiendo que se cumplen con igualdad, de esta forma será más
fácil el área a integrar. Teniendo lo anterior claro vamos a plantear la integral.
Z 2 Z y+6 Z 4 Z 16
x y x
dxdy + dxdy
1 y y 2 y y
94 8. Integrales dobles
2 Z 4 2 16
1 x2 y+6
Z
1 x y
= |y dxy + |y dy
1 y 2 2 y 2
Z 2 Z 4 2
1 (y + 6)2 y 2 y2
1 16
= − dy + 2
− dy
1 y 2 2 2 y 2y 2
Z 2 2 Z 4 2
y + 12y + 36 y 16 y
= − dy + − dy
1 2y 2 2 2y 3 2
Z 2 Z 4 2
y2 4
y 18 y 16
= +6+ − dy + 3
dy − |2
1 2 y 2 2 2y 4
−1
= [6y + 18 ln(y)]|21 + 128 2 |42 − 3
2y
−1 1
= 3 + 18 ln(2) + 128 +
32 8
3
= 3 + 18 ln(2) + 128 ·
32
= 3 + 18 ln(2) + 12
= 15 + 18 ln(2)
fijo y x queda dependiendo de y, al contrario de lo que tenı́amos al principio. Por tanto, la integral
queda:
Z 2Z y
2 2
ey dxdy
0 0
Resolviendo tenemos:
y
Z 2 Z
2
y2
= e dxdy
0 0
Z 2 y
2
= ey x|02 dy
0
Z 2
2 y
= ey · dy
0 2
1 2 y2
Z
= e 2ydy
4 0
1 y2 2
= · e |0
4
1 4 1
= ·e −
4 4
Compruebe que integrando con el dominio definido al comienzo del ejercicio se llega al mismo
resultado.
5, 5 5, 9 6, 2
6, 5 6, 7 7, 0
4, 9 5, 2 5, 1
4, 5 5, 8 6, 9
5, 5 5, 6 5, 4
Esta matriz contiene diferentes calificaciones de diferentes alumnos para cada prueba: Control
1, Control 2 y Prueba Estándar 1.
Esta matriz generalizada se separa en m filas y n columnas. Los subı́ndices, por su parte, indican
en qué fila y columna respectivamente se encuentra el elemento, es decir, si tenemos genéricamente
el elemento aij implica que éste se encuentra en la fila i, columna j. Por ejemplo, considerando la
matriz del ejemplo inicial, a21 = 6, 5, a43 = 6, 9, etc.
Los nombres de la matriz generalmente se representan con letras mayúsculas, mientras que los
elementos de una matriz con letras minúsculas, acompañadas de subı́ndices. La dimensión o el orden
indican el número de filas y el número de columnas contenidos en una matriz. Si una matriz tiene
m filas y n columnas, se dice que tiene una dimensión m × n, leyéndose “‘m por n”. La matriz del
ejemplo inicial tiene una dimensión (5 × 3), o se dice que es una matriz de “5 por 3”.
99
100 9. Introducción a las matrices
El propósito del estudio del álgebra matricial es que es un medio conveniente para almacenar,
presentar y manipular datos. Los datos de notas obtenidas en un curso o en una prueba se almacenan
normalmente en Excel en formato de matriz.
Normalmente, cuando queremos calcular o rescatar algún valor de la matriz, el álgebra matricial
nos permite manipular los datos y efectuar cálculos a la vez que mantiene los datos en forma
matricial, esto es especialmente conveniente para las aplicaciones computacionales.
A continuación veremos diferentes tipos de matrices, el cálculo y desarrollo de algunas se verán
más adelante.
Existe una forma especial de matriz, la cual se denomina vector, esta es la matriz que solo posee
una fila o una columna.
R = r11 r12 r13 · · · r1n
Por ejemplo, si quisiéramos sólo identificar al estudiante 1 en el resultado de sus notas, podrı́amos
crear el siguiente vector fila:
A1×3 = 5, 5 5, 9 6, 2
c11
c21
C = ..
.
cm1
En el caso que quisiéramos ver cómo fue el resultado de todos los alumnos del curso en el Control
1, tendrı́amos el siguiente vector columna:
5, 5
6, 5
B5×1 4, 9
=
4, 5
5, 5
9.5. Traza de una matriz 101
s11 s12 · · · s1n
s21 s22 · · · s2n
S = ..
.. .. ..
. . . .
sn1 sn2 · · · snn
1 2 3
1 4
X1×1 = 1 Y2×2 = Z3×3 = 4 5 6
−1 7
7 8 9
Si una matriz es cuadrada, por lo general nos interesarán los valores de las variables de la
diagonal. En el caso de Z, tenemos que a11 = 1, a12 = 5 y a33 = 9.
Observación 9.1. Si recordamos la Matriz Hessiana, en esas mismas ubicaciones están las segundas
derivadas de la función respecto a cada variable. Asimismo, en cursos estadı́sticos, se puede observar
que, en la matriz de varianzas y covarianzas, la diagonal contiene las varianzas de los datos en
cuestión.
En el caso de la matriz Z del ejemplo anterior, dicho conjunto serı́a {1, 5, 9}.
Aplicando esta definición para la matriz Z, se tiene que la traza corresponde a Tr(Z) = 1+5+9 =
15.
102 9. Introducción a las matrices
(
1 si i=j
aij =
0 si i 6= j
Entre otros usos, la matriz identidad posee la propiedad de ser el neutro multiplicativo de las
matrices, es decir:
1 2 3 1 4 7
T
Z3×3 = 4 5 6 → Z3×3 = 2 5 8
7 8 9 3 6 9
Para el caso de una matriz no cuadrada tendrı́amos lo siguiente:
3 −1
T 3 4 8
W3×2 = 4 5 → W2×3 =
−1 5 7
8 7
9.9. Matriz diagonal 103
Como vemos en ambos ejemplos las columnas de la primera matriz se transforman en las filas
de la matriz transpuesta y las filas de la primera matriz se transforman en columnas de la segunda.
Observación 9.2. Recordemos que en el Hessiano Orlado tenı́amos que parte de este eran las
derivadas respecto a las restricciones y en clases vimos que podı́amos representar estas derivadas
de la siguiente forma:
∂g ∂g
0 ∂x ∂y
0 ∇g
∂g ∂2L ∂2L
H = ∂x ∂x∂y ⇒
e 3×3
∂x2
∇g T Lxx
∂g ∂2L ∂2L
∂y ∂y∂x ∂y 2
Como vemos, tenemos dos términos, donde uno es el traspuesto del otro:
∂g
∂g ∂g T ∂x
∇g = ∂x ∂y → ∇g = ∂g
∂y
4 −2 4
P3×3 = −2 1 6
4 6 3
Observación 9.3. Si la matriz P es simétrica, entonces P = P T y viceversa, es decir: P es simétrica ⇔
PT = P.
4 0 0
H3×3 = 0 1 0
0 0 3
104 9. Introducción a las matrices
4 0 0 4 4 7
H3×3 = 2 1 0 J3×3 = 0 1 8
3 5 3 0 0 3
Observación 9.4. Dada una matriz cuadrada A, su inversa A−1 no siempre existe. Si A−1 existe, se dice
que A es invertible o no singular. La condición para que A sea invertible se verá más adelante.
Establecimiento 1er alumno 2do alumno 3er alumno 4to alumno 5to alumno
Manuel Rodrı́guez (4) 490 486 483 478 470
Javiera Carrera (2) 492 480 479 472 467
Andrés Bello (1) 488 477 476 473 471
Gabriela Mistral (3) 495 490 488 486 480
Manuel Blanco Encalada (5) 493 492 486 484 475
El Ministerio de Educación, con el fin de desarrollar futura investigación, le pide ordenar la información
en una matriz. La matriz debe considerar en sus columnas a los establecimientos, y en sus filas a los 5 mejores
estudiantes. El componente aij será definido como:
El elemento ij será igual al alumno que ocupa el lugar i-avo en el establecimiento número j (el número
está entre paréntesis en el Cuadro 1)
Respuesta: Para poder contestar lo que nos piden, sólo debemos hacer un reordenamiento del Cuadro 1.
