Está en la página 1de 199

 

 
 
 
 
 
 
 
 
 
 
 
 
Sede Francisco Mendizábal
 
 
 
 
 
Dpto. de Matemática Aplicada

MATEMÁTICAS 1

Curso 2017–2018

APUNTES PARA LA ASIGNATURA

Grado de Ingenierı́a en Electrónica Industrial y Automática

" #
Grupo : EIA12
Profesor : José Antonio Abia Vian
ii – Matemáticas 1 : Contenidos

Índice de contenidos
Preliminares vi
0 Preliminares 1
0.1 ¿Un Curso 0? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.1.1 Números, conjuntos y lenguaje matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.1.1.1 Conjuntos y lenguaje matemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.1.1.2 Lógica y Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.2 Funciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.1.2.1 Trigonometrı́a y funciones trigonométricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.1.2.2 Exponenciales y logaritmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.1.2.3 Funciones hiperbólicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.1.3 Cónicas y cuádricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.1.3.1 Cónicas en el plano R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.1.3.2 Cuádricas en el espacio R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.1.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
0.2 Números Complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.2.1 Unidad imaginaria y forma binómica de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.2.1.1 Construcción formal del plano complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.2.2 Propiedades de los complejos. Conjugado y módulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.2.2.1 Conjugado de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.2.2.2 Módulo de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.2.3 Forma polar de un número complejo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
0.2.4 Raices complejas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
0.2.4.1 La exponencial compleja . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
0.2.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
0.3 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
0.3.1 Introducción. Nociones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
0.3.1.1 Operaciones en K[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
0.3.2 Division euclı́dea de polinomios. Divisibilidad y factorización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
0.3.2.1 División entera o euclı́dea de polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
0.3.2.2 Raı́z de un polinomio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
0.3.2.3 Factorización de polinomios de coeficientes complejos . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
0.3.2.4 Factorización de polinomios en R[X] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
0.3.2.5 Factorización de polinomios de coeficientes racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
0.3.2.6 Descomposición en fracciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
0.3.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Anexo 0: Preliminares 22

I Álgebra Lineal 25
1 Matrices y sistemas de ecuaciones lineales 26
1.1 Definiciones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1.1 Operaciones con las matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1.2 Matriz transpuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.2 Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.2.1 Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.2.2 Método de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.2.2.1 Sistemas homogéneos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.2.2.2 Método de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.2.3 Rango de una matriz y Teorema de Rouché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3 Matrices cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.3.1 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.4 Determinante de una matriz cuadrada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.4.1 Determinantes y operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.4.1.1 Cálculo de determinantes por reducción a la forma escalonada . . . . . . . . . . . . . . . . . . . . . . . 35
1.4.2 Otras propiedades del determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.4.3 Desarrollo por cofactores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.4.4 Rango de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
iii – Matemáticas 1 : Contenidos ÍNDICE DE CONTENIDOS

2 Espacios vectoriales reales 41


2.1 Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2 Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.3 Base y dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.3.1 Coordenadas en una base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.3.2 Espacios de las filas y las columnas de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.4 Cambios de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.5 Espacios vectoriales con producto interior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5.1 Producto escalar. Norma. Distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5.1.1 Matriz del producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.5.1.2 El espacio euclı́deo n -dimensional Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5.2 Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5.2.1 Bases ortonormales. Proyección ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3 Aplicaciones lineales 54
3.1 Definición. Núcleo e imagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.2 Matrices de una aplicación lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2.1 Composición de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.3 Teorema de Semejanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

4 Diagonalización 62
4.1 Valores y vectores propios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.2 Diagonalización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.3 Diagonalización ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5 Formas cuadráticas 69
5.1 Diagonalización de una forma cuadrática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.1.1 Diagonalización ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.1.2 Diagonalización mediante operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2 Rango y signatura de una forma cuadrática. Clasificación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.2.1 Clasificación de las formas cuadráticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

Anexo 1: Álgebra lineal 75

II Cálculo diferencial en R 89
6 Funciones, lı́mites y continuidad 90
6.1 La recta real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.1.1 Los números reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.1.2 Valor absoluto de un número real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.1.3 Intervalos y entornos en R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6.1.4 Algunas operaciones con números reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.1.4.1 Potencias racionales y reales de un número real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.1.4.2 Exponencial real de base e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.1.4.3 Logaritmo neperiano real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.2 Funciones reales de variable real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.2.1 Monotonı́a. Funciones inversas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.3 Lı́mite y continuidad de una función en un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3.1 Algunos resultados interesantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6.3.1.1 Lı́mites y continuidad con las operaciones básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.3.1.2 Lı́mites laterales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3.2 Lı́mites con infinito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.3.3 Infinitésimos e infinitos equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.3.4 Ası́ntotas de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.4 Teoremas del lı́mite y de continuidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.4.1 Teoremas de continuidad en intervalos cerrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
6.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

7 Funciones derivables 107


7.1 Derivada de una función en un punto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
7.1.1 Aplicaciones de la derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.1.1.1 Crecimiento de una función en un punto. Extremos locales . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.2 Teoremas de derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.2.1 Teorema de la función inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2.2 Representación gráfica de funciones (1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.2.2.1 Monotonı́a y extremos locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.2.2.2 Concavidad y convexidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.2.2.3 Paridad y periodicidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
iv – Matemáticas 1 : Contenidos ÍNDICE DE CONTENIDOS

8 Polinomios de Taylor 119


8.1 Polinomios de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
8.1.1 Fórmula de Taylor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
8.2 Representación de funciones (2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
8.2.1 Representación de funciones en forma explı́cita: y = f (x) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

Anexo 2: Cálculo diferencial 126

III Cálculo integral en R 138


9 Cálculo de primitivas 139
9.1 Primitiva de una función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
9.1.1 Tabla de integrales inmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
9.2 Métodos de integración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.2.1 Método de sustitución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.2.1.1 Tabla de integrales casi–inmediatas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.2.2 Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.2.3 Integración por partes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.3 Integración según el tipo de función . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.3.1 Integrales racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.3.1.1 Descomposición en fracciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.3.1.2 Integración de funciones racionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
9.3.2 Integración de funciones trigonométricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
9.3.3 Integración de funciones exponenciales e hiperbólicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
9.3.4 Integrales con raı́ces o irracionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9.3.4.1 Integrales binomias ∗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

10 Integral de Riemann 148


10.1 Sumas inferiores y superiores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
10.1.1 Particiones de un intervalo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
10.1.2 Sumas inferiores y superiores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
10.2 Integral de una función real de variable real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
10.2.1 Sumas de Riemann ∗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
10.2.2 Otras propiedades de la integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.2.3 Algunas funciones integrables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
10.3 Integración y derivación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
10.4 Integrales impropias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
10.4.1 Integrales impropias de primera especie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
10.4.2 Criterios de comparación para funciones no negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
10.4.3 Convergencia absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
10.4.4 Integrales impropias de segunda especie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
10.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

11 Aplicaciones de la integral 162


11.1 Áreas de superficies planas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
11.1.1 Funciones negativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
11.1.2 Área entre dos funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
11.2 Volúmenes de cuerpos sólidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
11.2.1 Volúmenes de revolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
11.3 Otras aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
11.3.1 Longitudes de arcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
11.3.2 Área de una superficie de revolución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
11.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168

Anexo 3: Cálculo integral 170

IV Series numéricas 178


12 Sucesiones y series de números reales 179
12.1 Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
12.1.1 Lı́mite de una sucesión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
12.1.2 Subsucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
12.1.3 Convergencia de sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
12.2 Series de números reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
12.2.1 Carácter de una serie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
12.2.2 Series convergentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
12.2.3 Series de términos positivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
12.2.3.1 Criterios de comparación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
12.2.3.2 Criterios de convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
12.2.4 Series de términos cualesquiera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
12.2.4.1 Series de Leibnitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
v – Matemáticas 1 : Contenidos ÍNDICE DE CONTENIDOS

12.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186

Anexo 4: Series numéricas 188

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
vi – Matemáticas 1

Unidad 0

Preliminares

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
1 – Matemáticas 1 : Preliminares

Capı́tulo 0

Preliminares
0.1 ¿Un Curso 0?
Se pretende establecer un estándar de notaciones y significados comunes, sobre los objetos, operaciones, resul-
tados, etc, ya conocidos en mayor o menor medida. Y alguna cosita más . . .

0.1.1 Números, conjuntos y lenguaje matemático


Conocemos y manejamos diversos conjuntos de números, como son los conjuntos de los

números naturales N = 0, 1, 2, 3, 4, 5, . . .

números enteros Z = . . . , −3, −2, −1, 0, 1, 2, 3, . . .
nz o
números racionales Q= : z ∈ Z y n ∈ Z−{0}
n
y el conjunto de los números reales R (o de los decimales, que rellena los “huecos” entre los racionales. Ver la
Nota de más abajo). Y además sabemos que se cumple la cadena de contenciones. . . N ⊂ Z ⊂ Q ⊂ R .
La creación o el “descubrimiento” de estos conjuntos tuvo lugar por las necesidades técnicas y prácticas
(pero también teóricas) de los cientı́ficos del momento, y que nosotros vamos a recordar a continuación pero
con un toque matemático más actual. Tenemos definidas unas operaciones de suma y de producto en cada uno
de estos conjuntos que son operaciones internas (suma o producto de naturales es natural, suma o producto
de enteros es entero, etc,) sin embargo no tienen en cada conjunto las mismas propiedades:
? en N ni para la suma ni para el producto existe inverso (ni la resta ni la división de naturales tiene porqué
ser un natural),
? en Z existe el inverso para la suma pero no para el producto (la resta de enteros es un número entero,
pero no lo es la división en general)
? y tanto en Q como en R podemos restar y también dividir por valores distintos de cero
La otra operación o manipulación básica entre números, la potencia (una generalización del producto), diferencia
1 √
claramente estos dos
√ últimos conjuntos. Ası́ 2 ∈ Q (luego también a R), pero 2 2 = 2 ∈ / Q, aunque sı́ se
1
cumple que 2 2 = 2 = 1.4142135623 · · · ∈ R .
Nota: El conjunto R –o recta real– se completa añadiendo a los números racionales los números irracionales
R = Q ∪ I , teniendo en cuenta que cualquier número real puede describirse en la forma z.d1 d2 d3 . . . dn . . .
(un número entero seguido de infinitos decimales): si a partir de uno de ellos, los decimales se repiten
periódicamente o son cero, el número es racional y en caso contrario se dice que es irracional. Ası́, los números
1
z{
5
z{ √
3 = 0. 3 = 0.33333 · · · y 4 = 1.25 = 1.24 9 = 1.2499999 · · · son racionales, mientras que los números 2,
π o este 55.0270027000270000270000027 · · · son irracionales.

0.1.1.1 Conjuntos y lenguaje matemático


En el apartado anterior aparecen sı́mbolos para expresar los conjuntos de números y las relaciones entre ellos.
Esta simbologı́a matemática debe conocerse, pues es parte esencial de las matemáticas, no por hacer más concisa
u oculta la escritura de los enunciados, sino porque los hace más precisos, más exactos y verdaderos.

Unas llaves “ ” indican un conjunto que está formado por elementos, y que puede ser descrito por sus
propios elementos, {0, 1, 2} (o A = {0, 1, 2} si queremos
 darle nombre),
o por alguna condición que queremos
que cumplan  los elementos de ese conjunto, A = n ∈ N : n < 3 . Esta notación habitual se lee: A es el
conjunto (“ ”) formado por los números naturales (“ n ∈ N”) tales que (“ : ”) son menores que 3 (“n < 3 ”).
Los elementos están en el conjunto o pertenecen al conjunto, 0 ∈ A, y un conjunto puede estar contenido
o incluido en otro, A ⊆ B (A está contenido en B si todos los elementos de A pertenecen también a B ) y
también de dice que A es un subconjunto de B . Se usa B ⊇ A para indicar que B contiene a A.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
2 – Matemáticas 1 : Preliminares 0.1 ¿Un Curso 0?

Se distingue entre contenido o igual “⊆” y contenido y distinto “ ⊂”, aunque en general solo se usa el último
sı́mbolo cuando quiere ponerse de manifiesto la no igualdad.
Cuando se manejan conjuntos estamos tratando con sus elementos y, o bien por algo que les sucede o
queremos que cumplan todos ellos o bien observamos que hay algunos a los que no les sucede o no cumplen lo
que deseamos, por lo que hay dos sı́mbolos que aparecen comúnmente:
? ∀ que significa para todo elemento o para cada elemento y

? ∃ que significa existe algún elemento o existe al menos un elemento


ya hemos visto el “todo” cuando definı́amos la contención y basta negar el “todo” para tener el “existe algún”
? A ⊆ B , si todo elemento de A pertenece también a B → A ⊆ B , si ∀ x ∈ A se cumple que x ∈ B
? A 6⊆ B , si existe algún elemento de A que no está en B → A 6⊆ B , si ∃ x ∈ A tal que x ∈
/B

Atención, negar que todos cumplan algo no es que todos cumplan lo contrario sino que alguno no lo cumple.
Por ejemplo negar que “todos los hombres son tontos” no es “todos los hombres son listos”, sino que “hay al
menos un hombre que no es tonto”.
Estos significados exactos que representan estos sı́mbolos aparecen en las definiciones de la mayorı́a de los
conceptos matemáticos, como lı́mites, derivabilidad, espacios vectoriales, . . . , y formando parte esencial ellas.
No tienen sentido muchas de esas definiciones sin ellos.
También entre los conjuntos encontramos una especie de operaciones, las más básicas son la intersección
“ ∩”, unión “ ∪” y eliminación o resta entre conjuntos:
  
A∩B = x:x∈A y x∈B A ∪ B = x : x ∈ A ó x ∈ B A−B = x∈A:x∈ /B
Si A y B tienen intersección vacı́a (sin elementos comunes), A ∩ B = ∅, se dice que son conjuntos disjuntos.
Muy habitualmente los conjuntos que se usan son todos subconjuntos de uno más grande (el universo), con-
juntos de números reales,
 conjuntos
de vectores, . . . 
, y en ese caso conviene
tener
 en cuenta, el
complementario
de un conjunto, A = x : x ∈/ A . Ası́, para A = n ∈ N : n < 3 , es A = n ∈ N : n ≥ 3

0.1.1.2 Lógica y Teoremas


Cuando construimos las herramientas matemáticas es necesario que tengamos la seguridad de su funcionamiento,
no la posibilidad sino la certeza. Para ello se usan los procesos lógicos que nos permiten construir teoremas lógicos
(los teoremas, lemas, proposiciones,. . . que se ven en matemáticas), resultados que son siempre siempre ciertos.
La estructura básica de un teorema lógico es siempre la misma:
Se escribe P =⇒ Q, y se lee P implica Q, significando: si se cumple P , entonces se cumple también Q
Hay otras lecturas usuales de esa implicación: “si se cumple P necesariamente se cumple también Q” o
“que se cumpla Q es una condición necesaria para que se cumpla P ” o “ Q se deduce o infiere de P ”
El enunciado P se denomina la hipótesis del teorema y Q la tesis, por lo que estamos diciendo que: siempre
que se cumpla la hipótesis tiene que cumplirse la tesis. Como ocurre en el teorema siguiente:
“Si un número natural es múltiplo de 4, entonces es un número par”

Si P =⇒ Q y Q =⇒ P se pone P ⇐⇒ Q y se lee “ P si y solo si Q” o también que “ P y Q son equivalentes”


“Un número natural es múltiplo de 10 si y solo si la última cifra es 0”
A⊆B y B⊆A ⇐⇒ A=B

Cuando antes dijimos que si P =⇒ Q, el enunciado Q es una condición necesaria para P , estamos dando una
expresión equivalente a esa implicación. Es decir, estamos construyendo el siguiente teorema
Teorema 1.- Si P y Q son dos enunciados o proposiciones logicas,
P =⇒ Q ⇐⇒ no Q =⇒ no P
Cierto: si cuando P es cierta Q también lo es, cuando Q no sea cierta necesariamente P tampoco lo será, ya
que si lo fuera Q tendrı́a que ser cierta.
Esta implicación no Q =⇒ no P se dice que es la contrarrecı́proca o contrapositiva de P =⇒ Q. (De
Q =⇒ P se dice la recı́proca). Ası́ tenemos el teorema siguiente, contrarrecı́proco de uno anterior:
“Si un número natural no es par, entonces no es un múltiplo de 4”

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
3 – Matemáticas 1 : Preliminares 0.1 ¿Un Curso 0?

0.1.2 Funciones elementales


0.1.2.1 Trigonometrı́a y funciones trigonométricas
Unos de los conceptos que aparece más a menudo es la trigonometrı́a, tanto en su versión de proporciones
geométricas, como en versión de funciones analı́ticas para Cálculo. Las razones trigonométricas básicas de un
ángulo, seno, coseno y tangente, se definen mediante los ángulos de un triángulo rectángulo:
r r tg θ = tg θ
 sen θ = sen θ @
@ θ
 cos θ = −cos θ
y x y sen θ h 
y
@ θ
sen θ = cos θ = tg θ = =  sen θ = −sen θ @ θ 1 sen θ = −sen θ
h h x cos θ 
cos θ = −cos θ θ cos θ = cos θ
r

 θ x @r tg θ = −tg θ
@
 (cos θ, sen θ) = (x, y)
tg θ = tg θ

Cuando la hipotenusa es 1 (ver circunferencia goniométrica a la derecha del dibujo anterior), los valores del
punto (x, y) coinciden con (cos θ, sen θ) , no solo en valor sino también en signo (si 90o < θ < 270o es cos θ < 0 ).
Pero los ángulos se usan en más contextos con un sentido de recorrido, lo que les proporciona un signo y no
se expresan en grados sino en radianes (amplitud del ángulo θ cuyo arco en la circunferencia unidad tiene
longitud 1, ası́ 180o son π radianes y 360o son 2π radianes) que son números reales, lo que convierte estas
razones en funciones reales extendidas a todos los números reales. Se cumplen las propiedades siguientes:
1
sen(−x) = − sen x cos(−x) = cos x cos2 x + sen2 x = 1 = 1 + tg2 x
cos2 x
tg x + tg y
sen(x + y) = sen x cos y + cos x sen y cos(x + y) = cos x cos y − sen x sen y tg(x + y) =
1 − tg x tg y
que cuando y = x , nos proporcionan las fórmulas del ángulo doble y las del ángulo mitad
2 tg x
sen(2x) = 2 sen x cos x cos(2x) = cos2 x − sen2 x tg(2x) =
1−tg2 x

1−cos(2x) 1+cos(2x)
sen2 x = cos2 x =
2 2
π π π π
Nota: El cuadro de la derecha recoge una regla nemotécnica muy sencilla θ 0 6 4 3 2
√ √ √ √ √
para recordar los valores de seno y coseno de los ángulos habituales del sen θ 0 1 2 3 4
2 2 2 2 2
primer cuadrante (30, 45, 60 y 90 o ), que con las propiedades y fórmulas √
4

3

2

1

0
anteriores permite conocer de manera fácil las razones de muchos otros. cos θ 2 2 2 2 2

Para cada función trigonométrica se ha construido una función inversa, respondiendo a preguntas como
¿para que ángulo su seno vale 12 ? Ası́ se tienen las funciones inversas, arcoseno, arcocoseno y arcotangente:

? arcsen(x) = el ángulo cuyo seno vale x ,


? arccos(x) = el ángulo cuyo coseno vale x y
? arctg(x) = el ángulo cuya tangente vale x

Naturalmente responder a esa pregunta –¿para que ángulo su seno vale 12 ?– significa que sen(arcsen( 21 )) = 1
2 .
Y como para todas las funciones inversas (ver su estudio en la sección 6.2.1) se cumple que
arcsen(sen(a)) = a y sen(arcsen(b)) = b
Lo mismo ocurre para coseno y arcocoseno, y tangente y arcotangente.
Estas son las funciones inversas (inversas para la composición), y no deben confundirse con las obtenidas
“invirtiendo el valor de las funciones respecto al producto”:
cosecante : cosec x = sen1 x secante : sec x = cos1 x y cotangente : cotg x = tg1x

Observación El uso de radianes en las funciones trigonométricas reales no es opcional, es necesario para que
se cumplan muchas de las propiedades conocidas. Ası́, lı́m sen(x)
x = 1 ó sen0 (x) = cos(x) , ¡si x es en radianes!
x→0

0.1.2.2 Exponenciales y logaritmos


Además de las funciones trigonométricas se manejan más funciones elementales, como la función exponencial
y su inversa el logaritmo.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
4 – Matemáticas 1 : Preliminares 0.1 ¿Un Curso 0?

1
La exponencial proviene de las potencias de los números (−2)3 , 5 2 , . . . que dan lugar a los polinomios x3
1 √
y las raı́ces x 2 = x cuando el exponente está fijo, y a las exponenciales cuando es la base la que se mantiene
fija: 10x , 2x−1 , . . . . Aunque la más interesante es la de base e , “la exponencial” inversa del logaritmo natural.
Algunas de sus propiedades son (cualquier exponencial ax también las cumple),
? e0 = 1 y ex+y = ex ey de donde enx = (ex )n y e−x = 1
ex

? 0 < ex y ex < ey cuando x < y


Los logaritmos, inversos de las exponenciales, también están asociados a una base: “logaritmo en base 10 de
x es el número al que hay que elevar 10 para que nos de x , log10 (x) ”. Todos funcionan de manera similar y
están ı́ntimamente relacionados (como con las exponenciales), pero el más significativo de todos es el logaritmo
de base e , el logaritmo natural (o neperiano): loge (1) = ln(1) = 0
Sus propiedades son “parejas invertidas” a las de la exponencial:
? ln(xy) = ln(x) + ln(y) de donde ln(xn ) = n ln(x) , ln( x1 ) = − ln(x) y ln( xy ) = ln(x) − ln(y)

? ln(x) < ln(y) cuando x < y


ln(x)
También los logaritmos en bases de exponencial distintas de e , cumplen esas propiedades, pues loga (x) = ln(a) .
Nota: El uso como “natural” de e también se justifica porque es la única base que cumple f 0 (x) = f (x) .
f (x) = ex
ch(x) sh(x)

1
1 1
th(x)
π π 1
2

f (x) = ln(x)
sen(x)
cos(x)
tg(x)

0.1.2.3 Funciones hiperbólicas


Paralelas a las funciones trigonométricas (ver la exponencial compleja 0.2.4.1 y la forma polar 0.2.3) se cons-
truyen las funciones hiperbólicas:
ex − e−x
? seno hiperbólico: senh(x) = sh(x) =
2
ex + e−x
? coseno hiperbólico: cosh(x) = ch(x) =
2
sh(x) e2x − 1
? tangente hiperbólica: tanh(x) = th(x) = = 2x
ch(x) e +1
que cumplen las propiedades siguientes, similares también a las de las funciones trigonométricas:
1
sh(−x) = − sh x ch(−x) = ch x ch2 x − sh2 x = 1 = 1 − th2 x
ch2 x
th x + th y
sh(x + y) = sh x ch y + ch x sh y ch(x + y) = ch x ch y + sh x sh y th(x + y) =
1 + th x th y
que cuando y = x , proporcionan análogas expresiones de las fórmulas
2 th x ch(2x)−1 ch(2x)+1
sh(2x) = 2 sh x ch x ch(2x) = ch2 x + sh2 x th(2x) = sh2 x = ch2 x =
1+th2 x 2 2
Las funciones inversas correspondientes, suelen denominarse argumentos de (en lugar de arcos de)

? argumento del seno hiperbólico, argsh(x) = ln(x + x2 + 1)

? argumento del coseno hiperbólico, argch(x) = ln(x + x2 − 1)
 
? argumento de la tangente hiperbólica, argth(x) = 21 ln 1−x 1+x

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
5 – Matemáticas 1 : Preliminares 0.1 ¿Un Curso 0?

