Metodos Matem Aticos III PDF

Universidad de Chile
Facultad de Economı́a y Negocios
Apunte del Curso
Métodos Matemáticos III
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
Borrador al 30 de abril de 2014

Índice general
Introducción 1
Parte 1. Tópicos en cálculo multivariado

Capı́tulo 1. Repaso de cálculo univariado 5
1.1. Continuidad 5
1.2. Derivadas 6
1.3. Propiedades de la operatoria de derivadas 6
1.3.1. Derivadas Conocidas 6
1.3.2. Consideraciones básicas para derivar 7
1.4. Crecimiento y decrecimiento 7
1.5. Optimización 8
1.6. Ejercicios Resueltos 9
1.6.1. Ejercicio 1 9
Respuesta 9
Respuesta 9
Respuesta 10
Respuesta 10
Respuesta 12
1.7. Ejercicios Propuestos 13
1.7.0.1. Ejercicio 1 13
1.7.0.2. Ejercicio 2 13
1.7.0.3. Ejercicio 3 13
1.7.0.4. Ejercicio 4 14
1.7.0.5. Ejercicio 5 14
1.7.0.6. Ejercicio 6 14
1.7.0.7. Ejercicio 7 14
1.7.0.8. Ejercicio 8 14
1.7.0.9. Ejercicio 9 14
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
Respuesta 21
Respuesta 21
Respuesta 23
Respuesta 23
Respuesta 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 40
Respuesta 40
Respuesta 41
Respuesta 43
Respuesta 43
3.12. Ejercicios propuestos 44
3.12.0.1. Ejercicio 1 44
3.12.0.2. Ejercicio 2 44
3.12.0.3. Ejercicio 3 44
3.12.0.4. Ejercicio 4 44
3.12.0.5. Ejercicio 5 45
3.12.0.6. Ejercicio 6 45
3.12.0.7. Ejercicio 7 45
3.12.0.8. Ejercicio 8 45
3.12.0.9. Ejercicio 9 45
3.12.0.10. Ejercicio 10 45
Capı́tulo 4. Concavidad y Convexidad 47

4.1. Concepto General 47
4.2. Caracterización de la Concavidad y Convexidad 48
4.3. Recordando el concepto de Matriz Hessiana 48
4.4. Concavidad y Convexidad en funciones de varias variables 49
4.5. Ejercicios resueltos 49
4.5.1. Concavidad del Binomio Generalizado de Newton 49
Respuesta 50
4.5.2. Convexidad Exponencial 50
Respuesta 50
4.5.3. Convexidad Compuesta 50
Respuesta 50
4.5.4. Demostración por Definición 50
Respuesta 51
4.5.5. Rendimientos Decrecientes a Escala 51
Respuesta 51
4.6.0.1. Ejercicio 1 51
4.6.0.2. Ejercicio 2 51
4.6.0.3. Ejercicio 3 51
4.6.0.4. Ejercicio 4 51
4.6.0.5. Ejercicio 5 52
4.6.0.6. Ejercicio 6 52
4.6.0.7. Ejercicio 7 52
4.6.0.8. Ejercicio 8 52
4.6.0.9. Ejercicio 9 52
4.6.0.10. Ejercicio 10 52
vi Índice general
Capı́tulo 5. Optimización no restringida y restringida 53

5.1. Optimización no restringida 53
5.2. Optimización con restricciones 55
5.3. Condición de segundo orden del problema restringido: 56
5.4. Condición del hessiano orlado para que sea definido positivo o definido negativo 56
5.5. Generalización a n variables y m restricciones 57
5.6. Teorema de la envolvente 58
5.6.1. Teorema de la envolvente cuando la optimización es no restringida: 59
5.6.2. Caso optimización restringida 59
5.6.3. Identidad de Roy 60
5.7.1. Maximización con Lagrangeano 60
Respuesta 61
5.7.2. Distancia entre una recta y una elipse 62
Respuesta 62
5.7.3. Maximización sin Lagrangeano 62
Respuesta 62
5.7.4. Coca-Loca 63
Respuesta 63
5.7.5. Acciones Sin Incertidumbre 64
Respuesta 64
5.8.0.1. Ejercicio 1 65
5.8.0.2. Ejercicio 2 66
5.8.0.3. Ejercicio 3 66
5.8.0.4. Ejercicio 4 66
5.8.0.5. Ejercicio 5 66
5.8.0.6. Ejercicio 6 66
5.8.0.7. Ejercicio 7 66
5.8.0.8. Ejercicio 8 66
5.8.0.9. Ejercicio 9 67
5.8.0.10. Ejercicio 10 67
Capı́tulo 6. Integrales Indefinidas 69
6.1. Primitiva de una función 69
6.2. Primitivas Conocidas 70
6.3. Propiedades de la Integral 71
6.4. Métodos de Resolución de Integrales 71
6.4.1. Integración por Partes 71
6.4.2. Cambio de Variable 71
6.4.3. Expresiones Racionales 72
6.4.3.1. Polinomio de grado 1 en el denominador 72
6.4.3.2. Polinomio de grado 2 en el denominador sin raı́ces reales 72
6.4.3.3. Polinomio de grado 2 en el denominador sin raı́ces reales y un polinomio de grado 1 en el
numerador 72
6.4.3.4. Polinomio de grado 2 en el denominador con raı́ces reales 73
6.5.1. Elena Nito 73
Respuesta 73
Índice general vii
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
6.6.0.1. 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
Capı́tulo 7. Integrales Definidas 79

7.1. Teorema fundamental del cálculo 79
7.2. Segundo teorema fundamental del cálculo o regla de Barrow 80
7.3.1. Integral por sustitución trigonométrica 81
Respuesta 81
7.3.2. Área entre funciones 82
Respuesta 82
7.3.3. Graficar e integrar 83
Respuesta 84
7.3.4. Integrales e incógnitas 85
Respuesta 85
7.3.5. Valor del lı́mite 85
Respuesta 86
7.4. Ejercicios Propuestoss 86
Capı́tulo 8. Integrales dobles 87

8.1. Propiedades 87
8.2. Teorema de Fubini 87
8.3. Integrales dobles sobre dominios más generales 88
8.4. Teorema de Fubini para integrales dobles iteradas (intercambio de orden de integración) 89
8.5.1. Integral doble dominio constante 90
Respuesta 90
8.5.2. Lı́mite triangular 91
Respuesta 91
viii Índice general
Respuesta 93
Respuesta 93
8.5.5. Cambio orden de integración 94
Respuesta 94
Parte 2. Tópicos en Álgebra Lineal
Capı́tulo 9. Introducción a las matrices 99

9.1. Vector fila 100
9.2. Vector columna 100
9.3. Matrices cuadradas 101
9.4. Diagonal de una matriz 101
9.5. Traza de una matriz 101
9.6. Matriz Identidad 102
9.7. Traspuesta de una matriz 102
9.8. Matriz simétrica 103
9.9. Matriz diagonal 103
9.10. Matriz triangular 104
9.11. Matriz inversa 104
9.12.1. Simde 104
Respuesta: 105
9.12.2. Grandes empresas 105
Respuesta: 105
9.12.3. Muebles 105
Respuesta: 106
9.12.4. Matriz griega 107
Respuesta: 107
9.12.5. Proposición 107
Respuesta: 107
Capı́tulo 10. Operaciones Matriciales 111
10.1. Adición y sustracción 111
10.2. Multiplicación por un escalar 112
10.3. Producto interno 112
10.4. Multiplicación de Matrices 113
10.5. Potencia de Matrices 114
10.6. Invertibilidad de una matriz 114
10.7. Matrices y Operaciones elementales 114
10.8. Determinantes 115
10.8.1. Regla de Cramer 117
10.8.2. Método de los Cofactores 117
10.9.1. Ejercicio 1 117
Índice general ix
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
10.10.1. 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
11.4.1. 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
11.5.1. 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

12.5.1. Ejercicio 1 144
Respuesta 144
12.5.2. Ejercicio 2 144
Respuesta 145
12.5.3. Ejercicio 3 146
Respuesta 146
12.5.4. Ejercicio 4 147
Respuesta 147
12.5.5. Ejercicio 5 148
Respuesta 148
12.6.1. Propuesto 1 149
12.6.2. Propuesto 2 149
12.6.3. Propuesto 3 149
12.6.4. Propuesto 4 149
12.6.5. Propuesto 5 149
12.6.6. Propuesto 6 149
12.6.7. Propuesto 7 150
12.6.8. Propuesto 8 150
12.6.9. Propuesto 9 150
12.6.10. Propuesto 10 150
Capı́tulo 13. Aplicación: Mı́nimos Cuadrados Ordinarios 151

13.1. Definiciones previas 151
13.1.1. Producto interno 151
13.1.2. Normal de un vector 152
13.1.3. Distancia entre dos vectores 152
13.1.4. Ortogonalidad entre vectores 152
13.2. Problema de mı́nimos cuadrados 152
13.3. Modelos lineales 153
13.4. Mı́nimos cuadrados desde el punto de vista de la optimización numérica 154
13.4.1. Derivadas de matrices 155
Introducción
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 este documento se ha priorizado la aplicación y conocimiento de la materia sobre la rigurosidad

matemática de las demostraciones, esto en lı́nea con el nuevo plan curricular de la escuela, el cual está en
concordancias con los mejores programas de Economı́a y Negocios a nivel mundial. Para los estudiantes, se
les recomienda tomar este apunte como un apoyo a las clases y nunca como un reemplazo absoluto de la
cátedra, pues el aprendizaje realizado en el aula es único e irremplazable.
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.
El Capı́tulo 4 se concentra en los temas de concavidad y convexidad, principalmente de funciones de n

variables. El Capı́tulo 5 trata del tópico de optimización. Tanto en situaciones con y sin restricciones.
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
Repaso de cálculo univariado
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.
Definición 1.1. Continuidad de una función

Una definicion más rigurosa es la que se presenta a continuación. Una función es continua en x0 (un punto)
sı́ y sólo si:
∀ ε > 0 ∃ δ > 0 : ∀ x ∈ R, |x − x0 | < δ ⇒ |f (x) − f (x0 )| < ε
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 <++
Un concepto relacionado con el tema de continuidad es el de derivada de que presenta a continuación.
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.
Definición 1.2. Derivada de una función

Sea f : R → R una función continua, se define su derivada en el punto x0 como:
df f (x0 + h) − f (x0 )
|x=x0 = f 0 (x0 ) = lı́m
dx h→0 h
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
1.3. Propiedades de la operatoria de derivadas
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)
1.3.1. Derivadas Conocidas. Derivadas Conocidas:

1.4. Crecimiento y decrecimiento 7
f (x) f 0 (x)
xn nxn−1
sen(x) cos(x)
ex ex
ex ex
1
ln(x) x
1.3.2. Consideraciones básicas para derivar.

1. Sea una derivada del tipo af (x) dónde a es una constante, se tiene que la derivada de la misma es af 0 (x)
pues al aplicar la regla de la multiplicación se cancela el segundo término pues a0 = 0. Por tanto, lo
primero que uno debe hacer es distinguir la constante de las variables.
2. A veces resulta más sencillo tratar la derivada de una división como la derivada de una multiplicación
3. Lo primero que uno debe hacer es ordenarse con la derivada y no confundir derivadas de una multiplicación
o división con regla de la cadena.
1.4. Crecimiento y decrecimiento

1. Se dice que una función f : R → R es creciente en todo su dominio si se tiene que:
∀x1 , x2 ∈ R | x1 > x2 ⇒ f (x1 ) > f (x2 )
2. se dice que una función f : R → R es decreciente en todo su dominio si se tiene que:
∀x1 , x2 ∈ R | x1 > x2 ⇒ f (x1 ) < f (x2 )
Teorema 1.1. Funciones crecientes y decrecientes

Si f (x) es derivable en todo su dominio, entonces:
1. f (x) es una función creciente ⇔ ∀x ∈ Df 0 (x) > 0
2. f (x) es una función decreciente ⇔ ∀x ∈ Df 0 (x) < 0
Definición 1.3. Máximo global de una función

Sea f (x) : D → R una función. Sea x0 ∈ D. Si se cumple que f (x0 ) ≥ f (x) ∀x ∈ D. Entonces f (x0 ) es un
máximo global para la función.
Definición 1.4. Mı́nimo global de una función

Sea f (x) : D → R una función. Sea x0 ∈ D. Si se cumple que f (x0 ) ≤ f (x) ∀x ∈ D. Entonces f (x0 ) es un
mı́nimo global para la función.
Definición 1.5. Punto extremo

Sea f (x) una función derivable, x∗ es un punto extremo de f (x) si se cumple que:
df (x)
|x=x∗ = 0
dx
Definición 1.6. Concavidad y Convexidad
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
Teorema 1.2. Existencia de mı́nimos y máximos en funciones dos veces derivables
1. Si x∗ es un punto extremo y la función es concava en f (x∗ ), entonces en x∗ se produce un máximo local

en la función.
2. Si x∗ es un punto extremo y la función es convexa en f (x∗ ), entonces en x∗ se produce un mı́nimo local
en la función.
Insertar gráfico con la intuición del resultado

Ejemplo 1.2. Sea la siguiente función de demanda P = 100 − Q, y la empresa posee la siguiente función
de costos C = Q2 . Suponiendo que esta empresa actúa como monopolio. Encuentre el precio y la cantidad
que maximizan los beneficios de la empresa y muestre que efectivamente la cantidad encontrada maximiza el
precio.
Respuesta:
Sea la utilidad igual a:
π = IT − CT
Además el ingreso total está dado por:
IT = pq = (100 − Q) Q = 100Q − Q2
CT = Q2
π = 100Q − Q2 − Q2
π = 100Q − 2Q2
Ahora encontramos el o los posibles puntos extremos, para eso, debemos encontrar los puntos que hacen que
la primera derivada de la utilidad (π) sea igual a cero. Por tanto, se tiene que:

dπ d 100Q − 2Q2
=0⇒ =0
dQ dQ
100 − 4Q = 0
Q∗ = 25
Por tanto en Q∗ = 25 hay un punto extremo.
Para encontrar el precio, se debe reemplzar Q∗ en la demanda, lo que entrega P ∗ = 75.
Finalmente queda por verificar si la cantidad y el precio encontrados anteriormente maximizan la utilidad,
para que eso ocurra, la función debe ser cóncava en el punto extremo, es decir:
π = 100Q − Q2
d2 π
= −4 < 0
dQ2
Como la función es cóncava ∀Q, se tiene que en Q = 25 y en P = 75 se maximiza el beneficio de la empresa.
1.6. Ejercicios Resueltos

2
1.6.1. Ejercicio 1. Hallar la derivada de la función f (x) = x+1 en el punto x = 3, aplicando la defini-
ción de derivada.
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)
la definición de derivada queda expresado de la siguiente manera:
−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
1.6.2. Ejercicio 2. Calcule las derivadas de las siguientes funciones:
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
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:
P T 00 (0) = 180 > 0

En este caso es un mı́nimo relativo por lo que en ese punto hace convexa la función.
P T 00 (60) = −180 < 0

En este caso es un máximo relativo por lo que en ese punto hace cóncava la función.
b)
P M E = P T /K
P M E = 90K − K 2
P M E 0 = 90 − 2K = 0
k=45 (valor critico),luego:
P M E 00 = −2 < 0
Por lo tanto es un máximo relativo y es cóncavo en ese punto.
c)
P M A = P T 0 = 180K − 3K 2
P M A0 = 180 − 6K = 0
K = 30
CSO:
P M A00 = −6 < 0; Es un máximo y en ese punto la función es cóncava.
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.
1-¿ El precio de venta disminuye con la cantidad?
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?
4-En la situación óptima ¿ Cual es el precio de venta? ¿ Que ganancia se obtiene?

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
y el punto óptimo seria x = 0
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)
G(x) = x ∗ P (x) − C(x)
25x2
G(x) = x ∗ (200 − ) − (10 + 170x)
100
25x3
G(x) = 30x − − 10
100
3- Para que G(x) alcance un máximo, implica que G0 (x) = 0
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?
Estudiamos la segunda derivada:

−75 ∗ 2x
G0 (x) =
100
G0 (6, 324) = −75∗2∗6,324

100 < 0 Máximo
G0 (−6, 324) = −75∗2∗−6,324
100 > 0 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
a un precio de venta de 190 pesos por kg. la ganancia es de 116,49 pesos
1.7. Ejercicios Propuestos

1.7.0.1. Ejercicio 1. Derive la siguiente función:
1
f (x) = (1 + x) x
1.7.0.2. Ejercicio 2. Dada la siguiente función:

x
si x 6= 0
f (x, y) = 1+21/x
0 si x = 0
¿ Es continua en X=0?
1.7.0.3. Ejercicio 3. Según la siguiente función

1
y = (3x) x 5x
Derive mediante regla de la cadena.

1.7.0.4. Ejercicio 4. Si (f+g) es derivable, demuestre
(f + g)0 = f 0 + g 0
1.7.0.5. Ejercicio 5. Si f*g es derivable, demuestre
(f g)0 = f 0 g + f g 0
1.7.0.6. Ejercicio 6. Si f es derivable en a y g es derivable en f(a), entonces f o g es derivable en a,

demuestre Si f es derivable en a y g es derivable en f(a), entonces f o g es derivable en a,
(f og)0 (a) = g 0 [f (a)] ∗ f 0 (x)
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)
1.7.0.8. Ejercicio 8. Derive la siguiente función:

2 +3x
√x
ln( ln(3x)−5x
2x + 5x
√ x
(1/x)+1
+2 √ 1
F (x) = + ln(ln(ln(ln( 4x)))) −
(x2 + 1)3 (1 + x)1/x
1.7.0.9. Ejercicio 9. Sea f : f ⊂ RN → R, f un abierto. Supongamos que x0 es un mı́nimo local de f y

que f es diferenciable en x0 . Entonces ∇f (x0 ) = 0. Lo mismo se tiene si x0 es un máximo local.
Demuestre esta proposición.