Debemos tener presente que las filas representarán a los alumnos y las columnas a los establecimientos. Por
lo que la matriz quedará representada como:
488 492 495 490 493
477 480 490 486 492
A= 476 479 488 483 486
473 472 486 478 484
471 467 480 470 475
Ya hemos planteado la matriz y ahora debemos calcular la traza. Para calcular la traza de A sólo nos queda
sumar los elementos que están en su diagonal, es decir, el resultado que obtuvo el alumno que ocupó el lugar
i-avo en el establecimiento número i (notar que ocupé i en ambas variables porque precisamente en la diagonal
estos números son iguales). Entonces tenemos:
tr(A) = 488 + 480 + 488 + 478 + 475 = 2409
9.12.2. Grandes empresas. En el último tiempo las grandes empresas del paı́s- Parı́s, Londres y
Madrid- han presentado una volatilidad que escapa a sus expectativas. En particular, la empresa Parı́s
presentó una varianza de 56, 3 % el último mes; a Londres le pasó algo parecido, la varianza de sus ventas el
mes pasado fue igual a 60, 1 %; finalmente, Madrid no estuvo ajeno a este fenómeno, siendo el más afectado
y presentando una varianza igual a 68, 5 %. Por otro lado, la covarianza entre Parı́s y Londres fue igual a
14, 7 %, mientras que Parı́s y Madrid covariaron a una tasa del 20, 2 %. Entre Londres y Madrid ocurrió algo
difı́cil de explicar, sus ventas del último mes no covariaron.
Se pide que represente los anteriores datos en una matriz, considerando que Parı́s es la número uno, Londres
la dos y Madrid la número 3. Además trasponga la matriz obtenida y calcula su traza, señale sus dimensiones
y describa alguna otra propiedad que presente.
Respuesta: En primer lugar expresaremos la matriz de varianzas y covarianzas para estas tres empresas,
considerando el orden que se nos señaló en el enunciado. Por tanto tendremos:
0, 563 0, 147 0, 202
B = 0, 147 0, 601 0
0, 202 0 0, 685
A partir de B calcularemos su transpuesta B T , considerando que debemos invertir el orden de los elementos:
el ij de B ahora será el elemento ji de la matriz B T . Entonces nos queda:
0, 563 0, 147 0, 202
B T = 0, 147 0, 601 0
0, 202 0 0, 685
Como se habrán dado cuenta la mariz de varianzas y covarianzas es simétrica respecto de su diagonal, por lo
que su traspuesta será igual a la matriz original, es importante que tengan en consideración estas cosas que
les hará ahorrar tiempo a la hora de desarrollar un ejercicio. Por otro lado nos pedı́an señalar la dimensión
de las matrices (ambas dimensiones son iguales), en este caso la dimensión es 3 × 3; 3 filas y 3 columnas.
9.12.3. Muebles. Una empresa de muebles fabrica tres modelos de estanterı́as: survivor, medium qua-
lity y luxury. Cada modelo se produce en tres tamaños diferentes: grande, mediano y pequeño. Diariamente
fabrica 1000 estanterı́as grandes, 10200 medianas y 8000 pequeñas del tipo medium quality; 3000 grandes,
4000 medianas y 6000 pequeñas del tipo survivor; y 15000 grandes, 6000 medianas y 1000 pequeñas del tipo
luxury. Cada estanterı́a grande necesita 16 tornillos y 6 soportes, cada estanterı́a mediana utiliza 14 tornillos
y 4 soportes y cada estanterı́a pequeña lleva 12 tornillos y 2 soportes, en cualquiera de los tres modelos.
Se pide:
106 9. Introducción a las matrices
9.12.5. Proposición. Ud. tiene un amigo al que le cuenta mucho álgebra lineal, y debe entregar mañana
una tarea. La tarea es bastante sencilla y consiste en proponer una matriz que presente las siguientes carac-
terı́sticas:
Debe ser diagonal inferior
A partir de ella deben poder formarse a lo más 6 vectores fila
Su traza debe ser igual a 50
El conjunto de los elementos de su diagonal no puede contener el cero
¿Podrı́a ayudar a su amigo en esta misión? Deje bien claro cómo propone cada elemento de la matriz.
Respuesta: Dado que debe ser una matriz diagonal inferior, podemos concluir que también será una
matriz cuadrada. Por otro lado, nos dicen que a partir de esta matriz se deben formar a lo más 6 vectores
fila, por tanto el número de filas será 6, y uniéndolo al hecho que deberá se cuadrada, la dimensión de la
matriz será de 6 × 6. Con lo anterior tenemos el siguiente bosquejo:
0 0 0 0 0
0 0 0 0
0 0 0
Ω=
0 0
0
Además nos dicen que la traza de la matriz debe ser igual a 50 y que dentro de los elementos de la diagonal no
tiene estar incluı́do el cero. Una opción que se ajusta a lo anterior es T r(Ω) = 55+(−23)+16+9+(−4)+(−3),
108 9. Introducción a las matrices
2. Crear una matris 3x5 tal que la suma de cada una de las filas sea 12 y la suma de cada una de sus
columnas sea 12.
3. Sea la matriz R:
m 3 4 9
0 n 8 6
R= 0 0 10 0
g 0 0 z
Proponer valores para m, n, z y g tal que la traza de la matriz R sea igual a 20, el 5 esté contenido
dentro de los elementos de su diagonal, no exista nigngún vector fila ni vector columna nulo y cumpla
con la propiedad de ser una matriz triangular superior.
50
4. Las velocidades medias de tres coches A, B, C, en km/h, vienen dadas por la matriz v = 80 . El
120
número de horas que cada coche viaja viene dado por la matriz H = 3 4 6 . Es factible calcular
v × H? Si su respuesta es sı́, de qué dimensión serı́a la matriz resultante? Es candidata a tener inversa?
Si la respuesta es afirmativa, señale la propiedad elemental que debe cumplir para tener inversa.
5. Escriba una matriz que sea diagonal, su traza se igual a -10 y se puedan formar a lo más 7 vectores
columna a partir de ella.
9.13. Ejercicios Propuestos 109
10. Se realiza una comparación del precio de cuatro productos en tres supermercados distintos. Los precios
por kg de los productos en los distintos supermercados vienen dados por la siguente matriz:
8 9 10
40 50 40
Ω= 4 4 3,5
12 15 14
En donde las filas de la matriz A corresponden a los alimentos comprados y las columnas a los distintos
supermercados.
El número de kgs. comprados respectivamente de cada producto está dado por la matriz
2 3 1 2 . Mediante el producto apropiado de los elementos de la matriz, comparar el coste del
total de la compra en los tres supermercados. (No se busca que multipliquen matrices, sino que sepan
interpretar cada elemento de la matriz y lo puedan tomar como insumo para calcular el costo total).
Capı́tulo 10
Operaciones Matriciales
a11 ± b11 a12 ± b12 ··· a1n ± b1n
b21 ± b21 b22 ± b22 ··· b2n ± b2n
A±B =
.. .. ..
. . .
bm1 ± bm1 bm2 ± bm2 ··· bmn ± bmn
Sus propiedades son las siguientes:
1. (A ± B) ± C = A ± (B ± C)
2. A ± 0 = A
3. A + (−A) = 0
4. A ± B = B ± A
Es necesario que se cumpla que la dimensión de ambas matrices sean igual es decir, si tenemos dos
matrices A y B, ambas deben tener la dimensión (mxn), es decir, puede que sean cuadradas o no y el
procedimiento de suma (resta) es termino a término. Vale decir, si tenemos el elemento aij de la matriz A,
éste se sumará (restará) con el elemento bij de la matriz B.