0.1.3 Cónicas y cuádricas


Entre las curvas y recintos del plano son muy habituales las cónicas y entre las superficies y volúmenes del espacio
las cuádricas. Veremos aquı́ un pequeño estudio sobre las cónicas del plano, repasando sobretodo lo conocido
pero proporcionando más variaciones y posobilidades, y un solo breve resumen recordatorio e informativo sobre
las cuádricas

0.1.3.1 Cónicas en el plano R2


Muchas de las figuras planas que suelen aparecer son especı́ficas por sus caracterı́sticas o comportamientos y
que generalmente se corresponden con propiedades métricas y geométricas concretas. Una de las familias más
habituales de estas figuras son las cónicas: circunferencias, elipses, parábolas e hipérbolas.
Es evidente que cuando hay un giro tenemos una circunferencia (la omnipresente “rueda”) puesto que es el
lugar geométrico de los puntos que equidistan de uno dado. los puntos de (x − x0 )2 + (y − y0 )2 = r2 están
a distancia r del “centro” (x0 , y0 ) .
Pero también las otras cumplen condiciones similares, que les proporcionan sus caracterı́sticas e utilidades:
brb = semieje menor cc
b ##
c ası́ntotas #
b c #
c b
#
b c #
c #
r r r r
foco r r r centro
vértices cr# r ra

b foco r foco centro semieje mayor = a foco


#c foco

b # c
r b
b#
# c
vértice
c
# c
r r r # c
directriz
rvértices ## cc

? La parábola es el lugar geométrico de los puntos que equidistan de un punto fijo (el foco) y una recta
dada (directriz ). Esta propiedad geométrica es la que determina por ejemplo que sean parábolas todas
las trayectorias balı́sticas. El punto medio entre el foco y la directriz es el vértice.
Si la recta directriz es horizontal (ver figura), la ecuación de la parábola de vértice (x0 , y0 ) es de la forma
y − y0 = m(x − x0 )2 y si la directriz es vertical, la ecuación será de la forma x − x0 = m(y − y0 )2 .
? La elipse es el lugar geométrico de los puntos cuya suma de distancias a dos puntos fijos es constante.
A los puntos fijos se les denomina focos de la elipse encontrándose el centro de la elipse en el punto
medio entre ellos. El eje que contiene a estos puntos es el eje mayor ( 2a y a es el semieje mayor ) y su
perpendicular por el centro es el eje menor ( 2b y b el semieje menor ). Suele denominarse vértices de la
elipse a los cuatro puntos que están sobre los ejes
Si la recta focal o eje mayor es horizontal, la ecuación de la elipse de centro (x0 , y0 ) y semiejes mayor y
(x−x0 )2 2
menor a y b, es a2 + (y−y
b2
0)
= 1 o equivalentemente b2 (x − x0 )2 + a2 (y − y0 )2 = a2 b2 . Si
la recta focal es vertical la ecuación es igual, pero intercambiando a y b.
(Con la misma distancia constante, cuanto más cerca estén los focos más circular es la elipse, siendo una
circunferencia cuando los dos focos coinciden)
? La hipérbola es el lugar geométrico de los puntos cuya resta de distancias a dos puntos fijos es constante.
Esta “resta de distancias” establece una caracterı́stica diferencial para ellas, son como “complementarias”
de las elipses y poseen rectas ası́ntotas (ver figura).
Los puntos fijos son los focos, el centro de la hipérbola se encuentra en el punto medio entre ellos y los
puntos sobre la recta focal se denominan vértices. Las dos ası́ntotas que pasan por el centro y forman con
la recta focal un angulo α de valores tg α = ab y tg α = −b a , para cada una de ellas.
(x−x0 )2 (y−y0 )2
Si la recta focal es horizontal, a2 − b2 =1 es la ecuación de la hipérbola de centro (x0 , y0 )
(y−y0 )2 (x−x0 )2
y semiejes a y b. Si la recta focal es vertical la ecuación será a2 − b2 = 1.
(x−x0 )2 (y−y0 )2
? La ecuación reducida a2 − b2 = 0 se corresponde con dos rectas secantes x−x0
a = ± y−y
b
0

(x−x0 )2 (y−y0 )2
Y la ecuación a2 + b2 = 0 representa un solo punto, (x0 , y0 ) .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
6 – Matemáticas 1 : Preliminares 0.1 ¿Un Curso 0?

En las ecuaciones que hemos visto, la directriz o las rectas focales son siempre horizontales o verticales, pero
pueden construirse para cualesquiera puntos foco y cualquier recta directriz, por lo que las cónicas tendrán la
misma forma pero giradas sobre el plano, ası́ x2 + y 2 + 2xy − x + y = 0 es una parábola y 3x2 + 2xy + 3y 2 = 2
una elipse aunque sus ecuaciones no se ajusten a ninguna de las expuestas arriba.
Por ser las cónicas lugares geométricos y sus ecuaciones reducidas funciones en x e y con algún término del
tipo x2 ó y 2 ó xy , todas las cónicas se pueden describir mediante una ecuación del tipo:

Definición 2.- Se define cónica en R2 como el lugar geométrico de los puntos (x, y) que verifican una ecuación
de la forma:
a00 + a01 x + a02 y + a11 x2 + a12 xy + a22 y 2 = 0
siempre que a11 , a12 y a22 no sean nulos simultáneamente

? Si el coeficiente a12 = 0 (no hay término en xy ) la cónica tiene la directriz o los ejes focales horizontales
o verticales y basta “completar cuadrados” para obtener la ecuación reducida:
0 = x2 − y 2 + 4x + 2y − 1 = (x2 +4x) − (y 2 −2y) − 1
= (x2 + 4x + 4 − 4) − (y 2 − 2y + 1 − 1) − 1 = (x+2)2 − (y−1)2 − 4

? Si son cero los coeficientes a11 = a22 = 0 (el único término de grado 2 es xy ) se obtiene una cónica girada
que sı́ aparece de manera habitual: las hipérbolas con ecuación del tipo (x − x0 )(y − y0 ) = m ; con una
ası́ntota vertical y otra horizontal. Piénsese en el caso más sencillo y muy conocido de y = x1 .
En el caso m = 0 , (x − x0 )(y − y0 ) = 0 , se tienen las rectas secantes x = x0 e y = y0

Genéricamente se denominan cónicas por que todas


ellas son secciones de un cono recto, es decir, se obtienen
por el corte de un cono tridimensional con un plano. De-
pendiendo de que el plano sea: paralelo a la generatriz
del cono (se obtine una parábola), perpendicular al eje
(una circunferencia), otro que solo corte una de los “em-
budos” del cono (una elipse) o paralelo al eje del cono
(una hipérbola). En el dibujo de la derecha, obtenido
en internet, pueden observarse esas circunstancias.

0.1.3.2 Cuádricas en el espacio R3


Damos entrada directamente a ellas con esta definición general, pero el resto será tipologı́a y muy concreta:

Definición 3.- Una cuadrica en R3 es el lugar geométrico de los puntos (x, y, z) cumpliendo una ecuación:

a00 + a01 x + a02 y + a03 z + a11 x2 + a12 xy + a22 , y 2 + a13 xz + a23 yz + a33 z 2 = 0

donde a11 , a12 , a13 , a22 , a23 y a33 no son simultáneamente nulos.
Bajo estas ecuaciones se esconden todas las cuádricas conocidas y no tan conocidas: esferas, elipsoides,
paraboloides e hiperboloides. Un par de apuntes, a tener en cuenta:

? Para hacer el resumen lo más sencillo posible vamos a usar en las ecuaciones reducidas siempre como
centro o vértice el punto cero  = (0, 0, 0) , pero teniendo en cuenta que cuando ese centro o vértice sea
otro punto (x0 , y0 , z0 ) basta con sustituir x por x − x0 , y por y − y0 y z por z − z0
? De la misma manera se escribirán las ecuaciones con constante no nula 1 y sin otras constantes añadidas.
Para generalizar todas las posibilidades de constantes bastará con sustituir x por xa , y por yb y z por zc

? Por último, solo vamos a relatar las ecuaciones de las cónicas que, por ası́ decir, siguen la dirección del
eje z (el cono o el paraboloide van abriendose en el eje z ). Basta intercambiar las variables para tener
las cuádrı́cas “siguiendo la dirección” de otro eje, por ejempo si cambiamos x por z se sigue el eje x
Para recordar y comprender mejor como son las cuádricas, hay que tener en cuenta que su nombre tiene mucho
que ver con las tipologı́a de las secciones que se producen al cortar la superficie cuádrica con planos en las
direcciones perpendiculares a los ejes –los planos coordenados o paralelos a ellos– (no es la razón del nombre,
pero sı́ coincide en ser una consecuencia). Ası́ en un elipsoide todos los cortes son elipses, mientras que en un

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
7 – Matemáticas 1 : Preliminares 0.1 ¿Un Curso 0?

paraboliode elı́ptico dos de las direcciones de corte son parábolas (paraboloide: el primer nombre) y una elipse
para la tercera dirección (elı́ptico: “el apellido”). En cada uno de los modelos, se incluirá el tipo de cortes.

• x2 +y 2 +z 2 −1 = 0 , ecuación del elipsoide de centro  = (0, 0, 0) .


En una versión más genérica, y otra más aún con centro (x0 , y0 , z0 )

x2 y2 z2 (x − x0 )2 (y − y0 )2 (z − z0 )2
+ + =1 + + =1
a2 b2 c2 a2 b2 c2
(si a = b = c es la esfera de radio a ).
Los cortes con los planos coordenados:
y2 z2
– x = k son elipses. k = 0 −→ b2 + c2 −1=0
x2 z2
– y = k son elipses. k = 0 −→ a2 + c2 −1=0
x2 y2
– z = k son elipses. k = 0 −→ a2 + b2 −1=0

• x2 + y 2 − z 2 − 1 = 0 , un hiperboloide (elı́ptico) de
2 2 2
una hoja. ( xa2 + yb2 − zc2 − 1 = 0 )
Cortes con planos coordenados:
x=0 → y 2 − z 2 − 1 = 0 hipérbola
y=0 → x2 − z 2 − 1 = 0 hipérbola y
z=0 → x2 + y 2 − 1 = 0 elipse

• x2 + y 2 − z 2 + 1 = 0 , un hiperboloide (elı́ptico) de
2 2 2
dos hojas. ( xa2 + yb2 − zc2 + 1 = 0 )
Cortes con planos coordenados:
x=0 → z 2 − y 2 = 1 hipérbola
y=0 → z 2 − x2 = 1 hipérbola y
z=k → x2 + y 2 = k 2 − 1 elipses

• x2 + y 2 − z 2 = 0 , es un cono (elı́ptico).
2 2 2
( xa2 + yb2 = zc2 )
Cortes con planos coordenados:
x=0 → y 2 = z 2 rectas secantes
y=0 → x2 = z 2 rectas secantes y
z=k → x2 + y 2 = k 2 elipses

• x2 + y 2 ± z = 0 , un paraboloide elı́ptico.
2 2
( xa2 + yb2 = zc )
Cortes con planos coordenados:
x=0 → y 2 = ±z parábola
y=0 → x2 = ±z parábola y
z=k → x2 + y 2 = k elipses

• x2 − y 2 ± z = 0 , un paraboloide hiperbólico.
2 2
( xa2 − yb2 = zc )
Cortes con planos coordenados:
x=0 → −y 2 = ±z parábola
y=0 → x2 = ±z parábola y
z=k → x2 − y 2 = k hipérbolas
• Cilindros, siempre que una de las variables no aparezca en la ecuación, es decir una dirección que no

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
8 – Matemáticas 1 : Preliminares 0.1 ¿Un Curso 0?

tenga que cumplir ninguna restricción. Ası́ el apellido dependerá de la cónica determinada por las otras
variables:

2 2
a) x2 + y 2 − 1 = 0 , un cilindro elı́ptico. ( xa2 + yb2 = 1 , una
elipse que se repite indefinidamente en la dirección de z )

2 2
b) x2 − y 2 ± 1 = 0 , un cilindro hiperbólico. ( xa2 − yb2 = ±1 , una
hipérbola que existe para cualquier valor de z )

2 y
c) x2 ± y = 0 , es un cilindro parabólico. ( xa2 = b , una
parábola que se repite en cada valor de z )

• Los planos, como un caso especial


a) x2 − y 2 = 0 , planos secantes ( xa − yb )( xa + yb ) = 0
b) x2 − 1 = 0 , planos paralelos ( xa − 1)( xa + 1) = 0
c) x2 = 0 , planos coincidentes.

Nota: Análogamente al caso de las cónicas, cuando los coeficientes a12 = a13 = a23 = 0 (no haya términos de
xy , ni xz , ni yz ), bastará con “completar cuadrados” para obtener las ecuaciones reducidas.

0.1.4 Ejercicios
0.1 Hallar, usando las propiedades de las razones trigonométricas, los valores siguientes:
π
a) tg 3 b) sen( π2 − x) c) cos(π − x) π
d) sen 12
π
e) tg 8 f) cos( π3 + π4 ) g) sen(3x) h) sen( x4 )

0.2 Resolver las siguientes ecuaciones exponenciales y logarı́tmicas


9
a) 3e1−x = e2 b) ex − 2ex+1 + 4e2 = 2 e2x − 2ex − 3 = 0
c) 
√ ln x + ln y = 2
d) ln(x2 ) − ln x = ln 1e e) − 32 − ln(x + 1) = ln e f)
ex = ee · ey

0.3 Usa las definiciones de sh , ch , th y argth , para comprobar que se cumplen las propiedades:
a) ch x + sh x = ex b) ch2 x − sh2 x = 1 c) 1
ch2 x
= 1 − th2 x
2 th x
d) th(2x) = 1+th 2x e) ch(x + y) = ch x ch y + sh x sh y f) argth(th(x)) = x

0.4 Comprobar que la cónica 1 − 4x − 4y + x2 + y 2 = 0 es una circunferencia de centro (2, −2) ¿y radio?

0.5 Completar los cuadrados para hallar la ecuación reducida e identificar las cónicas siguientes:
a) 6x + 6y + 3y 2 = 2 b) x2 + 2x + y 2 = 0 c) 2x2 + 8x + y − y 2 − 2 = 0
3
d) x2 − 2y + x + 2y 2 = 2 e) 2xy − 4x + 3y = 5 + 3x2 = 23
f) y 2 + 2x + y √ √
3
g) y 2 + 2x + y − 2x2 = 2 h) x2 + 2x = y 2 − 2y 2
i) 2x − 5x + 2(y − 1) = 3 2
Indicar el centro o vértice y los semiejes y ası́ntotas de haberlos
0.6 Completar los cuadrados para hallar la ecuación reducida e identificar las cuádricas siguientes:
a) x2 + y 2 + 2z 2 + 2z = 0 b) 2y 2 − 3z 2 + x2 + 2x = −2 c) 2z 2 − 2x + 2y 2 = 0
d) x2 − 2y 2 − 3z 2 = x + y + z e) x2 − 2y 2 + z 2 = 2x − 4y − 2z f) 2y 2 + 2x − 2z 2 = 0
Indicar el tipo de los cortes y la “dirección” de la cuádrica

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
9 – Matemáticas 1 : Preliminares 0.2 Números Complejos

0.2 Números Complejos


Este tema de números complejos es más informativo que recordatorio, siendo el uso explı́cito de los complejos
practicamente nulo en las asignaturas de Matemáticas del Grado. Sin embargo conocer su existencia e inter-
relación con los reales es muy útil para la descomposición y busqueda de raı́ces de polinomios, o en la resolución
de ecuaciones diferenciales; además en otras asignaturas más técnicas podrı́an hacer uso de ellos.
Hemos visto y conocido las diferencias entre los números enteros, racionales y reales, y la manera en que
cada conjunto va mejorando o completando alguna carencia del anterior, N ⊂ Z ⊂ Q ⊂ R .
Pero también los reales presentan algún “problemilla” a la hora de operar: como que no hay raı́ces cuadradas
de números negativos. En realidad este fallo es mucho más general: es cierto en R que si x e y son reales con
x ≥ 0 , entonces xy ∈ R ; pero esto no se cumple cuando x < 0 . Para resolver este “defecto” se contruyen los
números complejos: un conjunto C que contenga a R, que sus operaciones suma y producto permitan restar
y dividir y sean coherentes con las operaciones de los subconjuntos, y que para la potencia se verifique además
que si z, w ∈ C , entonces z w ∈ C.

0.2.1 Unidad imaginaria y forma binómica de un número complejo



La ecuación x2 = −b2 no tiene solución para valores√reales,
√ pero sı́ la tiene compleja definiendo i = −1 ó
i2 = −1 , pues ası́ x2 = −b2 tiene por solución x = ± −1 b2 = ±ib. √ Y en general las soluciones complejas
de las ecuaciones de grado dos, (x − a)2 = −b2 , son de la forma x = a ± −b2 = a ± ib.
Los valores a y b reales forman los complejos de la forma a + ib, que se conoce como forma binómica del
número complejo. Del elemento i se dice que es la unidad imaginaria.
Suele describirse el conjunto de los números complejos por C = {a + ib : a, b ∈ R} (a veces C = R + iR ) y
se denotan los elementos de C por z = a + ib. Se representan en el plano R2 que se denomina entonces plano
complejo, al eje se abcisas se le denomina eje real y al de ordenadas eje imaginario.
Definición 4.- Si z = a + ib es un número complejo, al valor real a se le llama se llama parte real de z ,
Re(z) = a, y al valor real b la parte imaginaria, Im(z) = b, es decir, z = Re(z) + i Im(z) .
Si la parte imaginaria de z es cero, el complejo es un número real y, suele indicarse con z ∈ R . Si la parte
real de z es cero se dice que es imaginario puro y, suele indicarse con z ∈ iR.
El cero en C es el cero real 0 = 0 + i0 .
Se tienen en C las operaciones internas suma y producto, siguientes:

z + w = (a+ib) + (c+id) = (a + c) + i(b + d)


z · w = (a+ib)(c+id) = ac + iad + icb + i2 bd = (ac−bd) + i(ad+cb)

con las propiedades habituales de asociatividad, conmutatividad y distributividad del producto respecto a la
suma.

0.2.1.1 Construcción formal del plano complejo


En realidad el plano complejo no se construye como hemos relatado antes, sino en la forma que describimos en
este apartado:
Consideremos el conjunto R2 y contruyamos en él unas operaciones suma y producto que funcionen como
deseamos. Sobre R2 tenemos definida una operación suma que sı́ es interna:
(a1 , b1 ) ∈ R2 , (a2 , b2 ) ∈ R2 , y (a1 , b1 ) + (a2 , b2 ) = (a1 + a2 , b1 + b2 ) ∈ R2 ,
con operación inversa la resta (suma de opuestos) y una operacion producto escalar, que no es interna,
(a1 , b1 ) ∈ R2 , (a2 , b2 ) ∈ R2 , y (a1 , b1 ) · (a2 , b2 ) = a1 a2 + b1 b2 ∈ R
y no admite una operación inversa. Dotar a R2 de una operación “producto” interna, con un funcionamiento
análogo al funcionamiento del producto en R crea esa nueva estructura conocida como el conjunto de los
números complejos y también como plano complejo o cuerpo complejo.
Esta operación producto “ ∗” se define de la forma siguiente:

(a1 , b1 ) ∗ (a2 , b2 ) = (a1 a2 − b1 b2 , a1 b2 + b1 a2 ).

Ası́, el conjunto de los números complejos, C , está formado por R2 con dos operaciones básicas: suma “+”
(la suma de R2 ) y el producto complejo “ ∗ ” (definido arriba). Es decir, C = (R2 , +, ∗) .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
10 – Matemáticas 1 : Preliminares 0.2 Números Complejos

El producto (complejo) tiene por elemento neutro (1, 0) , pues


(1, 0) ∗ (a, b) = (a, b) ∗ (1, 0) = (1a − 0b, 0a + 1b) = (1a, 1b) = (a, b).
De hecho, para cualquier real λ , se tiene que (λ, 0) ∗ (a, b) = (λa − 0b, 0a + λb) = (λa, λb) ; como en R2
también sabemos que λ(a, b) = (λa, λb) , pueden identificarse los elementos (λ, 0) con los números reales λ , es
decir, en C podemos decir que (λ, 0) = λ a todos los efectos.
Como (a, b) = (a, 0) + (0, b) = a + (0, b) = a + b(0, 1) , haciendo (0, 1) = i el número complejo se escribe
(a, b) = a + ib, en la denominada forma binómica del número complejo. La unidad imaginaria i cumple en
efcto que i2 = ii = (0, 1) ∗ (0, 1) = (−1, 0) = −1 .
Y también el producto en la forma binómica coincide con el definido pues:
(a+ib)(c+id) = ac + iad + icb + i2 bd = (ac−bd) + i(ad+cb) = (ac−bd, ad+cb) = (a, b) ∗ (c, d)

0.2.2 Propiedades de los complejos. Conjugado y módulo

Proposición 5.- Sea z ∈ C − {0} , entonces existe un único w ∈ C tal que zw = 1 .


Demostración:
 efecto, con z = a + ib y w = x + iy , zw = ax − by + i(ay + bx) y zw = 1 = 1 + i0 ⇐⇒ el sistema
En
ax − by = 1 a −b 2 2
tiene solución única. Que es cierto, con x = a2 +b 2 e y = a2 +b2 ( a + b 6= 0 pues z 6= 0 ).
bx + ay = 0

Si z = a + ib, el inverso se denota por z −1 = 1


z y viene dado por la expresión z −1 = a
a2 +b2 + i a2−b
+b2 =
a−ib
a2 +b2 .