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:
Definición 2.1. Función de n variables
∀ ~x ∈ D ⊂ Rn / ∃! y ∈ R/ y = f (~x)
Ejemplos de Funciones de Varias Variables

Ejemplo 2.1. Promedio
Pn Aritmético: Sea {X1 , ..., Xn } ∈ <n . Se define la siguiente función: X̄ = (X1 , ..., Xn ) :
n Xi
< −→ < como X̄ = i=1 n
2.1. Funciones de varias variables importantes

Función Lineal: f (x, y) = α + β1 x + β2 y
Función Cobb -Douglas: f (x, y) = xα + y 1−α
Función Mı́nimo: f (x, y) = min(x, y)
1
Función CES: f (x, y) = ((1 − a)xσ + ay σ ) σ
2.2. Dominio de una función de varias variables

Se dice que x ∈ DOM si f (x) ∈ <. Ejemplos:
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.
2.3. Propiedades de las funciones de varias variables

Adición: Sea f (X1 , ..., Xn ) y g(X1 , ..., Xn ), se define la adición de funciones como:
(f ± g)(X1 , ..., Xn ) = f (X1 , ..., Xn ) ± g(X1 , ..., Xn )
Ejemplo 2.5. f (x, y) = xy y g(x, y) = x + y =⇒ (f + g)(x, y) = xy + x + y
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 )
2.4. Composición de Funciones

√
Sea f (x) = x y g(x) = sin x. Por lo tanto, la composición de estas dos funciones es como se muestra a
continuación; √
f og(x) = sin x.
De esta manera, generalizando la composición de funciones se puede escribir de la siguiente manera; h(x) :
< −→ < y g(x1 , ..., xn ) : <n −→ <. Se tiene que (hog) (x1 , ..., xn ) : <n −→ <. Por lo tanto, la composición
de dos funciones f : <n −→ < y w : <m −→ < con n y m 6= 1 no existe.
2.5. Definición de norma

Norma: Sea V ⊆ <n , una norma k X k es una función que cumple con las siguientes propiedades;
→
−
i Se cumple que ∀x ∈ V , k x k≥ 0, si k x k= 0 ⇐⇒ x = 0
ii Sea K ∈ <, se tiene que ∀x ∈ V, k Kx k= |K|· k x k
iii Desigualdad Triangular: ∀x, y ∈ V, k x + y k≤k x k + k y k
Ejemplos de Normas:
pPn p
Ejemplo 2.6. Norma P: k x kp = p i=1 |xi | . Si p = 2 se conoce como la norma Euclidiana. Norma
Suprema: k x k∞ = max{|xi |, ..., |xn |}
2.6. Funciones en R2 : Representación gráfica 19
2.6. Funciones en R2 : Representación gráfica

Una función bivariada presenta una variable dependiente (que denominaremos z) y dos variables inde-
pendientes (que nombraremos x e y):
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.
x 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

z 25 24,75 24 22,75 21 18,75 16 12,75 9 4,75 0
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:
y 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

z 25 24,75 24 22,75 21 18,75 16 12,75 9 4,75 0
Graficando ambos resultados en un plano (x, y, z):

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
x 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

z 24 23,75 23 21,75 20 17,75 15 11,75 8 3,75 -1
Y si fijamos x = 1:
y 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

z 24 23,75 23 21,75 20 17,75 15 11,75 8 3,75 -1
2.7. Curvas de nivel

Las curvas de nivel son el conjunto de puntos del Dominio donde el valor de la función es constante. Es
decir, para el caso bivariado (f : R2 → R), dado un valor fijo de z, que demoninaremos z̄, la curva de nivel
para ese valor son las combinaciones (x, y) tales que f (x, y) = z̄. La idea de la existencia de las curvas de
nivel es construir la gráfica en tres dimensiones a partir de la unión de gráficas en dos dimensiones.
En ecomomı́a se ocupan curvas de nivel, por ejemplo, dos conceptos muy utilizados en teorı́a de la pro-
ducción, como las iscocosto y las isocuantas, son curvas en un nivel, en el primer caso se define la combinación
de factores de producción que genera el mismo costo y en el segundo caso se define la combinación de factores
de producción que entrega el mismo nivel de producto.
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.

2.8.1. Ejercicio 1. Determine el dominio de las siguientes funciones:
1- p
f (x, y) = y + 4x2 − 4
2- √
x
f (x, y) =
x+y
Respuesta. 1-Debo considerar lo siguiente:
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
Domf = {(x, y) tal que x + y 6= 0 y x > 0}
2.8.2. Ejercicio 2. considerando las siguientes funciones:
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}
Observamos que 2x − 8 = 0, lo cual implica que x = 4
Dom(gof ) = R − {1, 4}
√
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, +∞))
La fracción esta definida para x − 1 6= 0

observamos que: x − 1 = 0 ⇒ x = 1
Además se debe cumplir que: x = 2
Dom(f og) = [2, 11) ∪ (11, ∞)
-el x pertenece al Domg(x),talque el Dom(g) pertenece al Dom(f).

q
x+2
4-(zow)(x) = x−3 − 2 ; desarrollando y simplificando queda
r
8−x
(zow)(x) =
x−3
La fracción esta definida para x − 3 6= 0
Dom(f ) = R − {3}
En la composición observamos que se debe cumplir:

8−x
>0
x−3
Sustituimos un valor en cada intervalo:
(−∞, 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.
Es decir, esta definida en: Dom(gof ) = (3, 8]
2.8.3. Ejercicio 3. Calcula las curvas de nivel de la función f (x, y) = x2 + 2y 2 − 5 , para , c = –4 y c

=1
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:
F (K, L) = 10K 0,5 L0,25
considerando F (K, L) = q
1- Calcule las isocuantas de nivel q=10;q=20;q=30.
Respuesta. Para q=10
F (K, L) = 10K 0,5 L0,25 = 10
La función queda expresada de la siguiente forma:

1
K=
l0,5
Lo mismo ocurre con:
q=20
4
K=
l0,5
q=30
9
K=
l0,5
Propuesto:Hacer el gráfico de estas curvas y evaluar sus efecto a medida que aumenta q.
2.8.5. Ejercicio 5. suponga que Pk = 1 y Pl = 2
1-Escriba la función del isocosto rectilı́neo.
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
y sabiendo que K=8
50 = 8 + 2l
42/2 = l
21 = l

2.9.0.1. Ejercicio 1. Si la función de producción del bien Y es del tipo Cobb-Douglas, con elasticidades
de producción iguales a 0,5 y coeficiente fijo (A0) igual a 100, siendo los precios de los dos únicos insumos 1
y 2 respectivamente igual a 2 y 8 pesos.
¿Cuál es la combinación óptima de insumos para producir 400 unidades del bien bajo consideración?
2.9.0.2. Ejercicio 2. Representa el dominio de la siguiente función:

p x+y
x−y
f (x, y) = x2 − y 2
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
B∞ (χ, r)XB∞ (y, r) = B∞ ((χ, y), r)
2.9.0.4. Ejercicio 4. Sea la función r

2x
z=
x2 + y 2 − 1
Determinar su campo de existencia y estudiar sus lı́neas de nivel.
2.9.0.5. Ejercicio 5. Estudiar las lineas o curvas de nivel de la función

(x − 1)2 + y 2
z = log
(x + 1)2 + y 2
2.9.0.6. Ejercicio 6. Demuestre que se cumple la desigualdad triangular.

kx + yk ≤ kxk + kyk
2.9.0.7. Ejercicio 7. Determine el dominio de la función:

p p
f (x, y) = (expx+y , sin x2 + y 2 − 1, cos 4 − x2 − y 2 )
2.9.0.8. Ejercicio 8. Sea f : R2 → R, definida por:

xy log(| x − y |) si x 6= y
f (x, y) =
0 si x = y
Justifique que el dominio de f es R2 .
2.9.0.9. Ejercicio 9. Dibujar algunas curvas de nivel de la función

p
f (x, y) = 100 − x2 − y 2
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
3.1. Derivadas parciales

En el capı́tulo 1 se estudió el instrumental para obtener la derivada de una función con dominio univa-
riado, a partir de este instrumental se puede desarrollar múltiples aplicaciones, como optimización o análisis
marginal. Sin embargo, se está trabajando con funciones de más de una variable, y por tanto, la forma de
obtener la derivada no es exactamente la misma. Esta diferencia radica en que cuando el dominio es mul-
tivariado, no es claro en qué dirección se hace el cambio, por ejemplo para el caso de <2 , puede ser que la
función: i) Solo aumente en la dirección de x, sin cambiar y o ii) Solo varı́e en la dirección de y sin variar x, o
incluso iii) Pueden cambiar ambas a la vez. Para ordenarnos con este análisis, primero se verá el instrumental
necesario para analizar los casos i) y ii) a este instrumental se le denomina derivada parcial.
Definición 3.1. Derivada parcial

Sea F : R2 −→ R una función de dos variables. Diremos que la derivada parcial de F con respecto a x en
el punto (x, y) es la función:
∂F (x, y) f (x + h, y) − f (x, y)
= lı́m
∂x h→0 h
De igual forma para y es:
∂F (x, y) f (x, y + h) − f (x, y)
= lı́m
∂y h→0 h
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
A partir de la definición de derivada parcial:

∂f (x, y) f (x + h, y) − f (x, y)
= lı́m
∂x h→0 h
2
5 (x + h) y − 5x2 y
= lı́m
h→0 h
2
(x + h) y − x2 y
= 5 lı́m
h→0 h

x2 + 2hx + h2 y − x2 y
= 5 lı́m
h→0 h

x2 y + 2hxy + h2 y − x2 y
= 5 lı́m
h→0 h
" #
(2hxy) h2 y
= 5 lı́m + lı́m
h→0 h h→0 h

= 5 lı́m (2xy) + lı́m (hy)
h→0 h→0
= 5 · 2xy + 0
= 10xy
y la otra derivada parcial se trabaja de la misma forma:
∂f (x, y) f (x, y + h) − f (x, y)
= lı́m
∂y h→0 h
5x2 (y + h) − 5x2 y
= lı́m
h→0 h
x y + x2 h − x2 y
2
= 5 lı́m
h→0 h
x2 h
= 5 lı́m
h→0 h
= 5x2
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
Luego, al igual que el procedimiento anterior se tiene que:

α
∂F x
= A (1 − α)
∂y y
+G ∂F ·G ∂F
Ejemplo 3.3. Por último, sea F (x, y) = ln(xy) y G(x, y) = ex + ey , encontrar ∂F∂x , ∂x y ∂xG
Respuesta:
Para resolver lo anterior, primero se aplicarán las propiedades del logaritmo natural y posteriormente se
aplicarán las propiedades de las derivadas parciales:
F (x, y) = ln(x) + ln(y)
∂ (F + G) ∂ (ln(x) + ln(y) + ex + ey ) 1
= = + ex
∂x ∂x x
∂F · G 1 x
= (e + e ) + (ln(x) + ln(y)) ex
y
∂x x
F 1
∂G (ex + ey ) − (ln(x) + ln(y)) ex
= x 2
∂x (ex + ey )
Finalmente, todos estos resultados son generalizados para funciones con dominio en <n
3.2. Derivadas parciales de segundo orden

Como en las funciones univariadas, también existen derivadas de orden superior, sin embargo el concepto
no es tan directo puesto que como la función es de más de una variable, existirán las derivadas cruzadas,
es decir después de derivar una función respecto a una variable, la puedo derivar respecto a la otra. Estas
derivadas son muy importantes en economı́a o en finanzas y determinan la complementariedad o sustitución
de ciertos activos financieros o bienes. Además, a partir de este punto se trabajará en <n , por tanto, se
ocuparán los subı́ndices i, j, k, para determinar las diferentes variables de las funciones. Por tanto, en este
contexto, la definición formal es: Derivada Parcial de segundo Orden
Sea f : <n → <, se define una derivada parcial de segundo orden, como alguna derivada de la forma
∂2f
∂xi ∂xj
Por tanto, si es que una función tiene dominio en <n , tendrá 2n derivadas parciales de segundo orden,
por ejemplo si trabajamos en <2 , habrán cuatro derivadas parciales de segundo orden.
Se puede encontrar en los libros de cálculo, finanza, o economı́a se pueden encontrar las siguientes notaciones
para hacer referencia a las derivadas parciales:

∂f
∂ 2 F (x1 , ..., xn ) ∂ ∂x i
(x1 , ..., xn )
Fxi xi (xi , ..., xj ) = =
∂x2i ∂xi

∂f
∂ 2 F (x1 , ..., xn ) ∂ ∂x i
(x, y)
Fxi xj (xi , ..., xj ) = =
∂xj ∂xi ∂xj

∂f
2
∂ F (x1 , ..., xn ) ∂ ∂xj (x1 , ..., xn )
Fxj xi (xi , ..., xj ) = =
∂xi ∂xj ∂xi
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:
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
Ejemplo 3.5. Sea f (x, y) = Axα y 1−α . Obtener el hessiano.

∂f 2
= Aα(α − 1)xα−2 y 1−α
∂x∂x
∂f 2
= Aα(1 − α)xα−1 y −α
∂x∂y
∂f 2
= Aα(1 − α)xα−1 y −α
∂y∂x
∂f 2
= A − α(1 − α)xα y −1−α
∂y∂y
H(x, y) =
Aα(α − 1)xα−2 y 1−α Aα(1 − α)xα−1 y −α

Aα(1 − α)xα−1 y −α A − α(1 − α)xα y −1−α
¿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.
3.3. Continuidad en <n
Definición 3.2. Bola abierta

Sea || || una norma bien definida (en este curso solo se trabajará con la norma euclideana), se define la bola
abierta con centro en x̄0 y radio r > 0 como el conjunto:
B(x̄0 , r) = x̄ ∈ Rn / ||x̄ − x̄0 || < r
q q
||x|| = x21 + ... + x2n ⇒ ||x − x0 || = (x1 − x01 )2 + ... + (xn − x0n )2 < r
3.3. Continuidad en <n 31
x02
x01
Figura 1. Bola abierta
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
Lo anterior se puede observar gráficamente en las figuras 2 y 3
Conjunto A
V
Figura 2. Conjunto abierto
Definición 3.4. Conjunto Cerrado
Un conjunto C ∈ Rn es cerrado si C c es abierto, por definición ∅ es abierto y cerrado. Por lo tanto Rn

es abierto y cerrado.
3.3.1. Continuidad en un punto.

Definición 3.5. Continuidad en <n
Para cualquier punto que está a una distancia menor a ε de f (Xo) existirá una distancia δ en torno a X0
tal que todos los puntos que están a una distancia menor a δ de X0 evaluadas en la función estarán a una
distancia menor a ε de f (X0 ).
Lo cual se traduce matemáticamente en:

∀ε > 0, ∃ δ > 0 : ||x − x0 || < δ, x ∈ D ⇒ ||f (x) − f (xo )|| < ε
∀x no están dentro de V ⇒ no es conjunto abierto
Conjunto B
Figura 3. No conjunto abierto
Lo anterior en lenguaje de bolas abiertas es:

Sea f : Rn → R con dominio D, es continua en x0 ∈ D cuando
∀ε > 0, ∃ δ > 0 : f (x) ∈ B(f (x0 , ε))/ ∀x ∈ B(xo , δ) ∩ D
De esta forma, si la función es continua y x0 ∈ D0 , entonces lı́mx→xo f (x) = f (x0 )
Gráficamente se puede observar en la figura 4
f (x0 ) +
f (x0 )
f (x0 ) −
x0 − δ x0 x0 + δ
Figura 4. Función continua
Para ver un ejemplo de función que no es continua vea la figura 5

3.4. Diferencial 33
f (x0 ) +
f (x0 )
f (x0 ) −
x0
Figura 5. Función no continua
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:
(3.1) ∃m ∈ <|f (x0 + h) = f (x0 ) + hm + h(h)

Con lı́mh→0 (h) = 0. La idea es que los puntos de la función cercanos a f (x0) pueden ser aproximados por
una lı́nea recta. De hecho, si se despeja (h) se llega a que:
f (x0 + h) − f (x0 )
(3.2) (h) = −m
h
Por tanto, cuando h → 0 f 0 (x0 ) = m Por tanto la función es diferenciable, lo que es equivalente a decir que
la función se puede aproximar por una recta tangente a la función. Por tanto, que una función sea lineal
es equivalente a decir que es localmente lineal. A partir de este concepto se definirá la diferenciabilidad en
funciones de varias variables.
Función localmente lineal en funciones con dominio multivariado

Una función f (x1 , ..., xn ) : <n → < es localmente lineal en el punto (a, b, ..., k) si:
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 )
Y además se cumple que 1 , ..., n → 0 si (h1 , ..., hn ) → 0.

Por ejemplo, si f : <2 → <, se tiene que:
(3.4) f (a + h1 , b + h2 ) = f (a, b) + h1 fx (a, b) + h2 fy (a, b) + h1 1 (h1 , h2 ) + h2 2 (h1 , h2 )
Lo que se puede expresar como que a medida que nos acercamos a la función, esta se asemeja a un plano. Por
tanto, que una función sea diferenciable es equivalente a decir que existe un plano tangente que aproxima a
la función en un punto. De esta forma, una función es diferenciable en un punto P , si es localmente lineal en
P . Por tanto, una función f : D → < es diferenciable si es diferenciable en todo P ∈ D.
3.5. Continuidad y diferenciabilidad

Primero, se tiene que una función cuyas derivadas parciales existen no necesariamente es continua. Por
ejemplo:

1 si x·y =0
F (x, y) =
0 si x · y 6= 0
Al calcular sus derivadas parciales se llega a que:

∂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
Definición 3.6. Gradiente

Sea Z = f (x1 , ...xn ) una función tal que existen todas sus derivadas parciales ∀ i. El gradiente se define
como:
∂f ∂f
∇f (x1 , ..., xn ) = ( , ..., )
∂x1 ∂xn
3.7. Derivada direccional 35
Es decir es el vector de las derivadas parciales.  

dx1
Por tanto, el diferencial de una función se puede expresar como: df (x1 , ..., xn ) = ∇f ·  ... 
 