1 3 −3 2
Veamos un ejemplo. Sea A2×2 = y B2×2 = , la suma y la resta, respectivamente,
4 −2 0 4
serı́an:
111
112 10. Operaciones Matriciales
1 3 −3 2 1 + (−3) 3+2 −2 5
A+B = + = =
4 −2 0 4 4+0 (−2) + 4 4 2
−3 2 1 3 (−3) − 1 2−3 −4 −1
B−A = − = =
0 4 4 −2 0−4 4 − (−2) −4 6
Un escalar es un número real. El producto es, simplemente, multiplicar cada elemento de la matriz por
el escalar. Siguiendo el ejemplo anterior, y usando la matriz A y un escalar k ∈ R:
1k 3k
k · A2×2 =
4k −2k
n
X
A · B = a11 · b11 + a12 · b12 + · · · + a1n · b1n = a1k · b1k
k=1
4
A= 2 3 B=
7
10.4. Multiplicación de Matrices 113
El producto interno (A · B) se obtiene multilpicando término a término los elementos del vector fila A
por los elementos del vector columna B:
4
A·B = 2 3 · = 2 · 4 + 3 · 7 = 8 + 21 = 29
7
Otro ejemplo:
2 8
−2 10
M =
4
N =
2
7 −1
2 8
−2 10
4 · 2 = 2 · 8 + (−2) · 10 + 5 · 2 + 7 · (−1) = 16 − 20 + 10 − 7 = −1
M ·N =
7 −1
A1 B 1 A1 B n
···
A2 B 1 ··· A2 B n
A·B = .
.. ..
.. . .
Am B 1 ··· Am B n m×n
Donde:
p
X
Ai B j = aik · bkj
k=1
1 2 −1 0
A= B=
5 13 4 2
Comenzamos con el primer componente, que corresponde a multiplicar los términos de la primera fila de
A por los términos de la primera columna de B: a11 = 1 · −1 + 2 · 4 = 7
114 10. Operaciones Matriciales
Luego, veremos que el componente a12 de la matriz resultante se obtiene multiplicando los términos de
la primera fila de A con los de la segunda columna de B: a12 = 1 · 0 + 2 · 2 = 4
Realizando lo mismo para cada caso, obtenemos la siguiente matriz como resultado:
7 4
A·B =
47 26
Observación 10.1. Sea An×m ∧ Bm×q , C = A · B tendrá dimensión (n × q), es decir, se mantiene el número
de filas de A y el número de columnas de B.
Observación 10.2. No se cumple necesariamente que A · B = B · A.
Tomemos, como ejemplo, una matriz identidad de 3 × 3. Ası́, sus matrices elementales, según el orden
entregado en la Definición 10.7, son:
1 0 0 0 1 0 1 3 0 1 0 0
I = 0 1 0 E12 = 1 0 0 E12 (3) = 0 1 0 E3 (−2) = 0 1 0
0 0 1 0 0 1 0 0 1 0 0 −2
Sea A matriz invertible y {E1 , . . . , Eq } q matrices elementales tales que Eq · Eq−1 · Eq−2 · . . . · E1 · A = I,
se tiene que:
10.8. Determinantes 115
⇒ Eq · Eq−1 · . . . · E1 · A = I
−1
Eq · Eq−1 · Eq−2 · . . . · E1 · A · A = I · A−1
Eq · Eq−1 · Eq−2 · . . . · E1 · I = A−1
Eq · Eq−1 · Eq−2 · . . . · E1 = A−1
10.8. Determinantes
El determinante de una matriz de 1 × 1 es el componente a11 de la matriz, es decir, su único componente.
El determinante de una matriz de 2 × 2 será:
a11 a12
A= ⇒ |A| = a11 · a22 − a21 · a12
a21 a22
Ahora, sea una matriz de 3 × 3:
a11 a12 a13
B = a21 a22 a23
a31 a32 a33
Realizamos las siguientes operaciones elementales: e2 (a11 ), e3 (a11 ), e21 (a21 ), e31 (a31 ), e3 (a11 · a22 − a12 ·
a21 ), e32 (a11 · a32 − a12 · a21 ). Con ello, se llega a:
116 10. Operaciones Matriciales
a11 a12 a13
A= 0 a11 · a22 − a21 · a12 a11 · a23 − a13 · a21
0 0 a11 · ∆
donde:
∆ = a11 · a22 · a33 + a12 · a23 · a31 + a13 · a21 · a32 − a11 · a23 · a32 − a12 · a21 · a33 − a13 · a12 · a31
Ası́, ∆ es el determinante de la matriz B. Podemos reescribir ∆ de la siguiente forma:
a22 a23 a a23 a a22
∆ = a11 · det − a12 · det 21 + a13 · det 21
a32 a33 a31 a33 a31 a32
Observación 10.3. Sea A una matriz de n × n, se define la submatriz Aij como la submatriz que se obtiene
al eliminar la fila i y la columna j de A.
1 5 0
A = 2 4 −1
0 −2 0
El cofactor (2, 2) de A se calcula como:
c22 = (−1)2+2 · det(A22 )
4 1 0
= (−1) · det
0 0
= (−1)4 · (1 · 0 − 0 · 0) = 0
Observación 10.4. Una matriz A es invertible si y sólo si detA 6= 0.
10.8.1. Regla de Cramer. Sea A una matriz de n × n invertible. Para cualquier b ∈ Rn , la solución
única x de Ax = b tiene entradas por:
detAi (b)
xi =
detA
donde Ai (b) = a1 ··· b ··· an
10.8.2. Método de los Cofactores. Sea A una matriz invertible, se tiene que:
c11 c21 ··· cn1
1 c12 c22 ··· cn2 1
A−1 = · . .. = · Adj(A)
.. ..
detA .. . . . detA
c1n c2n ··· cnn
donde Adj(A) es la matriz adjunta de A, la cual se define como la matriz traspuesta de los cofactores de
A.
Veamos un caso particular para matrices de 2 × 2:
a b
A = ⇒ |A| = ad − bc
c d
c11 = |d| · (−1)1+1 = d
c12 = |c| · (−1)1+2 = −c
c21 = |b| · (−1)2+1 = −b
c22 = |a| · (−1)2+2 = a
T
d −c d −b
⇒ Adj(A) = =
−b a −c a
1 d −b
⇒ A−1 = ·
ad − cb −c a
1 −1
A = 1 1
0 2
B = 1 −1 2
5 −5 10
C=
9 −9 18
Puede realizar los supuestos que estime conveniente para resolver el problema.
Respuesta. Sabemos que para poder multiplicar matrices, el número de columnas de la primera matriz
debe ser igual al número de columnas de la segunda matriz, como AT tiene dimensiones 2x3 y B tiene
dimensiones 1x3 la matriz X deberá tener dimensiones 3x1. Ası́, definiendo:
a
X = b
c
Tendremos que:
a
1 1 0 a+b −a − b 2a + 2b 5 −5 10
AT XB =
b 1 −1 2 = =
−1 1 2 b−a+2 a − b − 2c 2b − 2a + 4c 9 −9 18
c
De esta expresión, se puede obtener el siguiente sistema de ecuaciones:
a+b=5
b + 2c − a = 9
Como solo tenemos dos ecuaciones y tres incognitas, supondremos que conocemos al menos uno de los
tres valores, en este caso supondremos a = 2. Ası́, los valores restantes se obtienen al resolver el sistema
anteriormente planteado, obteniendo que X corresponde a:
2
X = 3
4
10.9.2. Ejercicio 2. Sea la matriz AMN xN simétrica y X, Y MN x1 . Demuestre que se cumple la si-
guiente condición:
1
hAX, Y i = [hA(X + Y ), (X + Y )i − hAX, Xi − hAY, Y i]
2
Respuesta. Primero que todo sabemos que si la matriz A es simétrica, hace referencia a que A = AT .