0.2.2.1 Conjugado de un número complejo

Definición 6.- Sea z = a+ib un complejo, se llama conjugado de z al número complejo z = a+i(−b) = a−ib.

Nota: Con la notación de R2 , el conjugado de (a, b) es (a, −b) y son simétricos respecto al eje real (de abcisas).
Propiedades 7.- Sean z, w ∈ C , entonces

a) z = z ; z + w = z + w; zw = z w ; z −1 = (z)−1 .
b) z = z ⇐⇒ z = a + i0 ∈ R ; z = −z ⇐⇒ z = 0 + ib ∈ iR .
c) z + z = 2 Re(z) ; z − z = i2 Im(z) . .

0.2.2.2 Módulo de un número complejo



Definición 8.- Sea z = a + ib ∈ C. Se denomina módulo (o norma) de z al valor real |z| = + a2 + b2 .
Se llama distancia entre z y w al valor real d(z, w) = |z − w| .

Nota: Evidentemente,
√ el módulo
√ de un complejo es su distancia al origen; y si z es real, z = a + i0 = a , se
tiene que |z| = + a2 + 02 = + a2 = |a| , es decir, el módulo complejo coincide con el valor absoluto real.
Propiedades 9.- Sean z, w ∈ C , entonces
a) |z| ≥ 0 ; |z| = 0 ⇐⇒ z = 0 .

b) |Re(z)| ≤ |z| ; |Im(z)| ≤ |z| ; |z| ≤ |Re(z)| + |Im(z)| .


2 1 z z
c) |z| = |z| : |z| = zz ; z = zz =. |z|2

d) |z + w| ≤ |z| + |w| ; |z − w| ≥ |z| − |w| .

z = |z|−1 .
−1
e) |zw| = |z| |w| ; .
Del módulo, son inmediatas las propiedades de la distancia:
a) d(z, w) ≥ 0 ; d(z, w) = 0 ⇐⇒ z = w . b) d(z, w) ≤ d(z, t) + d(t, w) , ∀ t ∈ C.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
11 – Matemáticas 1 : Preliminares 0.2 Números Complejos

0.2.3 Forma polar de un número complejo


Sea z = a + ib = (a, b) . Un punto de R2 queda perfectamente determinado mediante su distancia al origen |z|
y el ángulo θ que forma con el eje polar (el semieje real positivo).
Definición 10.- Sea z = x + iy un número complejo no nulo. Se llama argumento de z y se designa por
arg(z) a cualquier número real θ que verifique que

z = x + iy = |z| cos θ + i |z| sen θ = |z| (cos θ + i sen θ).

Se dice entonces que z está en forma polar (o módulo argumental) y denotarse por z = |z|θ .

Como las funciones seno y coseno son periódicas de perı́odo 2π , arg(z) está determinado salvo múltiplos de
2π ; es decir, hay infinidad de argumentos de z , pero dos cualesquiera de ellos difieren en múltiplos de 2π . Si
fijamos como argumento preferido el arg(z) ∈ (−π, π] , puede obtenerse de
y
( 2 arctg
x+|z|
  π, si x < 0 e y = 0
arg(z) ∈ (−π, π] = y
π
2 arctg x+|z| , si x ≥ 0 o y 6= 0

Al argumento que se encuentra dentro del intervalo de tamaño 2π elegido como preferente suele denominarse
argumento principal y denotarse por Arg(z) . Con este concepto, todos los argumentos de z se pueden describir
mediante: arg(z) = Arg(z) + 2kπ , ∀ k ∈ Z.
Aunque estamos habituados a manejar el ángulo en el intervalo [0, 2π) ó (0, 2π] , es más usual tomar el
intervalo (−π, π] ó el [−π, π) como preferente debido sobre todo a:
Operaciones multiplicativas en forma polar 11.- Si z = |z|θ y w = |w|δ , se cumple que:
 
−1 |z| n
a) z = |z|(−θ) b) z −1 = (|z| )(−θ) c) zw = (|z| |w|)θ+δ d) wz = |w| e) z n = (|z| )nθ .
θ−δ

0.2.4 Raices complejas

Proposición 12.- Un complejo z 6= 0 tiene n raı́ces n -ésimas distintas. Si θ es un argumento de z , son


precisamente
1 1
z n = (|z| n ) θ + 2kπ , para k = 0, . . . , n − 1.
n n

Demostración:
n
Un complejo w es la raı́z n -ésima de z , si se verifica que wn = z ; es decir, si |w| = |z| y n arg(w) = arg(z) =
1
θ + 2kπ (alguno de los argumentos de z ). Luego |w| = |z| n y arg(w) = θ+2kπ n , con k ∈ Z; pero con todos estos
argumentos sólo se obtienen n números complejos distintos, los mismos que se obtienen tomando los n valores
de k = 0, 1, . . . , n − 1 . Es decir, existen n , y sólo n , complejos distintos que son raı́ces n -ésimas de z , que son
1 1
z n = |z| n cos θ+2kπ + i sen θ+2kπ

n n , con k = 0, . . . , n − 1.

Observación 13.- Es claro de la prueba anterior que las s z = r π3


s
raı́ces n -ésimas de un complejo están distribuidas
p re-
gularmente en una circunferencia de radio n |z|. Por √
5
z1 = r 7π
15
ejemplo, las raı́ces quintas de z = r π3 , son los 5 números √
s
z2 = 5 r 13π
complejos: 15

√ √ s √
5
(i) z0 = 5 r 15
π
+ 2π0
5
= 5 r 15
π . z0 = r π
15

√ √
(ii) z1 = 5 r 15
π
+ 2π1
5
= 5 r 7π
15
.
√ √
(iii) z2 = 5 r 15
π
+ 2π2
5
= 5 r 13π
15
.
√ √ √ s
(iv) z3 = 5 r 15π
+ 2π3 = 5 r 19π = 5 r −11π . z3 =

5 r 19π s √
5 15 15 15 5
z4 = r 25π
√ √ √ 15
(v) z4 = 5
r 15
π
+ 2π4
5
= 5
r 25π
15
= 5
r −5π .
15

que quedan distribuidos como en la figura aneja.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
12 – Matemáticas 1 : Preliminares 0.2 Números Complejos

0.2.4.1 La exponencial compleja

Definición 14.- Si z = a + ib, se define la exponencial compleja por ez = ea (cos b + i sen b)

Proposición 15.- Se verifican las siguientes propiedades:


a) Si z = a ∈ R , entonces ez = ea+i0 = ea (cos 0 + i sen 0) = ea y la exponencial compleja coincide con la
exponencial real.
b) Si z = ib ∈ iR, entonces eib = e0+ib = e0 (cos y + i sen y) = cos y + i sen y .
Entonces, si z = a + ib, se tiene que ez = ea eib .
p
c) |ez | = |ea | |eiy | = ea |cos y + i sen y| = ea cos2 y + sen2 y = ea .
De donde ez 6= 0 , para todo z ∈ C .
d) ez = ez , (ez )−1 = e−z y ez+w = ez ew , para todo z, w ∈ C .
e) ez es periódica de perı́odo 2πi y si ez = ew , entonces z − w = 2kπi, con k ∈ Z.

Nota: Si z 6= 0 , puede escribirse como z = |z| ei Arg(z) = |z| eiθ que se denomina forma exponencial de z .

Definición 16.- Sea z un número complejo no nulo. Se dice que un número complejo w es un logaritmo de
z , y se escribe w = log z , cuando ew = z .

Proposición 17.- Sea z un número complejo no nulo, los logaritmos de z son todos los números complejos

log(z) = ln |z| + i arg(z) (uno por cada argumento de z )

Al valor Log(z) = ln |z| + i Arg(z) que se le llama logaritmo principal de z y cualquiera de los otros logaritmos
de z se obtienen de: log(z) = Log(z) + 2kπi , ∀ k ∈ Z.

0.2.5 Ejercicios
0.7 Efectuar las siguientes operaciones, expresando el resultado en forma binómica:

2+i 2−i 5 (1 + i)5 + 1
i−1 ; ; + i; ; i344 + (−i)231 ; ;
2i 1+i (1 − i)(2 − i)(i − 3) (1 − i)5 − 1

0.8 Usar, cuando sea posible, las propiedades del módulo para calcular:

i(1 + i)5

−1 2 + i 2 − i 5 344
i (−i)231 ;

i ; ; + i ; (1 − i)(2 − i)(i − 3) ; 2(1 − i)5 ;

2i 1+i

0.9 Expresar en forma exponencial, z = |z| ei arg(z) , los complejos siguientes:


√ h i−2
a) −8 b) −1 − i c) (− 3+i 3
2 ) d) 4 cos( π2 ) + 4i sen( π2 )

0.10 Expresar en forma binómica los complejos siguientes (tomar Arg(z) ∈ (−π, π] ):
√ π 7π π
a) 2 eiπ b) e1−i 2 c) iei 4 d) Log(i3 ) e) Log(2e1+i 3 )

0.11 Hallar todos los valores complejos de:

1 1 1 √ 3
h i− 34
a) i 2 b) 86 c) (−1) 3 d) (− 3 + i) 5 e) 4 cos( 2π 2π
3 ) + 4i sen( 3 )

0.12 Si se sabe que 1 + i es una raı́z cúbica de z , hallar z y las demás raı́ces.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
13 – Matemáticas 1 : Preliminares 0.3 Polinomios

0.13 Describir geométricamente las regiones del plano complejo:


π
a) |z − i| = 1 b) z 2 = 4 c) 0 ≤ Arg z ≤ 2 d) z = z
e) z = −z f) Im(z) ≤ 0 g) Re(z) > 2 h) Re(z) + Im(z) = 1

0.14 ¿Que valores de z verifican que |z + 1| < |z − i| ?

0.15 Resolver las ecuaciones:

z3
a) z 4 + 2 = 0 b) z 2 + 2z − i = 0 c) 2 + (i + 1)z 2 − (2 − i)z = 0
d) z 3 = −1 e) z 6 = iz f) z + (3 − 2i)z 2 = 6i
4

0.16 Hallar los z para los que

a) ez ∈ R b) Re(ez ) = 0 c) |e−iz | < 1 d) ez = −1 e) e2z = i f) ez = e−z

0.17 Resolver la ecuación z 4 = z .



0.18 Probar que son ciertas las siguientes desigualdades: |a + bi| ≤ |a| + |b| ≤ 2 |a + bi| .

0.19 Probar las propiedades de la exponencial compleja dadas en c) y d) de la proposición 15.

0.3 Polinomios
0.3.1 Introducción. Nociones básicas
Los conjuntos de números Q, R y C , verifican que la suma y el producto son operaciones internas, es decir la
suma o producto de racionales es racional, de reales es real y de complejos es compleja. Además, en ellos existe
inverso para la suma y para el producto (resta y división también internas).
A los conjuntos con este tipo de caracterı́sticas se les denomina cuerpos (a los conjuntos de arriba se les
dice cuerpos conmutativos pues el producto es conmutativo, ab = ba) y se usan como conjuntos de números (o
escalares) asociados a otros elementos: los polinomios, las matrices, los vectores, . . . .
En esta sección, formalizaremos los conocidos polinomios e investigaremos algunas de sus propiedades y
también entenderemos el significado del cuerpo asociado.
Definición 18.- Se llama polinomio en la indeterminada X y con coeficientes en un cuerpo conmutativo K,
a toda expresión formal del tipo siguiente:

a0 + a1 X + a2 X2 + ... + an Xn , siendo a0 , a1 , . . . , an elementos de K

Los números a0 , . . . , an son los coeficientes del polinomio, y de cada sumando ai Xi se dice el término de
grado i o monomio de grado i del polinomio. Al conjunto de todos los polinomios en la indeterminada X con
coeficientes en K lo denotamos por K[X] :
n o
K[X] = a0 + a1 X + · · · + an Xn : ∀ i, ai ∈ K

Nosotros trabajaremos generalmente con K = R ó K = C (y alguna vez con K = Q). Ası́:


n o
R[X] = a0 + a1 X + · · · + an Xn : ai ∈ R es el conjunto de los polinomios reales (con coeficientes reales),
n o
C[X] = a0 + a1 X + · · · + an Xn : ai ∈ C es el de los polinomios complejos (con coeficientes complejos),
n o
Q[X] = a0 +a1 X+· · ·+an Xn : ai ∈ Q es el de los polinomios con coeficientes racionales, . . .

Notar que por ser Q ⊆ R ⊆ C también Q[X] ⊆ R[X] ⊆ C[X] .


La letra X no representa ningún valor, no es una variable ni una incognita: es un mero soporte para el ex-
ponente (recordemos, polinomio=expresión formal). En otras palabras lo realmente significativo del polinomio,

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
14 – Matemáticas 1 : Preliminares 0.3 Polinomios

es la sucesión ordenada de sus coeficientes. Ası́:


3 + 8X − 9X2 ≡ (3, 8, −9, 0, 0, . . .)
8X − 9X2 + 3 ≡ (3, 8, −9, 0, 0, . . .)
3 + 8X2 − 9X5 ≡ (3, 0, 8, 0, 0, −9, 0, 0, . . .)
X ≡ (0, 1, 0, 0, 0, . . .)
12 ≡ (12, 0, 0, 0, 0, . . .)

Es util abreviar la escritura de todos los términos usando la notación del sumatorio
n
X
P (X) = a0 + a1 X + ... + an Xn = ai Xi (por convenio, X0 = 1 )
i=0
n
ai Xi un polinomio. Si an 6= 0 , diremos que P (X) tiene grado n , Es decir, el
P
Definición 19.- Sea P (X) =
i=0
mayor exponente de X que tenga coeficiente no nulo. Y lo denotaremos por gr(P ) = n .
Los polinomios de grado cero son de la forma P (X) = c, con c ∈ K y c 6= 0 . Al polinomio cero, P (X) = 0 ,
no se le asigna ningún grado.

Definición 20.- Diremos que dos polinomios son iguales si tienen el mismo grado y los coeficientes de cada
n m
ai Xi y Q(X) = bi Xi , entonces:
P P
término son iguales. Es decir, si P (X) =
i=0 i=0
P (X) = Q(X) ⇐⇒ n = m y ∀ i, ai = bi .

Expresiones tales como X2 −12 = X+5 son pues absurdas, como lo serı́a escribir 5 = 18 , ya que ambos polinomios
son distintos.
Ejemplo 21 Encontrar a, b, c, tales que 3X + 5X2 + 12X4 = (a + 1)X + 5X2 + 2cX4 + (2a + b)X6 .
Para que coincidan deben tener la misma sucesión de coeficientes, es decir,
3X + 5X2 + 12X4 ≡ (0, 3 , 5, 0, 12, 0, 0 , 0, . . ., 0, . . .),
(a + 1)X + 5X + 2cX4 + (2a + b)X6 ≡ (0, a + 1, 5, 0, 2c, 0, 2a + b, 0, . . ., 0, . . .),
2

deben ser iguales. Igualando coeficiente a coeficiente se obtiene el sistema de ecuaciones:




 0 = 0


 3 = a+1
 5 = 5
   
 3 = a+1 a = 2 a = 2


0 = 0 =⇒ 12 = 2c =⇒ c = 6 =⇒ c = 6
12 = 2c
0 = 2a + b b = −2a b = −4

   


 0 = 2a + b
0 = 0



···

4

0.3.1.1 Operaciones en K[X]


n m
ai Xi y Q(X) = bi Xi polinomios de K[X]
P P
Sean P (X) =
i=0 i=0

Definición 22.- Llamaremos suma de los polinomios P y Q al polinomio P + Q, obtenido de:


max{n,m}
n
! m
!
X X X
i i
P (X) + Q(X) = ai X + bi X = (ai + bi )Xi
i=0 i=0 i=0

Si, m > n, entonces an+1 = an+2 = · · · = am = 0 , es decir, completamos con coeficientes cero.

Nota: gr(P + Q) ≤ max{gr(P ), gr(Q)}

Ejemplo Para P (X) = 3 + 6X2 − 5X4 y Q(X) = 2 − 8X − 6X2 + 7X6 , se tiene


   
P + Q = 3 + 6x2 − 5X4 + 2 − 8X − 6X2 + 7X6
   
= 3 + 0X + 6X2 + 0X3 − 5X4 + 0X5 + 0X6 + 2 − 8X − 6X2 + 0X3 + 0X4 + 0X5 + 7X6
= (3 + 2) + (0 − 8)X + (6 − 6)X2 + (0 + 0)X3 + (−5 + 0)X4 + (0 + 0)X5 + (0 + 7)X6
= 5 − 8X + 0X2 + 0X3 − 5X4 + 0X5 + 7X6 = 5 − 8X − 5X4 + 7X6 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
15 – Matemáticas 1 : Preliminares 0.3 Polinomios

y podemos comprobar que gr(P + Q) ≤ max{gr(P ), gr(Q)} = max{4, 6} = 6 .


Definición 23.- Llamaremos producto de los polinomios P y Q al polinomio P · Q, obtenido de:
n
! m ! n+m i
X X X X
P (X) · Q(X) = ai Xi bi Xi = ci Xi , donde ci = ak bi−k
i=0 i=0 i=0 k=0

Nota: gr(P · Q) = gr(P ) + gr(Q) .

Observaciones:
? El neutro de la suma es el polinomio cero P (X) = 0 y del producto el polinomio 1 , P (X) = 1 .

? El inverso para la suma: de P (X) es (−1)P (X) = −P (X) .


? No hay inversos para el producto: si el polinomio P (X) = X tuviera un inverso Q(X) , tendrı́a que ocurrir
que P (X)Q(X) = 1 . Pero entonces 0 = gr(1) = gr(P · Q) = 1 + gr(Q) ≥ 1 .
? Se cumplen las propiedades asociativas y distributivas.

? Si P (X) 6= 0 y P (X)Q(X) = 0 , entonces Q(X) = 0 .


En efecto, si fuera gr(Q) = 0 con Q(X) = k 6= 0 , entonces P (X)Q(X) = kP (X) 6= 0 (absurdo); y si
gr(Q) > 0, entonces gr(P Q) > 0 y P (X)Q(X) 6= 0 (también absurdo), luego Q(X) = 0 .
? Si P (X) 6= 0 y P (X)Q(X) = P (X)R(X) , entonces Q(X) = R(X) . (Inmediata de la anterior.)

0.3.2 Division euclı́dea de polinomios. Divisibilidad y factorización


El conjunto de polinomios K[X] tiene en muchos aspectos una profunda semejanza con el conjunto Z de los
enteros (algebraicamente tienen la misma estructura, ambos son anillos conmutativos). Repasamos brevemente
algunos hechos básicos que ocurren en Z, para después hacer el estudio paralelo en K[X] .
? Dados a, b ∈ Z, b 6= 0 existen q, r ∈ Z únicos tal que a = qb + r con 0 ≤ r < |b| (la división entera o
euclı́dea, con q y r el cociente y el resto).

? Dados a, b ∈ Z, se dice que ” b divide a a ” (o que ”a es múltiplo de b”) si existe c ∈ Z tal que a = bc.
Se escribe b | a y significa que el resto de la división entera de a entre b es 0 .
? Un elemento p ∈ Z se dice irreducible si los únicos enteros que lo dividen son 1 , −1 , p y −p . A los
enteros irreducibles positivos se los llama números primos. El 1 no suele considerarse primo.

? Todo número entero n admite una descomposición única (salvo el orden de los factores) de la forma
n = (±1)pt11 pt22 · · · ptrr con pi número primo ∀ i.
? Si a, b ∈ Z, se llama máximo comun divisor de a y b, mcd(a, b) , a un entero d tal que: d | a y d | b y es
el mayor, es decir, para cualquier otro δ ∈ Z tal que δ | a y δ | b entonces δ | d .

? El Algorı́tmo de Euclides permite calcular el mcd(a, b) sin necesidad de utilizar la descomposición de


a y b en factores.
La realización práctica del algoritmo se dispone ası́:
a = bq1 + r1
q1 q2 q3 ··· ··· qn−1 qn qn+1 b = r1 q2 + r2
a b r1 r2 ··· ··· rn−2 rn−1 rn r1 = r2 q3 + r3
r1 r2 r3 ··· ··· rn−1 rn 0 ···
rn−1 = rn qn+1 + 0

donde qi y ri son respectivamente los cocientes y restos de las divisiones, y rn = mcd(a, b) .


La conclusión es correcta, pues por ser a = q1 b + r1 y d un divisor de a y b, a y b se descomponen en
a = da1 y b = db1 , luego r1 = a − bq1 = da1 − db1 q1 = d(a1 − b1 q1 ) y d divide a r1 . Luego cualquier
divisor de a y b lo es también de b y r1 . Análogamente b = q2 r1 + r2 y por el mismo proceso los
divisores de b y r1 también lo son de r1 y r2 . El proceso es mcd(a, b) = mcd(b, r1 ) = mcd(r1 , r2 ) =
· · · = mcd(rn−1 , rn ) = rn pues rn | rn−1 y rn | rn .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
16 – Matemáticas 1 : Preliminares 0.3 Polinomios

? Si a, b ∈ Z, se llama mı́nimo comun múltiplo de a y b, mcm(a, b) , a un entero m tal que: a | m y b | m


y es el menor, es decir, para cualquier otro µ ∈ Z tal que a | µ y b | µ entonces m | µ.
? mcd(a, b) = mcd(±a, ±b) = mcd(b, a) (igual para el mcm ). Además, ab = mcd(a, b) · mcm(a, b)

Ejemplo El mcd(711, 243) = 9 y el mcd(−300, 432) = 12 pues

2 1 12 2 −1 3 3 1 2
711 243 225 18  −300 432 132 36 24 
225 18 9 0 132 36 24 12 0

0.3.2.1 División entera o euclı́dea de polinomios


Regresemos de nuevo a K[X] , y veamos que podemos encontrar resultados bastante análogos:
Definición 24.- Dados P (X) y Q(X) con Q(X) 6= 0 , existen dos únicos polinomios C(X) y R(X) tales que:
P (X) = C(X) · Q(X) + R(X) , siendo R(X) = 0 ó gr(R) < gr(Q) .
Si R(X) = 0 , se dice que Q(X) divide a P (X) y se escribe Q(X) | P (X) . También se dice que Q(X) es un factor
de P (X) (de P (X) = C(X) · Q(X) , claramente).

Nota: El método de división de polinomios es el conocido por los alumnos. Los polinomios constantes, de grado
cero, dividen a todos los polinomios y el polinomio cero es múltiplo de cualquiera.
Definición 25.- Se dice que D(X) es un máximo común divisor de P (X) y Q(X) si se verifica que D(X) | P (X)
y D(X) | Q(X) y es el mayor, es decir, si para cualquier otro ∆(X) ∈ K[X] tal que ∆(X) | P (X) y ∆(X) | Q(X)
entonces ∆(X) | D(X) .
El mcd de dos polinomios está determinado salvo un factor constante. En particular, puede elegirse un
mcd mónico (coeficiente del término de mayor grado 1 ) que con esta condición adicional es único.