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
3.7. Derivada direccional

Para lo anterior se definirá el concepto de norma de un vector, ası́ como el concepto de vector unitario.
Definición 3.7. Norma Euclideana

Sea V ∈ Rn . Se define la norma euclideana de un vector como:
q
||V || = v12 + ... + vn2
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.
Para obtener un vector unitario es a partir de un vector V , se debe realizar lo siguiente:

V
u=
||V ||
Sea λ = ||V || → uλ = V entonces, si desde un punto x0 , y0 , z0 se avanza de distancia λ en la dirección del
vector unitario u significa que al vector (x0 , y0 , z0 ) se le suma el vector uλ.
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:
Definición 3.8. Derivada Direccional

Se llama derivada de f en la dirección u, o derivada direccional a:
f [(x, y, z) + λu] − f (x, y, z)
Du f = lı́m
λ→0 λ
(x0 , y0 , z0 )
2 (x0 , y0 , z0 ) + λu
Figura 6. Derivada direccional
Definición 3.9. Proposición

Si existe el gradiente de la función se tiene que:
Du = ∇f · u
Donde · es el producto interno entre los vectores.
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
Du f (x). Para responder la siguiente pregunta se tiene:
(3.9) Du f (x) = u · ∇f (p) = ||u||||∇f (p)||cosθ = ||∇f (p)||cosθ

Donde θ es el ángulo entre u y ∇f . Por tanto, si los vectores son iguales se tiene que θ = 0 y si son el
inverso aditivo entonces θ = π. Por tanto, se tiene que el gradiente es la dirección de máximo crecimiento
de la función a una tasa de ||f (x)|| y el inverso aditivo del gradiente es la tasa de mı́nimo crecimiento de la
función.
3.8. Regla de la Cadena

Supongamos que tenemos una función que tiene como dominio dos factores de producción (madera y
horas hombres) supongamos ademas,que la madera y las horas trabajadas dependen del tiempo , entonces
nos preguntamos: ¿Cómo cambia la producción si cambia t?
Definición 3.11. Regla de la Cadena en varias variables

Sea Z = F (x, y) una función derivable en x e y si x = x(t) y y = y(t) son a su vez funciones derivables .
Entonces f es una función derivable respecto de t con:
f (x(t), y(t)) ∂f dx(t) df dy(t)
(3.10) = (x(t), y(t)) + (x(t), y(t))
t ∂x(t) dt ∂y dt
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
De esta forma, la respuesta de la pregunta anterior es:
∂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:
s
∂x
∂s
∂z
∂x x
∂x
∂t
t
z
∂y s
∂s
∂z
∂y y
∂y
∂t
t
1. f (X, Y, t) y X(u, t), Y (u, t)

2. f (X, Y ) y X(s, r), Y (s, r), S(r)
Las cuales van a ser dejadas para el estudio.
3.9. Teorema de la función Implı́cita
Una aplicación de regla de la cadena en varias variables es el teorema de la función implı́cita, el

cual será útil para determinar el cambio que tiene una variable respecto a otra, que están relaciona-
das por una ecuación. Por ejemplo, en el caso de economı́a, la ecuación U : <2 → <, U (P, M ) = Ū
donde Ū es constante, determina una relación implı́cita entre P y M , por tanto, se puede responder
la pregunta: ¿En cuánto cambia P si cambio M en una unidad y la función U permanece constante
en el nivel Ū ?. Para deducir la respuesta se verá el problema de la siguiente forma:
Sea U (P, M ) = Ū lo que se puede escribir como U (P, M (P )) = Ū , debido a que dado que se
está igualando a algo constante existe un posible despeje entre M y P , por tanto, se puede ocupar
regla de la cadena. De esta forma, lo anterior queda como:
(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.
Definición 3.12. Derivada implı́cita
Cuando se tienen ecuaciones de la forma F (X, Y ) = c donde c es constante para X e Y , la

derivada de Y con respecto a X es:
−∂F
∂Y ∂X
= ∂F
∂X ∂Y
Además, este concepto se puede generalizar para funciones tales que: F (x1 , ..., xn ) : <n → <n de
∂xi
modo que si F (x1 , ..., xn ) = c y se desea encontrar ∂xj
∀i = 1, ..., n ∧ j = 1, ..., n lo cual queda
definido como:
∂F
∂xi ∂xj
= ∂F
∂xj ∂xj
Un ejemplo particular de esta técnica es la Tasa Marginal de Sustitución Técnica
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
Lo anterior es igual a encontar la pendiente de la isocuanta.
3.10. Teorema de Schwartz
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
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
3-f (x, y, z) = xy+z
Respuesta. 1-f (x, y) = xy + y x

∂f
= y ∗ xy−1 + y x ∗ ln(y)
∂x
∂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
 expx (−2x+x2 −y2 
(x2 −y 2 )2
Of (x, y) = 
 

2expx y
(x2 −y 2 )2
3-f (x, y, z) = xy+z

∂f
= (y + z)xy+z−1
∂x
∂f
= xy+z ln(x)
∂y
∂f
= xy+z ln(x)
∂z
(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:
1-f (x, y) = xln(2y)

x+z
2-f (x, y, z) = y−z
Respuesta. 1-f (x, y) = xln(2y)
∂f
= ln(2y)
∂x
∂f x
=
∂y y
∂2f
=0
∂x2
∂2f −x
= 2
∂y 2 y
∂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
∂2f ∂2f (y − z) − 2(y + x)

= =
∂y∂z ∂z∂y (y − z)3
3.11.4. Ejercicio 4. Dada la función:

(
x2 y
x2 +y 2
si (x, y) 6= (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
1-Estudia la continuidad en el punto (0,0).
2-Calcula la derivada direccional( usando la definicion de derivada direccional) en (0,0) según el

vector ν = (1, 1)
Respuesta. 1- Continuidad en (0,0).
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
Despejando y’ en la ecuación, nos queda:
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
3.12. Ejercicios propuestos
3.12.0.1. Ejercicio 1. Dada la función:

(
x2 y
x2 +y 2
si (x, y) 6= (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
¿ Es diferenciable en el punto (0,0)?
3.12.0.2. Ejercicio 2. Derive la siguiente función, usando derivada implı́cita:

2 (x)
y = xcos
3.12.0.3. Ejercicio 3. se considera la función:

x
f (x, y) = expxy + + sin((2x + 3y)π)
y
Genera la matriz hessiana evaluada en el punto (1,2)
3.12.0.4. Ejercicio 4. Hallar a y b para que la√derivada direccional máxima de la función

expax+by cos(x + y) − z = 0 en el punto (0,0) sea 3 2 en la dirección de la bisectriz del primer
cuadrante.
3.12.0.5. Ejercicio 5. tenemos la siguiente función:

(
xsin(xy)
x2 +y 2
si (x, y) 6= (0, 0)
f (x, y) =
0 si (x, y) = (0, 0)
∂f ∂f
Calcula ∂x y ∂y en todo R2 .
3.12.0.6. Ejercicio 6. Calcular la expresión de las derivadas parciales respecto a ”x a ”de la

2 2
función:
W = f (g(x2 ) + h(y), g(x)h(y))
Considerando que g y h son funciones derivables y que f es una función diferenciable.
3.12.0.7. Ejercicio 7. sea
z = f (x, y) = arctg(1 + x + y)
para esta función, usando el diferencial, calcule el valor aproximado de:
z = arctg(1 + 0,1 + 0,1)
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
3.12.0.10. Ejercicio 10. Demuestre el teorema de Schwartz.

Capı́tulo 4
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.
4.1. Concepto General

(1.) Una función f : Dom → R es convexa:
f (λX1 + (1 − λ)X2 ) 6 λf (X1 ) + (1 − λ)f (X2 )
∀λ ∈ (0, 1) y X1 , X2 ∈ Dom
(2.) Una función f : Dom → R es cóncava:

f (λX1 + (1 − λ)X2 ) > λf (X1 ) + (1 − λ)f (X2 )
∀λ ∈ (0, 1) y X1 , X2 ∈ Dom
47
48 4. Concavidad y Convexidad
4.2. Caracterización de la Concavidad y Convexidad
Si f es dos veces derivable, entonces son equivalentes para la convexidad:

(1.) f (λX1 + (1 − λ)X2 ) > λf (X1 ) + (1 − λ)f (X2 )
(2.) f 2 (x) > 0 ∀ x
(3.) Sea X1 < X2 < X3
f (X2 ) − f (X1 ) f (X3 ) − f (X2 )
≤
X2 − X1 X3 − X2
Para el caso multivariado, la definición de concavidad y convexidad más generales se mantienen. Sin
embargo, como no existe una sola segunda derivada, se debe trabajar con un concepto más general
para definir la condición de segundo orden. Para esto se ocuparán propiedades de la matriz hessiana
4.3. Recordando el concepto de Matriz Hessiana
La matriz Hessiana se define como:

∂2f ∂2f
 
∂X12
··· ··· ∂X1 ∂XN
 .. .. .. 

. . ··· .

H(x) = 
 
.. . .. 

 . · · · .. . 

∂2f ∂2f
∂XN ∂X1 ··· ··· 2
∂XN
A partir de lo anterior se ocupará el concepto de los menores principales determinantes como :

∂2f 2f
· · · ∂X∂1 ∂X

∂X12 ···
N
.
.. .. ..
. ··· .

Dk = DET K = 1, .., n

.
.. .. ..

··· . .

∂ 2f ∂2f
∂X ∂X · · · ···

∂X 2

N 1 N
La función || es el determinante , es decir |A| = DET (A).Si f : R2 → R
∂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
4.4. Concavidad y Convexidad en funciones de varias variables
Se necesita un concepto antes de empezar:
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
Por tanto, se caracteriza la concavidad en <n de la siguiente forma:

Sea F (x) = F (X1 , ...., XN ) una función dos veces diferenciable, son equivalentes:
(1.) F (X) es cóncava.
n
X ∂F
(2.) F (Y ) ≤ F (x) + ∇F 2 (X) (Y − X) = F (X) + (X)(Yi − Xi )
∂Xi
i=1
(3.) f (λX + (1 − λ)Y ) > λf (X) + (1 − λ)f (Y ) ∀ X, Y ∈ (0, 1)
(4.) H es una matriz definida negativa .
Y además
Sea F (x) = F (X1 , ...., XN ) una función dos veces diferenciable, son equivalentes:
(1.) F (X) es convexa.
n
X ∂F
(2.) F (Y ) ≥ F (x) + ∇F 2 (X) (Y − X) = F (X) + (X)(Yi − Xi )
∂Xi
i=1
(3.) f (λX + (1 − λ)Y ) 6 λf (X) + (1 − λ)f (Y ) ∀ X, Y ∈ (0, 1)
(4.) H es una matriz definida positiva .
Por tanto, como intuye el lector, a partir del análisis de los menores principales del determinante
se puede saber si una matriz es definida positiva o definida negativa, pero solo para el caso en el cual
las segundas derivadas son continuas pues es la única forma de que la matriz hessiana sea simétrica
(o que las derivadas cruzadas sean iguales). Por tanto se tiene el siguiente teorema:
Sea H una matriz simétrica,DET (H) 6= 0.
1. H es definida positiva si y solo si DK > 0 ∀K
k
2. H es definida negativa si y solo si (−1) DK > 0 ∀K
4.5. Ejercicios resueltos
4.5.1. Concavidad del Binomio Generalizado de Newton. Determinar el conjunto donde es

cóncava la siguiente función:
f (x, y) = (x + y)p , ∀p ∈ N − {1}
Respuesta. Calculamos el Hessiano:

p(p − 1)(x + y)p−2 p(p − 1)(x + y)p−2

p−2 1 1
Hf = = p(p − 1)(x + y)
p(p − 1)(x + y)p−2 p(p − 1)(x + y)p−2 1 1
Para que la matriz sea definida negativa, debe cumplirse que p(p − 1)(x + y)p−2 < 0.
Luego existen dos posibles casos:
Si p es par, entonces @(x, y) ∈ R2 tal que la función sea cóncava..
Por otro lado, si p es impar, entonces la matriz es semidefinida negativa cuando y < −x.
4.5.2. Convexidad Exponencial. Determinar el conjunto donde es convexa la siguiente fun-

ción:
g(x, y) = exy
Respuesta. Calculamos el Hessiano:
y 2 exy exy + xyexy
2
xy y 1 + xy
Hf = xy =e
e + xyexy x2 exy 1 + xy x2
Para que la matriz sea definida positiva debe cumplirse que y 2 > 0 y x2 y 2 − (1 + xy)2 > 0.
Desarrollando la segunda condición, se obtiene que para que la matriz sea definida positiva, se debe
1
estar en el conjunto que satisface: xy < − .
2
4.5.3. Convexidad Compuesta. Muestre que la siguiente función de Rn → R es siempre con-
vexa:
tx
f (x1 , x2 , x3 , ..., xn ) = (1 + xt x)x
Respuesta.
t t t x)
f (x1 , x2 , x3 , ..., xn ) = (1 + xt x)x x = eln f (x = ex x ln(1+x
Luego, si g(x) = xt x ln(1 + xt x) es convexa, entonces eg (x) es convexa.
Sea h(x) = xt x (claramente convexa), se tiene que...
g(x) = (r ◦ h)(x) con r(y) = y ln(1 + y)
...será convexa si r(y) es creciente y convexa para y ≥ 0.
En efecto:
y
r0 (y) = + ln(1 + y) > 0 ⇒ creciente
1+y
1 1
r00 (y) = 2
+ >⇒ convexa
(1 + y) 1+y
Por lo tanto, g(x) = xt x ln(1 + xt x) es convexa.
t
Por lo tanto, eg(x) = (1 + xt x)x x es convexa.
4.5.4. Demostración por Definición. Utilizando adecuadamente la desigualdad de convexidad

para la función − ln(·) (que es convexa), demuestre que ∀a, b, c ≥ 0 se cumple que:
2
a2 + b2 + c2 ≥ 3(abc) 3
Respuesta. Si f es convexa entonces:

X X X
f( λi xi ) ≤ λi f (xi ) con λi = 1 λi ≥ 0
Aplicando a − ln(·) se obtiene:
− ln(λ1 a2 + λ2 b2 + λ3 c2 ) ≤ −λ1 ln a2 − λ2 ln b2 − λ3 ln c2
ln(λ1 a2 + λ2 b2 + λ3 c2 ) ≥ ln(a2λ1 · b2λ2 · c2λ3 )
⇒ λ1 a2 + λ2 b2 + λ3 c2 ≥ a2λ1 · b2λ2 · c2λ3
1
Eligiendo λ1 = λ2 = λ3 = :
3 2
a2 + b2 + c2 ≥ 3(abc) 3
4.5.5. Rendimientos Decrecientes a Escala. Sea q una función de producción Cobb-Douglas

de la forma:
q(K, L) = AK α L1−α
Donde A es una constante positiva de productividad, 0 < α < 1, K es una dotación móvil de capital
y L es una dotación móvil de factor trabajo a contratar (ambas dotaciones son positivas).
Muestre que la función presenta rendimientos decrecientes a escala.
Respuesta. Los rendimientos decrecientes a escala implican que la función es creciente en ambos
factores, pero a tasas decrecientes, es decir, que la función es cóncava. Ası́, procedemos a calcular
la matriz de Hess:
α(α − 1)K α−2 L1−α α(1 − α)K α−1 L−α

H=A
α(1 − α)K α−1 L−α (1 − α)(−α)K α L−α−1
Luego, dadas las condiciones de α y A, notamos que α(α − 1)K α−2 L1−α < 0 y que det H > 0, por lo
que la función q es cóncava en todo su dominio y se cumplen los rendimientos decrecientes a escala.
4.6. Ejercicios propuestos
4.6.0.1. Ejercicio 1. Determine si la siguiente función es convexa:

f (x1 , x2 , x3 , ..., xn ) = ln(ex1 + ex2 + ex3 + ... + exn )
4.6.0.2. Ejercicio 2. Sea la función:
f (s, c) = 0, 5 ln(s) + 0, 25 ln(1 − c)
s.a. s − 2c = 1
Determine su la función es cóncava o convexa.
4.6.0.3. Ejercicio 3. Plantee el Hessiano de la siguiente función y determine sus posibles tramos
de concavidad/convexidad:
2
f (x, y) = exy sin y
4.6.0.4. Ejercicio 4. Sea u(x) una función de utilidad de un individuo amante del riesgo en
base al pago x de una loterı́a. Se sabe que para participar en dicha loterı́a se debe pagar un monto
equivalente a x0 , que en caso de ganar el retorno de la loterı́a es x0 + ε y que en caso de perder el
retorno de la loterı́a es x0 − ε. Si se tiene certeza de que la racionalidad de este individuo propenso
al riesgo hará que participe en la loterı́a, demuestre que la función u(x) es convexa en el intervalo
[x0 − ε, x0 + ε].
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
Propuesto muy propuesto: Defina la función conjunta como...

n
Y
L(~xn , µ) = f (xi , µ)
i=1
... y maximice o minimice (según el resultado obtenido en el ejercicio inicial) dicha función respecto
a µ.
p
4.6.0.9. Ejercicio 9. Verifique que la siguiente función es cóncava: A(x, y, z) = − (xyz)2 .
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.
5.1. Optimización no restringida
Teorema de optimizacion Sea f : Rn → R una función diferenciable, una condición nece-

saria para que la función presente un máximo o un mı́nimo es que se cumpla lo siguiente:
∇f |x=x∗ = 0
A este punto x∗ se le llama punto extremo.
Una condición suficiente para que un punto extremo sea máximo es que la función evaluada
en ese punto extremo es cóncavo, caso contrario, si la función evaluada en ese punto es convexo,
entonces ese punto es un mı́nimo.
Sea f (x1 , ..., xn ) una función de n variables se define el hessiano como la siguiente matriz
 ∂2f ∂2f ∂2f

∂x21 ∂x1 ∂x2 . . . ∂x1 ∂xn
 2
 ∂ f .. .. 
 ∂x2 ∂x1 . . 

Hnxn (x) =  . .. 
 . ..
 . . . 

∂2f ∂2f
∂xn ∂x1 ... ... ∂x2n
2f

Nota: ∂x∂i ∂x j
= ∂ ∂f
∂xi ∂xj
Adicionalmente, aplicando lo visto anteriormente. Si una función es dos veces diferenciable y

todos sus dobles derivadas son continuas, entonces si la función es convexa su hessiano sera definido
positivo. Si la funcion es cóncava su hessiano sera definido negativo.
H es definida positiva si y solo si Dk > 0 ∀k
53
54 5. Optimización no restringida y restringida
H es definida negativa si y solo si (−1)k Dk > 0 ∀k

Donde:
∂2f ∂2f
 
∂x21
... ∂x1 ∂xn

Dk = Det  .. .. .. 
 . . .