Dicho esto, trabajaremos con la expresión de la derecha, ası́:
10.9. Ejercicios Resueltos 119
1
hAX, Y i = [hA(X + Y ), (X + Y )i − hAX, Xi − hAY, Y i]
2
1
hAX, Y i = [hAX + AY, X + Y i − hAX, Xi − hAY, Y i]
2
1
hAX, Y i = [hAX, Xi + hAX, Y i + hAY, Xi + hAY, Y i − hAX, Xi − hAY, Y i]
2
1
hAX, Y i = [hAX, Y i + hAY, Xi]
2
Aplicando la definición de producto interno de dos matrices hA, Bi = T r(B T A) y considerando que la
Traza es un escalar, el transpuesto de un escalar sigue siendo el mismo número, de esta forma tendremos que:
1
T r(Y T AX) + T r(X T AY )
hAX, Y i =
2
1
T r(Y T AX) + T r(Y T AT X)
hAX, Y i =
2
1
T r(Y T AX) + T r(Y T AX)
hAX, Y i =
2
1
2T r(Y T AX)
hAX, Y i =
2
hAX, Y i = T r(Y T AX)
hAX, Y i = hAX, Y i
10.9.3. Ejercicio 3. Encuentre las matrices X, Y M2x2 que cumplen con lo siguiente:
2AT X + AY = B T
X T − Y T B −1 = 0
Considere además que:
2 1
A=
1 1
2 −4
B=
0 2
Respuesta. Partiendo de la segunda ecuación, despejaremos Y,ası́:
Y T B −1 = X T
Y T B −1 B = X T B
Y T = XT B
Y = BT X
Ahora reemplazaremos esta nueva condición en la primera ecuación, además factorizaremos la expresión
para despejar X:
120 10. Operaciones Matriciales
2AT X + AB T X = B T
2AT + AB T X = B T
−1 T
X = 2AT + AB T B
Luego, X será:
" T T #−1
2 1 2 1 2 −4
X= 2 + BT
1 1 1 1 0 2
1 3 −1
X=
2 −2 1
Luego, reemplazando el valor encontrado de X en la ecuación Y = B T X tendremos que:
1 3 −1
Y =
2 −8 3
10.9.4. Ejercicio 4. Sea una matriz AM3x3 simétrica e invertible. Ademas sabemos que:
2 3 1
B = −2 −4 0
3 9 1
Considerando la siguiente ecuación, determine la Matriz X y en caso de ser necesario determinar la
inversa de una matriz, proceda usando Método de la Adjunta.
T
AXB = X T A +A
T
AXB = X T A + A
T
AXB − X T A = A
AXB − AT X = A
AXB − AX = A
AX (B − I) = A
−1
A AX (B − I) = A−1 A
X (B − I) = I
−1
X = I (B − I)
−1
Ahora procederemos a resolver la última ecuación, para esto lo primero que haremos es calcular (B − I)
a través del método de la adjunta, ası́:
−1 −1
2 3 1 1 0 0 1 3 1
−1
(B − I) = −2 −4 0 − 0 1 0 = −2 −5 0
3 9 1 0 0 1 3 9 0
10.9. Ejercicios Resueltos 121
El determinante de expresión anterior puede ser calculado utilizando la regla de sarrus. Esta regla plantea
que copiando las dos primeras filas de una matriz debajo de la matriz original y multiplicando los elementos
de las diagonales de la matriz hacia la derecha y luego sumandolas, para luego multiplicar los elementos de
las diagonales de la matriz hacia la izquierda y luego restandolas, se obtiene el determinante de la matriz en
cuestión, ası́:
1 3 1
−2 −5 0
Det(B − I) = 3 9 0 = −3
1 3 1
−2 −5 0
Ahora faltará calcular la matriz de cofactores transpuestos, la cual corresponde a:
0 9 5
0 −3 −2
−3 0 1
−1
De esta forma, (B − I) corresponderá a:
0 9 5
−1 −1
(B − I) = 0 −3 −2
3
−3 0 1
−1
Por último, X corresponderá a la solución de X = I (B − I) es decir:
0 −3 −5/3
X = 0 1 −2/3
1 0 −1/3
x x x x
x y y y
x = x(y − x)(z − y)(u − z)
y z z
x y z u
Respuesta.
e21(−1)
x x x x x x x x e32(−1) x x x x
x y y y e31(−1) 0 y − x y−x y−x 0 y−x y−x y−x
x y z z 0 y−x z−x z−x e42(−1) 0 0 z−y z−y
x y z u e41(−1) 0 y − x z−x u−x 0 0 z−y u−y
x x x x x x x x
0 y−x y−x y−x e43(−1) 0 y−x y−x y−x
0 0 z−y z−y 0 0 z−y z−y
0 0 z−y u−y 0 0 0 u−z
Luego, el determinante de esa expresión, utilizando La Place corresponde a:
x x x
y−x y−x
(u − z) 0 y−x y − x = (u − z)x = x(u − z)(z − y)(y − x)
0 z−y
0 0 z−y
122 10. Operaciones Matriciales
T
AX T − AB = −2XB T
0 1
A=
1 −4
1 0
B=
2 3
B2x2 F2x2
K=
02x2 C2x2
Verificar que se cumple:
T
(AX + AB − 3I) − |B|A = X T B
Donde:
1 2 1
A = 0 −1 2
1 1 −1
0 −1 −1
B = 1 0 −1
2 1 2
Encontrar la matriz X a través de Gauss.
10.10.5. Propuesto 5. Muestra que el producto interno de dos vectores puede escribirse como:
1
h~u, ~v i = (||~u + ~v || − ||~u − ~v ||)
4
10.10. Ejercicios Propuestos 123
1 2 1 1
2 x+4 3 1
A=
3
6 4 5
4 8 4 x + 17
1 2 3
B = 1 x + 3 −3
1 2 18
a Encuentre los valores de x que verifican Det(A) = Det(B)
b Si x=0, determine la matriz X que cumple con BX = 15(B + I)
4 0 −2 1
8 1 4 −2
A=
2 −5 0 6
0 6 1 −3
1
BX −1 (B −1 )T + X −1 = I
3
10.10.9. Propuesto 9. Sea la siguiente matriz:
0 0 0
1 0 0
2 1 0
a Encuentre una expresión de AK para todos los valores posibles del entero positivo K.
b Sea B = I3x3 + A. Encuentre una expresión para B K y calcule A14 .
) Sea la Matriz : a) Encuentre una expresión de para todos los valores posibles del entero positivo K. b)
Sea . Encuentre una expresión para y calcule .
Sistemas de Ecuaciones
Lineales
Previo:
Ejemplo:
1 3
x1 = y x2 = entonces una combinación lineal con α1 = 2 y α2 = 4 es:
2 4
1 3 14
α1 x1 + α2 x2 = 2 +4 =
2 4 20
Definición 11.2. Transformación lineal Sea T una función con dominio en <n y recorrido <m , se llama
transformación lineal si cumple con:
1. T (X + Y ) = T (X) + T (Y )
2. λ T (X) = T (λX)
con X, Y ∈ <n y λ ∈ <
125
126 11. Sistemas de Ecuaciones Lineales
Definición 11.5. Clasificación de SEL según soluciones Según sus soluciones, existen tres tipos de Sistemas
de Ecuaciones Lineales:
1. Sistemas Incompatibles, los cuales no admiten soluciones. Un ejemplo es el sistema:
x−y = 4
y−x = 0
2. Sistemas Compatibles Determinados, los cuales admiten una única solución. Un ejemplo es el si-
guiente sistema:
x−y = 4
x+y = 0
3. Sistemas Compatibles Indeterminados,
x−y = 4
y−x = −4
Definición 11.6. Proposición Si un sistema homogéneo tiene una solución diferente a cero, entonces el
sistema homogéneo tiene infinitas soluciones
Definición 11.7. Proposición Si (s1 , ..., sm ) es una solución del sistema lineal y (h1 , ..., hm ) una solución
del sistema homogéneo asociado, entonces (s1 + h1 , ..., sm + hm ) también ess solución del sistema lineal.
Definición 11.8. Proposición Si un sistema lineal tiene dos soluciones distintas, entonces tiene infinitas
soluciones.
Definición 11.9. Proposición Si un sistema lineal tiene una única solución, entonces su sistema homogéneo
asociado tiene solo la solución trivial.
Definición 11.10. Sistemas equivalentes Sean S y S 0 dos sistemas compatibles. Diremos que S es equiva-
lente a S 0 (S ≈ S 0 ) si S y S 0 poseen el mismo conjunto de soluciones.
11.3. Sistemas homogeneos 127
Definición 11.11. Proposición Las siguientes operaciones transforman un sistema en otro equivalente:
1. Permutar dos ecuaciones
2. Multiplicar una ecuación por λ ∈ < − {0}
3. Sumar una ecuación a otra
4. Sumar una ecuación, una combinación lineal de las restantes
Proposiciones
1. Si un sistema homogéneo tiene sólo una solución diferente a cero, entonces el sistema homogéneo tiene
infinitas soluciones
2. Si (s1 , ..., sm ) es una solución del sistema lineal y (h1 , ..., hm ) una solución del sistema homogéneo aso-
ciado, entonces (s1 + h1 , ..., sm + hm ) también ess solución del sistema lineal.