Definición 26.- Un polinomio P (X) de grado n > 0 se dice reducible en K[X] si existen Q(X) y C(X)
polinomios no constantes de K[X] tales que P (X) = Q(X)C(X) .
Si no es reducible en K[X] , se dice irreducible en K[X] .

Observaciones:
? Si Q(X) y C(X) reducen a P (X) , entonces 0 < gr(Q) < gr(P ) y 0 < gr(C) < gr(P ) .
? En consecuencia, los polinomios de grado 1 son siempre irreducibles.
? Las constantes no se consideran irreducibles.
? Un polinomio es o no irreducible en K[X] . Ası́, X2 + 1 es irreducible en R[X] mientras que no lo es en
C[X] , pues X2 + 1 = (X − i)(X + i) .
? Si Q(X) | P (X) , entonces kQ(X) | P (X) , para todo k ∈ K. Por ello suele trabajarse con divisores mónicos.
? El Algoritmo de Euclides es válido en K[X] para obtener el máximo común divisor de dos polinomios.

Teorema 27.- Todo polinomio P (X) ∈ K[X] admite en K[X] una descomposición única en la forma
 m1  m 2  m r
P (X) = k Q1 (X) Q2 (X) · · · Qr (X)
donde k ∈ K y los Qi (X) son polinomios irreducibles mónicos.

0.3.2.2 Raı́z de un polinomio


Dado un polinomio P (X) = a0 + a1 X + · · · + an Xn ∈ K[X] y α ∈ K, denotaremos por P (α) al resultado de
efectuar en K los cálculos: a0 + a1 α + · · · + an αn .
Definición 28.- Se dice que α ∈ K es una raı́z del polinomio P (X) ∈ K[X] si P (α) = 0 .

Teorema 29.- α ∈ K es raı́z de P (X) ⇐⇒ (X − α) | P (X) .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
17 – Matemáticas 1 : Preliminares 0.3 Polinomios

Demostración:
Siempre podemos dividir P (X) entre X − α y su división entera es P (X) = C(X) · (X − α) + R(X) donde R(X) = 0
ó gr(R(X)) < gr(X − α) = 1 , es decir R(X) es cero ó es una constante distinta de cero luego R(X) = k ∈ K y
tenemos que: P (X) = C(X) · (X − α) + k , luego P (α) = C(α) · (α − α) + k = k . Como P (α) = k se puede
concluir que
P (α) = 0 ⇐⇒ r = 0 ⇐⇒ P (X) = C(X) · (X − α) ⇐⇒ (X − α) | P (X)

Corolario 30.- Un polinomio, de grado mayor que 1, irreducible en K[X] no tiene raı́ces en K.

Nota: El resultado inverso “si no tiene raı́ces en K entonces es irreducible en K[X] ” no es cierto. Por ejemplo,
en R[X] , el polinomio X4 + 5X2 + 4 = (X2 + 1)(X2 + 4) es reducible, pero no tiene raı́ces en R.
La condición “de grado mayor que 1” es obvia, pues los polinomios de grado uno aX + b son siempre
irreducibles y siempre tienen una raı́z.
Definición 31.- Diremos que α ∈ K es una raı́z de multiplicidad m del polinomio P (X) ∈ K[X] , si se cumple
que P (X) = (X − α)m · Q(X) , con Q(α) 6= 0 .

Lema 32.- Sea P (X) = Q(X)R(X) . Si α ∈ K es raı́z de P (X) con multiplicidad m y Q(α) 6= 0 (no es raı́z de
Q(X) ), entonces α es raı́z de R(X) con multiplicidad m . .

Teorema 33.- Un polinomio de grado n posee, a lo más, n raı́ces (contadas con sus multiplicidades).
Demostración:
En efecto, si P (X) tiene r raı́ces α1 , α2 , . . . , αr , de multiplicidades respectivas m1 , m2 , . . . , mr , en-
tonces P (X) = (X − α1 )m1 (X − α2 )m2 · · · (X − αr )mr Q(X) , por el Lema 32 anterior. Luego n = gr(P (X)) =
m1 + m2 + · · · + mr + gr(Q(X)) , por lo que el número de raices, m1 + m2 + · · · + mr , es a lo más n .

Corolario 34.- Un polinomio de grado n con n + 1 raı́ces es el polinomio 0 .

0.3.2.3 Factorización de polinomios de coeficientes complejos


El siguiente resultado (que no es elemental) aporta la información necesaria:
Teorema fundamental del Algebra 35.- Todo polinomio con coeficientes complejos, de grado mayor o igual
que uno posee al menos una raiz compleja.

Corolario 36.- En C[X] :


? Un polinomio de grado n tiene n raı́ces (contadas con sus multiplicidades).

? Todo polinomio de grado n ≥ 1 se descompone en producto de n factores de grado 1.


? Los únicos polinomios irreducibles son los de grado 1.

Ejemplos
  
? 4X2 − 8X + 13 = 4 X − (1 + 32 i) X − (1 − 32 i)
π 3π 3π π
? 1 4
2X + 8 = 12 (X4 + 16) = 12 (X − 2ei 4 )(X − 2ei 4 )(X − 2e−i 4 )(X − 2e−i 4 ) 4

0.3.2.4 Factorización de polinomios en R[X]


Puesto que R ⊆ C, un polinomio de R[X] puede mirarse como perteneciente a C[X] , y se descompone en factores
lineales en C[X] . Ahora bien, estos factores puede que no pertenezcan todos ellos a R[X] .
n
ai Xi ∈ R[X] . Si α es una raı́z compleja (y no real) de P (X) , entonces α también es
P
Lema 37.- Sea P (X) =
i=0
raı́z de P (X) , y con la misma multiplicidad que α . .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
18 – Matemáticas 1 : Preliminares 0.3 Polinomios

Nota: Los polinomios de grado 2 formados como en la demostración del lema anterior (por (X − α)(X − α) con
α no real), son irreducibles en R[X] .
Teorema 38.- Todo polinomio de coeficientes reales y grado mayor o igual que 1 se descompone en R[X] como
producto de factores irreducibles de grado 1 o de grado 2.

Nota: La factorización del polinomio ası́ obtenida es única (por la unicidad de la factorización compleja):

P (X) = an (X − α1 )m1 · · · (X − αr )mr (X2 + c1 X + d1 )n1 · · · (X2 + ct X + dt )nt

donde αi ∈ R son las raı́ces reales, y los coeficientes reales de los polinomios de grado 2 se obtienen con
cj = −(βj + βj ) y dj = βj βj , de las raı́ces βj y βj complejas de P (X) .
Corolario 39.- Un polinomio real de grado impar tiene al menos una raı́z real.

0.3.2.5 Factorización de polinomios de coeficientes racionales


n
P mi i
Sea P (X) = ni X un polinomio de Q[X] . Entonces, si m∗ es el mı́nimo común múltiplo de los denominadores
i=0
ni , el polinomio P∗ (X) = m∗ P (X) tiene todos sus coeficientes enteros, y las mismas raı́ces que P (X) .
En consecuencia, basta estudiar las raı́ces de un polinomio de coeficientes enteros:
Teorema 40.- Sea P (X) = a0 + a1 X + · · · + an−1 Xn−1 + an Xn un polinomio con ai ∈ Z, ∀ i. Entonces,
1.- Si P (X) posee una raı́z α ∈ Z , entonces α | a0 .
p
2.- Si P (X) posee una raı́z α = q ∈ Q, entonces p | a0 y q | an .
p
(La expresión de α = q debe estar simplificada al máximo, es decir, mcd(p, q) = 1 .) .

Nota: La utilidad del teorema estriba en que se puede construir una lista de candidatos a raı́ces y basta
comprobar si cada uno de ellos es o no raı́z del polinomio.
Ejemplo Hallar las raı́ces racionales del polinomio P (X) = 7X4 + 95 3 41 2
4 X + 4 X − 20X − 3 .
4 3 2
Buscamos las raı́ces racionales de Q(X) = 4P (X) = 28X + 95X + 41X − 80X − 12 .

? Como 12 = 22 3 , sus divisores son 1, 2, 3, 4 ( 22 ), 6 ( 2 · 3 ) y 12 ( 22 3 ) y los negativos −1 , −2 , −3 , −4 ,


−6 y −12 .
Comprobamos si Q(1) = 0 , si Q(2) = 0 , si Q(−1) = 0 , etc. Si lo hacemos usando la división por Ruffini,
tenemos además la descomposicion del polinomio
28 95 41 −80 −12
−2 + −56 −78 74 12 y se tiene Q(X) = (X + 2)(28X3 + 39X2 − 37X − 6)
28 39 −37 −6 0= Q(−2)
Buscamos ahora las raı́ces de Q1 (X) = 28X3 + 39X2 − 37X − 6 , y la lista de candidatos se reduce a ±1 ,
±2 , ±3 y ±6 (desaparecen ±4 y ±12 )
28 39 −37 −6
−2 + −56 34 6 y se tiene Q(X) = (X + 2)2 (28X2 − 17X − 3)
28 −17 −3 0= Q1 (−2)
Buscamos ahora las raı́ces de Q2 (X) = 28X2 − 17X − 3 , y la lista de candidatos se reduce a ±1 y ±3 .
Ninguno de ellos es raı́z, por lo que buscamos las raı́ces fraccionarias:
? Como 28 = 22 7 , sus divisores positivos son 1, 2, 7, 4, 14 y 28 . Las posibles raı́ces racionales de Q2 son:
±1 ±1 ±1 ±1 ±1 ±3 ±3 ±3 ±3 ±3
2 , 4 , 7 , 14 , 28 , 2 , 4 , 7 , 14 y 28 (son todas distintas y están simplificadas al máximo).
28 −17 −3
− 17 + −4 3 y se tiene Q(X) = (X + 2)2 (X + 71 )(28X − 21)
28 −21 0= Q2 ( −1
7 )
Luego la descomposición final es: Q(X) = 28(X + 2)2 (X + 17 )(X − 43 ) .

Por supuesto, como el polinomio Q2 es de grado 2, es más fácil y sencillo obtener sus raı́ces de la manera
√ 
17± (−17)2 −4(−3)28
habitual α = 2·28 . 4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
19 – Matemáticas 1 : Preliminares 0.3 Polinomios

Nota: Para evaluar un polinomio real a mano o con calculadora, es muy útil reescribirlo de manera que se
pueda hacer con sumas y productos sucesivos, sin almacenaje. Por ejemplo,

P (X) = a4 X4 + a3 X3 + a2 X2 + a1 X + a0 = (a4 X3 + a3 X2 + a2 X + a1 )X + a0
= ((a4 X2 + a3 X + a2 )X + a1 )X + a0 = (((a4 X + a3 )X + a2 )X + a1 )X + a0

y basta realizar las operaciones, sucesivamente de dentro a fuera.

0.3.2.6 Descomposición en fracciones simples


P (X)
Dados P (X), Q(X) ∈ K[X] , se considera la fracción racional Q(X) . Se dice que está simplificada, si P (X) y Q(X) no
tienen divisores comunes (salvo las constantes), es decir, considerando los divisores mónicos, mcd(P (X), Q(X)) =
1.
Las fracciones racionales reales y complejas admiten una expresión equivalente que es suma de fracciones
racionales más simples que simplifican su manejo. El proceso para encontrar dicha expresión se denomina de-
scomposición en fracciones simples (de esta manera se usa en integración, series de potencias, variable compleja,
etc.).
P (X)
Supondremos que la fracción Q(X) está simplificada y gr(P (X)) < gr(Q(X)) . De no ser ası́, podremos hacer:
P (X) P (X)/D(X)
? Si Q(X) y mcd(P (X), Q(X)) = D(X) 6= 1 , la expresión equivalente Q(X)/D(X) está simplificada.
P (X) R(X)
? Si gr(P (X)) ≥ gr(Q(X)) , entonces Q(X) = C(X) + Q(X) , con gr(R(X)) < gr(Q(X)) .

y obtener una fracción que sı́ lo cumple.


Consideremos la descomposición de Q (eliminamos el soporte X del nombre de los polinomios, por como-
didad) en producto de polinomios mónicos irreducibles: Q = Qm m2 mr
1 Q2 · · · Qr . En C[X] , todos los polinomios
1

irreducibles son de grado 1 luego los Qi son de grado 1, es decir, Qi (X) = X − αi . Pero en R[X] , los poli-
nomios irreducibles pueden ser de grado 1 o de grado 2, es decir, de la forma Qi (X) = X − ai o de la forma
Qi (X) = X2 + bi X + ci .
P
Se plantea entonces la fracción Q como suma de un cierto número de fracciones: por cada factor Qi se
tendrán mi sumandos, en la forma
Ti1 Ti2 Tij Tim
··· + + 2 + · · · + j + · · · + mii + · · ·
Qi Qi Qi Qi

donde gr(Tij ) < gr(Qi ) . Entonces,


? En C[X] , todos los numeradores son Tij (X) = tij ∈ C .
? En R[X] , los numeradores son Tij (X) = tij ∈ R si Qi (X) = X − ai (si Qi es de grado 1) y de la forma
Tij (X) = pij X + qij ∈ R[X] si Qi (X) = X2 + bi X + ci (de grado 2).

Para determinar los coeficientes de los numeradores se realiza la suma indicada, poniendo como denominador
común Qm mr
1 · · · Qr , es decir, Q. El polinomio obtenido en el numerador, se iguala a P y, de esta igualdad de
1

polinomios, se extrae el sistema de ecuaciones que nos permite obtener los valores concretos: este sistema tiene
siempre solución única.
El número de incognitas es siempre igual al gr(Q) y como el polinomio obtenido en el numerador al sumar
es (inicialmente) de grado gr(Q) − 1 también tiene gr(Q) coeficientes. Luego el sistema de ecuaciones tiene
gr(Q) ecuaciones y gr(Q) incógnitas. (Ver ejercicio 21)
P (X) X3 +X2 +3
Ejemplo 41 Sea Q(X) = X3 (X−1)(X2 +1)2 .
En R[X] , Q(X) = X3 (X − 1)(X2 + 1)2 , pero en C[X] , Q(X) = X3 (X − 1)(X − i)2 (X + i)2 . Luego

X3 + X2 + 3 t11 t12 t13 t21 p31 X + q31 p32 X + q32


= + 2 + 3 + + + 2
X3 (X − 1)(X2 + 1)2 X X X X−1 X2 + 1 (X + 1)2

en R[X] , siendo tij , pij , qij ∈ R . Y en C[X] , con los valores tij ∈ C, se tiene

X3 + X2 + 3 t11 t12 t13 t21 t31 t32 t41 t42


= + 2 + 3 + + + + +
X3 (X − 1)(X − i)2 (X + i)2 X X X X−1 X − i (X − i)2 X + i (X + i)2

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
20 – Matemáticas 1 : Preliminares 0.3 Polinomios

Para calcular los coeficientes en el caso de R[X] , hacemos:

P a b c d eX + f gX + h aX2 +bX+c d eX3 + f X2 + (e+g)X + f +h


= + 2+ 3+ + 2 + 2 2
= 3
+ +
Q X X X X−1 X +1 (X + 1) X X−1 (X2 + 1)2
(aX2 +bX+c)(X−1)(X2 +1)2 + dX3 (X2 +1)2 + (eX3 +f X2 +(e+g)X+f +h)(X−1)X3
 
C(X)
= =
X3 (X − 1)(X2 + 1)2 Q(X)
(a+d+e)X7 +(b−a+f −e)X6 +(c−b+2a+2d+e+g−f )X5 +(2b−2a−c+f+h−e−g)X4 +(a−2b+2c+d−f −h)X3 +(b−a−2c)X2 +(c−b)X−c
= X3 (X−1)(X2 +1)2

e igualando los coeficientes de P (X) = 0X7 + 0X6 + 0X5 + 0X4 + X3 + X2 + 0X + 3 con los del polinomio construido
C(X) , se obtiene el sistema (1) de 8 ecuaciones y 8 incógnitas con solución única.
También puede construirse un sistema equivalente obligando a que ambos polinomios coincidan en 8 valores
(uno más que el grado), pues si P (αi ) = C(αi ) para α1 , . . . , α8 todas distintas, el polinomio P (X) − C(X) tiene
8 raı́ces y, por el corolario 34, es el polinomio 0 ; luego P (X) = C(X) . Por ejemplo, podemos construir un sistema
a partir de (2):  

 0=a+d+e 
 3=P (0) =C(0)
0 = b − a + f − e 5=P (1) =C(1)

 


 

0 = c − b + 2a + 2d + e + g − f 3=P (−1)=C(−1)

 


 

0 = 2b − 2a − c + f + h − e − g 15=P (2) =C(2)
 
(1) (2)

 1 = a − 2b + 2c + d − f − h 
 −1=P (−2)=C(−2)
1 = b − a − 2c 39=P (3) =C(3)

 


 

0 = c − b −15=P (−3)=C(−3)

 


 

3 = −c 83=P (4) =C(4)
 
4

0.3.3 Ejercicios
0.20 Encontrar las raı́ces de P (X) = X3 − 2X2 − 5X + 6 y Q(X) = 2X5 − 5X3 + 2X en R[X] , y sus expresiones
factorizadas. Hacerlo también en Q[X] .

0.21 Probar que el polinomio X2 + 2X + 2 divide a P (X) = X4 + 4 , y obtener de ello todas las raı́ces de P (X)
en C[X] , ası́ como su expresión factorizada en R[X] .

0.22 Sean P (X) = X5 + 3X4 + 3X3 + 3X2 + 2X y Q(X) = X3 − 3X2 + X − 3 dos polinomios de coeficientes reales.
a) Usar el algoritmo de Euclides para hallar su máximo común divisor.
b) Encontrar su mı́nimo común múltiplo.
c) Factorizar ambos polinomios en R[X] .
d) ¿Cuáles son sus factorizaciones en C[X] ?

0.23 Calcular el polinomio real mónico, máximo común divisor de X19 − 9X18 + 21X17 + X16 − 30X15 y
X4 − 6X3 − 16X2 + 54X + 63
¿Qué raı́ces tienen en común? ¿Podemos usar esto para obtener todas las raı́ces de ambos polinomios?
¿Son todas sus raı́ces reales?
0.24 ¿Cuántos polinomios reales de grado 2 que tengan por raı́ces el 0 y el 1 hay? ¿Cuál es su expresión?

0.25 El polinomio, P (X) , de coeficientes reales y grado 3, tiene a 1 y −1 por raı́ces. ¿Puede asegurarse que la
tercera raı́z es también real?
Si P (0) = 1 , ¿cuál serı́a la tercera raı́z de P ?

0.26 Probar que todo polinomio real de grado 2, P (X) = aX2 +bX+c, puede escribirse en la forma a(X−β)2 +γ .
¿Cómo son sus raı́ces según el valor de γ ?
0.27 Comprobar que si z = a + bi el polinomio (X − z)(X − z) es de coeficientes reales.

0.28 Resolver la ecuación 2x4 − x3 − 4x2 + 10x − 4 = 0 sabiendo que 1 − i es una de las raı́ces del polinomio
asociado.
0.29 Probar que si α es una raı́z de multiplicidad 5 del polinomio P , entonces α es una raı́z de multiplicidad
4 de P 0 (el polinomio derivado de P ).

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
21 – Matemáticas 1 : Preliminares 0.3 Polinomios

0.30 Encontrar la multiplicidad de la raı́z r :


a) r = 2 , en X5 − 5X4 + 7X3 − 2X2 + 4X − 8 .
b) r = −2 , en X5 + 7X4 + 16X3 + 8X2 − 16X − 16 .
c) r = 1 , en X5 − 5X4 + 7X3 − 2X2 + 4X − 5 .
 
0.31 Sea P (X) = (1 − X) X(X + a)(X − 1 − b) − (a + X)(a − aX + ba) . Hallar todas las raı́ces y estudiar su
multiplicidad en función de los valores de los parámetros a y b.
 
a −a 0
0.32 Sea la matriz A =  −a a 0  . Encontrar las raı́ces, y su multiplicidad en función de los valores de
b 0 2b
los parámetros a y b, del polinomio P (X) = det(XI − A) . (Nota: I es la matriz identidad)

0.33 Expresar como suma de fracciones simples los cocientes siguientes, sin hallar los valores de los coeficientes:

X2 +1 X−5 X+5
a) X4 −6X3 −16X2 +54X+63 b) (X−1)(X3 −1) c) 2X4 −X3 −4X2 +10X−4
X2 +2 X3 −3X2 +X−3 X5 +3X4 +3X3 +3X2 +2X
d) X5 +7X4 +16X3 +8X2 −16X−16 e) X5 +3X4 +3X3 +3X2 +2X f) (X3 −3X2 +X−3)3

(Nota: Todos los polinomios de este ejercicio aparecen en alguno de los anteriores.)

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
22 – Matemáticas 1 : Preliminares

Anexo 0: Demostraciones

Preliminares
Números complejos
Demostración de: Propiedades 7 de la página 10

Propiedades 7.- Sean z, w ∈ C, entonces


a) z = z ; z + w = z + w; zw = z w ; z −1 = (z)−1 .

b) z = z ⇐⇒ z = a + i0 ∈ R ; z = −z ⇐⇒ z = 0 + ib ∈ iR .
c) z + z = 2 Re(z) ; z − z = i2 Im(z) .
Demostración:
Si z = a + ib y w = c + id , se tiene que:

a) z = a − ib = a + ib = z .
z + w = (a − ib) + (c − id) = (a + c) − i(b + c) = z + w ;
z w = (a − ib)(c − id) = (ac − (−b)(−d)) + i(−bc − ad) = (ac − bd) − i(bc + ad) = zw ;
−b
(z)−1 = (a − ib)−1 = − i a2 +(−b) aa b a b
2 = a2 +b2 + i a2 +b2 = a2 +b2 − i a2 +b2 = z
a2 +(−b)2
−1 .

n
a=a
b) z = z ⇐⇒ a − ib = a + ib ⇐⇒ −b=b ⇐⇒ b = 0 ⇐⇒ z = a ;
n
a=−a
z = −z ⇐⇒ a − ib = −a − ib ⇐⇒ −b=−b ⇐⇒ a = 0 ⇐⇒ z = ib.

c) z + z = (a + ib) + (a − ib) = 2a = 2 Re(z) ;


z − z = (a + ib) − (a − ib) = i2b = i2 Im(z) .

Demostración de: Propiedades 9 de la página 10

Propiedades 9.- Sean z, w ∈ C, entonces


a) |z| ≥ 0 ; |z| = 0 ⇐⇒ z = 0 .

b) |Re(z)| ≤ |z|; |Im(z)| ≤ |z| ; |z| ≤ |Re(z)| + |Im(z)| .