∂2f ∂2f
∂xn ∂x1 ... ∂x2n
 
1 2 3
Sea : 4 5 6
7 8 9
 
1 2 3
1 2
D1 = [1] D2 = Det D3 = Det 4 5 6
4 5
7 8 9
Ejemplo:
Sea una empresa que produce dos bienes Q1 y Q2 , por cada unidad del bien 1 recibe P1 = 10 y por
cada unidad del bien 2 recibe P2 = 20. Además la empresa enfrenta la siguiente función de costos:
CT = 2Q21 + Q1 Q2 + 2Q22
Encontrar la cantidad de Q1 y Q2 que maximice el beneficio de la empresa
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
5.2. Optimización con restricciones
Sea un problema de optimización de la forma:

M ax f (x1 , ..., xn )
s.a g(x1 , ..., xn ) = c
Se define el lagrangeano o la función lagrangeana como:
L = f (x1 , ..xn ) + λ · (c − g(x1 , ..., xn ))
Si L es diferenciable y x∗ es un punto extremo del problema restringido, entonces se debe cumplir
que:
∇ L|x=x∗ = 0
Si x∗ es un máximo, entonces L debe ser una función estrictamente cóncava, y si x∗ es un mı́nimo
entonces L debe ser una función estrictamente cónvexa.
Ejemplo:
Sea la siguiente función de utilidad:
c11−σ βc1−σ
+ 2
u(c1 , c2 ) =
1−σ 1−σ
c2 y2
s.a c1 + = y1 +
1+r 1+r
Entonces buscar c1 y c2 tales que sean puntos extremos.
c1−σ βc1−σ

y2 c2
L= 1 + 2 + λ y1 + − c1 −
1−σ 1−σ 1+r 1+r
∂L
(5.1) = c−σ1 −λ=0
∂c1
∂L λ
(5.2) = βc−σ 2 − =0
∂c2 1+r
∂L y2 c2
(5.3) = y1 + − c1 − =0
∂λ 1+r 1+r
y2 c2
De (5.3) obtenemos la restricción: y1 + 1+r = c1 + 1+r
Combinando (5.1) y (5.2) obtenemos:
c−σ −σ
1 = (1 + r) · β · c2
1
c1 = [(1 + r)β]− σ · c2
1
(5.4) c1 = 1 · c2
[(1 + r)β] σ
(5.4) en la restricción de (5.3)
" #
y2 1 1
y1 + = c2 1 +
1+r [(1 + r)β] σ 1+r
" #−1
y2 1 1
(5.5) c∗2 = y1 + · 1 +
1+r [(1 + r)β] σ 1+r
(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
5.3. Condición de segundo orden del problema restringido:
Hessiano Orlado Sea el siguiente problema de optimización:

f (x1 , ..., xn )
s.a g(x1 , ..., xn ) = c
Se define el hessiano orlado como:
 ∂g ∂g 
0 ∂x1 ... ∂xn
 ∂g ∂2L ∂2L 
... T

∂x21  = 0 ∇g
 ∂x1 ∂x1 ∂xn 
H(X,
e λ) = 
 .. .. .. ..
 . . . .

 ∇g HL
∂g ∂2L ∂2L
∂xn ∂xn ∂x1 ... ∂x2n
Sea x∗ un punto extremo de un problema de optimización restringido. Si el hessiano orlado es

definido positivo, entonces x∗ es un mı́nimo, si el hessiano orlado es definido negativo entonces x∗
es un máximo.
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
El hessiano orlado será definido positivo si: |H

fk | < 0 ∀k ≥ 2
El hessiano orlado será definido negativo si: (−1)k+1 |Hfk | < 0 ∀k ≥ 2
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
Primero se encuentran los puntos extremos:

L = xy + λ(2 − x − 2y)
∂L
(5.6) = y−λ=0
∂x
∂L
(5.7) = x − 2λ = 0
∂y
∂L
(5.8) = 2 − x − 2y = 0
∂λ
(5.9) y = λ
(5.9) en (5.6)
(5.10) x − 2y = 0 → x = 2y
(5.10) en (5.7)
1 1
2y + 2y = 2 → y = , x=1 , λ=
2 2
Se plantea el hessiano orlado
 ∂g ∂g 
0 ∂x ∂y

0 1 2

 ∂g ∂2L ∂2L 
H(x,
e y, λ) =  ∂x ∂x2 ∂x∂y  = 1 0 1
∂g ∂2L ∂2L 2 1 0
∂y ∂y∂x ∂y 2
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.
5.5. Generalización a n variables y m restricciones
Sea el siguiente problema de optimización

f (x1 , ..., xn ) s.a g1 (x1 , ..., xn ) = c1 , . . . , gm (x1 , ..., xn ) = cn
Se define la función lagrangeana o lagrange como:
L = f (x1 , ..., xn ) + λ1 (c1 − g1 (x1 , ..., x − n)) + ... + λm (cm − gm (x1 , ..., xn ))
Donde las condiciones de primer orden del problema serán: ∇L = 0 en este contexto, se define el
hessiano orlado como:

 ∂g1 ∂g1

0 ... 0 ∂x1 ... ∂xn
 . .. .. .. .. ..
 ..

 . . . . . 

∂gm ∂gm
 0 ... 0 ...
 
∂x1 ∂xn 
|H| = 
e
 ∂g1 ∂gm ∂2L ∂2L

 ∂x1 ... ∂x1 ∂x21
... ∂x1 ∂xn


 . .. .. .. .. .. 
 .. . . . . . 
 
∂g1 ∂gm ∂2L ∂2L
∂xn ... ∂xn ∂xn ∂x1 ... ∂x2n
Ejemplo con dos restricciones:
Sea:
Z = x2 + 2xy + w2
s.a 2x + y + w = 24
x+w =8
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
5.6. Teorema de la envolvente
Previo:
Sea el siguiente problema de optimización:
(5.11) máx F (x, y, a)

1Si es que tiene solución...
5.6. Teorema de la envolvente 59
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
5.6.1. Teorema de la envolvente cuando la optimización es no restringida:

máx f (x, a) a = parámetros
x
C.P.O
∂f
(x, a) = 0
∂x
V (a) = f (x∗ (a), a)

∂V (a) ∂f ∂x ∂f
= +
∂a ∂x ∂a ∂a
∂V (a) ∂f
=
∂a ∂a (x=x(a),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
5.6.2. Caso optimización restringida.

máx f = f (x, y, a)
s.a. g(x, y, a) = 0
Se plantea el lagrangeano:
L = f (x, y, a) − λ · g(x, y, a)
Se obtienen las C.P.O:

∂L ∂f ∂g
⇒ −λ· =0
∂x ∂x ∂x
∂L ∂f ∂g
⇒ −λ· =0
∂y ∂y ∂y
∂L
⇒ g(x, y, a) = 0
∂λ
Solucionando el sistema de ecuaciones se llega a:
L∗ (a) = f (x(a), y(a), a) − λ(a) · g(x(a), y(a), a)

∂L ∂f ∂x ∂f ∂y ∂f ∂g ∂x ∂g ∂y ∂g
= · + · + − λ(a) · · + · + − λ0 (a) · g(x(a), y(a), a)
∂a ∂x ∂a ∂y ∂a ∂a ∂x ∂a ∂y ∂a ∂a

∂L ∂f ∂g ∂x ∂f ∂g ∂y ∂f ∂g
= − λ(a) · · + − λ(a) · · + − λ(a) · − λ0 (a) · g(x(a), y(a), a)
∂a ∂x ∂x ∂a ∂y ∂y ∂a ∂a ∂a
∂L ∂f ∂g
= − λ(a) ·
∂a ∂a ∂a
Además en el equilibrio se cumple que:
f ∗ (x(a), y(a), a) = f (x(a), y(a), a) − λ · g(x(a), y(a), a) = L(a)
df ∂f ∂g
⇒ = − λ(a) ·
da ∂a ∂a
Ejemplo 5.2.
máx U (x, y, α)
s.a. Px · x + Py · y = I
La función de utilidad indirecta se ve representada por V (α, Px , Py , I)
∂V ∂U
= − λ · −1 = 0
∂I ∂I
∂V
= λ(α, Px , Py , I)
∂I
5.6.3. Identidad de Roy.
∂V ∂U
= − λ · x∗ (α, Px , Py , I)
∂Px ∂Px
∂V ∂U
= − λ · y ∗ (α, Px , Py , I)
∂Py ∂Py
∂V
=λ
∂I
∂V ∂V
∗ ∂Px ∗ ∂Py
⇒x = − ∂V ,y = − ∂V
∂I ∂I
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}.
Respuesta. En primer lugar, corroboramos con la gradiente de f la existencia de potenciales

soluciones en el interior de A (soluciones no extremas):
Of = (1, 1, 1) 6= 0
Por lo tanto, no hay óptimos en el interior de A, es decir, en caso de que existan se encontrarán en
los bordes del conjunto A.
Ahora planteamos el lagrangeano del problema, acotando a la superficie del paraboloide:
L = x + y + z + λ(x2 + y 2 − z)
Y obtenemos las CPO:
∂L
= 1 + 2λx = 0 1 1
∂x ⇒λ=1 ∧ x=y=− ∧ z=
∂L 2 2
= 1 + 2λy = 0
∂y Sea este posible punto de solución definido como:
∂L
=1−λ=0 1 1 1
∂z P1 = − , − ,
∂L 2 2 2
= x2 + y 2 − z = 0
∂λ
A continuación, planteamos el lagrangeano del ploblema acotando en el plano z = 1:

L = x + y + z + λ(z − 1)
∂L
=1=0
∂x
∂L ⇒ λ = −1 ∧ @x, y ∧ z=1
=1=0
∂y
∂L En este caso, no existe una solución factible al problema.
=1+λ=0
∂z ∅
∂L
=z−1=0
∂λ
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)
∂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
Finalmente evaluamos en la función los potenciales máximos y mı́nimos:

1 √ √
f (P1 ) = − ∧ f (P2 ) = 1 + 2 ∧ f (P3 ) = 1 − 2
2

1 1 1 1
Comparándolos, notamos que f alcanza un mı́nimo en P1 = − , − , que vale − y que
2 2 2 2
√

1 1
f alcanza un máximo en P2 = √ , √ , 1 que vale 1 + 2.
2 2
Propuesto: corroborar dicho máximo y mı́nimo usando el Hessiano Orlado.
Propuesto: dibuje el espacio A.
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 )
Luego, buscamos resolver:

|x + y − 5|
mı́n / máx √
2
s.a. x2 + 2y 2 = 6
Propuesto: corroborar que, dada la restricción, x + y − 5 es menor que cero.
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
5.7.3. Maximización sin Lagrangeano. Calcular los extremos de la función f (x, y) = 2x + y 2

sobre el conjunto: K = {(x, y) ∈ R2 : x2 + y 2 ≤ 2; y 2 − x ≥ 0}. No use Lagrangeano.
Respuesta. La gradiente de la función es:
Of = (2, 2y) 6= 0
Luego, la solución se encuentra en los bordes del conjunto K.

Por otro lado, notamos que la función f describe sus isocuantas de la siguiente forma:

2 2 f
f (x, y) = 2x + y ⇒ y = −2 x −
2

f
Es decir, son parábolas (con apertura abscisa u horizontal) con vértice , 0 . Notar que es to-
2
talmente consistente con que una reducción de f en una unidad requiere una reducción en x de 2
unidades para todo y dado (tal como lo describe la gradiente).
Luego, sabiendo que el vértice de la parábola posee coordenada y = 0, basta con evaluar esta condi-
ción en el conjunto K, donde obtenemos que x2 ≤ 2 ∧ x ≤ 0. Sabiendo que la solución no es √interior
(por la gradiente), resolvemos que el vértice que minimiza f dada la restricción en K es (− 2, 0) (el
menor x posible con y = 0 hará que f sea mı́nima). Gráficamente, corresponde al “borde izquierdo”
de K.
Ahora bien, para calcular el máximo sabemos que basta con obtener el “borde derecho” de K, el
x2 + y 2 = 2
cual se obtiene resolviendo: 2 .
y −x =0
Tras resolver el sistema de ecuaciones, obtenemos que las únicas soluciones reales son (1, 1) y (1, −1),
siendo ambas soluciones óptimas.
√ √
∴ Los extremos de la función son: fmı́n (− 2, 0) = −2 2 y fmáx (1, 1) = fmáx (1, −1) = 3.
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.
5.7.4. Coca-Loca. El Gerente de Costos de Coca-Loca Cooperative se encuentra en un serio

problema por el déficit presupuestario que generan las actuales latas de aluminio en las que se
distribuye su bebida de fantası́a. Ası́ es como lo contrata a usted para que lo asesore sobre cómo
puede reducir los costos en la producción de latas. Lo único que le piden es que la lata sea cilı́ndrica
cerrada y tenga una capacidad mı́nima de 350 cc, utilizando la menor superficie de aluminio posible.
¿Cuáles deben ser las dimensiones de la lata?
Respuesta. Se desea:
mı́n A(r, h) = 2πrh + 2πr2
s.a. πr2 h = V0 : V0 = 350cc
El lagrangeano es:
L = 2πrh + 2πr2 + λ(V0 − πr2 h)
Las CPO son:
∂L
= 2πh + 4πr − 2πλrh = 0 ⇒h + 2r = λrh
∂r
∂L
= 2πr − πλr2 = 0 ⇒2 = λr
∂h
∂L
= V0 − πr2 h = 0 ⇒πr2 h = V0
∂λ
De lo anterior se obtiene que: r r

h 3 V0 3 4V0
r= = ⇒h=
2 2π π
5.7.5. Acciones Sin Incertidumbre. Un inversionista está evaluando cómo asignar sus fon-
dos entre dos acciones. Una estimación perfecta y sin errores arrojó como resultado las siguientes
funciones que entregan el valor de cada acción en el perı́odo t:
t3 3t2 4t
A1 (t) = − + − +1
30 10 5
A2 (t) = −ln(t2 − 4t + 6) + ln(6) + 1

Ambas acciones tienen un valor de $1 en el perı́odo t = 0.
El horizonte de inversión es desde t = 0 hasta t = 4, en donde usted debe ayudar al inversionista
a maximizar la utilidad que percibe por la fluctuación del precio de las acciones.
Como no existe incertidumbre (las funciones están dadas), usted no puede diversificar el riesgo
y debe invertir todos sus fondos en una u otra acción, no puede repartirlos.
Se le pide que indique en qué tramos de t debe mantener sus fondos en la primera acción y en
qué tramos debe mantenerlos invertidos en la segunda acción, retirando todos sus fondos cuando
t = 4.
HINT: Use CPO y CSO.
Respuesta. En primer lugar, evaluaremos el comportamiento de ambas funciones. Para ello,
obtendremos los máximos/mı́nimos de las funciones y verificaremos la concavidad/convexidad:
CP O1 :
t2 3t 4
A01 (t) = − + − =0
10 5 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
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:
5.8.0.1. Ejercicio 1. Un ingeniero en información y control de gestión debe elegir la ubicación

de la sección del té dentro de un supermercado con la finalidad de maximizar los posibles beneficios
adicionales que se generan por tener productos con demandas inelásticas, que apuntan a un mismo
segmento, lo más separados posibles (en este caso, pan y té). La superficie del supermercado es
circular y se representa en un plano por todos los puntos de la forma:
P = {(x, y) : (x − h)2 + (y − k)2 ≤ r2 }
Donde x e y indican las coordenadas cartesianas y las constantes h, k, r ∈ R+ .

r r
Dado que la panaderı́a ya fue construida y ubicada en el punto √ + h, √ + k , debe decidir
2 2
dónde ubicar la sección del té, tal que esté lo más lejos posible del pan.
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.
5.8.0.9. Ejercicio 9. Un individuo maximiza su utilidad dada por la siguiente función:

u(c1 , c2 ) = ln c1 + β ln c2
Donde c1 , c2 > 0 corresponden al consumo en un primer perı́odo y en un segundo perı́odo, respec-
tivamente, y 0 < β < 1.
Si el individuo se enfrenta a las siguientes restricciones intertemporales, encuentre la condición que
debe cumplirse para que el individuo maximice su utilidad:
p1 c1 + S = Y1
p2 c2 = Y2 + S(1 + r)
Donde p1 , p2 > 0 son los niveles de precio de ambos consumos respectivos, Y1 , Y2 > 0 son los niveles
de ingreso de ambos perı́odos respectivos, S es una cantidad de ahorro que se puede mantener
intertemporalmente y que genera un interés r > 0.
5.8.0.10. Ejercicio 10. Un economista se encuentra estudiando un modelo donde el consumo
se explica como la diferencia entre el ingreso Y y el ahorro S. Estos últimos factores dependen
positivamente de la cantidad de capital K, y son modelados por las siguientes funciones:
√
Y = K
S = δK
Donde δ es una constante positiva entre 0 y 1.
1. Si el ahorro S se puede expresar como el producto entre la propensión marginal a ahorrar s y
el ingreso Y , ¿cuál es la propensión marginal a ahorrar óptima en términos de δ?
2. ¿Qué clase de relación existe entre K e Y ? ¿Cómo es el crecimiento de esta función de ingresos?
3. Grafique el consumo en función de K, suponiendo que δ = 0, 5.
4. Interprete el parámetro δ.
Capı́tulo 6
Integrales Indefinidas
6.1. Primitiva de una función
Definición 6.1. Primitiva de una función

Sea f (x) una función que, a la vez, es la derivada de otra función F (x), se define la primitiva o
integral indefinida como:
Z
f (x)dx = F (x)
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
6.2. Primitivas Conocidas
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
6.3. Propiedades de la Integral
Definición 6.2. Propiedades de la Integral

Sea f (x), g(x) dos funciones, y c ∈ R un escalar, se tiene:
1. Ponderación por Escalar:
Z Z
cf (x)dx = c f (x)dx
2. Aditividad:
Z Z Z
f (x) ± g(x)dx = f (x)dx ± g(x)dx
6.4. Métodos de Resolución de Integrales
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
Definiendo u = G(x) y dv = F 0 (x) · dx:

Z Z
(6.13) u · dv = u · v − v · du
6.4.2. Cambio de Variable. Sean integrales del tipo:

Z
f (x) · f 0 (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
Se puede definir u = f (x) y du = f 0 (x)dx. Luego, la integral resultante es:

Z
g(u)du
6.4.3. Expresiones Racionales. La idea es resolver integrales del tipo:

Z
p(x)
dx
q(x)
Donde p(x) y q(x) son polinomios, y el grado de p(x) es menor que el de q(x).
Si el grado de p(x) no fuese menor que el grado de q(x), entonces se dividen de modo que:
Z Z Z
p(x) r(x)
dx = p(x)dx + dx
q(x) q(x)
Y, de esta forma, el grado de r(x) es menor que el de q(x).
Sólo se trabajará con polinomios de q con grado menor o igual a dos. De esta forma, se tienen
los siguientes casos:
6.4.3.1. Polinomio de grado 1 en el denominador.
Z
1
· dx
ax + b
Esta integral se resuelve por medio de la siguiente sustitución:
u = ax + b
du
du = a · dx ⇒ = dx
a
Luego, la integral resultante queda del siguiente modo:
Z
1 1 1 1
du = ln |u| + c = ln |ax + b| + c
a u a a
6.4.3.2. Polinomio de grado 2 en el denominador sin raı́ces reales.
Z
z
2
· dx
x + ax + b
donde x2 + ax + b no tiene raı́ces reales. El procedimiento consiste en llegar a una expresión del
tipo:
Z Z
1 c d
c· 2
· dx = · · dx
(dx + e) + 1 d (dx + e)2 + 1
Sea u = dx + e y du = d · dx, la integral resultante es la siguiente:
Z
c du c
· = · arc tg u + c
d u2 + 1 d
c
= · arc tg (dx + e) + c
d
6.4.3.3. Polinomio de grado 2 en el denominador sin raı́ces reales y un polinomio de grado 1 en el
numerador.
Z
x
2
· dx
x + ax + b
donde x2 + ax + b no tiene raı́ces reales. Trabajando lo anterior haciendo uso de lo definido en las
secciones 6.4.3.1 y 6.4.3.2, se llega a que:
Z Z
1 2x + a a 1 1 c
· 2
· dx − 2
· dx = · ln x2 + ax + b − · arc tg (dx + e) + c
2 x + ax + b 2 x + ax + b 2 d
6.4.3.4. Polinomio de grado 2 en el denominador con raı́ces reales.