3. Si un sistema lineal tiene dos soluciones distintas, entonces tiene infinitas soluciones.
4. Si un sistema lineal tiene una única solución, entonces su sistema homogéneo asociado tiene solo la solu-
ción trivial.
Ejemplo
−9x3 = −27
→ x3 = 3
2x2 + 3x3 = 15
2x2 + 9 = 15
→ x2 = 3
x1 − x2 + x3 = 3
x1 − 3 + 3 = 3
→ x1 = 3
x + y + z = 80
x + y = 20
x + 4y = 44
z = 3x + y
Luego, matricialmente el problema corresponderá a:
130 11. Sistemas de Ecuaciones Lineales
1 1 1 80
1 x
1 0 20
y =
1 4 0 44
z
3 3 −1 0
b) Utilizando el método de Gauss, tendremos que:
e21(−1)
1 1 1 80 1 1 1 80 e23 1 1 1 80
1
1 0 e31(−1)
20 0 0 −1 −60
0 3 −1 −36
1 4 0 44 0 3 −1 −36 e43(−4) 0 0 −1 −60
3 3 −1 0 e41(−3) 0 0 −4 −240 0 0 −4 0
e3(−1)
1 1 1 80 1 1 0 20 e2(1/3) 1 0 0 12
0 3
−1 −36
e23(1)
0 3 0 24
0 1 0 8
0 0 −1 −60 0 0 1 60 e12(−1) 0 0 1 60
0 0 −4 0 e13(−1) 0 0 0 0 0 0 0 0
11.4.2. Ejercicio 2. La edad de una madre es el doble de la suma de las edades de sus dos hijos.
Mientras que hace unos años, exactamente la diferencia de las edades actuales de sus hijos, la edad de la
madre era el triple que la suma de las edades en aquel tiempo de sus hijos. Cuando pasen años como la suma
de las edades actuales de los hijos, la suma de las edades de las tres personas será de 150 años. En base a
esta información:
a) Traduzca el planteamiento en un sistema de ecuaciones y expréselo de forma matricial.
b) Escriba el Sistema Homogéneo asociado, encontrando UNA solución.
Respuesta:
a) Lo primero que debemos hacer es plantear las variables a utilizar en el problema, ası́:
Sea x la edad actual de la madre, y la edad actual del hijo mayor, z la edad actual del hijo menor,
y − z la diferencia de las edades de los hijos y y + z la suma de las edades de sus hijos. Con esto en mente,
si volvemos hacia atrás y − z años, entonces las edades de las tres personas serán:
Madre: x − y + z. Hijo Mayor: y − y + z = z. Hijo Menor: z − y + z = −y + 2z
Por otro lado, si pasan y + z años, las edades de las tres personas serán:
Madre: x + y + z. Hijo Mayor: y + y + z = 2y + z. Hijo Menor: z + y + z = y + 2z
Con toda esta información podrémos plantear el sistema de ecuaciones, ası́:
x = 2(y + z)
x − y + z = 3(z − y + 2z)
x + y + z + 2y + z + y + 2z = 150
Trabajando un poco el sistema, llegamos a que se puede escribir de la siguiente forma:
x − 2y − 2z = 0
x + 2y − 8z = 0
x + 4y + 4z = 150
11.4. Ejercicios Resueltos 131
e21(−1) e2(1/2)
1 −2 −2 0 1 −2 −2 0 1 −2 −2 0
1 2 −8 0 0 4 −6 0 0 2 −3 0
e31(−1) e3(1/6)
1 4 4 0 0 6 6 0 0 1 1 0
1 −2 −2 0 1 −2 −2 0 1 −2 −2 0
e e
0 2 −3 0 23 0 1 1 0 32(−2) 0 1 1 0
0 1 1 0 0 2 −3 0 0 0 −5 0
De esta forma:
−5z = 0
y+z =0
x − 2y − 2z = 0
Por lo tanto, la solución que resuelve el sistema homogeneo asociado es x = y = z = 0.
2x − y − 3t − u = 2
−x + y + z + 2t + 2u = 3
x + y + 3z + 2u = 6
y + 2z + at + u = b
Donde x, y, z, t, u son las incognitas. En función de los distintos valores que pueden tomar a y b discuta
los tipos de soluciones que presenta este problema.
Respuesta:
Procederemos a trabajar utilizando el método de Gauss, ası́:
2 −1 0 −3 −1 2 −1 1 1 2 2 3 e21(2) −1 1 1 2 2 3
−1 1 1 2 2 3 −1 0 −3 −1
e21 2 2 0 1 2 1 3 8
]
1 1 3 0 2 6 1 1 3 0 2 6 e31(−1) 0 2 4 2 4 9
0 1 2 a 1 b 0 1 2 a 1 b 0 1 2 a 1 b
−1 1 1 2 2 3 e32(−2) −1 1 1 2 2 3 −1 1 1 2 2 3
0 1 2 1 3 8 0 1 2 1 3 8 e43(−1) 0 1 2 1 3 8
0 2 4 2 4 9 e42(−1)
0 0 0 0 −2 −7 0 0 0 0 −2 −7
0 1 2 a 1 b 0 0 0 a−1 −2 b−8 0 0 0 a−1 0 b−1
De esta forma, analizando la última ecuación a − 1 = b − 1 podemos concluir que si a = 1 y b 6= 1 el
sistema no posee solución. Luego, para cualquier otro caso, el sistema poseerá infinitas soluciones.
132 11. Sistemas de Ecuaciones Lineales
11.4.4. Ejercicio 4.
a) Encuentre la relación entre los parámetros a, b, c para que el siguiente SEL tenga solución:
x+y+z =a
2x + 3y + 4z = b
3x + 4y + 5z = c
b) Encuentre el o los valores de la constante p para que el siguiente SEL homógeneo tenga solución no
trivial:
px + y = 0
x + py = 0
x + y + pz = 0
Respuesta:
a) Se resolverá a través del método de Gauss, ası́:
e21(−2)
1 1 1 a 1 1 1 a 1 1 1 a
e
2 3 4 b 0 1 2 b − 2a 32(−1) 0 1 2 b − 2a
e31(−3)
3 4 5 c 0 1 2 c − 3a 0 0 0 c−a−b
kx + y + z = 2k − 1
x + ky + z = k 2
x + y + kz = 3 − 2k
Determine el o los valores del escalar k para que el sistema anteriormente planteado sea incompatible.
Respuesta:
e21(−1)
k 1 1 2k − 1 1 1 k 3 − 2k 1 1 k 3 − 2k
e
1 k 1 k 2 13 1 k 1 k2 0 k−1 1−k k 2 + 2k − 3
e31(−k)
1 1 k 3 − 2k k 1 1 2k − 1 0 1−k 1 − k2 2k 2 − k − 1
1 1 k 3 − 2k 1 1 k 3 − 2k
e
0 k−1 1−k k 2 + 2k − 3 32(1) 0 k−1 1−k k 2 + 2k − 3
0 1−k 1 − k2 2k 2 − k − 1 0 0 2 − k − k2 3k 2 + k − 4
11.5. Ejercicios Propuestos 133
~a = (−9, 6, −3)
~b = (12, 0, 15)
~c = (33, 9, 3)
~
d = (0, 3, −6)
Muestre que ~c es Combinación Lineal del resto.
11.5.2. Propuesto 2. El dueño del Circo Fenits está en un problema, ya que su contador le está exi-
giendo el detalle de la cantidad de entradas vendidas por tipo de cliente, los cuales son escolar, normal y
adulto mayor. El problema existe porque el dueño nunca les exigió a sus trabajadores registrar qué tipo de
entradas vendieron, sino que este sólo se enfocaba en lograr la mayor cantidad de ventas posibles. Luego de
conversar con sus trabajadores recauda la siguiente información:
• En un mes cualquiera, se recaudan $32.060.000 por concepto de entradas.
• La cantidad de entradas vendidas en el mes es de 8.905.
• Por cada entrada vendida a un escolar, se venden dos entradas normales.
Sabiendo que a los estudiantes les hacen un descuento de un 40 % por sobre el precio normal y que los
adultos mayores pagan sólo $2.000 por sus entradas y la entrada normal cuesta $4.500. Determine utilizando
sistemas de ecuaciones en su forma matricial la cantidad de entradas vendidas de cada tipo.