2 1 z z
c) |z| = |z| : |z| = zz ; z = zz .= |z|2

d) |z + w| ≤ |z| + |w| ; |z − w| ≥ |z| − |w| .

z = |z|−1 .
−1
e) |zw| = |z| |w|;
Demostración:


a) |z| = + a2 + b2 ≥ 0 ;
2
|z| = 0 ⇐⇒ |z| = 0 ⇐⇒ a2 + b2 = 0 ⇐⇒ a = b = 0 ⇐⇒ z = 0 .
b) Como todos los módulos son valores reales positivos, basta probar las desigualdades para sus cuadrados:
2 2 2 2 2 2
|Re(z)| = |a| = a2 ≤ a2 + b2 = |z| y también |Im(z)| = |b| = b2 ≤ a2 + b2 = |z| .
2 2 2 2
(|Re(z)| + |Im(z)|)2 = (|a| + |b|)2 = |a| + |b| + 2 |a| |b| = a2 + b2 + 2 |a| |b| = |z| + 2 |a| |b| ≥ |z| .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
23 – Matemáticas 1 : Preliminares Anexo 0

p √
c) |z| = |a − ib| = a2 + (−b)2 = a2 + b2 = |z| .
2
zz = (a + ib)(a − ib) = a2 − (−b2 ) + i(−ab + ab) = a2 + b2 = |z| .
2 2 2
d) |z + w| = (z + w)(z + w) = (z + w)(z + w) = zz + ww + zw + zw = |z| + |w| + zw + zw
2 2 2 2 2 2
= |z| + |w| + 2 Re(zw) ≤ |z| + |w| + 2 |Re(zw)| ≤ |z| + |w| + 2 |zw|
2 2 2 2 2
= |z| + |w| + 2 |z| |w| = |z| + |w| + 2 |z| |w| = (|z| + |w|)
Como |z| = |z − w + w| ≤ |z − w| + |w| =⇒ |z − w| ≥ |z| − |w|
|w| = |w − z + z| ≤ |w − z| + |z| = |z − w| + |z| =⇒ |z − w| ≥ |w| − |z|

se tiene la otra desigualdad propuesta |z − w| ≥ |z| − |w| .

2 2 2
e) |zw| = (ac − bd)2 + (ad + bc)2 = a2 c2 + b2 d2 + a2 d2 + b2 c2 = (a2 + b2 )(c2 + d2 ) = |z| |w| ;

|z| z −1 = zz −1 = |1| = 1 .

Demostración de: Operaciones multiplicativas en forma polar 11 de la página 11

Operaciones multiplicativas en forma polar 11.- Si z = |z|θ y w = |w|δ , se cumple que:


−1
a) z = |z|(−θ) ; z −1 = (|z| )(−θ) .
z |z|
b) zw = (|z| |w|)θ+δ ; w = ( |w| )θ−δ .
n
c) z n = (|z| )nθ .
Demostración:
Las pruebas son sencillas usando que z = |z| (cos θ + i sen θ) y que

(cos θ + i sen θ)(cos δ + i sen δ) = cos θ cos δ − sen θ sen δ + i(sen θ cos δ + cos θ sen δ)
= cos(θ + δ) + i sen(θ + δ).
 
a) z = |z| (cos θ + i sen θ) = |z| (cos θ − i sen θ) = |z| cos(−θ) + i sen(−θ) = |z|−θ .

|z| cos(−θ)+i sen(−θ)
 
−1
z −1 = z1 = |z|z 2 = |z|2
1
= |z| 1
cos(−θ) + i sen(−θ) = ( |z| )−θ = (|z| )−θ .
 
b) zw = |z| (cos θ + i sen θ) |w| (cos δ + i sen δ) = |z| |w| cos(θ + δ) + i sen(θ + δ) = |zw|θ+θ0 .
|z|
z
w = zw−1 = |z|θ ( |w|
1
)−δ = ( |w| )θ−δ .

n) n n
c) z n = |z|θ |z|θ · · · |z|θ = (|z| ) n) = (|z| )nθ .
θ+···+θ
En particular se verifica la fórmula de Moivre: (cos θ + i sen θ)n = cos nθ + i sen nθ.

Polinomios
Demostración de: Lema 32 de la página 17

Lema 32.- Sea P (X) = Q(X)R(X) . Si α ∈ K es raı́z de P (X) con multiplicidad m y Q(α) 6= 0 (no es raı́z de
Q(X) ), entonces α es raı́z de R(X) con multiplicidad m .
Demostración:
Si P (α) = 0 , como P (α) = Q(α)R(α) y Q(α) 6= 0 , entonces R(α) = 0 y α es raı́z de R(X) . De donde
R(X) = (X − α)R1 (X) y P (X) = Q(X)(X − α)R1 (X) .
Como P (X) = (X − α)m C(X) , con C(α) 6= 0 , se tiene m
 que P (X) = (X − α) C(X) = Q(X)(X − α)R1 (X) , de
donde 0 = (X − α)m C(X) − Q(X)(X − α)R1 (X) = (X − α) (X − α)m C(X) − Q(X)R1 (X) y como X − α 6= 0 tiene
que ser (X − α)m−1 C(X) = Q(X)R1 (X) = P1 (X) tiene en α una raı́z de multiplicidad m − 1 .
Luego el polinomio P1 (X) = Q(X)R1 (X) tiene una raı́z en α que no lo es de Q(X) , luego es raı́z de R1 (X) ,
por lo que R1 (X) = (X − α)R2 (X) y, como antes se puede construir el polinomio P2 (X) = (X − α)m−2 C(X) =

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
24 – Matemáticas 1 : Preliminares Anexo 0

Q(X)R2 (X) , con R(X) = (X − α)R2 (X) . Repitiendo el proceso de manera sucesiva, se llega a un polinomio
Pm−1 (X) = (X − α)C(X) = Q(X)Rm−1 (X) , con R(X) = (X − α)m−1 Rm−1 (X) .
Y ahora, como α tiene que ser raı́z de Rm−1 (X) , Rm−1 (X) = (X − α)Rm (X) y C(X) = Q(X)Rm (X) . Como
C(α) = Q(α)Rm (α) y C(α) 6= 0 y Q(α) 6= 0 , necesariamente Rm (α) 6= 0 y, por tanto R(X) = (X − α)m Rm (X) ,
con Rm (α) 6= 0 , de donde α es una raı́z de R(X) de multiplicidad m .

Demostración de: Lema 37 de la página 17

n
ai Xi ∈ R[X] . Si α es una raı́z compleja (y no real) de P (X) , entonces α también es
P
Lema 37.- Sea P (X) =
i=0
raı́z de P (X) , y con la misma multiplicidad que α .
Demostración:
Veamos que α es también raı́z de P (X) . Teniendo en cuenta que ai ∈ R y que entonces ai = ai ,
n
X n
X n
X n
X n
X
P (α) = ai αi = ai αi = ai αi = ai α i = ai αi = P (α) = 0 = 0
i=0 i=0 i=0 i=0 i=0

Entonces, en la descomposición de P (X) aparecen los factores X − α y X − α , pero como su producto (X −


2
α)(X − α) = X2 − (α + α)X + αα = X2 − 2 Re(α)X + |α| ∈ R[X] , se descompone en R[X] en la forma P (X) =
2 2
(X − 2 Re(α)X + |α| )P1 (X) . En consecuencia, si la multiplicidad de α es m > 1 , el polinomio P1 (X) ∈ R[X]
tiene a α como raı́z de multiplicidad m − 1 . Y repitiendo el proceso hasta sacar todas las raices, se obtiene que
α y α tienen la misma multiplicidad.

Demostración de: Teorema 40 de la página 18

Teorema 40.- Sea P (X) = a0 + a1 X + · · · + an−1 Xn−1 + an Xn un polinomio con ai ∈ Z, ∀ i. Entonces,

1.- Si P (X) posee una raı́z α ∈ Z, entonces α | a0 .


p
2.- Si P (X) posee una raı́z α = q ∈ Q, entonces p | a0 y q | an .
p
(La expresión de α = q debe estar simplificada al máximo, es decir, mcd(p, q) = 1 .)
Demostración:
Si α ∈ Z es raı́z de P : 0 = a0 + a1 α + · · · + an−1 αn−1 + an αn = a0 + α(a1 + · · · + an−1 αn−2 + an αn−1 ) y
−a0 = α(a1 + · · · + an−1 αn−2 + an αn−1 ) ; de donde el entero −a0 se descompone en dos factores α ∈ Z y
a1 + · · · + an−1 αn−2 + an αn−1 ∈ Z (por ser suma y producto de enteros), luego α divide a a0 .
n−1 n n n−1 n−1 n
Si α = pq ∈ Q es raı́z de P : 0 = a0 + a1 pq + · · · + an−1 pqn−1 + an pqn = a0 q +a1 pq +···+a
qn
n−1 p q+an p
de donde
el numerador debe ser cero. Como antes, sacando primero p factor común y luego q , se llega a:
? −a0 q n = p(a1 q n−1 + · · · + an−1 pn−2 q + an pn−1 ) luego p | a0 q n pero como no divide a q , entonces p | a0
? −an pn = q(a0 q n−1 + a1 pq n−2 + · · · + an−1 pn−1 ) luego q | an pn pero como no divide a p , entonces q | an

(Los factores de las últimas igualdades son todos enteros, pues p ∈ Z, q ∈ Z y los ai ∈ Z.)

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
25 – Matemáticas 1

Unidad I

Álgebra Lineal

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
26 – Matemáticas 1 : Álgebra Lineal

Capı́tulo 1

Matrices y sistemas lineales


1.1 Definiciones básicas
Una matriz es una tabla rectangular de números, es decir, una distribución ordenada de números. Los
números de la tabla se conocen con el nombre de elementos de la matriz. El tamaño de una matriz
se describe especificando el número de filas y columnas que la forman. Si A es una matriz de m filas y
n columnas, Am×n , se usará aij para denotar el elemento de la fila i y la columna j y, en general, se
representará por  
a11 a12 · · · a1n
 a21 a22 · · · a2n 
A = (aij ) 1≤i≤m = (aij )m×n =  . ..  .
 
..
1≤j≤n  .. . ··· . 
am1 am2 · · · amn
Dos matrices son iguales si tienen igual tamaño y los elementos correspondientes de ambas matrices iguales.
Una matriz An×n (ó An ) se denomina matriz cuadrada de orden n y de los elementos de la forma a11 ,
a22 , . . . , ann se dice que forman la diagonal principal. De una matriz A1×n se dice que es una matriz fila
y de una matriz Am×1 que es una matriz columna.

1.1.1 Operaciones con las matrices


Las matrices con las que trabajaremos habitualmente serán matrices reales, sus elementos serán números reales
(sin embargo, los resultados y definiciones dados aquı́ son válidos para matrices de números complejos).
Suma: Si A y B son dos matrices del mismo tamaño, m×n , la suma A + B es otra matriz de tamaño m×n
donde el elemento ij de A + B se obtiene sumando el elemento ij de A con el elemento ij de B . Es decir,
si A = (aij )m×n y B = (bij )m×n , entonces A + B = (aij + bij )m×n .
El neutro de la suma es la matriz cero, 0 , con todos sus elementos cero, y la matriz opuesta de A , se
designa por −A, y es −A = (−aij )m×n .

Producto por escalares: Si A es una matriz m×n y k ∈ R un escalar, el producto kA es otra matriz del
mismo tamaño donde cada elemento de A aparece multiplicado por k . Es decir, kA = (kaij )m×n .
Evidentemente, −A = (−1)A y A − B = A + (−B) .
Producto de matrices: Si Am×n y Bn×p el producto AB es otra matriz de tamaño m × p tal que, el
elemento eij de AB se obtiene sumando los productos de cada elemento de la fila i de A por el elemento
correspondiente de la columna j de B . Es decir,
 
b1j
n
 b2j 
  X
A B
eij = Fi × Cj = ai1 ai2 · · · ain  .  = ai1 b1j + ai2 b2j + · · · + ain bnj = aik bkj
 .. 
k=1
bnj

(lo denotaremos por eAB A B


ij = Fi × Cj cuando queramos significar la fila y columna que intervienen).

Nota: Esta definición requiere el mismo número de columnas en la primera matriz que de filas en la segunda:
 
  b11 b12 b13 b14 b15  
a11 a12 a13 a14  b21 b22 e11 e12 e13 e14 e15
 a21 a22 a23 a24  · b23 b24 b25 

 e21

 b31 b32 = e22 e23 e24 e25 
b33 b34 b35 
a31 a32 a33 a34 3×4 e31 e32 c33 e34 e35 3×5
b41 b42 b43 b44 b45 4×5

puesto que para el cálculo de eij ha de haber tantos elementos en la fila i de A (número de columnas de A )
como en la columna j de B (número de filas de B ). En forma sinóptica con los tamaños (m×n)·(n×p) = (m×p) .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
27 – Matemáticas 1 : Álgebra Lineal 1.2 Sistemas de ecuaciones lineales

Observación: Cada elemento de la matriz producto puede obtenerse de manera independiente, por lo que no es
necesario calcularlos todos si sólo son necesarios unos pocos. Ası́:
? eAB A B
ij = Fi · Cj ? FiAB = FiA · B ? CjAB = A · CjB ? eABC
ij = FiA · CjBC = FiA · B · CjC

 
10 ··· 0
0 1 ··· 0 
La matriz cuadrada I = In =  ... . . ..  , formada por ceros excepto en la diagonal principal que tiene
 
 ... . . 
0 0 ··· 1
unos, de llama matriz identidad y es el neutro del producto de matrices (tomada del tamaño adecuado). Es
decir, para toda Am×n se tiene que Im Am×n = Am×n y Am×n In = Am×n .

Propiedades 42.- Suponiendo tamaños adecuados para que las operaciones sean posibles:

a) A + B = B + A (conmutativa de la suma).
b) A + (B + C) = (A + B) + C ; A(BC) = (AB)C (asociativas de la suma y del producto).
c) A(B + C) = AB + AC ; (A + B)C = AC + BC (distributivas por la izquierda y por la derecha).

d) a(B + C) = aB + aC ; ∀a ∈ R .
e) (a + b)C = aC + bC ; ∀a, b ∈ R.
f) a(BC) = (aB)C = B(aC) ; ∀a ∈ R.

? AB = BA
En general, NO es cierto que: ? Si AB = 0 tengan que ser A = 0 ó B = 0
? Si AB = AC necesariamente sea B = C
        
0 1 3 7 −1 −1 0 0 0 17
Ejemplo 43 Con A = , B= y C= tenemos AB = 6= BA = ,
0 2 0 0 0 0 0 0 0 0
6 BA y AB = 0 con A 6= 0 y B 6= 0 . Además AC = 0 = AB , pero B 6= C .
es decir AB = 4

1.1.2 Matriz transpuesta

Definición 44.- Si A es una matriz m×n llamamos matriz transpuesta de A a la matriz At de tamaño
n×m que tiene por filas las columnas de A y por columnas las filas de A. Es decir, el elemento ij de At
coincide con el elemento ji de A.  
 t a11 a21
a11 a12 a13
=  a12 a22 
a21 a22 a23
a13 a23

Proposición 45.- Se verifican las siguientes propiedades:

a) (At )t = A. b) (A + B)t = At + B t . c) (kA)t = kAt .


d) (AB)t = B t At y, en general, (A1 A2 · · · An )t = Atn · · · At2 At1 .
Demostración:
B t At t t
Las tres primeras son claras. Veamos la cuarta: eij = FiB × CjA = CiB × FjA = FjA × CiB = eAB
ji . Luego
B t At = (AB)t .

1.2 Sistemas de ecuaciones lineales


Definición 46.- Se denomina ecuación lineal de n variables (o incógnitas), xi , aquella ecuación que puede
expresarse en la forma: a1 x1 + a2 x2 + · · · + an xn = b, donde los ai , b ∈ R.
Una solución de la ecuación lineal es un conjunto ordenado de números reales (s1 , s2 , . . . , sn ) , tales que
a1 s1 + a2 s2 + · · · + an sn = b.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
28 – Matemáticas 1 : Álgebra Lineal 1.2 Sistemas de ecuaciones lineales

Ejemplo Una ecuación lineal de 2 incógnitas, 2x + y = 3 , es una representación analı́tica de una recta del
plano pues las soluciones de la ecuación son cada uno de los puntos de la recta y el conjunto solución es toda
la recta, todos los puntos de la recta. Una ecuación lineal de 3 incógnitas representa un plano en el espacio.
En una ecuación lineal no pueden aparecer productos, ni potencias, ni otras expresiones, . . . , de las variables.
Definición 47.- Se denomina sistema de m ecuaciones lineales con n incógnitas a la reunión de m
ecuaciones lineales sobre las mismas n incógnitas, y se escribe en la forma:


 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. ..


 . .
am1 x1 + am2 x2 + · · · + amn xn = bm

Una n -upla (s1 , s2 , . . . , sn ) es solución del sistema si es solución de todas y cada una de las ecuaciones.

x+y = 2
Ejemplo El par (−7, 9) es una solución del sistema de ecuaciones , pues es solución de cada
2x + y = −5
una de las 2 ecuaciones. De hecho, es el único punto común a esas dos rectas (ver la ejemplo anterior).
Un sistema de ecuaciones lineales puede no tener solución (con dos incógnitas, las rectas paraleras no tienen
puntos en común) o infinitas (las dos ecuaciones representan la misma recta).

Si un sistema no tiene solución, suele decirse que es incompatible; si existe solución y es única compatible
determinado y compatible indeterminado si tiene un conjunto infinito de soluciones.

Lenguaje matricial de los sistemas de ecuaciones Un sistema de ecuaciones lineales, también puede
escribirse como AX = B donde A = (aij )m×n , X = (xi )n×1 y B = (bj )m×1 .
 
  x1 
b1

a11 a12 a13 · · · a1n  x2 
 a21 a22 a23 · · · a2n     b2 
AX =    x3 
= . =B
 
 ··· ··· ··· ··· ···   ..   .. 
am1 am2 am3 · · · amn  .  bm
xn

La matriz A se denomina matriz de los coeficientes, la matriz columna B se denomina matriz de los términos
independientes y una S = (si )n×1 es solución de sistema si verifica que AS = B .

Ejemplo Para el sistema del ejemplo anterior


          
x+y = 2 1 1 x 2 1 1 −7 2
←→ = ; (−7, 9) es solución, pues = 4
2x + y = −5 2 1 y −5 2 1 9 −5

1.2.1 Matrices elementales


Definición 48.- Llamaremos operación elemental en las filas de las matrices, a las siguientes:
a) Intercambiar la posición de dos filas.
b) Multiplicar una fila por una constante distinta de cero.

c) Sumar a una fila un múltiplo de otra fila.

Definición 49.- Se dice que una matriz cuadrada En×n es una matriz elemental si se obtiene de efectuar
una sola operación elemental sobre la matriz identidad In×n .

Teorema 50.- Si la matriz elemental Em×m resulta de efectuar cierta operación elemental sobre las filas de
Im y si Am×n es otra matriz, el producto EA es la matriz m×n que resulta de efectuar la misma operación
elemental sobre las filas de A . .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
29 – Matemáticas 1 : Álgebra Lineal 1.2 Sistemas de ecuaciones lineales

Ejemplo Son matrices elementales las matrices


     
0 1 0 1 0 0 1 0 0
E1 =  1 0 0  , E2 =  0 2 0  y E3 =  0 1 0  ,
0 0 1 0 0 1 3 0 1

que se obtienen de I3 , intercambiando la primera con la segunda fila (F1 ↔ F2 ), multiplicando la segunda fila
por 2 ( 2F2 ) y sumando a la tercera fila la primera fila multiplicada por 3 (F3 + 3F1 ), respectivamente. Y si
A = (aij )3×4 , se tiene
   
a21 a22 a23 a24 a11 a12 a13 a14
E1 A =  a11 a12 a13 a14  , E2 A =  2a21 2a22 2a23 2a24  y
a31 a32 a33 a34 a31 a32 a33 a34
 
a11 a12 a13 a14
E3 A =  a21 a22 a23 a24 .
4
a31 +3a11 a32 +3a12 a33 +3a13 a34 +3a14

Observación 51.- Es claro, que una vez realizada una operación elemental puede deshacerse mediante otra
operación elemental: ası́, si intercambiamos la fila i con la fila j , la operación elemental que lo deshace es
intercambiar de nuevo la fila i con la fila j ; si multiplicamos la fila i por k 6= 0 se deshace multiplicándola
de nuevo por k1 y si sumamos a la fila i la fila j multiplicada por k lo deshacemos restando a la fila i la fila
j multiplicada por k (sumando la fila j multiplicada por −k ). Denotando por E1∗ , E2∗ y E1∗ a las matrices
elementales que deshacen las operaciones elementales dadas por las matrices elementales E1 , E2 y E3 del
ejemplo anterior, tenemos que
     
0 1 0 1 0 0 1 0 0
E1∗ =  1 0 0  = E1 , E2∗ =  0 21 0  y E3∗ =  0 1 0  .
0 0 1 0 0 1 −3 0 1

Entonces, si E ∗ es la matriz elemental que deshace la operación realizada por E , se tiene que E ∗ (EA) = A.

Teorema 52.- Si E es una matriz elemental, los sistemas AX = B y (EA)X = EB tienen las mismas
soluciones.
Demostración:
En efecto, si S es solución del primer sistema, AS = B , luego (EA)S = E(AS) = EB y S es también solución
del segundo. Y viceversa, si (EA)S = EB y E ∗ es la matriz elemental que deshace E , multiplicando en la
igualdad, se tiene: E ∗ (EA)S = E ∗ EB =⇒ AS = B .

1.2.2 Método de Gauss


El Teorema 52 anterior asegura que haciendo sobre el sistema AX = B únicamente operaciones elementales
llegamos a un sistema con las mismas soluciones (sistema equivalente). El siguiente proceso para obtener un
sistema equivalente que da las soluciones de manera más sencilla se conoce como método de Gauss.
Además, al operar en el sistema debemos hacer operaciones elementales sobre la matriz A de los coeficientes
y, las mismas operaciones sobre B para que se mantenga la equivalencia. Luego esto nos lleva a:
Definición 53.- En un sistema lineal AX = B , se llama matriz ampliada del sistema a la matriz (A|B)
formada añadiendo a la matriz de coeficientes A la matriz columna de los términos independientes B .

Mediante operaciones elementales, se hacen ceros en la matriz ampliada del sistema, para obtener una matriz
escalonada, con ceros por debajo de la “escalera”. Esta matriz escalonada debe cumplir:
1.- Si una fila consta únicamente de ceros debe ir en la parte inferior de la matriz.
2.- Si dos filas seguidas no constan solo de ceros, el primer elemento distinto de cero de la fila inferior debe
encontrarse más a la derecha que el primer elemento distinto de cero de la fila superior.