Z
ax + b
2
· dx
x + cx + d
donde x2 + cx + d tiene raı́ces reales r1 y r2 . Ası́,
Z Z
ax + b ax + b
2
· dx = · dx
x + cx + d (x − r1 ) · (x − r2 )
Z Z
A B
= · dx + · dx
x − r1 x − r2
Lo cual se resuelve utilizando lo obtenido en la sección 6.4.3.1.
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.
6.5.2. INSERTARNOMBRECREATIVO. INSERTARNOMBRECREATIVO es una firma mo-

nopólica dedicada a fabricar productos originales, casi tanto como su nombre... El producto estrella
de la firma, llamado PRODUCTO, es la nueva promesa para este año. Sin embargo, es poco lo que
la firma ha investigado sobre la función de costos y la demanda de PRODUCTO. El Gerente de
Costos conoce la función de costo marginal de PRODUCTO, la cual está descrita por:
2
CM g(q) = 2qeq
Por otro lado, el Gerente de Ventas ha estimado una función de ingreso marginal, dada por:
IM g(q) = q −1
Donde q es la cantidad de PRODUCTO fabricada y CM g e IM g son las funciones de costo marginal
e ingreso marginal medidas en unidades monetarias, respectivamente.
1. A partir de un lote experimental de producción, donde se fabricó sólo una unidad de PRODUC-
TO, se devengaron costos por e UM. Ante esto, el Gerente de Costos afirmó que la firma no
posee costos fijos en la producción del bien. ¿Está en lo correcto?
Respuesta. Sea CT la función de costos totales, y sean CF los costos fijos. Al obtener la
primitiva de la función de costos totales, nos queda:
Z
2 2
CT (q) = 2qeq dq = eq + C
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?
IND: PRODUCTO no es un bien Giffen.
HINT: Calcule la demanda de mercado y verifique su consistencia.

Respuesta. Sea P la función de demanda y sean I los ingresos totales.
Por la teorı́a microeconómica, sabemos que I = P (q) · q.
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
Por último, verificamos la consistencia de la demanda:

dP (q) 1 − ln q − C
=
dq q2
La pendiente de la demanda obtenida es negativa sólo para valores de q que son mayores a e1−C ,
antes de eso tenemos una demanda con pendiente positiva y que incluso puede tomar valores
negativos, por lo que la demanda no es consistente.
Ası́, si existen razones para despedir al Gerente de Ventas.
6.5.3. Integral por Tramos. Sea


Z −4x + 2 si x ∈] − ∞, 1]
f (x)dx = F (x) con f (x) = −2x si x ∈]1, 6]
−12 si x ∈]6, +∞[

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
Respuesta. Integramos por partes. Sean:

dx
u = (ln x)3 ⇒ du = 3(ln x)2 dv = dx ⇒ v = x
x
Luego tenemos: Z Z
3 3
(ln x) dx = (ln x) x − 3 (ln x)2 dx
Volvemos a integrar por partes para obtener la última integral de la derecha, pero esta vez definiendo
u = (ln x)2 : Z Z
(ln x)2 dx = (ln x)2 x − 2 (ln x)dx
Integramos por partes una última vez, considerando u = (ln x):

Z Z
(ln x)dx = (ln x)x − dx = (ln x)x − x + C
Finalmente sustituimos en los pasos anteriores:

Z
⇒ (ln x)2 dx = (ln x)2 x − 2 [(ln x)x − x] + C
Z
⇒ (ln x)3 dx = (ln x)3 x − 3 (ln x)2 x − 2 [(ln x)x − x] + C

Propuesto: A partir de lo anterior, determinar para cualquier n ∈ N el valor de:

Z
(ln x)n dx
6.5.5. Fracciones parciales con sustitución. Resuelva la siguiente integral:

8x2 + 5x + 18
Z
dx
(4x2 + 9)2
Respuesta. Separamos por fracciones parciales:
8x2 + 5x + 18 Ax + B Cx + D 4Ax3 + 4Bx2 + 9Ax + 9B + Cx + D
= + =
(4x2 + 9)2 4x2 + 9 (4x2 + 9)2 (4x2 + 9)2
⇒ 8x2 + 5x + 18 = x3 (4A) + x2 (4B) + (9A + C)x + (9B + D)
Creamos un sistema de ecuaciones igualando los coeficientes:
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)
6.6.0.1. Ejercicio 1. Desarrolle la siguiente integral por sustitución:

Z
x3 sin(x2 )dx
6.6.0.2. Ejercicio 2. Desarrolle la siguiente integral por fracciones parciales:

Z
x+2
dx
x2 + x
6.6.0.3. Ejercicio 3. Demuestre, utilizando la derivada de un producto, el método de integración
por partes: Z Z
udv = uv − vdu
Donde u y v son funciones de una misma variable x.
6.6.0.4. Ejercicio 4. Resuelva: Z
dx
e + ex + 1
2x
6.6.0.5. Ejercicio 5. Calcule:

√
v
u
Z u ln x + x2 + 1
t
dx
1 + x2
6.6.0.6. Ejercicio 6. Resuelva la siguiente integral doble:
Z Z p
x2 − y 2 dxdy
6.6.0.7. Ejercicio 7. Obtenga:

(ln x)2
Z Z Z
ln x
ln xdx dx dx
x x2
Propuesto: A partir de lo anterior, determinar para cualquier n ∈ N el valor de:
(ln x)n
Z
dx
xn
6.6.0.8. Ejercicio 8. Sabiendo que el resultado es una función continua en el origen, integre:
Z
|x|dx
6.6.0.9. Ejercicio 9. La matriz hessiana de una función de producción es:

α(α − 1)K α−2 L1−α α(1 − α)K α−1 L−α

H=A
α(1 − α)K α−1 L−α (1 − α)(−α)K α L−α−1
Sabiendo que “de la nada nada sale” (sin insumos productivos no se produce), obtenga la función
de producción inicial de la firma.
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
7.1. Teorema fundamental del cálculo

Rx
Si f (x) es una función continua en [a, b], entonces F (x) = a f (t) · dt es derivable, de hecho:
0
F (x) = f (x), x ∈ (a, b)
Esto nos permite trabajar con cosas como:
Z x
F (x) = et · sen2 t dt
0
79
80 7. Integrales Definidas
Cuánto vale F 00 (x)

⇒ Por t.f.c
F 0 (x) = ex · sen2 x
F 00 (x) = ex · sen2 x + 2ex · sen x · cos x
7.2. Segundo teorema fundamental del cálculo o regla de Barrow
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
Se pueden hacer otras cosas como por ejemplo calcular lo siguiente:

Z 4 √
x
√ · dx
0 x+2
O se puede calcular el área de regiones delimitadas por gráficos de varias funciones, por ejemplo:
Calcular el área delimitada por los gráficos de las funciones f (x) = 2x + 3 y g(x) = x2
g(x) f (x)
−1 3
Se calculan los puntos de cortes como:

2x + 3 = x2
⇒ x2 − 2x − 3 = 0
(x − 3)(x + 1)
x1 = 3, x2 = −1
Z 3
(2x + 3) − x2 · dx

⇒
−1
3
1 32
x2 + 3x − x3 =

3 −1 3
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.
Reemplazando x y dx de las anteriores expresiones y los lı́mites, la integral nos queda:

Z π p
= 22 sen2 (α) 4 − 22 sen2 (α) cos(α)dα
Z0 π p
= 22 sen2 (α)2 1 − sen2 (α) cos(α)dα
0
De la identidad econométrica 1 = cos2 (α) + sen2 (α) podemos despejar cos2 (α) y reemplazarlo en la
ecuación anterior.
Z π p
= 8 sen2 (α) cos2 (α) cos(α)dα
Z0 π
= 8 sen2 (α) cos(α) cos(α)dα
Z0 π
= 8 sen2 (α) cos2 (α)dα
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
Utilizando integración por parte y definiendo u = sen(2α) y dv = 2 sen(2α)dα, nos queda:

Z π Z π
2 π
2 sen (2α)dα = − sen(2α) cos(2α)|0 + 2 cos2 (2α)dα
0 0
Z π Z π
2
2 sen (2α)dα = 2 cos2 (2α)dα
0 0
De la identidad trigonométrica utilizada más arriba sabemos que 1 − sen2 (α) = cos2 (α). Por lo que
nos queda:
Z π Z π
2
sen (2α)dα = (1 − sen2 (α))dα
Z0 π Z0 π
2
2 sen (2α)dα = dα
Z0 π 0
2 sen2 (2α)dα = α|π0

0
Z π
2 sen2 (2α)dα = π
0
Por lo que el resultado de la integral es:
Z 2 p Z π
2 2
x 4 − x dx = 2 sen2 (2α)dα = π
0 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).
Figura 2. Función
La integral quedará expresada de la siguiente forma:

Z 8 Z 8
G(x) − F (x) = 0,5x − 0,5 − x log(x) + x
2 2
Z 8
= 1,5x − 0,5 − x log(x)
2
Z 8 Z 8 Z 8
= 1,5x − 0,5 − x log(x)
2 2 2
Z 8
x2 8 8
= 1,5 |2 − 0,5x|2 − x log(x)
2 2
Z 8
82 22
= 1,5 − 1,5 − 0,5 · 8 + 0,5 · 2 − x log(x)
2 2 2
R8
Apliremos integración por parte a la expresión 2 x log(x), y entonces supondremos u = log(x) y
2
dv = x2 dx. La resolución queda:
Z 8 Z 8
x2 x
x log(x) = log(x) |82 − dx
2 2 2 2
82 22 x2
= log(8) − log(2) − |82
2 2 4
82 22 82 22
= log(8) − log(2) − +
2 2 4 4
Reemplazando el resultado de la integración por parte en la última ecuación obtenida tenemos:
82 22 82 22 82 22
= 1,5 − 1,5 − 0,5 · 8 + 0,5 · 2 − log(8) + log(2) + −
2 2 2 2 4 4
= 1,5 · 32 − 1,5 · 2 − 4 + 1 − 32 log(8) + 2 log(2) + 16 − 1
= 57 − 32 log(8) + 2 log(2)
= 28,70318
7.3.3. Graficar e integrar. Encuentra gráficamente las siguientes integrales:

R6 x
1. 2 ( 2 + 1)dx
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.
Figura 3. Ejercicio 3.1
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.
Figura 4. Ejercicio 3.2

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
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
De la integral conocida u2du = a1 arc tg ua + c, podemos resolver el último paso.

R
+a2
√ √ !
1 3 u 3 b
= arc tg |0
3 2 2
√ √ ! √
3 b 3 3
= arc tg − arc tg(0)
6 2 6
√ √ ! √ √ !
3 b 3 3 3
= arc tg = arc tg
6 2 6 2
De la última lı́nea podemos concluir que el valor de b que permite safistacer la igualdad es uno.
7.4. Ejercicios Propuestoss

Capı́tulo 8
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
La integral doble verifica las siguientes propiedades:

Si f y g son dos funciones integrables en R, se tiene que:
1. Linealidad
Z Z Z Z Z Z
[f (x, y) + g(x, y)] · dxdy = f (x, y) · dxdy + g(x, y) · dxdy
R R R
Z Z Z Z
[λ · f (x, y)] · dxdy = λ · f (x, y) · dxdy
R R
2. Monotonı́a
Si f (x, y) ≥ g(x, y) ∀(x, y) ∈ R entonces:
Z Z Z Z
f (x, y) · dxdy ≥ g(x, y) · dxdy
R R
8.2. Teorema de Fubini
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

8.3. Integrales dobles sobre dominios más generales
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:
e = [a, b]x[c, d] ∈ R2 un rectángulo en R2 , se eligen los puntos de tal forma que D ⊂ R

Sea R e
Se define una nueva función de la forma

¯ f (x, y) ∀(x, y) ∈ D
f (x, y) =
0 ∀(x, y) ∈ R − D
Z Z Z Z
⇒ f (x, y) · dxdy = f¯(x, y) · dxdy
D R
Supongamos que D se puede representar por medio de a ≤ x ≤ b e ϕ1 (x) ≤ y ≤ ϕ2 (x)
y
ϕ1 (x)
ϕ2 (x)
a b x
Se tiene entonces que:

Z Z Z bZ d
f (x, y) · dxdy = f¯(x, y) · dydx
D a c
Z bZ ϕ1 (x) Z bZ ϕ2 (x) Z bZ d
= f¯(x, y) · dydx + f¯(x, y) · dydx + f¯(x, y) · dydx
a c a ϕ1 (x) a ϕ2 (x)
8.4. Teorema de Fubini para integrales dobles iteradas (intercambio de orden de integración) 89
Teniendo en cuenta la definición de f¯ se tiene que:

Z Z Z b Z ϕ2 (x)
f (x, y) · dxdy = f (x, y) · dydx
D a ϕ1 (x)
En caso de que el dominio tenga la siguiente forma: c ≤ y ≤ d e ϕ1 (y) ≤ x ≤ ϕ2 (y), se llegará a

Z Z Z d Z ϕ2 (x)
f (x, y) · dxdy = f (x, y) · dxdy
D c ϕ1 (x)
Ejemplo 8.2. Integrar f (x, y) = xy sobre D = (x, y) ∈ R2 : 0 ≤ x ≤ 1, 0 ≤ y ≤ x

Z Z Z 1Z x Z 1 2 x Z 1 3
xy x 1
⇒ f (x, y) · dydx = xy · dydx = dx = dx =
D 0 0 0 2 0
0 2 6
3 2
RR
Ejemplo 8.3. Calcular Q (4x + 8xy + 6y )dxdy en el cuadrilátero Q del plano x, y que tiene
como vértices A = (0, 0), B = (1, −1), C = (2, 1), D = (1, 3)
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)
Sea D = {(x, y) : a ≤ x ≤ b, ∅(x) ≤ y ≤ ϕ(x)} = {(x, y) : c ≤ y ≤ d, γ(y) ≤ y ≤ ξ(y)} ⊂ [a, b]x[c, d]

Sea f (x, y) una función continua para todo (x, y) ∈ D. Entonces las integrales iteradas de f son
iguales:
Z b Z ϕ(x) Z d Z ξ(y)
f (x, y) · dydx = f (x, y) · dxdy
a ∅(x) c γ(y)
p
100
50
50 100 q
Ejemplo 8.4. Sea P = 100 − Q y Q = P

Se puede calcular el excedente del consumidor como:
Z 50 Z 100−P Z 100 Z 100−P
dP dQ o dQdP
0 50 50 0
De la primera forma:
Z 50 Z 100−P 50
50
Q2 50 · 50 50 · 50
Z
dP dQ = (50 − Q) · dQ = 50Q − = 50 · 50 − ⇒
0 50 0 2 0 2 2
De la segunda forma:
Z 100 Z 100−Q 100
100
P 2
Z
dQdP = (100 − P ) · dP = 100P −
50 0 50 2 50

100 · 100 50 · 50 50 · 50
= 100 · 100 − − 100 · 50 − ⇒
2 2 2
8.5.1. Integral doble dominio constante. Calcule la siguiente integral doble:

xy 2
Z Z
2
dxdy
Λ 1+x
Definida en el dominio Λ = {(x, y)|0 ≤ x ≤ 1, −3 ≤ y ≤ 3}
Respuesta. Para resolver, primero integraremos por dy y luego por dx. Por tanto, en el primer
paso todas las x’s saldrán como constante.
Z 1Z 3 Z 1 Z 3
xy 2

x 2
2
dydx = 2
y dy dx
0 −3 1 + x 0 1+x −3
Z 1 3
x y 3
= | dx
0 1+x
2 3 −3
Z 1
x
2 · 32 dx

= 2
0 1+x
Z 1
2 x
= 2·3 dx
0 1 + x2
Por tanto, los lı́mites de integración de x irán desde 0 hasta 1.