11.5.3. Propuesto 3. Resuelva el siguiente sistema de ecuaciones a través del método de gauss:
x − 2y + 3z = 4
2x + y − 4z = 3
−3x + 4y − z = −2
11.5.4. Propuesto 4. Un alumno de primer año de Contabilidad necesita ir a comprar algunos artı́culos
para la prueba que debe dar la próxima semana. En la compra de tres lápices, un destacador y dos portaminas,
gasta tres mil pesos. El doble del precio de un lápiz excede en $50 la la suma de los precios de un destacador
y de un portaminas. Si cada lápiz costara $50 más, entonces su precio duplicarı́a al de una goma de borrar.
Determine el precio de cada uno de los artı́culos mencionados.
11.5.5. Propuesto 5. Determine los distintos tipos de soluciones del siguiente sistema en función de
los parámetros a y b:
134 11. Sistemas de Ecuaciones Lineales
x + 2y + 4z = 10
2x + y + 17z = 20
4x + 5y + a2 z = b
Luego, encuentre las soluciones del sistema según los valores que encontró para los parámetros a y b
11.5.6. Propuesto 6. El mercado de las zapatillas está fuertemente monopolizado por Nike, Puma y
Adidas, las cuales cobran $40.000, $20.000 y $40.000 pesos por zapatilla (en promedio). Un director técnico
lo ha contratado a usted para que lo asesore con la compra de zapatillas para la próxima temporada de su
equipo, para esto debe tener en cuenta lo siguiente:
• El presupuesto total del equipo es de $680.000.
• El equipo necesita 20 zapatillas.
• El equipo necesita 8 zapatillas azulez, por cuestiones de gusto de los jugadores, las cuales sólamente están
disponibles en Puma y Adidas.
Plantee el sistema de ecuaciones de forma lineal y matricial y luego determine la cantidad de zapatillas
que cada marca le vende al plantel.
λx + y + z = 1
x + λy + z = λ
x + y + λz = λ2
Determinar los siguientes conjuntos:
A = λ< /Solución Única
B = (λ< /Infinitas Soluciones)
C = (λ< /No existen Soluciones)
x + 2y = z
2x + 2z = −5y
4y + 7z = −x
x + 3y + 3z = 0
x + 2y − z = 3
x + (2 + η)y = η + 3
x + (2 − η)y + (η 2 − 11)z = 6
Determine los valores de η para los cuales el sistema tiene:
Solución Única
Ninguna Solución
Infinitas Soluciones
11.5. Ejercicios Propuestos 135
11.5.10. Propuesto 10. En un show, Yolanda Sultana promete adivinar un numero de tres digitos
solamente con 3 pistas. Salen tres personas del publico, las cuales le indican:
Persona 1: La suma de los dos primeros digitos es 5. Cuatro veces el primer dı́gito más 8, es igual a 3 y por último
2 veces el primer digito menos el segundo es igual a 2.
Persona 2: La suma de los tres dı́gitos corresponde a 15. La resta del segundo y primer digito corresponde a 2 y por
último 3 veces el primer dı́gito menos el tercero es igual a la resta del segundo y primer digito.
Persona 3: La suma del primer y tercero es igual a 4. Si al primer termino lo doblamos y al tercero también,
obtendremos la mitad de 16 y por último la suma de los tres números es 10.
Con toda esta información, ¿Cuáles son los números que cada una de estas personas está pensando?
Capı́tulo 12
12.1. Definición
Un vector propio de una matriz A de n × n es un vector diferente de ~0, tal que A · ~x = λ · ~x para algún
escalar λ. Un escalar λ se llama valor propio de A si existe una solución no trivial ~x de A · ~x = λ · ~x; una ~x
como esta se denomina vector propio correspondiente (o asociado) al valor propio λ.
Ejemplo 1
Sea A una matriz arbitraria definida como:
1 6
A=
5 2
6 3
y ~u = , ~v = dos vectores cualesquiera, ¿Son ~u y ~v vectores propios de A?
−5 −2
Para determinar si estos vectores son o no vectores propios de la matriz A, verificamos si cumplen con
la definición de vector propio de una matriz. En efecto, para ~u tendrı́amos que encontrar algún λ que cumpla
con la ecuación A · ~u = λ · ~u, por lo tanto:
1 6 6 6
· =λ·
5 2 −5 −5
−24 6
=λ·
20 −5
de lo cual se deduce que λ = −4.
Dado que existe un valor que cumpla con la expresión descrita anteriormente, podemos decir que ~u es un
vector propio de A asociado a un valor propio de −4.
137
138 12. Valores y Vectores Propios
Ejemplo 2
Mostrar que 7 es un valor propio de A (matriz definida en el Ejemplo 1), y encontrar los vectores propios
correspondientes.
En primer lugar sabemos que 7 es valor propio por tanto cumple con:
A · ~x = 7 · ~x
A · ~x − 7 · ~x = ~0
(A − 7 · I) · ~x = ~0
Reemplazando:
1 6 1 0 x 0
−7· · 1 =
5 2 0 1 x2 0
−6 6 x 0
· 1 =
5 −5 x2 0
−x1 + x2 = 0
⇒ x1 = x2
Definición
Se llama polinomio caracterı́stico de A o bien P (λ) a Det(A − λ · I), cuya expresión depende de λ.
Proposición
Los valores propios de una matriz A son las raı́ces de su polinomio caracterı́stico.
Observación
Una matriz An×n tendrá un polinomio caracterı́stico de grado n, por tanto, hay n posibles valores propios
que cumple con la proposición P (λ) = 0.
12.1. Definición 139
Ejemplo 3
Calcular los valores y vectores propios para la siguiente matriz:
4 −5
A=
2 −3
En efecto:
Para calcular los valores propios planteamos el polinomio caracterı́stico, el cual provendrı́a de la ecuación
Det(A − λ · I) = 0. Lo que es equivalente con:
4 −5 1 0
Det −λ· =0
2 −3 0 1
(4 − λ) −5
Det =0
2 (−3 − λ)
(4 − λ)(−3 − λ) + 10 = 0
λ2 − λ − 12 + 10 = 0
λ2 − λ − 2 = 0
(λ − 2) · (λ + 1) = 0
⇒ λ1 = 2
⇒ λ2 = −1
Luego de haber encontrado los valores propios de la matriz A (2 y 1) , procedemos a encontrar vectores
propios asociados a cada uno de los valores propios hallados. El procedimiento consiste en resolver el Sistema
de ecuación lineal homogéneo correspondiente a cada valor propio (A − λI).
4 −5 1 0 x 0
−2· · 1 =
2 −3 0 1 x2 0
2 −5 x 0
· 1 =
2 −5 x2 0
2 · x1 − 5 · x2 = 0
2
⇒ x2 = · x1
5
140 12. Valores y Vectores Propios
Realizamos el mismo procedimiento, pero esta vez con el valor propio −1:
4 −5 1 0 x 0
+1· · 1 =
2 −3 0 1 x2 0
5 −5 x1 0
· =
2 −2 x2 0
x1 − x2 = 0
⇒ x1 = x2
λ1 + λ2 + ... + λn = T r(A)
Teorema 12.2. El producto de los n valores propios de A es igual a su determinante:
λ1 · λ2 · ... · λn = Det(A)
Teorema 12.3. Los valores propios de una matriz triangular (superior o inferior), son los valores de su
diagonal.
¿Qué ocurre cuando una matriz A tiene un valor propio igual a 0?
Se sabe que A · ~x = ~0 · ~x para algún ~x 6= 0. Por tanto, A · ~x = ~0 tiene una solución no trivial. Luego, A no es
invertible.
Teorema 12.4. An×n es invertible sı́ y sólo sı́ todos los valores propios son distintos de 0.