El primer elemento distinto de cero de cada fila lo llamaremos elemento principal y las incógnitas corres-
pondientes a estos elementos incógnitas principales. (Los elementos principales “marcan” la escalera.)

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
30 – Matemáticas 1 : Álgebra Lineal 1.2 Sistemas de ecuaciones lineales

Ejemplo 54 
5x3 + 10x4 + 15x6 = 5 

x1 + 3x2 − 2x3 + 2x5 = 0

2x1 + 6x2 − 5x3 − 2x4 + 4x5 − 3x6 = −1 
2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 6

Apliquemos el método a la matriz ampliada del sistema (A|B) :


 
0 0 5 10 0 15 5
 1 3 −2 0 2 0 0 
(A|B) =   2 6 −5 −2 4 −3 −1  Por la operación (a) cambiamos la fila 1 por

la fila 2 (F1 ↔ F2 )
2 6 0 8 4 18 6
 
1 3 −2 0 2 0 0
 0 0 5 10 0 15 5 
 2 6 −5 −2 4 −3 −1  Por (b) hacemos cero el 2 de F3 (F3 − 2F1 ) y
 
el de F4 (F4 − 2F1 )
2 6 0 8 4 18 6
 
 3 −2 0 2 0 0
 0 0 5 10 0 15 5  1
 0 0 −1 −2 0 −3 −1  Hacemos 40 el −1 de F3 (F3 + 5 F2 ) y el 4 de
 
F4 (F4 − 5 F2 )
0 0 4 8 0 18 6
 
 3 −2 0 2 0 0
 0 0  10 0 15 5 

 0 0 0
 Cambiamos F3 por F4 (F3 ↔ F4 )
0 0 0 0 
0 0 0 0 0 6 2
 
 3 −2 0 2 0 0
 0 0  10 0 15 5 

 0 0 0
 Esta matriz es escalonada, y nos proporciona
0 0  2 
el sistema equivalente
0 0 0 0 0 0 0

x1 + 3x2 − 2x3 + 2x5 = 0  
  x1 = −3x2 + 2x3 − 2x5
5x3 + 10x4 + 15x6 = 5

=⇒ x3 = 5−10x54 −15x6
6x6 = 2 
x6 = 26
 
0=0

cuyas soluciones se encuentran fácilmente sustituyendo de abajo hacia arriba, obteniéndose: x6 = 13 , x3 = −2x4 ,
x1 = −3x2 − 4x4 − 2x5 , donde x2 , x4 y x5 pueden tomar cualquier valor. Es decir, todas las soluciones son:
(−3x2 − 4x4 − 2x5 , x2 , −2x4 , x4 , x5 , 13 ) para cualquiera valores de x2 , x4 y x5 . 4
Si el último elemento principal está en la columna ampliada, el sistema no tiene solución: claramente una de
las ecuaciones equivalentes será 0x1 + · · · + 0xn = k (con k 6= 0 por ser un elemento principal de la ampliada)
y esta igualdad no se cumple para ningún valor posible de las incógnitas.
     
2x + y = 2 21 2 2 1 2 2x + y = 2 sist. equivalente
Ejemplo ⇔ (A|B) = → ⇔ 4
2x + y = 5 21 5 0 0 5 0 = 5 sin solución

Nota: Si el sistema tiene solución, por ser los elementos principales no nulos se garantiza que las incógnitas
principales pueden despejarse (como valor concreto o en función de las incógnitas no principales) y pueden
despejarse tantas incógnitas como elementos principales haya. Luego
? Si el número de elementos principales es igual al número de incógnitas el sistema tiene solución única.
? Si el número de elementos principales es menor que el número de incógnitas el sistema tiene infinitas
soluciones. (Las soluciones quedan en función de las incógnitas no despejadas. Ver ejemplo 54.)

1.2.2.1 Sistemas homogéneos

Definición 55.- Un sistema de ecuaciones lineales se dice que es homogéneo si tiene todos los términos
independientes cero; es decir, un sistema de la forma AX = 0 .
Un sistema homogéneo siempre tiene solución pues X = 0 es una solución del sistema. A esta solución suele
llamarse la solución trivial y de cualquier otra solución distinta de ésta se dice solución no trivial.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
31 – Matemáticas 1 : Álgebra Lineal 1.2 Sistemas de ecuaciones lineales

1.2.2.2 Método de Gauss-Jordan

El método de Gauss-Jordan continúa el método de Gauss, haciendo operaciones elementales para conseguir
una matriz escalonada reducida: los elementos principales son 1 y en las columnas de dichos unos todos los
demás elementos son cero; es decir, despeja las incógnitas principales.

Ejemplo 56 Continuando con el sistema del ejemplo 54 (quitada la fila de ceros, que no interviene):
 
1 3 −2 0 2 0 0
 0 0 5 10 0 15 5  Hacemos 1 los elementos principales multiplicando 1 F2 y 1 F3
5 6
0 0 0 0 0 6 2
 
1 3 −2 0 2 0 0
 0 0 1 2 0 3 1  hay que hacer cero el 3 de F2 y C6 (a26 ): F2 − 3F3
 
0 0 0 0 0 1 13
 
1 3 −2 0 2 0 0
 0 0 1 2 0 0 0  hay que hacer cero el −2 de F1 y C3 (a13 ): F1 + 2F2
 
0 0 0 0 0 1 13
  
1 3 0 4 2 0 0  x1 = −3x2 − 4x4 − 2x5
 0 0 1 2 0 0 0  luego x3 = −2x4
 
1 x6 = 31

0 0 0 0 0 1 3
obteniéndose, naturalmente, las mismas soluciones que antes. 4

Nota: La reordenación y simplificación de las filas puede dar lugar a distintas matrices escalonadas, pero la
escalonada reducida es única (si no se cambian de orden las incógnitas), puesto que se tiene la misma solución
despejando las mismas incógnitas

1.2.3 Rango de una matriz y Teorema de Rouché

Definición 57 (1 a definición del rango).- Se llama rango de una matriz A y se denota por rg(A) al número
de filas distintas de cero que aparecen en alguna de las formas escalonadas de la matriz A.

Teorema de Rouché 58.- Sea el sistema AX = B , sistema de m ecuaciones con n incógnitas. Entonces
AX = B tiene solución si, y sólo si, rg(A) = rg(A|B) .
Si rg(A) = rg(A|B) = r , toda solución puede expresarse en la forma X = V0 +t1 V1 +t2 V2 +· · ·+tn−r Vn−r , con
V0 una solución particular de AX = B y las n -úplas V1 , . . . , Vn−r soluciones del homogéneo AX = 0 . .

Resumiendo: En un sistema AX = B de m ecuaciones con n incógnitas,



r = n → Solución única.
? si r = rg(A) = rg(A|B) = r =⇒ Sist. Compatible (con sol.)
r < n → Infinitas soluciones.

? si r = rg(A) 6= rg(A|B) = r + 1 =⇒ Sist. Incompatible (no tiene solución).

Ejemplo Tomemos la solucion obtenida en el ejemplo 54: (−3x2 − 4x4 − 2x5 , x2 , −2x4 , x4 , x5 , 13 ) , para
todo x2 , x4 y x5 . Podemos escribirla en la forma
           
x1 0 − 3x2 − 4x4 − 2x5 0 −3 −4 −2
 x2  
    0
0 + x2 + 0x4 + 0x5     1 
 
 0 
 
 0 
 
 x3   0 + 0x2 − 2x4 + 0x5  0  0   −2 
 + x5  0  = V 0 + t 1 V 1 + t 2 V 2 + t 3 V 3
 
 x4  = 
    =   + x2   + x4 
   0 + 0x2 + x4 + 0x5 
  
0  0 
 
 1 
 
 0 
 
 x5   0 + 0x2 + 0x4 + x5   0   0   0   1 
1 1
x6 3 + 0x2 + 0x4 + 0x5 3 0 0 0
y X = V0 + t1 V1 + t2 V2 + t3 V3 es solucion para todo t1 , t2 y t3 . Entonces, para t1 = t2 = t3 = 0 , X = V0 es
solución del sistema luego AV0 = B ; para t1 = 1 y t2 = t3 = 0 , X = V0 + V1 es solución del sistema, luego
B = A(V0 + V1 ) = AV0 + AV1 = B + AV1 de donde AV1 = 0 por lo que V1 es solución del sistema homogéneo
AX = 0 ; y análogamente para V2 y V3 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
32 – Matemáticas 1 : Álgebra Lineal 1.3 Matrices cuadradas

1.3 Matrices cuadradas


Una matriz cuadrada A se dice triangular superior, si todos los elementos por debajo de la diagonal principal
son nulos, es decir: aij = 0 , para cualquier ij tal que i > j . Una matriz cuadrada A se dice triangular
inferior, si todos los elementos por encima de la diagonal principal son nulos, es decir, aij = 0 , para cualquier
ij tal que i < j .
Una matriz cuadrada A se dice que es diagonal, si es triangular superior e inferior, es decir, si son cero
todos los elementos que no están en la diagonal principal.
Una matriz cuadrada A se dice simétrica si A = At , es decir, si aij = aji para todo ij ; y se dice
antisimétrica si A = −At , es decir si aij = −aji para todo ij .

1.3.1 Matrices inversibles


Definición 59.- Si A es una matriz cuadrada de orden n , An×n , y existe Bn×n tal que AB = BA = I se dice
que A es inversible y que B es inversa de A .

Nota: Es claro de la definición que también B es inversible y A una inversa de B .


Por definición, se ha de verificar que AB = I y también que BA = I ; sin embargo es suficiente con que se
verifique una de ellas para que la otra también se verifique (se verá en el Corolario 68).

Proposición 60.- Si una matriz cuadrada A tiene inversa, esta es única. Y la denotaremos por A−1 .
Demostración:
Supongamos que B y C son inversas de A. Al ser B inversa de A es I = AB , multiplicando a esta igualdad
por C y teniendo en cuenta que C es inversa de A obtenemos que C = C(AB) = (CA)B = IB = B .

De los comentarios hechos en la Observación 51, es claro el siguiente resultado para matrices elementales.
Proposición 61.- Las matrices elementales son inversibles y sus inversas son también elementales:

? De intercambiar dos filas, intercambiarlas de nuevo.


? De multiplicar una fila por k 6= 0 , multiplicar esa fila por 1/k .
? De sumar a una fila un múltiplo de otra, restar a esa fila el múltiplo sumado.

Teorema 62.- Si A y B son dos matrices inversibles, entonces AB es inversible y

(AB)−1 = B −1 A−1 . Y en general, (A1 A2 · · · Ak )−1 = A−1 −1 −1


k · · · A2 A1

Demostración:
(AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I

Basta comprobarlo:
(B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 IB = B −1 B = I.

Propiedades 63.- a) (A−1 )−1 = A b) (An )−1 = (A−1 )n c) (kA)−1 = k1 A−1

Definición 64.- Una matriz cuadrada, A, se dice ortogonal si A−1 = At .

Teorema 65.- Sea A una matriz cuadrada de orden n . Son equivalentes:


a) A es inversible.
b) El sistema AX = B tiene solución única para todo Bn×1 .

c) El sistema homogéneo AX = 0 tiene solución única.


d) Por operaciones elementales en A puede llegarse a la identidad.
Demostración:

a)⇒ b) A es inversible, luego existe A−1 . Si se multiplica por A−1 en la igualdad AX = B se tiene que
A−1 AX = A−1 B , luego X = A−1 B es la solución del sistema y es la única.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
33 – Matemáticas 1 : Álgebra Lineal 1.4 Determinante de una matriz cuadrada.

b)⇒ c) Es un caso particular.


c)⇒ d) Como la solución del sistema AX = 0 es única, al aplicar el método de Gauss-Jordan a la matriz A la
escalonada reducida tiene que ser, necesariamente I (ver observación 66 siguiente).
d)⇒ a) Si existen matrices elementales tales que Ek · · · E2 E1 A = I , multiplicando sucesivamente en la igualdad
por sus inversas, se obtiene A = E1−1 E2−1 · · · Ek−1 I como producto de matrices inversibles y, por tanto, es
inversible. Además, A−1 = Ek · · · E2 E1 .

Observación 66.- Para una matriz cuadrada, cualquier matriz escalonada obtenida de ella es triangular supe-
rior (tiene ceros por debajo de la diagonal), pues el elemento principal de la fila 1 está en la posición 11 o más
a la derecha, luego el elemento principal de la fila 2 está en la posición 22 o más a la derecha, y en general el
elemento principal de la fila i está en la posición ii o más a la derecha. Luego para toda fila i, los elementos
aij con j < i son cero, que es la caracterización de matriz triangular superior.
Ası́ pues, una matriz escalonada cuadrada, o tiene elemento principal en cada fila (y en consecuencia están
todos en la diagonal principal de la matriz) o tiene al menos una fila de ceros.
Luego si es una matriz escalonada reducida, o es la matriz identidad o tiene al menos una fila de ceros.

Corolario 67.- Una matriz An×n , es inversible ⇐⇒ rg(A) = n

Corolario 68.- Sea A una matriz cuadrada. Entonces


a) Si existe B tal que BA = I , entonces A es inversible y B = A−1 .
b) Si existe B tal que AB = I , entonces A es inversible y B = A−1 .
Demostración:
Si BA = I , consideremos el sistema AX = 0 . Multiplicando por B en ambos lados se tiene que BAX =
B0 = 0 , pero al ser BA = I , X = 0 es la única solución del sistema y, por tanto, A es inversible. Entonces,
A−1 = IA−1 = BAA−1 = B . Analogamente, en b).

Corolario 69 (Cálculo de A−1 por el método de Gauss-Jordan).- Si A es inversible, su matriz escalon-


ada reducida es la identidad, I , luego aplicando Gauss-Jordan a la matriz A ampliada con I , se obtendrán I
y la inversa A−1 : A I −→ · · · −→ I A−1
 

Claramente, el método no hace más que resolver n sistemas lineales con la misma matriz de coeficientes, A, y
por términos independientes las n columnas de I .
 
1 0 −2
Ejemplo Sea la matriz A =  0 2 1  . Encontremos A−1 :
1 1 −1
     
1 0 −2 1 0 0 1 0 −2 1 0 0 1 0 −2 1 0 0
F3 −F1 2 −F3 3 −F2
(A|I) =  0 2 1 0 1 0  −→  0 2 1 0 1 0  F−→  0 1 0 1 1 −1  F−→
1 1 −1 0 0 1 0 1 1 −1 0 1 0 1 1 −1 0 1
   
1 0 −2 1 0 0 1 0 0 −3 −2 4
F3 −F2 F +2F
−→  0 1 0 1 1 −1  1−→ 3  0 1 0 1 1 −1  = (I|A−1 )
0 0 1 −2 −1 2 0 0 1 −2 −1 2
4

1.4 Determinante de una matriz cuadrada.


Definición 70.- Sea A una matriz cuadrada de orden n . Llamaremos producto elemental en A al producto
ordenado de un elemento de cada fila, cada uno de los cuales pertenece a columnas distintas. Es decir, una
expresión de la forma a1j1 a2j2 · · · anjn con todos los jk distintos.
Llamaremos producto elemental con signo al valor (−1)N a1j1 a2j2 · · · anjn donde el número N , para
cada producto elemental, es el número de “inversiones del orden” en el conjunto de las columnas {j1 , j2 , . . . , jn },
es decir, el número de veces que cada ı́ndice jk es menor que los anteriores a él.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
34 – Matemáticas 1 : Álgebra Lineal 1.4 Determinante de una matriz cuadrada.

Ejemplo 71 {2, 4, 1, 3} . Para calcular las inversiones tenemos que ver cuantas veces 4 , 1 y 3 son menores
que sus anteriores. Para el 4 , hay inversión cuando 4 < 2 , no. Para el 1 , cuando 1 < 2 , si ; y cuando 1 < 4 , si.
Y para el 3 , cuando 3 < 2 , no; 3 < 4 , si ; y 3 < 1 , no. El conjunto presenta entonces tres inversiones, N = 3 .

Definición 72.- Definimos la función determinante en el conjunto de las matrices de orden n , como la función
que asigna a cada matriz A el número real, que denotaremos por det(A) ó det A ó |A| , y cuyo valor es la
suma de todos los productos elementales con signo que se pueden formar en A:
X
det(A) = |A| = (−1)N a1j1 a2j2 · · · anjn .
(j1 ,j2 ,...,jn )

Expresión del determinante de las matrices de orden 1, 2 y 3. Los determinantes de las matrices de
los primeros órdenes de magnitud se obtienen de la forma: a11 = a11 y

a11 a12
a21 a22 = a11 a22 − a12 a21


a11 a12 a13

a21 a22 a23 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 − a12 a21 a33 − a11 a23 a32

a31 a32 a33

Estas expresiones admiten una regla nemotécnica gráfica para recordar la construcción de los productos ele-
mentales y el signo, siguiendo las direcciones de las diagonales principal y secundaria (para matrices de orden
3 se conoce como Regla de Sarrus):
s s s s s s
sign( ) = + s s @ @
s @s @s s s s
@ @
sign( ) = −
@
@
s @s @ @
s @s @ @s s s s
@

Observación: Cada uno de los productos elementales con



0 a12 0 0
signo se corresponde con el determinante de una matriz

3
0 0 0 a24
que se forma haciendo cero todos los elementos que no (−1) a a a a
12 24 31 43 =
a31 0 0 0

estan en el producto. Es claro, pues cualquier otro producto

0 0 a43 0
tendrá alguno de sus factores distinto de estos y, en consecuencia, será 0 . De manera similar son inmediatos
los dos resultados recogidos en la proposición siguiente.
Proposición 73.-

1.- Si A es una matriz que tiene una fila o una columna de ceros, entonces |A| = 0 .
2.- Si A es una matriz triangular superior o triangular inferior, |A| es el producto de los elementos de la
diagonal principal, es decir, |A| = a11 a22 · · · ann . (En todos los demás productos elementales aparece al
menos un 0: si hay algún elemento por encima de la diagonal, hay alguno por debajo.)

1.4.1 Determinantes y operaciones elementales

Teorema 74.- Sea An×n una matriz. Se tiene que:

a) si A0 es la matriz obtenida al multiplicar una fila de A por un valor λ 6= 0 , entonces det(A0 ) = λ det(A)
b) si A0 es la matriz resultante de intercambiar dos filas de A, entonces det(A0 ) = − det(A)
c) si A0 es la matriz que resulta de sumar a la fila k un múltiplo de la fila i, entonces det(A0 ) = det(A)

Corolario 75.- Una matriz con dos filas iguales tiene determinante cero.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
35 – Matemáticas 1 : Álgebra Lineal 1.4 Determinante de una matriz cuadrada.

Corolario 76.-

a) Si la matriz elemental E resulta de multiplicar una fila de I por k ∈ R, entonces det(E) = k det(I) = k
b) Si la matriz elemental E resulta de intercambiar dos filas de I , entonces det(E) = − det(I) = −1
c) Si E resulta de sumar a una fila k un múltiplo de la fila i de I , entonces det(E) = det(I) = 1

1.4.1.1 Cálculo de determinantes por reducción a la forma escalonada

El teorema anterior nos ofrece la posibilidad de calcular el determinante de una matriz usando el método de
Gauss. Si tenemos que Ek · · · E2 E1 A = R , donde R es la matriz escalonada que se obtiene al aplicar el método
de Gauss, se tiene que

det(R) = det(Ek Ek−1 Ek−2 · · · E1 A) = δk det(Ek−1 Ek−2 · · · E1 A)


= δk δk−1 det(Ek−2 · · · E1 A) = · · · = δk δk−1 δk−2 · · · δ1 det(A),

donde δi es k , −1 ó 1 , según la operación elemental que represente Ei . Luego


1
det(A) = δ1 · · · δ1k det(R) = 1
δ1 · · · δ1k r11 r22 · · · rnn

pues R es una matriz triangular superior (recordar observación 66 de pág. 33) y det(R) = r11 r22 · · · rnn .

1.4.2 Otras propiedades del determinante

Teorema 77.- Si A y B son matrices cuadradas de orden n , entonces

det(AB) = det(A) · det(B) .

Teorema 78.- Sea An×n entonces, A es inversible ⇐⇒ det(A) 6= 0 .


Demostración:
Si A es inversible I = AA−1 , luego det(I) = det(AA−1 ) = det(A) det(A−1 ) , pero al ser det(I) = 1 6= 0 ,
necesariamente ha de ser det(A) 6= 0 .
Si A no es inversible, por la parte 3 de la demostración del Teorema 77 (Anexo 0, pág. 77), se tiene que
det(AI) = 0 = det(A) det(I) y como det(I) = 1 , debe ser det(A) = 0 .

−1
Corolario 79.- Si A es inversible, A−1 = |A| .

Teorema 80.- Si A es una matriz cuadrada, entonces |At | = |A| . .

1.4.3 Desarrollo por cofactores

Definición 81.- Sea A una matriz cuadrada, llamaremos menor del elemento aij , y lo denotaremos por
Mij , al determinante de la submatriz que se forma al suprimir en A la fila i y la columna j . Al número
(−1)i+j Mij lo llamaremos cofactor del elemento aij y lo denotaremos por Cij .

Ejemplo A partir de la matriz A de abajo, construimos los cofactores C21 , eliminando la fila 2 y la columna
1, y C34 , eliminando la fila 3 y columna 4 :
 
0 −1 2 5 0 −  

 −  5

 1 2 0 −2  2+1 1 2
0 −2 3+4    −2

A=   −→ C21 = (−1) C34 = (−1)
2 −1 1 3 
2 −  

2 −1 1 3

0 2 4 −2 0   −    −2

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
36 – Matemáticas 1 : Álgebra Lineal 1.4 Determinante de una matriz cuadrada.

Teorema 82.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada fila 1 ≤ i ≤ n y para cada columna 1 ≤ j ≤ n :

det(A) = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin y det(A) = a1j C1j + a2j C2j + · · · + anj Cnj .

Ejemplo a a a
11 12 13

= a21 (−1)2+1 a12 a13 + a22 (−1)2+2 a11 a13 + a23 (−1)2+3 a11 a12

a21 a22 a23
a32 a33 a31 a33 a31 a32
a31 a32 a33

1+3 a21 a22 + a23 (−1)2+3 a11 a12 + a33 (−1)3+3 a11 a12

= a13 (−1) a31 a32 a31 a32 a21 a22

Corolario 83.- Si desarrollamos una fila de una matriz A por los cofactores de otra distinta, el resultado es
cero; es decir,
ai1 Cj1 + ai2 Cj2 + · · · + ain Cjn = 0, si i 6= j .
Idéntico resultado para las columnas.