Para el caso de y el área estará delimitada por las dos pendientes
que se aprecian en la Figura 1, esto es, por y = x y por y = −x.
La integral quedará expresada como:
Z 1Z x p
x2 − y 2 dydx
0 −x
Figura 1. Área de integración
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 .
Reemplazando los datos en la última expresión tenemos:

Z 1Z π p
2
= x2 − x2 sen 2 (α)x cos(α)dαdx
−π
0 2
π
Z 1Z 2 p
= x2 cos 2 (α) cos(α)dαdx
−π
0 2
π
Z 1 Z
2
2
= x cos2 (α)dαdx
−π
0 2
1+cos(2α)
Pero sabemos que cos2 (α) = 2 . Por tanto nos queda:
Z 1 Z π
2 1 + cos(2α)
2
= x dαdx
0 −π 2
2
Z 1 2Z π
x 2
= 1 + cos(2α)dαdx
0 2 −π
2
Z 1 2 π
x sen(2α) π2
= 2
α| −π + | −π dx
0 2 2 2 2
Z 1 2
x sen(π) sen(−π)
= π+ − dx
0 2 2 2
Z 1 2
x
= πdx
0 2
x3
= π · |10
6
1
= π·
6
π
=
6
8.5.3. Ejercicio 3. Sea f una función definida en Γ = [1, 2] × [1, 4] del siguiente modo:
(x + y)−2 six ≤ y ≤ 2x

f (x, y) =
0 resto
Indique, mediante unR dibujo, la proporción A del rectángulo Γ en la que f no es nula y calcule el
valor de la integral A f , supuesto su existencia.
En primer lugar, y como indica el enunciado, grafica-

remos el dominio relevante para que la integral no sea
nula. En la Figura 2 se puede apreciar el rectángu-
lo que representa a Γ y también las rectas x = y y
2x = y.
El área definida por A = {(x, y) ∈ Γ : 1 ≤ x ≤
2, x ≤ y ≤ 2x} es el área relevante para el desarrollo
de la integración. La función f es continua en A, por
tanto f es integrable en A.
Luego, aplicando el Teorema de Fubini, nos queda:
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
Como se puede ver en la Figura 3, las rectas gra-

ficadas corresponden a xy = 16, y = 1, x = y e
y = x − 16. Luego, a partir de las desigualdades del
dominio vamos encontrando el área que cumple con
todas esas condiciones, y que es la que debemos inte-
grar. La parte achurada en la Figura 3 es el dominio
de la integral.
Para resolver este problema es imprescindible que
nos demos cuenta que los lı́mites para integrar x no
son tan sencillos como parece. Hay dos tipos de lı́mi-
te, ya que para las y’s menores o iguales a 2 el lı́mite
de la izquierda será la recta x = y y el lı́mite de la de-
recha la recta x−6 = y, en cambio para xy’s mayores
o iguales a 2 el lı́mite de la izquierda estará definido
por x = y pero el lı́mite de la derecha por xy = 16.
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)
8.5.5. Cambio orden de integración. Invierta el orden de integración de la siguiente expresión

y desarrolle la integral resultante:
Z 1Z
2
(8.1) x2 ey dydx
0 2
Respuesta. De la Ecuación (1) se desprende que el dominio de la integral es D = {(x, y) ∈ R2 :

0 ≤ x ≤ 1, 2x ≤ y ≤ 2}. Ahora, tomando la desigualdad 2x ≤ y ≤ 2 y dividiéndola por 2, llegamos
a x ≤ y2 ≤ 1. Por lo que ahora podemos escribir los lı́mites de x en función de y, tal que 0 ≤ x ≤ y2
se cumpla. Finalmente, uniendo que x debe ser mayor a cero y la desigualdad y ≤ 2, nos queda que
los lı́mites de y son iguales a 0 ≤ y ≤ 2. Notar que en este cambio de integración ahora y queda
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.

1. Calcula
R R las siguientes integrales dobles:
x sen(x + y)dxdy, cuyo dominio es Θ = [0, π6 ] × [0, π3 ]
R RΘ 1+x2
Φ 1+y 2 dxdy, cuyo dominio está definido por Φ = {(x, y)|0 ≤ x ≤ 1, 0 ≤ y ≤ 1}
2. Obtén, utilizando integrales, el área de un trapecio de bases 3 y 5 cm, y de altura 4 cm.
3. Demuestra, utilizando integrales, que el área de un triángulo rectángulo de base 3 m y altura 5
m es 7.5 m2 .
4. Encuentre el área limitada por la parábola y = x2 − 7x + 6, el eje de las abscisas y las rectas
x = 2 y x = 6.
5. Grafica
R R el dominiox2de las siguientes funciones y luego desarrolla las integrales:
(2x − 1)e +y dxdy siendo D = {(x, y) ∈ R2 : x + y ≥ 1, x ≥ 1 , y + x2 ≤ 1}
R RD 2
ydydx siendo D = {(x, y) ∈ R 2 : y ≥ 0, (x − 1)2 + y 2 ≤ 1, (x − 2)2 + y 2 ≤ 1}
D
6. En los
R 2 Rsiguientes ejercicios invierta el orden de integración y evalúe la integral resultante:
4 √
2 y · cos(y)dydx
R0e Rxln(x)
1 0 ydydx
7. Sea A = [0, 1] × [0, 1] → < definida por:

2y si x ∈ <\Q
f (x, y) =
1 si x ∈ Q
Decidir siRf Res integrable en A.
1 1
Calcular 0 0 f (x, y)dydx si existe.
R1R1
Calcular 0 0 f (x, y)dxdy si existe.
Parte 2
Tópicos en Álgebra Lineal

Capı́tulo 9
Introducción a las matrices
Una matriz se define como un arreglo rectangular de elementos o a un arreglo bidimensional de

escalares. Por lo general, los elementos que contienen a la matriz son números, pero no necesaria-
mente lo son siempre, por ejemplo pueden ser nombres, direcciones, ciudades, paı́ses, etc.
Por ejemplo, sea la siguiente matriz donde tenemos notas de pruebas y estudiantes:
 
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.
Definición 9.1. Forma Generalizada de una Matriz

Una matriz A que contiene elementos aij tiene la forma general:
 
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A=  ··· ··· ··· ··· 

am1 am2 · · · amn
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.
9.1. Vector fila
Definición 9.2. Vector fila

Un vector fila (o vector renglón) es una matriz que sólo tiene una fila. Un vector fila R con n
elementos rij tiene una dimensión (1 × n) y la forma general:

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
9.2. Vector columna
Definición 9.3. Vector columna

Un vector columna es una matriz que sólo tiene una columna. Un vector columna C con m ele-
mentos cij tiene una dimensión (m × 1) y la forma general:
 
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
9.3. Matrices cuadradas
Definición 9.4. Matrices cuadradas

Una matriz se define cuadrada cuando ésta tiene el mismo número de filas que de columnas, es
decir, si tenemos una matriz Am×n , implica que m = n. Su forma general es:
 
s11 s12 · · · s1n
 s21 s22 · · · s2n 
S =  ..
 
.. .. .. 
 . . . . 
sn1 sn2 · · · snn
Por ejemplo, las siguientes matrices son cuadradas:
 
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.
9.4. Diagonal de una matriz
Definición 9.5. Diagonal de una matriz

La diagonal de una matriz es el conjunto de escalares {aii } ∀i = 1, . . . , n.
En el caso de la matriz Z del ejemplo anterior, dicho conjunto serı́a {1, 5, 9}.
9.5. Traza de una matriz
Definición 9.6. Traza de una matriz

Se llamará traza de una matriz a la suma de los elementos en su diagonal, es decir:
Xn
Tr (An×n ) = aii
i=1
Aplicando esta definición para la matriz Z, se tiene que la traza corresponde a Tr(Z) = 1+5+9 =
15.
9.6. Matriz Identidad
Definición 9.7. Matriz Identidad

Una matriz especial y de múltiples usos es la Matriz Identidad, la cual puede ser representada por
la letra I. Es una matriz en cuya diagonal contiene sólo 1 y el resto de los elementos son 0, vale
decir:
(
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:
I3×3 · A3×3 = A3×3 ∧ A3×3 · I3×3 = A3×3

Esto se cumple sı́ y sólo sı́ dichas multiplicaciones están definidas, lo cual se revisará más
adelante.
Hay veces que es necesario trabajar con los datos pero no en el mismo orden que fueron pro-
porcionados, es decir queremos ver los números desde una perspectiva diferente o con un orden
diferente, un tipo de reordenación es la traspuesta:
9.7. Traspuesta de una matriz
Definición 9.8. Traspuesta de una matriz

Dada la matriz Am×n con elementos aij , la traspuesta de A, expresada como AT , es una matriz
(n × m) que contiene elementos atij , donde atij = aji .
Sus propiedades son las siguientes:
1. (A + B)T = AT + B T
2. (α · A)T = α · AT
T
3. AT = A
4. (A · B)T = B T · AT
Por ejemplo, tomando la matriz Z anteriormente definida:
   
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
9.8. Matriz simétrica
Definición 9.9. Matriz simétrica

Se define matriz simétrica a la matriz cuadrada la cual aij = aji , ∀i = 1, . . . , n ∧ ∀j = 1, . . . , n.
Un ejemplo de matriz simétrica es:
 
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.
9.9. Matriz diagonal
Definición 9.10. Matriz diagonal

Una matriz se define diagonal si es que todos los elementos fuera de la diagonal son 0, es decir, aij = 0
∀i 6= j.
Un ejemplo de matriz diagonal puede ser:
 
4 0 0
H3×3 = 0 1 0
0 0 3
9.10. Matriz triangular
Definición 9.11. Matriz triangular

Se define matriz triangular, superior o inferior, si es que cumple lo siguiente:
Se define superior si es que aij = 0 ∀i > j.
Se define inferior si es que aij = 0 ∀i < j.
Ejemplos de matrices triangulares superior e inferior, respectivamente, son:
   
4 0 0 4 4 7
H3×3 = 2 1 0 J3×3 = 0 1 8
3 5 3 0 0 3
9.11. Matriz inversa
Definición 9.12. Matriz inversa

Sea An×n una matriz cuadrada, la matriz inversa de A -la cual denominaremos como A−1 - cumple lo
siguiente:
A · A−1 = I ∧ A−1 · A = I
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.

9.12.1. Simde. En el paı́s de Shile están muy preocupados por la situación actual de su sistema educa-
cional, por esto comenzaron a aplicar un nuevo instrumento de medición que denominaron Simde. El Simde,
que es el sistema de medición de la deficiencia de la educación, ya reportó sus primeros resultados tanto a
nivel de alumno como a nivel de establecimiento educativo. El Cuadro 1 resume los niveles de logro de algunos
colegios emblemáticos (los mejores colegios públicos del paı́s), sólo considerando los 5 mejores alumnos de
estos establecimientos.
Cuadro 1. Resultados Simde 2013
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)
Además, calcule la traza de la matriz.

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:
1. Representar la información en dos matrices. Exprese en fórmulas cómo se obtendrı́a la traspuesta de

la multiplicación de las dos matrices (considere las dimensiones de las matrices para poder plantear la
multiplicación).
2. Hallar una matriz que represente la cantidad de tornillos y soportes para la produccion diaria de cada
una de las combinaciones modelos-tamaño de estanterı́as.
3. Calcule la traspuesta de la matriz encontrada en la parte 2. Identifique la dimensión y relaciónelo con la
información de vectores columnas y filas. ¿Tiene inversa esta matriz?
Respuesta:
1. Para crear las matrices nos daremos un orden tanto para las filas como para las columnas (como el
enunciado es flexible, este no es el único orden existente). En la matriz A las filas representarán los
modelos de estanterı́as (en la fila 1 estará survivor, en la fila 2 medium quality y en la fila 3 luxury) y
en las columnas estarán los tamaños (columna 1 tamaño grande, columna 2 mediano y en la columna 3
estará el pequeño). Por lo que la matriz que contiene las cantidades producidas diariamente queda:
 
3000 4000 6000
A =  1000 10200 8000
15000 6000 1000
En la segunda matriz que contendrá información acerca de los materiales utilizados en cada tamaño que
existe también supondremos un orden especı́fico. La matriz B tendrá en sus filas los diferentes tamaños
(fila 1 será el tamaño más grande, fila 2 el mediano y fila 3 será el tamaño pequeño) y en sus columnas
los materiales (columna 1 tornillos y columna 2 soportes). Por lo tanto la matriz B queda:
 
16 6
B = 14 4
12 2
Para plantear la multiplicación de las dos matrices debemos considerar que el número de columnas
de la primera matriz debe ser igual al número de filas de la segunda. La dimensión de A es 3 × 3 y la
dimensión de B es 3 × 2, por tanto el único orden que responde a condición expresa recién es multiplicar
A por B (A × B). La traspuesta quedará:
(A × B)T = B t × AT
2. Como nos piden una matriz que representa las demandas de materiales para cada combinación modelo-
tamaño, vamos a tener que construir una matriz de dimensión 2 × 9; el 9 proviene de hacer las combina-
ciones modelo-tamaño. Las filas de la siguinte matriz representan la cantidad de tornillos y soportes, y
las columnas las combinaciones modelo-tamaño (en la columna 1 estará luxury-grande, en la columna 2
luxury-mediano, en la columna 3, luxury-pequeño, y ası́ sucesivamente):

16 14 12 16 14 12 16 14 12
B=
6 4 2 6 4 2 6 4 2
3. A partir de B calcularemos su transpuesta B T . Debemos considerara que el elemneto ij de B ahora
será el elemento ji de la matriz B T . Entonces nos queda:
 
16 6
14 4
 
12 2
 
16 6
BT = 
 
14 4

12 2
 
16 6
 
14 4
12 2
La dimensión de B T es 9 × 2, por lo que a partir de ella podrı́amos obtener 2 vectores columna o 9

vectores fila. Otro punto importante es que B T no tienen inversa ya que no es cuadrada, y el hecho que
alguna matriz fuese cuadrado tampoco asegura la existencia de la matriz inversa.
9.12.4. Matriz griega. Sea Γ la siguiente matriz:

 
α ω+δ δ γ
0 β ν + µ
Γ= 0

0 κ+λ λ 
0 0 0 θ
Se le pide aplicar y explicar cada una de las definiciones presentadas en el capı́tulo al caso de Γ
Respuesta: En primer lugar, la dimensión de la matriz Γ es 4 × 4, por tanto a partir de ella se podrı́an
formar 4 vectores columna y/o 4 vectores fila. Señalar que al momento de tener igual número de columnas y
filas pasa a formar parte del grupo de matrices cuadradas. Además, los elementos que están bajo la diagonal
son iguales a cero, por lo que la matriz Γ también estarı́a dentro del grupo de matrices triangulares superiores
El conjunto de escalares que conforma la diagonal de la matriz es Diag = α, β, κ, θ. A partir de los elementos
contenidos en la diagonal de Γ podemos calcular su traza, por tanto esta será:
tr(Γ) = α + β + κ + θ
Por otro lado, la matriz traspuesta quedará definida como:
 
α 0 0 0
T
ω + δ β 0 0
Γ =  
δ κ+λ 0
γ ν+µ λ θ
Notemos ΓT cumple con la propiedad de matriz triangular inferior, lo inverso de la propiedad que cumple Γ.
Dado que Γ es una matriz cuadrada podrı́amos analizar si efectivamente existe su matriz inversa, el desarrollo
quedará propuesto a realizarse después de ver los tópicos del siguiente capı́tulo.
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),
por lo que la matriz pudiese responder a la siguiente estructura:

 
−3 0 0 0 0 0

 55 0 0 0 0
 9 0 0 0
Ω= 

 16 0 0
 −4 0
−3
Finalmente, en el triángulo inferior de la matriz podrá ir cualquier expresiones o número natural tal que
todos los elementos, al mismo tiempo, no pueden ser cero, ya que si eso ocurriese tendrı́amos una matriz
diagonal y no triangular inferior. Por tanto:
 
−3 0 0 0 0 0
 α 55 0 0 0 0
 
β γ 9 0 0 0
Ω=  
ω δ θ 16 0 0
 µ σ π −4 0 
ν η ρ φ ζ −3
tal que no puede ocurrir
α=β=ω=δ=γ=θ==µ=φ=σ=ζ=φ=ρ=η=ν=π=0

1. Determine el valor de los elementos A5,4 , A3,1 & A2,6 de las siguientes matrices:
 
1 5 6 7 9 8 5  
2 5 6 4 6 8 7 Y TY T RT SD ER YS

2
  T JK FV DF ER LA 
6 3 8 7 9 4  
   OO FV LI ED DF ERT 
5
A= 7 5 6 8 7 9 A=
 RT TY TY SA EA

T SDF 
8 9 7 7 2 4 5  

0
 CCS WR FG HO BGH EF D 
1 9 8 1 11 0
2 3 8 4 42 1 0 WE SE DF G TY E T EST
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.
6. Se define la siguiente matriz:  

1 0 0 0 0 0 0
0 1 0 0 0 0 0
 
0 0 1 0 0 0 0
 
Λ0 0 0 1 0 0 0

0 0 0 0 1 0 0
 
0 0 0 0 0 1 0
0 0 0 0 0 0 1
Basándose en el contenido del capı́tulo, describa todas las propiedades que presenta. Haga hincapié en el
tipo de matriz que es.
7. Una fábrica produce dos modelos de lavadoras, A y B, en tres terminaciones: N, L y S. Produce del
modelo A: 400 unidades en la terminación N, 200 unidades en la terminación L y 50 unidades en la
terminación S. Produce del modelo B: 300 unidades en la terminación N, 100 unidades en la terminación
L y 30 unidades en la terminación S. La terminación N lleva 25 horas de taller y 1 hora de administración
. La terminación L lleva 30 horas de taller y 1.2 horas de administración . La terminación S lleva 33 horas
de taller y 1.3 horas de administración .
Representar la información en dos matrices.
Hallar una matriz que exprese las horas de taller y de administración empleadas para cada uno de
los modelos.
8. ¿Qué tienen en común la matriz identidad, inversa, triangular, diagonal y simétrica?
9. En un centro de estudios de idiomas los alumnos de francés y alemán se distribuyen en 4 niveles como
indica la matriz A (las filas represenan los niveles y las columnas el idioma). Los precios que pagan los
alumnos por hora de clase dependen del nivel en que se encuentren y de que el aula disponga o no de
puestos de laboratorio de idiomas, según figura en la matriz B (las filas representan si tiene o no puestos
en el laboratorio, y las columnas consideran los niveles). Cuánto percibirı́a este centro educativo por hora
de cada idioma impartido dependiendo de si las aulas estpan o no dotadas de los medios mencionados?
Sólo cuéntenos cómo lo calcuları́a, no realice los cálculos (Aún no para este capı́tulo).
 