12.2. Concepto de independencia lineal 141
De esta forma, el conjunto V~1 , V~2 , ..., V~n es linealmente dependiente si existen pesos λ1 , λ2 , ..., λn no todos
nulos tales que:
Ejemplo 4
Sean los vectores:
1 4 2
V~1 = 2 V~2 = 5 V~3 = 1
3 6 0
Para encontrar los ponderadores, basta con encontrar una solución al sistema
(1) −3x1 − 6x2 = 0
De (1)
(3) x1 = −2x2
(3) en (2):
−2 · 2x2 + 5x2 + x3 = 0
−4x2 + 5x2 + x3 = 0
x2 = −x3
Por lo tanto:
x1 −2
x2 = xi 1
x3 −1
Con x2 = 1:
1 4 2 4 1 2
−2 2 + 5 − 1 1 = 0 ⇒ 5 = 2 2 + 1
3 6 0 6 3 0
⇒ v2 = 2v1 + v3
Definiciones
Sea un conjunto de vectores S, se define la dimensión del conjunto S como el máximo número de Vectores
L.I. de S.
Se define el espacio generado por el conjunto S, como < S >, Span(S) o gen(S) como el conjunto de
todas las combinaciones lineales del conjunto S.
Se define una base de un conjunto E a cualquier conjunto B tal que < B >= E
Sea (λ1 , λ2 , ..., λn ) las raı́ces del polinomio caracterı́stico de An×n , se define la multiplicidad algebraica
de cada λ como el número de veces que λ es raı́z del polinomio caracterı́stico.
Se define el espacio propio asociado al valor propio λ como “espacio generado por los vectores propios
asociados a λ”
Teorema 12.6. La multiplicidad algebraica es siempre mayor o igual que su multiplicidad geométrica.
12.4. Diagonalización
12.4.1. Semejanza de matrices. A y B matrices de n × n, son matrices semejantes si existe una matriz
invertible P , tal que P −1 · A · P = B o bien A = P · B · P −1
Teorema 12.7. Si las matrices A y B de n × n son semejantes, entonces tienen el mismo polinomio carac-
terı́stico y, por lo tanto los mismos valores propios con las mismas multiplicidades.
12.4. Diagonalización 143
Ejemplo 5:
Sea:
−7 6
A=
−9 8
Se pide:
a) Diagonalizar la matriz A
b) Encontrar A100
P (λ) = |A − λI| =0
−7 6 λ 0
−9 8 − 0 λ =0
(−7 − λ) 6
=0
−9 (8 − λ)
(−7 − λ) · (8 − λ) + 54 =0
−56 − λ + λ2 + 54 =0
λ2 − λ − 2 =0
(λ + 1) · (λ − 2) =0
⇒ λ1 = − 1
⇒ λ2 =2
Por lo tanto, la matriz diagonal D es:
−1 0
0 2
Ahora, para encontrar la matriz P , necesitamos hallar los vectores propios asociados a cada λ:
Para λ1 = −1, el procedimiento es conocido; con lo que se obtiene:
x1 x1 1
= = x1 ·
x2 x1 1
1
Por lo que podemos decir que para un valor de x1 = 1, el vector es un valor propio asociado a λ = 1
1
Si realizamos el mismo procedimiento para encontrar los vectores propios asociados a λ = 2, encontraremos
que sólo existe un vector propio para un x2 equivalente a:
3
" #
2
1
.
Por lo tanto la matriz P serı́a:
3
" #
1
P = 2
1 1
144 12. Valores y Vectores Propios
Nota
Cabe destacar que el orden el cual van los vectores propios asociados a algún λ dependen de la disposi-
ción
en que estén distribuı́dos estos en la matriz diagonal. En este caso la matriz diagonal que definimos era
−1 0
es por esto que en la primera columna va el vector asociado al valor propio −1 y ası́ también el por
0 2
qué del segundo vector propio.
Luego, realimos el proceso de diagonalización de la matriz A:
Por definición, sabemos que:
A = P · A · P −1
100
A100 = P · D · P −1
A100 = P · D · P −1 · P · D · P −1 · ... · P · D · P −1
A100 = P · D · I · D · I · D · ... · I · D · P −1
A100 = P · D100 · P −1
Teorema 12.8. Una matriz A de n × n es diagonalizables si y sólo sı́ A tiene n vectores propios linealmente
independientes.
0 −10
A=
1 11
a) Determinar sus valores y vectores propios, explicitando la multiplicad algebraica y geométrica de cada
uno de ellos.
b) ¿La matriz A es diagonalizable? De serlo, determine la Matriz AN
12.5. Ejercicios Resueltos 145
Respuesta.
a) Para determinar los valores y vectores Propios de A, primero encontramos el polinomio caracteristico de
la matriz, ası́:
Sabemos que el polinomio caracteristico asociado a esta matriz corresponde a:
−λ −10
A − λI =
1 11 − λ
Este determinante del polinomio caracterı́stico debe ser igual a 0, por lo tanto:
−λ −10
A − λI = = −λ(11 − λ) − (−10) = (λ − 10)(λ − 1)
1 11 − λ
PPor lo tanto, los valores Propios corresponden a λ1 = 10 y λ2 = 1 cuyas multiplicidades algebraicas
son iguales a uno. Luego, para cada uno de los valores propios debemos obtener una base de vectores
propios, ası́:
Para λ1 = 10
−10 −10
A − λ1 I =
1 1
El sistema asociado a esta matriz corresponde a:
−10 −10 x 0
=
1 1 y 0
Luego, las ecuaciones son linealmente dependientes, por lo que eliminaremos una de ellas y al despejar
las incógnitas obtenemos y = −x, por lo tanto, el vector propio asociado a este valor propio será (1, −1)
cuya multiplicidad geométrica corresponde a 1.
Para λ2 = 1
−1 −10
A − λ1 I =
1 10
El sistema asociado a esta matriz corresponde a:
−1 −10 x 0
=
1 10 y 0
Luego, las ecuaciones son linealmente dependientes, por lo que eliminaremos una de ellas y al despejar
las incógnitas obtenemos x = −10y, por lo tanto, el vector propio asociado a este valor propio será (−10, 1)
cuya multiplicidad geométrica corresponde a 1.
De esta forma, los valores propios de esta matriz corresponden a: λ1 = 10 y λ2 = 1 y sus vectores
propios asociados son B = [(1, −1), (−10, 1)]
b) Una matriz es diagonalizable si cumple que la multiplicidad algebraica de todos los valores propios es
igual a su multiplicidad geométrica. En este caso se cumple condición, por lo que la matriz A sera
diagonalizable. Ası́, se cumplirá:
A = P DP −1
Donde la matriz D es una matriz diagonal que contiene los valores propios de A y P es una matriz
que contiene todos los vectores propios de A. Otra de las particularidades que tiene la diagonalización es
que nos permite calcular:
AN = P DN P −1
146 12. Valores y Vectores Propios
12.5.3. Ejercicio 3. Estudiar para qué valores de los parámetros p y q la matriz A es diagonalizable:
5 0 0
A = 0 −1 q
3 0 p
Respuesta. Sabemos que el polinomio caracteristico asociado a esta matriz corresponde a:
5−λ 0 0
A − λI = 0 −1 − λ q = (5 − λ)(−1 − λ)(p − λ)
3 0 p−λ
De esta forma, los valores propios de A serán λ1 = 5, λ2 = −1 y λ3 = p
Consideremos distintos casos, donde el primero corresponde a p 6= 5 y p 6= 1:
Para λ1 = 5
0 0 0 α 0
0 −6 q β = 0
3 0 p−5 γ 0
6 0 0 α 0
0 0 q β = 0
3 0 p+1 γ 0
Luego, el vector propio asociado será: v~2 = β(0, 1, 0)
Para λ2 = p
5−p 0 0 α 0
0 −1 − p q β = 0
3 0 0 γ 0
6 0 0 α 0
0 0 q β = 0
3 0 0 γ 0
Para valores de q 6= 0 A no será diagonalizable. Pero para q = 0 si sera diagonalizable. Por lo tanto, para
p 6= −5 y p 6= −1 A es diagonalizable para cualquier q. Para p = 5 A no sera diagonalizable. Para p = −1 A
es sólo diagonalizable si es que q = 0
12.5.4. Ejercicio 4. Sea la transformación lineal f : <3 → <3 f (~x) = A~x donde:
1 2 2
A= 1 2 −1
−1 1 4
a) Determine el Polinomio Caracteristico.
b) Encuentre los valores y los vectores propios asociados.
c) ¿Es diagonalizable A?
d) Encontrar A−1 por medio Cayley-Hamilton
Respuesta.
a) El polinomio caracteristico vendrá dado por la siguiente ecuación: Det(A − λI)
b) Para encontrar los valores y vectores propios procedemos de la siguiente forma:
1−λ 2 2
Det 1 2−λ −1 = 0
−1 1 4−λ
Resolviendo el determinante anterior, tendrémos que:
1−λ 2 2
2−λ −1 1 −1 1 2−λ
Det 1 2−λ −1 = (1 − λ) −2 +2
1 4−λ −1 4−λ −1 1
−1 1 4−λ
2y + 2z = 0
x+y−z =0
y = −z
x=0
De esta forma (x, y, z) = (0, −z, z) = z(0, −1, 1). Ası́ el vector propio asociado a λ1 corresponderá a
(0, −1, 1) que tiene una multiplicidad geométrica de 1.