Demostración:
Es claro, pues si en A hacemos la fila j igual a la fila i , la matriz obtenida A0 tiene determinante cero y
0 = |A0 | = a0j1 Cj1
0
+ a0j2 Cj2
0
+ · · · + a0jn Cjn
0
= ai1 Cj1 + ai2 Cj2 + · · · + ain Cjn

Definición 84.- Dada una matriz A cuadrada de orden n , llamaremos matriz de cofactores de A a la
matriz que tiene por elementos los cofactores de A, C = (Cij ) , y llamaremos matriz adjunta de A a la
matriz de cofactores traspuesta, Adj(A) = C t .

Nota: También es usual utilizar las denominaciones de menor adjunto para el cofactor y matriz adjunta para la
matriz de cofactores (sin trasponer). En este caso, los resultados son idénticos a los que aquı́ se presentan con
la única consideración a tener en cuenta es que donde aparece Adj(A) tendrá que aparecer Adj(A)t .

Teorema 85.- Si A es una matriz inversible, entonces A−1 = 1


|A| Adj(A) .

Demostración:
Adj(A)
Si probamos que A · Adj(A) = |A|I entonces, como |A| 6= 0 , será A |A| = I y A−1 = 1
|A| Adj(A) . En
efecto, aplicando el teorema 82 y el corolario 83 anteriores,
    
a11 a12 · · · a1n C11 C21 · · · Cn1 |A| 0 · · · 0
 a21 a22 · · · a2n   C12 C22 · · · Cn2   0 |A| · · · 0 
A · Adj(A) = AC t =  .  =  ..  = |A| · I
    
.. . . ..   .. .. . . . .. . . .
 .. . . .  . . . ..   . . . .. 
an1 an2 · · · ann C1n C2n · · · Cnn 0 0 · · · |A|

Ejemplo  t
5 −4
− 4 −4 4 5


   −2 −1 −3 −1 −3 −2   
1 2 3   −13 −4 −23
1  − 2 3 1 3 − 1 2  = 1  16 8 16 
A−1

A =  4 5 −4  ; =
|A|  −2 −1
 −3 −1

−3 −2
 40
−3 −2 −1  2 3

1 3

1 2

 7 −4 −3

5 −4 −
4 −4 4 5

Regla de Cramer 86.- Sea AX = B , un sistema de n ecuaciones con n incógnitas, tal que A es inversible,
entonces el sistema tiene como única solución:

b1 a12 · · · a1n a11 b1 · · · a1n a11 a12 · · · b1

b2 a22 · · · a2n a21 b2 · · · a2n a21 a22 · · · b2

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

.
. . .

.
. . .
bn an2 · · · ann an1 bn · · · ann an1 an2 · · · bn
x1 = , x2 = , . . . , xn = . .
|A| |A| |A|

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
37 – Matemáticas 1 : Álgebra Lineal 1.4 Determinante de una matriz cuadrada.

1.4.4 Rango de una matriz

Definición 87 (Segunda definición del rango).- Se llama rango de una matriz Am×n , rang(A) ó rg(A) ,
al máximo orden que resulta de considerar todas las submatrices cuadradas que pueden formarse eliminando
filas y columnas completas de A y cuyo determinante sea distinto de cero.
Del determinante de una submatriz cuadrada de orden r de A, formada eliminando filas y columnas com-
pletas, de suele decir que es un menor de orden r de A, por analogı́a a la denominación dada en la definición
81 a los menores de un elemento.
Resulta evidente que para Am×n , se tiene rg(A) ≤ min{m, n} . Esta nueva definición de rango de una matriz
es equivalente a la dada anteriormente:
“el rango de una matriz es el número de filas distintas de cero que aparecen en alguna de las formas
escalonadas de la matriz”,

puesto que el menor formado con las filas y columnas que contienen a los elementos principales de la matriz
escalonada es distinto de 0, y cualquier menor de orden mayor es cero.
Corolario 88.- Si A es una matriz, rg(A) = rg(At ) .
Demostración:
De la nueva definición de rango y de |M | = |M t | para cualquier submatriz cuadrada de A .

Proposición 89.- Sea A una matriz m×n , entonces


a) Si existe un menor de orden r distinto de cero el rg(A) ≥ r .
b) Si todos los menores de orden r son cero el rg(A) < r .
Demostración:

a) es claro, pues como r es el orden de un menor distinto de cero, el máximo de los órdenes de los menores
distintos de cero es al menos r .
b) Si todos los menores de orden r son cero, como un menor de orden r + 1 puede descomponerse como
suma de menores de orden r por constantes, todos los menores de orden r + 1 son cero y, también todos
los menores de orden mayor. Luego rg(A) < r

En una matriz m×n , el número de menores de orden r que podemos formar puede ser muy alto, de hecho es
m n m! n!
= ,
r r r!(m − r)! r!(n − r)!

es decir, todas las posibles elecciones de r filas de entre las m y de r columnas de entre las n . Por tanto, para
ver que una matriz tiene rango menor que r usando los menores, hemos de comprobar que cada uno de los
m! n!
r!(m−r)! r!(n−r)! menores son cero. Sin embargo, el coste de la evaluación por menores, puede reducirse usando
el siguiente resultado:
Orlado de menores 90.- Sea Am×n una matriz, y Mr×r una submatriz de A con determinante distinto de
cero. Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A
añadiendo una fila y una columna a M son cero, el rango de A es r . .
Este resultado nos indica el método –conocido como “orlado de menores”– para encontrar el rango de una
matriz usando los menores:

“Buscamos un menor de orden uno distinto de cero: si no existe rg(A) = 0 ; si existe M1 6= 0


entonces rg(A) ≥ 1 , y buscamos un menor de orden 2 distinto de cero de entre los que “orlan” al
anterior : si todos ellos son cero, por el resultado anterior, el rg(A) = 1 ; si algún M2 6= 0 entonces
rg(A) ≥ 2 , y buscamos un menor de orden 3 distinto de cero de entre los que orlan a M2 : si no
existe rg(A) = 2 , y si existe M3 6= 0 entonces rg(A) ≥ 3 , y buscamos . . . .”

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
38 – Matemáticas 1 : Álgebra Lineal 1.5 Ejercicios

1.5 Ejercicios
1.34 Sean las matrices
     
3 0     1 5 2 6 1 3
4 −1 1 4 2
A =  −1 2  B= C= D =  −1 0 1  E =  −1 1 2 
0 2 3 1 5
1 1 3 2 4 4 1 3

a) Calcular cuando se pueda: 3C − D , (AB)C , A(BC) , ED , DE , (4B)C + CA y CA + B 2 .


Indicar porqué no es posible en los otros casos.
b) Calcular, haciendo el menor número de operaciones posible, la fila 1 de CA, la columna 2 de CD y
los elementos 23 y 12 de la matriz CDE .
c) Hallar para cada una de ellas una matriz escalonada e indicar cual es su rango.
 
1 2 3
1.35 Encontrar las operaciones elementales en las filas que llevan la matriz  0 1 2  a una matriz escalonada.
1 0 3
Construir una matriz elemental para cada operación y comprobar que al multiplicar por esas matrices
(Teorema 50) se obtiene esa matriz escalonada

x + 2y − z − t = 0 
1.36 Considerar el sistema x + z − t = −2 (1)
−x + 2y − 3z + t = 4

a) ¿ (−2, 2, 2, 0) y (1, 0, −1, 2) son solución del sistema (1)?


b) Encontar todas las soluciones de (1)

x − y + z − t = −3
c) Encontar todas las soluciones del sistema (2)
x + 6y − 5z − t = 4
d) ¿Qué soluciones de (1) son también solución de (2)? ¿Tiene (2) alguna solución que no lo sea de (1)?

1.37 Escribir los sistemas como operaciones matriciales AX = B , estudiar si tienen solución (Th. de Rouché 58)
y resolverlos
 
  2x + 4y = 18 x + 2y − z + t = 0
2x + 3y = −1

a) b) 4x + 5y = 24 c) −x + 4y − 5z + 7t = 2
−7x + 4y = 47
3x + y = 4 2x + y + z − 2t = −1
 

x + y + z + t + u = 1 
 x+y+z = 3

 
x+y+z = 2  x + 2y − z = 2

 
2x + 3z = 4
 
d) y−z = 1 e) 2x + y + z = −1 f)
3x + y + 4z = 7
x + 2y = 0 3x + 3y + 2z = −1

  

5x + y + 7z = 9

 
3t − u = 4

1.38 Expresar el sistema con operaciones de matrices AX = B 


a) Usar el método de Guass para comprobar que rg(A) = rg(A|B) e 
 x+y+z+u = 1
x+y+z = −1

indicar de cuantos parámetros dependerá la solución


y−z = 1
b) Completar el método de Gauss-Jordan para resolver el sistema 
 2y +x = 0


c) Expresar la solución según el Th de Rouché (58): X = V0 + t1 V1 
3t − u = 4
d) Comprobar que V0 es solución de AX = B y que V1 lo es de AX = 0

1.39 Para los sistemas del ejercicio 1.37 con solución, expresarla en la forma descrita por el Th de Rouché

1.40 Estudiar el rango de las matrices siguientes en función de los valores de su parámetro:
     
a 2 2 1 1 −1 0 c 1 −2 0
a) 2 a 0 b)  2 1 −1 0  c)  −1 −1 c 1 
1 a a −b 6 3 − b 9 − b 1 1 1 c

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
39 – Matemáticas 1 : Álgebra Lineal 1.5 Ejercicios

1.41 Estudiar cada uno de los sistemas siguientes, según los valores de los parámentros:
 
 x + 2y − z = a  x + 2y + 4z = 1
a) 2x + y + z = 1 − a b) x + 2y + 2az = 2
3x + (1 + a)y + az = 1 − a ax + 4y + 4az = 4a
 

 5x − (a + b)y + 7z = 8+b
 x+y+z = a−3


2x − ay + 3z = 4

c) ax + y = 0 d)
x+y+z = 3
ax + y + az = 0
 

3x − 3y + 4z = 7

1.42 Estudiar y resolver los siguientes sistemas


  
2x + 2y + 4z = 16  2x + 2y + 4z = 2  2x + 2y + 4z = −2 
a) −x − 2y + 3z = 1 b) −x − 2y + 3z = 0 c) −x − 2y + 3z = −2
3x − 7y + 4z = 10 3x − 7y + 4z = 26 3x − 7y + 4z = 0
  

1.43 Usar el método de Gauss para saber cuales de las siguientes matrices tienen inversa y calcularlas:
   
    1 −2 3 −4 0 0 1 2
1 1 3 8 6 −6  −2 3 4 −3  0 1 1 1
a)  3 4 1  b)  6 −1 1  c)   d)  
 3 4 −3 2  1 1 1 0
−1 −1 −1 −4 0 0
−4 −3 2 −1 2 1 0 0
   
1 4   8 6 −6
2 0 0
1.44 Hallar una matriz P tal que:  −2 3  P =  6 −1 1  .
0 1 −1
1 −2 −4 0 0
   
1 5 2 1 2 −2
1.45 Considerar las matrices A =  −1 0 1  y B =  −2 3 −3  .
3 2 4 1 −1 1
a) Hallar todas las matrices columna X3×1 que verifican la igualdad ABX = BAX .
t
b) ¿Los sistemas BX = 0 y B X = 0 tienen las mismas soluciones? Justificar la respuesta.

1.46 Encontrar los coeficientes de las descomposiciones en fraciones simples del ejercicio 0.33 de polinomios:

X 2 +1 X−5 X+5
a) X 4 −6X 3 −16X 2 +54X+63 b) (X−1)(X 3 −1) c) 2X 4 −X 3 −4X 2 +10X−4
X 2 +2 X 3 −3X 2 +X−3 X 5 +3X 4 +3X 3 +3X 2 +2X
d) X 5 +7X 4 +16X 3 +8X 2 −16X−16 e) X 5 +3X 4 +3X 3 +3X 2 +2X f) (X 3 −3X 2 +X−3)3

1.47 Probar que si A es cuadrada, la matriz S = A+At es simétrica y la matriz T = A−At es antisimétrica
Probar que la diagonal principal de T está formada únicamente por ceros
 
1 2 3
1.48 Sea A =  0 1 2  .
1 0 −1

a) Encontar todas las matrices B3×3 tales que AB = 0 .


¿Qué relación tienen estas matrices con las soluciones del sistema AX = 0 ?
b) Encontar todas las matrices C3×3 tales que CA = 0 .
c) Encontar todas las matrices D3×3 tales que AD − DA = 0 .

1.49 Sean A y B matrices cuadradas tales que AB = 0 . Demostrar que si A es inversible entonces B = 0

1.50 Sean A y B matrices cuadradas tales que AB = 0 . Demostrar que si B 6= 0 , entonces A no es inversible.

1.51 Sea A una matriz cuadrada y E una matriz elemental. Comprobar que AE t realiza sobre las columnas
de A la misma operación elemental que hace EA sobre las filas de A (ver el teorema 50 y el ejemplo
siguiente de pág. 28)

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
40 – Matemáticas 1 : Álgebra Lineal 1.5 Ejercicios

 
a b c
1.52 Suponiendo que det(A) = 5 , siendo A =  d e f  , calcular
g h i

d e f −a −b −c a+d b+e c+f a b c

a) g h i
b) 2d 2e 2f c) d e f
d) d−3a e−3b f −3c
a b c −g −h −i g h i 2g 2h 2i

a g h 2a − d d g
h) det(2A−1 ) i) det((2A)−1 )

e) b h e f) 2b − e e h g) det(3A)
c i f 2c − f f i

1.53 Hallar el valor exacto del determinante de la derecha:

0 −2 1 0 1 0
2 2 2 2 2 2
a) Usando únicamente el método de Gauss
3 1 −1 4 −1 1

b) Mediante el desarrollo por cofactores
0 1 0 0 3 0
c) Aplicando simultaneamente ambas técnicas para resolverlo

−1 2 4 0 4 1
más rápida y fácilmente.
1 3 0 0 0 2

1.54 Desarrollar por cofactores para calcular el determinante de las matrices del ejercicio 1.43

1.55 Usar el método de Gauss para calcular el determinante de cada una de las matrices del ejercicio 1.43
 
0 1 −2 0 1 0
 −2 2 2 −2 2 2 
 
 3
1.56 Usar el orlado de menores para calcular el rango de  −1 0 4 −1 0  
 −1 4 2 0 4 −1 
0 6 2 2 6 1

1.57 Usar las propiedades y desarrollos del determinante para resolver las siguientes ecuaciones:


x−2 0 0

x
x 1 0 0
x x x+1 0 0
0 x 1 0
a) x+2 −1 2 =x b) x+2 x−1 x+2 = 3 c) 2 x−1 2 =0 d) =8
x−2 2 −1

x−2 x+2 x−1 −2
0 0 x 1
2 x−1
1 0 0 x

1.58 Sean A y B matrices de orden n tales que A 6= 0 , B 6= 0 y AB = 0 . Probar que det(A) = det(B) = 0 .

1.59 Sea A una matriz antisimétrica de orden n impar. Demostrar que det(A) = 0

1.60 Sea A una matriz cuadrada de orden n tal que la suma de los elementos de cada fila es cero. Demostrar
que A no es inversible
1.61 Calcular los posibles valores del determinante de una matriz ortogonal

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
41 – Matemáticas 1 : Álgebra Lineal

Capı́tulo 2

Espacios vectoriales reales


2.1 Espacios vectoriales
Los conjuntos de vectores del plano, R2 , y del espacio, R3 , son conocidos y estamos acostumbrados a movernos
en sus direcciones (ancho, largo y alto), manejar sus medidas y ángulos. Pero todo eso es reflejo de su fun-
cionamiento, mejor dicho, de la estructura que generan las pautas de su comportamiento y son estas pautas las
que vamos a extraer y fijar para exportar esta estructura tan cómoda y fiable
Definición 91.- Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con
dos operaciones, una que recibe el nombre de suma de vectores y otra que recibe el nombre de producto
por escalares o producto de vectores por números reales, que verifican las siguientes propiedades:

(1) u + v ∈ V ; ∀ u, v ∈ V
(2) u + v = v + u ; ∀ u, v ∈ V
(3) u + (v + w) = (u + v) + w ; ∀ u, v, w ∈ V
(4) Existe un vector, llamado vector cero y denotado por , tal que:  + u = u +  = u ; ∀u ∈ V

(5) Para cada u ∈ V , existe un vector de V , llamado opuesto de u y denotado −u , tal que u + (−u) = 
(6) ku ∈ V ; ∀k ∈ R y ∀u ∈ V
(7) k(u + v) = ku + kv ; ∀ k ∈ R y ∀ u, v ∈ V

(8) (k + l)u = ku + lu ; ∀ k, l ∈ R y ∀ u ∈ V
(9) (kl)u = k(lu) ; ∀ k, l ∈ R y ∀ u ∈ V
(10) 1u = u ; ∀u ∈ V

Ejemplo Los conjuntos Rn , los conjuntos de polinomios reales Rn [X] = {P (X) ∈ R[X] : gr(P ) ≤ n} y los
conjuntos de matrices reales Mm×n = {matrices de tamaño m×n } , con las operaciones usuales en cada uno
de ellos, son espacios vectoriales reales. Por ser los escalares de R se dicen espacios vectoriales reales
Propiedades 92.- Algunas propiedades que se deducen de las anteriores son:

(i) 0u =  (ii) k =  (iii) (−1)u = −u (iv) ku =  ⇐⇒ k = 0 ó u = 


(v) El vector cero de un espacio vectorial es único.
(vi) El vector opuesto de cada vector del espacio vectorial es único. .

2.2 Subespacios vectoriales

Definición 93.- Un subconjunto W de un espacio vectorial V se dice que es un subespacio vectorial de V ,


si W es un espacio vectorial con las operaciones definidas en V .
Como W ⊆ V , todos los vectores de W verifican las propiedades 2 a 5 y 7 a 10, por tanto es suficiente probar
que las operaciones suma y producto por escalares son internas (se mantienen) en W , es decir
Proposición 94.- W ⊆ V es un subespacio vectorial de V si se cumplen las propiedades

( 1∗ ) u + v ∈ W ; ∀ u, v ∈ W (6∗ ) ku ∈ W ; ∀u ∈ W y ∀k ∈ R
Estas dos propiedades son equivalentes a la propiedad única: ku + lv ∈ W ; ∀ u, v ∈ W y ∀ k, l ∈ R

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
42 – Matemáticas 1 : Álgebra Lineal 2.3 Base y dimensión

Nota: Es claro, que si W es un subespacio de V , entonces  ∈ W .

Ejemplo R2 [X] es un subespacio de R4 [X] , pues es un subconjunto suyo y si P (X), Q(X) ∈ R2 [X] , el grado de
kP (X) + lQ(X) es gr(kP + lQ) = max{gr(kP ), gr(lQ)} ≤ max{gr(P ), gr(Q)} ≤ 2 , por lo que está en R2 [X] .
Sin embargo, {P (X) : gr(P ) = 2} no es un subespacio de R4 [X] , por dos razones: primero, porque no contiene
al polinomio cero; y segundo, no verifica la propiedad (1∗ ) ya que X2 y 2X − X2 son polinomios del conjunto
pero su suma X2 + (2X − X2 ) = 2X es un polinomio de grado 1 que no está en el conjunto. 4
Definición 95.- Se dice que un vector v ∈ V es una combinación lineal de los vectores v , v , . . . , vn si, y
sólo si, ∃ c1 , c2 , . . . , cn ∈ R tales que v = c1 v + c2 v + · · · + cn vn .

Definición 96.- Dado un conjunto de vectores S = {v , v , . . . , vk } de un espacio vectorial V , llamaremos


subespacio lineal generado por S y que denotaremos por lin S ó lin{v , v , . . . , vk } , al conjunto de todas
las combinaciones lineales que se pueden formar con los vectores de S :
n o
lin S = lin{v , v , . . . , vk } = c1 v + c2 v + · · · + ck vk : ∀ ci ∈ R
y se dirá que S genera lin S o que los vectores v , v , . . . , vk generan lin S .

Naturalmente lin S es un subespacio vectorial de V , de hecho el más pequeño que contiene a S (Ejer. 2.67)
Definición 97.- Dado un conjunto S = {v , v , . . . , vk } de vectores del espacio vectorial V , la ecuación
vectorial c1 v + c2 v + · · · + ck vk =  tiene al menos una solución, a saber: c1 = c2 = · · · = ck = 0 . Si esta
solución es única, entonces se dice que S es un conjunto linealmente independiente (o que los vectores
de S son linealmente independientes). Si existen otras soluciones, entonces se dice que S es linealmente
dependiente (o que los vectores son linealmente dependientes).

Ejemplo El vector 2X − X2 de R2 [X] está generado por los vectores X − 1 y X2 − 2 


:
 −λ − 2µ = 0
2X − X2 = λ(X − 1) + µ(X2 − 2) = λX − λ + µX2 − 2µ = (−λ − 2µ) + λX + µX2 =⇒ λ=2
µ = −1

luego 2X − X2 = 2(X − 1) + (−1)(X2 − 2) .
Ejemplo Los polinomios X + 2 y X2 de R2 [X] son linealmente independientes: si λ(X + 2) + µX2 = 0 (al
polinomio cero), se tiene que 0 = λ(X + 2) + µX2 = 2λ + λX + µX2 =⇒ 2λ = 0 , λ = 0 y µ = 0 , ya que los
coeficientes de ambos polinomios deben coincidir. 4

Nota: Si los vectores {v , v , . . . , vk } son linealmente dependientes, al menos uno de ellos se puede escribir como
una combinación lineal de los otros; y si son linealmente independientes ninguno de ellos puede ser generado
por los restantes. Tenemos ası́ la siguiente caracterización para la dependencia lineal (Ejer.o 2.68):

“Un conjunto de dos o más vectores es linealmente dependiente si, y sólo si, al menos uno
de los vectores es una combinación lineal de los restantes.”

2.3 Base y dimensión

Lema 98.- Si vn+ = c1 v + · · · + cn vn , entonces lin{v , . . . , vn , vn+ } = lin{v , . . . , vn } .


Es fácil asumir que este resultado es cierto, ya que cualquier combinacion lineal de los n + 1 vectores puede
reconvertirse a una combinación lineal de los n primeros, por simple sustitución. En otras palabras, puede
reducirse el número de generadores mientras haya dependencia lineal, lo que nos lleva a:
Definición 99.- Sean V un espacio vectorial y S un conjunto finito de vectores de V . Diremos que S es una
base de V si:
a) S es linealmente independiente y b) S genera a V

Observación: El lema y comentario anteriores a esta definición nos indican la manera de reducir un conjunto
generador del espacio a una base.
Igualmente, podemos construir una base a partir de un conjunto linealmente independiente de vectores:
si S es linealmente independiente y lin S 6= V , tomando v ∈ V pero que v ∈ / lin S , el conjunto S ∪ {v} es
linealmente independiente (ver el Lema 100 siguiente); y ası́, se añaden vectores a S hasta generar V .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
43 – Matemáticas 1 : Álgebra Lineal 2.3 Base y dimensión

Lema 100.- Si S es un conjunto linealmente independiente de vectores de V y v ∈ V −lin S , entonces S∪{v}


es linealmente independiente. .