12 16
10 11 5 5,5 8 10
A=
15
 B=
11 7 7 10 12
10 7
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
10.1. Adición y sustracción
Definición 10.1. Suma/Resta de Matrices

Sean A y B dos matrices de dimensión (m × n), tal que:
   
a11 a12 · · · a1n b11 b12 ··· b1n
 a21 a22 · · · a2n   b21 b22 ··· b2n 
A= . B= .
   
.. ..  .. .. 
 .. . .   .. . . 
am1 am2 · · · amn bm1 bm2 ··· bmn
De esta forma, la suma o la resta se definen como:
 
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
10.2. Multiplicación por un escalar
Definición 10.2. Multiplicación por escalar

Sea A una matriz de (m × n) y k ∈ R un escalar, se define la multiplicación por escalar como:
 
k · a11 k · a12 · · · k · a1n
k · A =  ... .. .. .. 

. . . 
k · am1 k · am2 · · · k · amn
Algunas propiedades son:
1. 1 · A = A ∧ 0 · A = 0
2. k1 · k2 · A = (k1 · k2 ) · A
3. k1 (A ± B) = k1 · A ± k1 · B
4. (k1 ± k2 ) · A = k1 · A ± k2 · A
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
10.3. Producto interno
Definición 10.3. Producto interno Sean A y B dos vectores de la forma:

A = a11 a12 · · · a1n B = b11 b12 · · · b1n
Entonces, el producto interno, expresado como A · B, es:
n
X
A · B = a11 · b11 + a12 · b12 + · · · + a1n · b1n = a1k · b1k
k=1
A la luz de esta definición, es posible destacar lo siguiente:

El producto interno se puede definir entre vectores fila, entre vectores columna, o entre un vector fila y
un vector columna.
El producto interno se define si los vectores contienen el mismo número de elementos.
El resultado del producto interno entre dos vectores es un escalar, el cual se calcula sumando la multi-
plicación de los elementos correspondientes en los dos vectores.
Veamos algunos ejemplos. Tomemos, en primera instancia, los siguientes dos vectores:

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
10.4. Multiplicación de Matrices
Definición 10.4. Multiplicación de Matrices

Sean A y B dos matrices de dimensiones (m × p) y (p × n), respectivamente. Asi, A · B es una matriz cuya
entrada ij (elemento ij) se obtiene multiplicando la fila i-ésima de A (Ai ) por la columna j-ésima de B
(B j ). Luego,
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
Y sus propiedades son las siguientes:

1. (A · B) · C = A · (B · C)
2. A(B + C) = A · B + A · C
3. (B + C)A = B · A + C · A
4. k · A · B = (k · A) · B = A · (k · B)
Un ejemplo de multiplicación de matrices es el siguiente: Consideremos dos matrices:

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
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.
10.5. Potencia de Matrices
Definición 10.5. Potencia de una matriz

Sea A una matriz cuadrada, la potencia de una matriz se define como:
An = |A · A {z
· A · . .}.
nveces
0
Y donde A = I.
10.6. Invertibilidad de una matriz
Definición 10.6. Matriz invertible (o no singular)

Se dice que una matriz cuadrada A es invertible si existe una única matriz B que cumpla:
A·B =I ∧B·A=I
10.7. Matrices y Operaciones elementales
Definición 10.7. Operaciones elementales

Existen las siguientes operaciones elementales:
Rij : Cambiar la fila i por la fila j.
Rij (λ): Sumar la fila j multiplicada por λ a la fila i.
Ri (λ): Multiplicar la fila i por λ.
Definición 10.8. Matriz elemental

E corresponde a una matriz elemental si es el resultado de una operación elemental sobre la identidad.
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
Definición 10.9. Algoritmo de Gauss

Mediante sucesivas operaciones elementales por filas en la matriz ampliada [A|I], es posible transformar a
A en la identidad, vale decir:
[A|I] → E1 [A|I] → ET I|A−1

De este modo, es posible obtener la inversa de la matriz A, en caso de ser invertible.
Veamos un ejemplo. Consideremos la siguiente matriz:

 
0 1 2
A = 1 0 3
4 −3 8
Encontremos la inversa de A, en caso de existir.
     
0 1 2 1 0 0 1 0 3 0 1 0 1 0 3 0 0 1
 1 0 3 0 1 0  e 12 e 31 (4)
 0 1 2 1 0 0   0 1 2 1 0
0 
4 −3 8 0 0 1 4 −3 8 0 0 1 0 −3 −4 0 1 −4
     
1 0 3 0 1 0 1 0 3 0 1 0 1
0 3 0 1 0
e32 (3)  e 23 (−1) e (1/2) 
0 1 2 1 0 0   0 1 0 −2 4 −1  3 1 0 −2
0 4 −1 
0 0 2 3 −4 1 0 0 2 3 −4 1 0 1 3/2 −2 1/2
0
 
1 0 0 −9/2 7 −3/2
e13 (−3) 
0 1 0 −2 4 −1 
0 0 1 3/2 −2 1/2
 
−9/2 7 −3/2
∴ A−1 =  −2 4 −1 
3/2 −2 1/2
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:
 
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.
Definición 10.10. Cofactor de una matriz

Sea una matriz An×n , se define el cofactor (i, j) de A como:
cij = (−1)i+j detAij
Luego, haciendo uso de la definición anterior:
detA = a11 · c11 + a12 · c12 + · · · + a1n · c1n

El determinante de una matriz A de n × n se puede determinar mediante cualquier fila o columna. Ası́,
desarrollándolo por la fila i-ésima:
detA = ai1 · ci1 + ai2 · ci2 + · · · + ain · cin

Veamos un ejemplo: A partir de la matriz A que sigue:
 
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.
Teorema 10.1. Invertibilidad de Matrices

Sea A una matriz invertible, se tiene que:
−1
a. A−1 es invertible, tal que A−1 = A.
b. (A · B)−1 = B −1 · A−1 .
−1 T
c. AT = A−1 .
Teorema 10.2. Propiedades de Determinantes

Sea A una matriz cuadrada:
a. Si un múltiplo de una fila A se suma a otra fila para producir B, entonces detB = detA.
b. Si dos filas de A se intercambian para producir B, entonces detB = −detA.
c. Si una fila de A se multiplica por k para producir B, entonces detB = k · detA.
d. detAT = detA.
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

10.9.1. Ejercicio 1. Encuentre una matriz X que verifique AT XB = C, donde:
 
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:
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:
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
Respuesta. Debemos despejar X de la ecuación anteriormente planteada, ası́:
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
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
10.9.5. Ejercicio 5. Probar a través de operaciones elementales que se cumple:

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

10.10.1. Propuesto 1. Verifique la veracidad de las siguientes afirmaciones:
a Sea AMN xN y P = A(AT A)−1 AT entonces se cumple que P es idempotente (P = P 2 ).
b Sean A y B dos matrices simétricas de las mismas dimensiones tales que AB es simétrica, por lo tanto
se cumple que AB = BA
c Para toda matriz A que posea inversa, se cumplirá que (AT )−1 = (A−1 )T
10.10.2. Propuesto 2. Determine el valor de X utilizando la siguiente información:
T
AX T − AB = −2XB T

0 1
A=
1 −4

1 0
B=
2 3
10.10.3. Propuesto 3. Dada la siguiente matriz:

B2x2 F2x2
K=
02x2 C2x2
Verificar que se cumple:
Det(K) = |B| ∗ |C|
10.10.4. Propuesto 4. Dada la siguiente ecuación:
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
10.10.6. Propuesto 6. Sean las matrices:
 
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)
10.10.7. Propuesto 7. Dada la siguiente matriz:
 
4 0 −2 1
8 1 4 −2
A= 
2 −5 0 6
0 6 1 −3
a Encuentre la inversa de A a través de sistemas de ecuaciones.

b Encuentre la inversa de A a través del método de Gauss.
c Encuentre la inversa de A a través del método de la Adjunta.
10.10.8. Propuesto 8. Despeje X de la siguiente ecuación:
AB T IX + 5(A−1 X + BA−1 B − I 5 )B T X − AB(X −1 X T − B) = 3(BX T − A−1 XB)

Además, usted sabe que X es simétrica y B es idempotente. Asuma que:
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 .
10.10.10. Propuesto 10. Demostrar que se cumple:

a Det(Adj(A)) = Det(A)n−1
b Adj(Adj(A)) = Det(A)n−2 A
Capı́tulo 11
Sistemas de Ecuaciones
Lineales
Previo:
Definición 11.1. Combinación Lineal

Sea {x1 , ..., xn } ∈ <n . Se define una combinación lineal de {x1 , ..., xn } como α1 x1 +...+αn xn ∀ α1 , .., αn ∈ <
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 ∈ <
Definición 11.3. Sistema de Ecuaciones Lineal

Se llama sistema de n ecuaciones con m variables (incógnitas) (x1 , x2 , · · · , xm ) a:
a11 x1 + a12 x2 + a13 x3 + · · · + a1m xm = b1

.. ..
. .
an1 x1 + an2 x2 + an3 x3 + · · · + anm xm = bn
Donde los aij ∈ R reciben el nombre de coeficientes y los bi el de términos independientes.
Definición 11.4. Solución de un Sistema de Ecuaciones

Se dice que S1 , S2 , · · · , Sn , con Si ∈ R es una solución al sistema S si se verifican las n ecuaciones de S, es
decir, si al sustituir en el sistema xi por Si las igualdades se convierten en identidades numéricas.
125
126 11. Sistemas de Ecuaciones Lineales
11.1. Clasificación de Sistemas de Ecuaciones
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
11.2. Sistemas homogeneos

Un sistema lineal que tiene todos sus términos independientes iguales a cero, es decir bi = 0 ∀i ∈ {1, ..., n}
recibe el nombre de sistema homogéneo. De esta forma, todo sistema lineal de la forma:
(11.1) Ax = b
Tiene asociado el sistema homogéneo:
(11.2) Ax = 0
Nota: Un sistema homogéneo es siempre compatible puesto que (0, ..., 0) es siempre solución del sistema, nos
referimos a dicha solución como la solución trivial.
De los sistemas homogéneos se puede obtener información del sistema original, como por ejemplo, a partir del
número de soluciones del sistema homogéneo, se puede extraer el número de soluciones del sistema original.
La siguientes proposiciones resumen lo anterior.
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.
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
11.3. Sistemas homogeneos

Un sistema lineal que tiene todos sus términos independientes iguales a cero, es decir bi = 0 ∀i ∈ {1, ..., n}
recibe el nombre de sistema homogéneo. De esta forma, todo sistema lineal de la forma:
(11.3) Ax = b
Tiene asociado el sistema homogéneo:
(11.4) Ax = 0
Nota: Un sistema homogéneo es siempre compatible puesto que (0, ..., 0) es siempre solución del sistema, nos
referimos a dicha solución como la solución trivial.
De los sistemas homogéneos se puede obtener información del sistema original, como por ejemplo, a partir del
número de soluciones del sistema homogéneo, se puede extraer el número de soluciones del sistema original.
La siguientes proposiciones resumen lo anterior.
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.
5. Sean S y S 0 dos sistemas compatibles. Diremos que S es equivalente a S 0 (S ≈ S 0 ) si S y S 0 poseen el

mismo conjunto de soluciones.
6. Las siguientes operaciones transforman un sistema en otro equivalente:

a) Permutar dos ecuaciones
b) Multiplicar una ecuación por λ ∈ < − {0}
c) Sumar una ecuación a otra
d ) Sumar una ecuación, una combinación lineal de las restantes

Definición 11.12. Forma escalonada de una matriz

Se llama matriz escalonada o reducida de A ∈ Mn×m a cualquier matriz Ar ∈ Mn×m que se obtiene
de A mediante operaciones elementales y en la que el primer elemento no nulo de la fila se encuentra a la
derecha del primer elemento no nulo de la fila anterior. Las filas nulas, si las hay, en una matriz escalonada,
deben estar al final.
Ejemplos de matrices escalonadas

1 2
1. A =
0 1
 
1 3 4
2. B = 0 2 1
0 0 0
 
4 3 4
0 8 3
3. C = 
0

0 2
0 0 0
Definición 11.13. Rango de una matriz

Se llama rango de una matriz A al número de filas no nulas de una matriz escalonada de A. Se denota
como Rank(A) o Rg(A).
Algoritmo de resolución SEL (por método de Gauss)

1. Se considera una matriz ampliada (A|B).
2. Se obtiene una matriz escalonada (Ar |Br ).
3. Se resuelve el problema de forma ascendente.
Ejemplo
Se define el siguiente sistema de ecuaciones como:

x1 − x2 + x3 = 3
2x2 + 3x3 = 15
3x1 + x2 = 12
Lo que matricialmente corresponde a:
     
1 −1 1 x1 3
0 2 3 · x2  = 15
3 1 0 x3 12
Consideramos la matriz ampliada y obtenemos la matriz escalonada por medio de operaciones elementales:
     
1 −1 1 | 3 1 −1 1 | 3 1 −1 1 | 3
0 2 3 | 15 e31 (−3) 0 2 3 | 15 e32 (−2) 0 2 3 | 15 
3 1 0 | 12 0 4 −3 | 3 0 0 −9 | −27
Ahora, resolviendo el problema de forma ascendente tenemos:
−9x3 = −27
→ x3 = 3
2x2 + 3x3 = 15
2x2 + 9 = 15
→ x2 = 3
x1 − x2 + x3 = 3
x1 − 3 + 3 = 3
→ x1 = 3
Resolviendo finalmente el sistema de ecuación.
Definición 11.14. Teorema de Rouche-Frobenius

Si Ax = b es un sistema de m ecuaciones con n incógnitas, entonces:
1. Si Rg(A) 6= Rg(A|B), el sistema es incompatible.
2. Si Rg(A) = Rg(A|B) = n, el sistema es compatible determinado.
3. SiRg(A) 6= Rg(A|B) = k < n, el sistema es compatible indeterminado y su solución depende de n − k
parámetros.

11.4.1. Ejercicio 1. Suponga que usted está asesorando a los organizadores del Rally Dakar. Usted sabe
que el rally tiene competencia de autos, camiones y motos. Usted debe determinar la cantidad de vehı́culos
que participará en cada prueba de este magno evento deportivo y para este propósito debe considerar:
• El total de participantes debe ser 80.
• Los autos y camiones deben ser en total 20 vehı́culos.
• Los autos más el cuádruple de los camiones deben totalizar 44 vehı́culos.
• EL número de motos debe ser igual al triple del total de autos y camiones.
a) Traduzca el planteamiento en un sistema de ecuaciones y expréselo de forma matricial.
b) Encuentre el número de vehı́culos de cada tipo que participarán a través del método de Gauss para
resolución de SEL.
Respuesta:
a) Lo primero que debemos hacer es definir las variables a utilizar en el planteamiento del problema, sean
entonces: x número de autos, y número de camiones y z número de motos.
Dicho esto, el sistema de ecuaciones a resolver corresponderá a:
x + y + z = 80
x + y = 20
x + 4y = 44
z = 3x + y
Luego, matricialmente el problema corresponderá a:
   
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
Por lo tanto, en el Rally Dakar participaran 12 autos, 8 camiones y 60 motos.
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
Matricialmente se escribirá de la siguiente forma:

 
1 −2 −2 0
 1 2 −8 0 
1 4 4 150
b) El sistema Homogeneo Asociado se resolverá a través de Gauss:
  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.
11.4.3. Ejercicio 3. Conside el siguiente sistema de ecuaciones:
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.
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
Luego, para que el SEL tenga solución debe cumplirse que c − a − b = 0.

b) El SEL homogéneo tendrá solución no trivial sı́ y sólo sı́ es que el determinante del sistema es igual a 0,
ası́, al desarrollar esta expresión tendremos que:
 
p 1 0
p 1
Det 1 p 0 = pDet = p(p2 − 1) = p(p − 1)(p + 1) = 0
1 p
1 1 p
De esto se ve que el SEL tiene solución no trivial si es que p = 0 o p = 1 o p = −1.
11.4.5. Ejercicio 5. Considere el siguiente sistema de ecuaciones:
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
Luego, el sistema sera incompatible si es que 2 − k − k 2 = 0 y 3k 2 + k − 4 6= 0. De la primera ecuación,

tendremos que: 2 − k − k 2 = 0 → k = 1 ∨ k = −2
Evaluando la segunda expresión, tendremos que:
k = 1 → 3k 2 + k − 4 = 0
k = −2 → 3k 2 + k − 4 = 6 6= 0
Por lo tanto, el sistema sólo será incompatible si k = −2

11.5.1. Propuesto 1. Dados los vectores:
~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:
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.
11.5.7. Propuesto 7. Sea el siguiente sitema de ecuaciones lineales:
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)
11.5.8. Propuesto 8. Encuentre la solución del sistema Homogeneo:
x + 2y = z
2x + 2z = −5y
4y + 7z = −x
x + 3y + 3z = 0
11.5.9. Propuesto 9. Dado el siguiente sistema de ecuaciones:
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
11.5.10. 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
Valores y Vectores Propios
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.
Ahora, realizamos el procedimiento para ~v :

1 6 3 3
· =λ·
5 2 −2 −2

−9 3
=λ·
11 −2
Como podemos observar, no existe en este caso un valor de λ tal que cumpla con la igualdad; por lo que
podemos concluir que ~v no es un vector propio de la matriz A.
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
Resolviendo el sistema mediante operaciones elementales ,

−6 6 | 0 5 −6 6 | 0 1 −1 1 | 0
∼ e21 ∼ e1
5 −5 | 0 6 0 0 | 0 6 0 0 | 0
Con lo que el sistema lineal homogéneo queda reducido a:
−x1 + x2 = 0
⇒ x1 = x2
Reescribiendo el vector genérico tenemos que:

x1 x1 1
= = x1 ·
x2 x1 1

1
Por lo tanto, parax1 = 1,elvector es un vector propio asociado a un valor propio igual a 7.
1
Nota
Para que λ sea un vector propio de alguna matriz A, el sistema A · ~x = λ · ~x debe tener alguna solución no
trivial. Para que esto ocurra, el sistema homogéneo (A − λ · I) · ~x = ~0 debe tener solución no trivial, lo que
ocurre cuando (A − λ · I) es no invertible y sabemos que una matriz B es no invertible cuando Det(B) = 0,
luego. para encontrar λ se debe resolver Det(A − λ · I) = 0.
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).
Para λ = 2, el Sitema de ecuación queda:

4 −5 1 0 x 0
−2· · 1 =
2 −3 0 1 x2 0

2 −5 x 0
· 1 =
2 −5 x2 0
Resolviendo mediante operaciones elementales:

2 −5 | 0 2 −5 | 0
∼ e21 (−1)
2 −5 | 0 0 0 | 0
Por lo tanto, el sistema queda reducido a:
2 · x1 − 5 · x2 = 0
2
⇒ x2 = · x1
5
Reescribiendo el vector genérico:

x1 x1 1
= 2 = x1 · 2
x2 5 · x 1 5

1
Entonces podemos decir que para un valor de x1 = 1, 2 es un vector propio asociado a un valor propio
5
igual a 2.
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
Resolviendo mediante operaciones elementales evidentes:

5 −5 | 0 1 −1 | 0
∼
2 −2 | 0 0 0 | 0
Por lo tanto, el sistema queda reducido a:
x1 − x2 = 0
⇒ x1 = x2
Reescribiendo el vector genérico:

x1 x1 1
= = x1 ·
x2 x1 1

1
Entonces podemos decir que para un valor de x1 = 1,el vector es un vector propio asociado a un valor
1
propio igual a −1.
Teorema 12.1. La suma de los n valores propios de A es igual a su traza:
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
12.2. Concepto de independencia lineal

Un conjunto de vectores indexados (con un ı́ndice) en Rn es linealmente independiente si en la ecuación
vectorial tiene únicamente la solución trivial; es decir:
λ1 · V~1 + λ2 · V~2 + ... + λn · V~n = ~0
Lo anterior se puede reescribir como:

   
λ1 0
 λ2  0
   
 .  .
V1 V2 ... Vn n×n ·  
  = 
 . 
.
 