Por otro lado, para λ2 = 3, tendremos que:
−2 2 2 −2 2 2 −2 2 2 x 0
Det 1 −1 −1 e32(1) 1 −1 −1 e21(1/2) 0 0 0 y = 0
−1 1 1 0 0 0 0 0 0 z 0
De esta forma, tendremos que y + z = x. Ası́, (x, y, z) = (y + z, y, z) = y(1, 1, 0) + z(1, 0, 1). Ası́, el
vector propio asociado a λ2 corresponde a: [(1, 1, 0); (1, 0, 1)] que tiene multiplicidad geométrica igual 2.
c) Como la multiplicacidad geométrica es distinta a la multiplicidad algebráica, no sera diagonalizable.
b) Cayley - Hamilton postula que la inversa se obtendrá a partir del polinimo caracteristico igualado a 0.
Ası́:
−1 0 0 0
0 1 0 0
0 0 −2 0
0 0 0 3
12.6.3. Propuesto 3. Considere la siguiente transformación lineal f : <3 → <3 definida por:
x −3x + y − 2z
f y = −7x + 5y − z
z −6x + 6y − 2z
Encuentre los valores y vectores propios de la transformación anterior.
12.6.4. Propuesto 4. Determinar los valores y vectores propios para la función f definida por:
12.6.5. Propuesto 5. Determine si los siguientes vectores son vectores propios de la matriz A, si lo
son, determine su valor propio. Sea A:
−33 51 27
2 2 2
A= −83 121 57
4 4 4
−57 −75 −27
4 4 4
~a = (−3, −3, 2)
~b = (−1, 2, −5)
~c = (4, 2, 2)
12.6.6. Propuesto 6. Sea A una matriz cuadrada cuyo polinomio caracterı́stico corresponde a:
p(λ) = λ2 + 2λ − 3
a) Exprese A−1 en función de A.
b) Encuentre una matriz diagonal, similar con A.
c) Considerando la identididad A2 − λ2 I = (A − λI)(A + λI) determine el polinomio caracterı́stico de A2 .
150 12. Valores y Vectores Propios
1 2 a
12.6.7. Propuesto 7. Sea A = b 2 −1 tal que λ = 3 es uno de sus valores propios y ~x = (1, 0, 1)
−1 1 c
es un vector propio asociado a él. Determine:
a) Los valores de las constantes a, b, c.
b) Todos los valores propios de A.
c) Los vectores propios asociados a cada valor propio.
d) ¿Es A diagonalizable? Justifique su respuesta.
12.6.8. Propuesto 8. Sean A y B dos matrices cuadradas de las mismas dimensiones. Demuestre que
si λ es valor propio de AB, entonces λ también es valor propio de BA.
12.6.9. Propuesto 9. Determine si los siguientes vectores son vectores propios de la función f (x, y, z)
junto a su valor propio asociado:
4x + y − z
f (x, y, z) = 2x + 5y − 2z
x + y + 2z
~a = (1, 2, 1)
~b = (2, 4, 0)
~c = (−5/2, −5, −5/2)
Posteriormente, encuentre TODOS sus valores y vectores propios, determinando la multiplicidad alge-
braica y geométrica.
Aplicación: Mı́nimos
Cuadrados Ordinarios
Ejemplo 6
Sean los vectores:
1 3
V1 = , V2 =
2 4
Su producto interno vendrı́a dado por:
n
X
(v1i · v2i ) = 3 + 8 = 11
i=1
Nota
El producto interno entre dos vectores también podrı́a escribirse como:
n
X T
(v1i · v2i ) = V~1 · V~2
i=1
Teorema 13.1. Sean V~1 , V~2 y V~3 , tres vectores de Rn , sea c un escalar, entonces se cumple que:
b) < (V~1 + V~2 ), V~3 >=< V~1 , V~3 > + < V~2 , V~3 >
151
152 13. Aplicación: Mı́nimos Cuadrados Ordinarios
an
AT (~b − A~x̂) = 0
⇒ AT ~b = AT A~x̂
⇒ ~x̂ = (AT A)−1 AT ~b
Evaluando esto último en el teorema, nos queda:
~b = A(AT A)−1 AT ~b̂ + ~z
b = PA~b + ~z
13.3. Modelos lineales 153
P ropuesto 1 :
Mostrar que PA es simétrica e independiente.
Ejemplo7
Encontrar una solución por mı́nimos cuadrados del sistema inconsistente A~x = ~b, con
4 0 2
~b = 0 4 0 1
A = 0 2 ; ⇒ AT =
0 2 1
1 1 11
4 0
4 0 1 17 1
AT A = 0 2 =
0 2 1 1 5
1 1
2
4 0 1 19
AT ~b = 0 =
0 2 1 11
11
T T~
A A~x= A b
17 1 x1 19 ~x̂ = 1
= ⇒
1 5 x2 11 2
Teorema 13.3. La matriz AT A es invertible si y sólo si las columnas de A son L.I.. En este caso la ecuación
A~x = ~b tiene solamente una solución por M.C. ; ~x̂ está dada por:
~x̂ = (AT A)−1 AT ~b
β0
x
Figura 1. Modelo lineal: y = β0 + β1 x
Matricialmente, el modelo queda expresado:
Y = X · β~ + ~ε
~
arg mı́n ||Y − X β||
~
β
Según lo expuesto anteriormente, la ecuación matricial que nos permite minimizar el error cuadrático es:
X T · X · β~ = X T · Y
−1
β~ = (X T · X ) · (X T · Y )
todo esto, bajo el supuesto de que X tiene todas sus columnas L.I.
y1 x1
y2 x2
. .
P ropuesto 2 Se tiene una muestra de Y =
y de X =
. .
. .
yn n×1 xn n×1
Se desea estimar un modelo de la forma yi = β0 + β1 · xi
La matriz de diseño está dada por:
1 x1
1 x2
1 .
X= 1 .
1 .
1 xn
Teorema 13.4. Sea X ∗ = arg mı́n f (x) y sea g(x) una función monotónica creciente en el dominio de los
x, entonces:
n
X
⇒ arg mı́n ε2 = arg mı́n (εT · ε)
β β
i=1
⇒ εT · ε = (Y T − β~ T · X T ) · (Y − X · β)~
~ − (β~ T · X T · Y ) + (β~T · X T · X · β)
εT · ε = (y T · Y ) − (Y T · X · β) ~
13.4.1. Derivadas de matrices. Sea A = aij una matriz, ~x = xi e ~y = yi , vectores y z un escalar.
Luego se tiene lo siguiente:
∂A ∂aij ∂Y
∂yi
= = ∀i, j
∂z ∂z ∂~x ∂xi
∂z ∂z ∂A · ~x
= =A
∂A ∂Aij ∂~x
∂~y T · A ∂A · B ∂A ∂B
= AT = ·B+A·
∂~y ∂~x ∂~x ∂~x
T xT ·A·~
∂ (~ x) T
Si A es simétrica (A = A ) ⇒ ∂~
x = 2 · ~x · A
∂ β~ T · ~xT · X · ~x · β~
∂ ~y T · ~y ∂ ~y T · ~x · β
− +
∂ β~ ∂ β~ ∂ β~
T T ~ T T
−~y · ~x − ~y · ~x + 2β · (~x · ~x) = 0
2β~ T · (~xT · ~x) = 2~y T · ~x
β~ T · (~xT · ~x) = ~y T · ~x
transponiendo la expresión:
Lo que es equivalente a:
x1 y1
x2 y2
. .
Pues x =
.
, y =
. .
. .
xn n×1 yn n×1