 .  .
λn n×1 0 n×1
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:
λ1 · V~1 + λ2 · V~2 + ... + λn · V~n = ~0

−λ1 · V~1 − λ2 · V~2 − ... − λn−1 · Vn−1 ~
V~n =
λn
Ejemplo 4
Sean los vectores:
     
1 4 2
V~1 = 2 V~2 = 5 V~3 = 1
3 6 0
a) Determine si el conjunto {V~1 , V~2 , V~3 } es linealmente independiente.

b) Si es posible, encuentre una relación de dependencia lineal entre V~1 , V~2 , V~3 .
Respuesta:
Para determinar si hay dependencia lineal, se debe evaluar si el siguiente sistema es homogéneo:
 
x1
v1 v2 v3  x 2  = 0
x3
Tiene la solución trivial, para lo anterior se escribe la matriz ampliada:
     
1 4 2 | 0 −3 −6 0 | 0 −3 −6 0 | 0
2 5 1 | 0 e12 (−2)  2 5 1 | 0 e31 (1)  2 5 1 | 0
3 6 0 | 0 3 6 0 | 0 0 0 0 | 0
Luego, el sistema homogéneo tiene más de una solución, por tanto, hay dependencia lineal entre v1 , v2 , v3 .
Para encontrar los ponderadores, basta con encontrar una solución al sistema
(1) −3x1 − 6x2 = 0
(2) 2x1 + 5x2 + x3 = 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
12.3. Caracterización de los conjuntos linealmente dependientes

Un conjunto indexado S = {V~1 , ..., V~n } de dos o más vectores, es linealmente dependiente si y sólo sı́ al
menos uno de los vectores es combinación lineal de los otros.
Teorema 12.5. Cualquier conjunto que contenga al vector ~0 es L.D.
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”
Se define la multiplicidad geométrica de λ como la dimensión del espacio generado por 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
12.4.2. Diagonalización. Una matriz A cuadrada es diagonalizable si A es semejante a una matriz

diagonal (D). En este caso D tiene como entrada los valores propios de A y P es una matriz con los vectores
propios de A en las columnas.
Ejemplo 5:
Sea:

−7 6
A=
−9 8
Se pide:
a) Diagonalizar la matriz A
b) Encontrar A100
a) Para diagonalizar encontramos los valores propios:
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
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
En consecuencia, el último paso es encontrar la matriz inversa de P :

3
" #
−1 1 − −2 3
P = −2 · 2 =
−1 1 2 −2
Reemplazamos las matrices ya encontradas:
3
" #
1 −1 0 −2 3
A= 2 · 0 2
·
2 −2
1 1
Y hemos logrado diagonalizar la matria A.
b) Para encontrar la potencia A100 debemos percatarnos de los siguiente:
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.

12.5.1. Ejercicio 1. Sean ~u, ~v , w
~ tres vectores. Demuestra que si w
~ < (~u, ~v ) >, entonces (~u, ~v , w)
~ es un
conjunto Linealmente Dependiente.
Respuesta. Si w
~ < (~u, ~v ) > entonces existen escalares α, β tales que w ~ = α~u + β~v . Esto es lo mismo que
decir: ~0 = (−1)w
~ + α~u + β~v . Ası́, se tiene una combinación lineal nula de vectores sin que todos sus escalares
sean nulos. Por lo tanto el conjunto (~u, ~v , w)
~ es un conjunto Linealmente Dependiente.
12.5.2. Ejercicio 2. Sea la matriz A:

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
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
Para esto, debemos calcular P, DN yP −1 , ası́:

10 0
D=
0 1
N
N 10 0
D =
0 1

1 −10
P =
−1 1

−1/9 −10/9
P −1 =
−1/9 −1/9
Por lo tanto, la matriz pedida corresponderá a:
" N
#
10−10 10−10N +1
N 9 9
A = 10N −1 10N +1 −1
9 9
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
Luego, el vector propio asociado será: v~1 = ( −1(p−5)

3 , 6q , 1)
Para λ2 = −1
    
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
Luego, el vector propio asociado será: v~3 = (0, 1, 1+p

q )
Consideremos el segundo corresponde a p = 5:

Para λ2 = −1
    
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
= (1 − λ)[(2 − λ)(4 − λ)) + 1] − 2[(4 − λ) − 1] + 2(1 + (2 − λ))

= (1 − λ)(2 − λ)(4 − λ) + (1 − λ)
= (1 − λ)[(2 − λ)(4 − λ) + 1]
= (1 − λ)(λ − 3)2
De esta forma, tendremos que λ1 = 1 y su Multiplicidad algebráica es uno. Mientras que λ2 = 3 y
su Multiplicidad algebráica es dos.
Luego, para λ1 = 1, tendremos que:
      
0 2 2 0 2 2 x 0
Det  1 1 −1 e32(1) 1 1 −1 y  = 0
−1 1 −3 0 2 2 z 0
Como la tercera fila es LD con respecto a la primera, tendré dos ecuaciones, las cuales nos indican
la siguiente información:
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 − λ)(λ − 3)2 = (1 − λ)(λ2 − 6λ + 9) = −λ3 + 7λ2 − 15λ + 9 = 0

−A3 + 7A2 − 15A + 9I = 0
−A−1 A3 + 7A−1 A2 − 15A−1 A = 0
−A2 + 7A − 15I + 9A−1
A2 − 7A + 15I
A−1 =
9
12.5.5. Ejercicio 5. El polinomio caracterı́stico de una matriz A es p(λ) = (λ2 − 1)(λ + 2)(λ − 3)
a) Indique el número de filas de A.
b) Indique si A es invertible. En caso afirmativo, encuentre una expresión para A−1
c) Indique si A es diagonalizable. En caso firmativo, encuentre una matriz diagonal, similar con A.
Respuesta.
a) El número de filas de A es igual al grado del polinomio caracterı́stico, por lo mismo, A posee 4 filas.
b) Sabemos por el Teorema de Cayley-Hamilton que:
(λ2 − 1)(λ + 2)(λ − 3) = λ4 − λ3 − 7λ2 + λ + 6I = 0

Como queremos ver la inversa de la matriz A, reemplazamos los λ por A. Ası́:
A4 − A3 − 7A2 + A + 6I = 0
−1
A [A4 − A3 − 7A2 + A + 6I] = 0
A3 − A2 − 7A + I + 6A−1 = 0
−1 3
A−1 = A − A2 − 7A + I

6
c) Sabemos que existen cuatro valores propios (−1, 1, −2, 3) cuyores vectores propios asociados tendrán la
particularidad que su multiplicidad geométrica será igual a la multiplicidad algebraica, de esta forma.
Una matriz Diagonal, similar con A, es aquella que contiene los valores propios en la diagonal principal,
es decir:
 
−1 0 0 0
0 1 0 0
 
0 0 −2 0
0 0 0 3

3 α
12.6.1. Propuesto 1. Encuentre los valores de α > 0 para los cuales M2x2 es diagonalizable.
1 2

1 a 1 1
12.6.2. Propuesto 2. Considere la matriz A = cuyos valores propios son y
5 b 1 2
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:
f (x, y, z) = (3x − y + z, 2y, x − y + 3z)

¿Es la matriz asociada a esta función diagonalizable? De serlo, encuentre su matriz D diagonal que cumple
con: A = P DP −1
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 .
 
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.
12.6.10. Propuesto 10. Suponga que:

 
−3 1 −1
B = −7 5 −1
−6 6 −2
a) Encontrar El polinomio caracterı́stico y los valores propios de B.
b) Encontrar un conjunto máximo de vectores propios que sean linealmente independientes de B.
c) ¿Es diagonalizable B? En caso afirmativo, encontrar P tal que P DP −1 sea diagonal.
Capı́tulo 13
Aplicación: Mı́nimos
Cuadrados Ordinarios
13.1. Definiciones previas

13.1.1. Producto interno.
Sea V~1 = (v11 , v12 , ..., v1n ) y V~2 = (v21 , v22 , ..., v2n ), dos vectores de Rn , se define el producto interno
como:
n
X
V~1 · V~2 =< V1 , V2 >= (v1i · v2i )
i=1
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:
a) < V~1 , V~2 >=< V~2 , V~1 >
b) < (V~1 + V~2 ), V~3 >=< V~1 , V~3 > + < V~2 , V~3 >
151
152 13. Aplicación: Mı́nimos Cuadrados Ordinarios
c) c· < V~1 ), V~2 >=< c · V~1 , V~2 >
d)< V~1 , V~1 >≥ 0 y si < V~1 , V~1 >= 0 → V~1 = ~0
13.1.2. Normal de un vector.

La longitud o normal de un vector V ~ = (v1 , v2 , ..., vn ) es una aplicación que se describe como:
q q
~
||V || = < V ~ ,V ~ > = v 2 + v 2 + ... + vn2
1 2
y
~ ||2 =< V
||V ~ ,V
~ >
13.1.3. Distancia entre dos vectores.

Sean dos vectores V~1 y V~2 ambos pertenecientes a Rn ; la distancia entre ellos se define como:
Dist(V~1 , V~2 ) = ||V~1 − V~2 ||
13.1.4. Ortogonalidad entre vectores.

Se dirá que dos vectores, V~1 y V~2 son ortogonales sı́ cumplen que:
< V~1 , V~2 >= 0
Teorema 13.2.
Sea W ⊆ Rn , entonces todo vector cualquiera ~y perteneciente a Rn se puede escribir únicamente de la
forma:
~y = ~ŷ + ~z
Donde ~ŷ está W y ~z en W ⊥ (conjunto otrogonal de W )
13.2. Problema de mı́nimos cuadrados

Si A es de m × n y ~b está en Rn , una solución por mı́nimos cuadrados de A~x = ~b es una ~x̂ ∈ Rn tal que:
||~b − A~x̂|| ≤ ||~b − A~x||, ∀~x ∈ Rn
Del teorema INSERTAR REFERENCIA:
~b = ~b̂ + ~z
Sea ~b = A~x̂ + ~z ⇒ ~z = ~b − A~x̂
Como A~x̂ ∈ W y Z ∈ W ⊥ , entonces para las a columnas de A se cumple:
ai (~b − A~x̂) = 0 por ortogonalidad
 
a1
 .. 
Como A =  . , si AT A es no singular, enctonces se cumple que:
T
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
arg mı́n ||A~x − ~b||

~
x
13.3. Modelos lineales

En vez de usar la notación A~x = ~b, se usará Xβ = Y , donde X es la matriz de diseño, β es el vector de
parámetros e Y es el vector observado.
Gráficamente:
β0
x
Figura 1. Modelo lineal: y = β0 + β1 x
Matricialmente, el modelo queda expresado:
Y = X · β~ + ~ε
Planteando el problema de Mı́nimos cuadrados:
~
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
13.4. Mı́nimos cuadrados desde el punto de vista de la optimización numérica

El problema de M.C. (o bien, M.C.O.) se define como:
v
u n
uX
arg mı́n t ε2 i
~
β i=1
√
arg mı́n εT · ε
~
β
Teorema 13.4. Sea X ∗ = arg mı́n f (x) y sea g(x) una función monotónica creciente en el dominio de los
x, entonces:
X ∗ = arg mı́n g(f (x))

13.4. Mı́nimos cuadrados desde el punto de vista de la optimización numérica 155
n
X
⇒ arg mı́n ε2 = arg mı́n (εT · ε)
β β
i=1
Sabemos que el modelo de estimación posee la forma:

Y =X ·β ~ + ~ε
ε = Y − X · β~
ε = Y T − β~ T · X T
T
⇒ 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) ~
Antes de continuar con el desarrollo revisaremos un apartado de Derivadas de matrices.

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
Volviendo al desarrollo anterior:

~ − (β~ T · X T · Y ) + (β~T · X T · X · β)
∂ (y T · Y ) − (Y T · X · β) ~
∂ εT · ε
=
∂ β~ ∂β

∂ 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:
(~xT · ~x) · β~ = ~xT · ~y

Ponderando por (~xT · ~x)−1 por la izquierda:
~ = (~xT · ~x)−1 · (~xT · ~y )

β
156 13. Aplicación: Mı́nimos Cuadrados Ordinarios
Desarrollo mediante Sumatorias:

n
X
arg mı́n ε2
β
i=1
n
X
⇒ arg mı́n (yi − β~ · xi )2 = Φ
β
i=1
n
∂Φ X
=2· (yi − β~ · xi ) · xi = 0
∂ β~ i=1
n
X
(yi · xi − β~ · x2i ) = 0
i=1
n
X n
X
(yi · xi ) − (β~ · x2i ) = 0
i=1 i=1
Pn
(yi · xi )
i=1
Pn 2 = β~
i=1 xi
Lo que es equivalente a:
(~xT · ~x)−1 · (~xT · ~y )
   
x1 y1
 x2   y2 
   
 .  .
Pues x = 
 . 
 , y =  
. .
   
 .  .
xn n×1 yn n×1

Metodos Matem Aticos III PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodos Matem Aticos III PDF

Cargado por

Copyright:

Formatos disponibles

Universidad de Chile

Facultad de Economı́a y Negocios

Apunte del Curso

Métodos Matemáticos III

Borrador al 30 de abril de 2014

Parte 1. Tópicos en cálculo multivariado

3.11. Ejercicios Resueltos 39

Capı́tulo 4. Concavidad y Convexidad 47

Capı́tulo 5. Optimización no restringida y restringida 53

Capı́tulo 7. Integrales Definidas 79

Capı́tulo 8. Integrales dobles 87

Parte 2. Tópicos en Álgebra Lineal

Capı́tulo 9. Introducción a las matrices 99

12.5. Ejercicios Resueltos 144

Capı́tulo 13. Aplicación: Mı́nimos Cuadrados Ordinarios 151

En este documento se ha priorizado la aplicación y conocimiento de la materia sobre la rigurosidad

El Capı́tulo 4 se concentra en los temas de concavidad y convexidad, principalmente de funciones de n

Repaso de cálculo univariado

Definición 1.1. Continuidad de una función

Un concepto relacionado con el tema de continuidad es el de derivada de que presenta a continuación.

Definición 1.2. Derivada de una función

1.3. Propiedades de la operatoria de derivadas

1.3.1. Derivadas Conocidas. Derivadas Conocidas:

1.3.2. Consideraciones básicas para derivar.

1.4. Crecimiento y decrecimiento

Teorema 1.1. Funciones crecientes y decrecientes

Definición 1.3. Máximo global de una función

Definición 1.4. Mı́nimo global de una función

Definición 1.5. Punto extremo

Definición 1.6. Concavidad y Convexidad

Teorema 1.2. Existencia de mı́nimos y máximos en funciones dos veces derivables

1. Si x∗ es un punto extremo y la función es concava en f (x∗ ), entonces en x∗ se produce un máximo local

Insertar gráfico con la intuición del resultado

1.6. Ejercicios Resueltos

la definición de derivada queda expresado de la siguiente manera:

1.6.2. Ejercicio 2. Calcule las derivadas de las siguientes funciones:

P T 00 (0) = 180 > 0

P T 00 (60) = −180 < 0

P M A00 = −6 < 0; Es un máximo y en ese punto la función es cóncava.

1-¿ El precio de venta disminuye con la cantidad?

4-En la situación óptima ¿ Cual es el precio de venta? ¿ Que ganancia se obtiene?

y el punto óptimo seria x = 0

G(x) = x ∗ P (x) − C(x)

3- Para que G(x) alcance un máximo, implica que G0 (x) = 0

Estudiamos la segunda derivada:

G0 (6, 324) = −75∗2∗6,324

a un precio de venta de 190 pesos por kg. la ganancia es de 116,49 pesos

1.7. Ejercicios Propuestos

1.7.0.2. Ejercicio 2. Dada la siguiente función:

1.7.0.3. Ejercicio 3. Según la siguiente función

Derive mediante regla de la cadena.

1.7.0.4. Ejercicio 4. Si (f+g) es derivable, demuestre

1.7.0.5. Ejercicio 5. Si f*g es derivable, demuestre

1.7.0.6. Ejercicio 6. Si f es derivable en a y g es derivable en f(a), entonces f o g es derivable en a,

1.7.0.8. Ejercicio 8. Derive la siguiente función:

1.7.0.9. Ejercicio 9. Sea f : f ⊂ RN → R, f un abierto. Supongamos que x0 es un mı́nimo local de f y

Demuestre esta proposición.

Definición 2.1. Función de n variables

Ejemplos de Funciones de Varias Variables

2.1. Funciones de varias variables importantes

2.2. Dominio de una función de varias variables

2.3. Propiedades de las funciones de varias variables

2.4. Composición de Funciones

(3.1) ∃m ∈ <|f (x0 + h) = f (x0 ) + hm + h(h)

Y además se cumple que 1 , ..., n → 0 si (h1 , ..., hn ) → 0.