De cierta forma, estamos diciendo que una base tiene el menor número posible de generadores y el mayor
número posible de vectores linealmente independientes (ver Lema 101 siguiente); luego ¿no tendrá una base un
número fijo de vectores? La respuesta la proporciona el Lema siguiente y se recoge en el Teorema de la base.

Lema 101.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto {v , v , . . . , vm } de vectores de V, con m > n, es linealmente dependiente. .

Teorema de la base 102.- Todas las bases de un espacio vectorial tienen el mismo número de elementos
Demostración:
La demostración es muy sencilla si tenemos en cuenta el Lema anterior, pues si B1 es una base de n elementos
y B2 es una base de m elementos, por ser B1 base y B2 linealmente independiente, m 6> n y por ser B2 base
y B1 linealmente independiente n 6> m, luego n = m .

Definición 103.- En un espacio vectorial V se llama dimensión de V , dim V , al número de vectores que hay
de cualquier base de V .
El espacio vectorial V = {} diremos que tiene dimensión cero
n o
Ejemplo R2 [X] = P (X) ∈ R[X] : gr(P ) ≤ 2 tiene dimensión 3, pues B = {1, X, X2 } forman una base. En
n o
general, dim(Rn [X]) = n + 1 y B = 1, X, . . . , Xn es una base suya.
n o
Ejemplo 104 Los conjuntos Rn = R×R×· · ·×R = (x1 , . . . , xn ) : xi ∈ R, ∀ i con las operaciones habi-
tuales de suma y producto por escalares
x + y = (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
λx = λ(x1 , . . . , xn ) = (λx1 , . . . , λxn )
son espacios vectoriales con dim Rn = n , ya que cualquier vector x ∈ Rn puede escribirse de la forma
x = (x1 , x2 , . . . , xn ) = x1 (1, 0, . . . , 0) + x2 (0, 1, . . . , 0) + · · · + xn (0, 0, . . . , 1)
y este conjunto de vectores
n o
B = e = (1, 0, . . . , 0), e = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)
es linealmente independiente. A esta base se la denomina base canónica de Rn . 4
Conocer a priori la dimensión de un espacio facilita la obtención de bases:
Proposición 105.- Si V es un espacio vectorial, con dim V = n . Entonces, un conjunto de n vectores de V
es base de V ,
a) si el conjunto es linealmente independiente, o b) si genera a V . .

2.3.1 Coordenadas en una base


Definición 106.- Sean V un espacio vectorial de dimensión finita y B = {v , v , . . . , vn } una base de V . Para
cada vector v ∈ V , se llaman coordenadas de v en la base B a los n únicos números reales c1 , c2 , . . . , cn
tales que v = c1 v + c2 v + · · · + cn vn .
Fijando un orden para los vectores de la base, el vector de Rn , de las coordenadas de v en B se denota
por (v)B = (c1 , c2 , . . . , cn ) y más usualmente por [v]B cuando lo escribimos como vector columna en las
operaciones con matrices: [v]B = (c1 , c2 , . . . , cn )t .

Ejemplo Si B = {v , v , v } es una base de V y v = v − v + 2v , se tiene que


(v)B = (1, −1, 2) (v )B = (1, 0, 0) (v )B = (0, 1, 0) (v )B = (0, 0, 1)
o también 
1
  
1
 
0
 
0
[v]B =  −1  [v ]B =  0  [v ]B =  1  [v ]B =  0  4
2 0 0 1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
44 – Matemáticas 1 : Álgebra Lineal 2.3 Base y dimensión

Nota: Al usar vectores de coordenadas, es imprescindible mantener el orden de los vectores. Si, en el ejemplo an-
terior, tomamos como base B1 = {v , v , v } , tenemos que (v)B1 = (−1, 2, 1) que es un vector de coordenadas
distinto de (v)B = (1, −1, 2) .

Fijada una base, la unicidad de las coordenadas asigna a cada vector de V un único vector de Rn , de manera
que disponer de las coordenadas es, en el fondo, disponer del vector. Además, se cumple (ver ejercicio 2.76):

[v+w]B = [v]B + [w]B y [λv]B = λ[v]B , luego [λ1 v +· · ·+λn vn ]B = λ1 [v ]B + · · · + λn [vn ]B

y con esto, no es dificil probar que (ejer. 2.76):

v ∈ lin{v , . . . , vk } ⊆ V ⇐⇒ [v]B ∈ lin{[v ]B , . . . , [vk ]B } ⊆ Rn


{v , . . . , vk } lin. independiente en V ⇐⇒ {[v ]B , . . . , [vk ]B } lin. independiente en Rn
{v , . . . , vn } base de V ⇐⇒ {[v ]B , . . . , [vn ]B } base de Rn

por lo que se puede trabajar sobre las coordenadas en lugar de sobre los vectores.

2.3.2 Espacios de las filas y las columnas de una matriz


De lo anterior, tenemos que independientemente del espacio vectorial en que nos encontremos, fijada una base,
podemos trasladar todo el trabajo operativo sobre los vectores de Rn ; por lo que resulta muy interesante conocer
esta sección.
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
Definición 107.- Consideremos la matriz Am×n =  . ..  .
 
..
 .. . ... . 
am1 am2 . . . amn
Los m vectores de Rn : r = (a11 , . . . , a1n ) , r = (a21 , . . . , a2n ) , . . . , rm = (am1 , . . . , amn ) , se denominan
vectores fila de A y al subespacio lineal generado por ellos, Ef (A) = lin{r , r , . . . , rm }, espacio de las
filas de A. Por supuesto Ef (A) ⊆ Rn .
Los n vectores de Rm : c = (a11 , . . . , am1 ) , c = (a12 , . . . , am2 ) , . . . , cn = (a1n , . . . , amn ) , se denominan
vectores columna de A y el subespacio lineal generado por ellos, Ec (A) = lin{c , c , . . . , cn } , espacio de
las columnas de A. Por supuesto Ec (A) ⊆ Rm .

Proposición 108.- Si A es una matriz de tamaño m×n , entonces las operaciones elementales sobre las filas
(resp. columnas) de A no cambian el espacio de las filas (resp. columnas) de A.
Demostración:
Claro, puesto que hacer operaciones elementales es hacer combinaciones lineales de los vectores, y el subespacio
lineal generado es el mismo (Ejer. 2.71)

Corolario 109.- Sea A una matriz, entonces:

a) Los vectores no nulos de una forma escalonada de la matriz A , forman una base de Ef (A) .
b) Los vectores no nulos de una forma escalonada de la matriz At , forman una base de Ec (A) .
Demostración:
Basta probar que los vectores no nulos de una forma escalonada son linealmente independientes, pero eso se
comprueba fácilmente ya que debajo de cada elemento principal sólo hay ceros.

Teorema 110.- Sea A una matriz de tamaño m×n , entonces: dim(Ef (A)) = dim(Ec (A)) .
Demostración:
El resultado es inmediato, teniendo en cuenta que rg(A) = rg(At ) , y que el rango coincide con el número de
vectores no nulos en la forma escalonada, ası́ como el resultado anterior.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
45 – Matemáticas 1 : Álgebra Lineal 2.4 Cambios de base

Estos resultados nos permiten usar el método de Gauss, y por lo tanto nos ofrecen un operativo sencillo, para
comprobar cuando un conjunto de vectores es linealmente independiente y para obtener bases.

Ejemplo ¿Los vectores X − 1 , X + 1 y X2 − 1 de R2 [X] son linealmente independientes?


Tomemos la base B = {1, X, X2 } de R2 [X] , entonces formamos por filas la matriz:
       
(X − 1)B −1 1 0 F2 +F1 −1 1 0 F + 1 F −1 1 0
F3 −F1
A =  (X + 1)B  =  1 1 0  −→  0 2 0  3−→ 2 2
 0 2 0
2
(X − 1)B −1 0 1 0 −1 1 0 0 1

Por lo anterior, los vectores fila de la última matriz son linealmente independientes y dim Ef (A) = 3 . En
consecuencia, los tres vectores fila de la matriz A inicial que generan Ef (A) son también base, luego linealmente
independientes y los polinomios del enunciado también son linealmente independientes.
Además, forman una base de R2 [X] (¿por qué?). 4

2.4 Cambios de base


Puesto que las coordenadas están referidas a una base, al cambiar la base de trabajo, habrá que cambiar a las
coordenadas en la nueva base. Pero este proceso puede realizarse fácilmente, teniendo en cuenta lo siguiente:
Definición 111.- Sean B1 = {u , u , . . . , un } y B2 = {v , v , . . . , vn } son bases de un espacio vectorial V .
Recibe el nombre de matriz de transición o matriz de cambio de la base B1 a la base B2 , la matriz de
dimensiones n×n , que por columnas es
 
P = [u ]B2 [u ]B2 ··· [un ]B2 ,

es decir, la columna i-ésima está constituida por las coordenadas en la base B2 , del vector ui de la base B1 .

En otras palabras, la matriz de cambio de base tiene por columnas las coordenadas en la base de llegada de
los vectores de la base de partida.
El porqué la matriz de paso se contruye ası́, puede observarse en la prueba de la proposición siguiente:
Proposición 112.- Sea P la matriz de paso de una base B1 en otra base B2 de un espacio V . Entonces:
1.- ∀ x ∈ V se tiene que [x]B2 = P · [x]B1 .
2.- P es inversible y su inversa, P −1 , es la matriz de paso de la base B2 a la base B1 .
Demostración:
Sea B1 = {u , u , . . . , un } y sea x = c1 u + c2 u + · · · + cn un . Entonces, Apartado 1:
 
c1
  c 
 2
P [x]B1 = [u ]B2 [u ]B2 · · · [un ]B2  . 
 .. 
cn
= c1 [u ]B2 + c2 [u ]B2 + · · · + cn [un ]B2 = [c1 u + c2 u + · · · + cn un ]B2 = [x]B2

Apartado 2: como los vectores de la base B1 son linealmente independientes, sus vectores de coordenadas en
la base B2 también lo son. Luego las columnas de P son vectores linealmente independientes y rg(P ) = n ,
por lo que P es inversible.
Además, [x]B2 = P [x]B1 =⇒ P −1 [x]B2 = P −1 P [x]B1 =⇒ P −1 [x]B2 = [x]B1 y P −1 es la matriz de
cambio de la base B2 en la base B1 .

Ejemplo Consideremos las bases B = {1, X, X2 } y B1 = {X − 1, X + 1, X2 − 1} de R2 [X] .


La matriz de paso de la base B1 a la base B será:
   −1 1 −1

  −1 1 −1 2 2 2
P = [X − 1]B [X + 1]B [X2 − 1]B =  1 1 0  y P −1 =  12 12 1
2

0 0 1 0 0 1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
46 – Matemáticas 1 : Álgebra Lineal 2.5 Espacios vectoriales con producto interior

la matriz de paso de B a B1 .

Ejemplo Consideremos en R3 la base canónica Bc = {e = (1, 0, 0), e = (0, 1, 0), e = (0, 0, 1)} y la base
B1 = {v = (1, 0, −1), v = (2, −1, 1), v = (0, −1, 1)}.
Como v = 1(1, 0, 0) + 0(0, 1, 0) − 1(0, 0, 1) = e − e , se tiene que (v )Bc = (1, 0, −1) ; y lo mismo para los
otros vectores, luego la matriz de paso de la base B1 a la base Bc será:
   −1
  1 2 0 1 2 0
P = [v ]Bc [v ]Bc [v ]Bc =  0 −1 −1  y P −1 =  0 −1 −1 
−1 1 1 −1 1 1

la matriz de paso de la base Bc a la base B1 . 4

Nota: A la vista del ejemplo anterior, obtener las coordenadas de un vector de Rn en la base canónica de Rn
es inmediato, pues (x)Bc = x . Pero ¡ciudado!, al trabajar con vectores de Rn no hay que confundir el vector
con las coordenadas en una base, pues la igualdad anterior únicamente es cierta en la base canónica.

2.5 Espacios vectoriales con producto interior


2.5.1 Producto escalar. Norma. Distancia
Definición 113.- Un producto escalar o producto interior en un espacio vectorial real V es una función
h, i que a cada par de vectores u, v ∈ V le asocia un número real, que denotaremos por hu, vi , de tal manera
que se cumplen las siguientes propiedades:

1.- hu, vi = hv, ui; ∀ u, v ∈ V .


2.- hu + v, wi = hu, wi + hv, wi ; ∀ u, v, w ∈ V .
3.- hku, vi = khu, vi ; ∀ u, v ∈ V y ∀ k ∈ R.

4.- hu, ui ≥ 0 ; ∀ u ∈ V y hu, ui = 0 ⇐⇒ u =  .

Otra propiedades que se deducen de las anteriores son:

1.- h, ui = 0 2.- hu, v + wi = hu, vi + hu, wi 3.- hu, kvi = khu, vi

Ejemplo Considerar en R2 [X] , la función hp(X), q(X)i = p(1)q(1) + p0 (1)q 0 (1) + p00 (1)q 00 (1) .
(1) hp(X), q(X)i = p(1)q(1) + p0 (1)q 0 (1) + p00 (1)q 00 (1)
= q(1)p(1) + q 0 (1)p0 (1) + q 00 (1)p00 (1) = hq(X), p(X)i
     
(2) hp(X) + r(X), q(X)i = p(1) + r(1) q(1) + p0 (1) + r0 (1) q 0 (1) + p00 (1) + r00 (1) q 00 (1)
   
= p(1)q(1)+p0 (1)q 0 (1)+p00 (1)q 00 (1) + r(1)q(1)+r0 (1)q 0 (1)+r00 (1)q 00 (1)
= hp(X), q(X)i + hr(X), q(X)i
(3) hkp(X), q(X)i = kp(1)q(1)
 + kp0 (1)q 0 (1) + kp00 (1)q 00 (1)

= k p(1)q(1) + p0 (1)q 0 (1) + p00 (1)q 00 (1) = khp(X), q(X)i
 2  2  2
(4) hp(X), p(X)i = p(1)p(1) + p0 (1)p0 (1) + p00 (1)p00 (1) = p(1) + p0 (1) + p00 (1) ≥ 0 .
Y, se da la igualdad si y sólo si, p(1) = p0 (1) = p00 (1) = 0 . Entonces, sea p(X) = a + bX + cX2 , de donde
p0 (X) = b + 2cX y p00 (X) = 2c; de las igualdades setiene:
a+b+c=0 
p(1) = p0 (1) = p00 (1) = 0 ⇐⇒ b + 2c = 0 ⇐⇒ a = b = c = 0 ⇐⇒ p(X) = 0 .
2c = 0

Luego tenemos un producto escalar definido en R2 [X] . 4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
47 – Matemáticas 1 : Álgebra Lineal 2.5 Espacios vectoriales con producto interior

A partir de un producto escalar sobre un espacio V se definen los conceptos de norma, distancia y ángulo.
Definición 114.- Si V es un espacio vectorial con producto interior, entonces la norma (o longitud o
módulo) de un vector v ∈ V se denota mediante kvk y se define como
p
kvk = + hv, vi.

La distancia entre dos vectores u y v de V se denota mediante d(u, v) y se define como


p
d(u, v) = ku − vk = + hu − v, u − vi.

Desigualdad de Cauchy-Schwarz 115.- Para todo u, v ∈ V , espacio con producto escalar, se tiene
2 2
hu, vi2 ≤ kuk kvk o en la forma |hu, vi| ≤ kuk kvk . .

Propiedades básicas de la norma 116.- Propiedades básicas de la distancia 117.-


1.- kuk ≥ 0 ; ∀ u ∈ V 1.- d(u, v) ≥ 0 ; ∀ u, v ∈ V
2.- kuk = 0 ⇐⇒ u =  2.- d(u, v) = 0 ⇐⇒ u = v
3.- kkuk = |k| kuk; ∀ u ∈ V y ∀ k ∈ R 3.- d(u, v) = d(v, u) ; ∀ u, v ∈ V

4.- ku+vk ≤ kuk+kvk; ∀ u, v ∈ V 4.- d(u, v) ≤ d(u, w)+d(w, v) ; ∀ u, v, w ∈ V

La prueba de estas propiedades es análoga a la de Propiedades del módulo complejo 9.

2.5.1.1 Matriz del producto escalar

Observación: Sean V un espacio con producto interior y B = {u , . . . , un } una base de V . Tomemos dos
vectores v = a1 u + · · · + an un y w = b1 u + · · · + bn un , entonces

hv, wi = ha1 u + · · · + an un , wi = a1 hu , wi + · · · + an hun , wi


= a1 hu , b1 u + · · · + bn un i + · · · + an hun , b1 u + · · · + bn un i
= a1 hu , u ib1 + · · · + a1 hu , un ibn + · · · + an hun , u ib1 + · · · + an hun , un ibn
  
hu , u i · · · hu , un i b1
= a1 · · · an 
 .. .. ..   ..  t
. . .   .  = (v)B Q [w]B = [v]B Q [w]B
hun , u i · · · hun , un i bn

luego, fijada una base, un producto interior se puede obtener a partir de las coordenadas en la base.

Definición 118.- Sea B base de un espacio V con producto interior. Se llama matriz métrica (o de Gram)
del producto escalar asociada a la base B , a la matriz Q tal que hu, vi = [u]tB Q [v]B para cada u, v ∈ V

Observaciones Por cumplise las propiedades 2 a y 3 a del producto escalar se puede construir la matriz Q ;
por las propiedades 1 y 4 (1 a parte), la matriz Q debe de ser simétrica y tener los elementos de la diagonal
positivos.
Y por la propiedad 4 (2 a parte) debe cumplirse que hu, ui = [u]tB Q [u]B > 0 para todo u ∈ V − {} . Una
matriz simétrica compliendo esto último se dice matriz definida positiva (ver Tema 5 de Formas cuadráticas).

Criterio de Sylvester 119.- Una matriz simétrica S es definida positiva


si y solo si son positivos los menores
s11 · · · s1k
s11 s12
.. . .

.. > 0
|a11 | > 0 >0 · · · . ··· |S| > 0
. .

s21 s22
sk1 · · · skk

Nota: De lo anterior, para comprobar si una expresión dada h, i es un producto escalar, basta comprobar que
se cumplen las propiedades 2 y 3, construir la matriz Q referida a una base y comprobar si esta es simétrica, y
en ese caso ver si es también definida positiva con el Criterio de Sylvester 119 anterior.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
48 – Matemáticas 1 : Álgebra Lineal 2.5 Espacios vectoriales con producto interior

Proposición 120.- Sea V un espacio con producto escalar. Si Q1 es la matriz métrica del producto escalar en
la base B1 , Q2 la matriz métrica en la base B2 y P la matriz de paso de B2 a B1 , entonces: Q2 = P t Q1 P
Demostración:
Sabemos que hx, yi = [x]tB1 Q1 [y]B1 y P [v]B2 = [v]B1 , con lo que sustituyendo la tercera igualdad en la
primera
hx, yi = [x]tB1 Q1 [y]B1 = (P [x]B2 )t Q1 (P [y]B2 ) = [x]tB2 P t Q1 P [y]B2 ∀ x, y
pero como también se cumple hx, yi = [x]tB2 Q2 [y]B2 , debe ser Q2 = P t Q1 P

Definición 121.- Dos matrices simétricas A y A0 son congruentes, si existe P inversible tal que A0 = P t AP

2.5.1.2 El espacio euclı́deo n-dimensional Rn

Definición 122.- En el espacio vectorial Rn , la función que a cada x, y ∈ Rn le asocia


n
P
hx, yi = x · y = (x1 , . . . , xn ) · (y1 , . . . , yn ) = x1 y1 + · · · + xn yn = xi yi
i=1
es un producto interior que se conoce como producto escalar euclı́deo o producto euclı́deo (ya usado en R2
y R3 ). Que da lugar a la norma y distancia euclı́deas, ya conocidas:
√ p p
kxk = x · x = x21 + · · · + x2n y d(x, y) = kx − yk = (x1 − y1 )2 + · · · + (xn − yn )2
Y llamaremos espacio euclı́deo n -dimensional a Rn con el producto escalar euclı́deo.

Nota: También se suele denominar de manera genérica como Espacio euclı́deo a cualquier espacio vectorial
con un producto interior, pero como ya hemos dicho nosotros reservaremos esta denominación para Rn con el
producto euclı́deo. Intentamos evitar cualquier tipo de dualidad.
De la misma manera reservamos la notación x · y para el producto euclı́deo, remarcando ası́ con hx, yi que
vamos a usar un producto escalar que no es el euclı́deo.
Observación: En Rn con el producto euclı́deo, la matriz métrica en la base canónica es la identidad. Pero
también al revés, cuando la matriz métrica sea la identidad cualquier producto interior se reduce al producto
euclı́deo de las coordenadas; y esto ocurre precisamente para las bases ortonormales que se estudimos a contin-
uación

2.5.2 Ortogonalidad

Definición 123.- Si u y v son vectores distintos de cero de un espacio con producto interior, como consecuencia
hu,vi
de la desigualdad de Cauchy-Schwarz se tiene que −1 ≤ kukkvk ≤ 1 y, por tanto, existe un único ángulo, θ ,
tal que
hu, vi
cos θ = , con 0 ≤ θ ≤ π
kuk kvk

Definición 124.- En un espacio vectorial con producto interior, dos vectores u y v se dicen que son ortogo-
nales si hu, vi = 0 . Suele denotarse por u ⊥ v .
Si u es ortogonal a todos los vectores de un conjunto W , se dice que u es ortogonal a W .
Se dice que S = {v , v , . . . , vk } es un conjunto ortogonal si los vectores son ortogonales dos a dos, es
decir, si vi ⊥ vj para todo i 6= j .

Ejemplo Los vectores de la base canónica de R3 con el producto escalar euclı́deo son ortogonales entre si,
pero no lo son si el producto interior definido es: hv, wi = v1 w1 + v1 w2 + v2 w1 + 2v2 w2 + v3 w3 . (Pruébese
que es un producto interior). En efecto: he , e i = h(1, 0, 0), (0, 1, 0)i = 0 + 1 + 0 + 0 + 0 = 1 6= 0 . 4

Nota: Si dos vectores son ortogonales, el ángulo que forman es de π2 radianes (los famosos 90 grados). De hecho,
en Rn con el producto escalar euclı́deo, la ortogonalidad coincide con la perpendicularidad.
Una curiosidad:
Teorema general de Pitágoras 125.- Si u y v son dos vectores ortogonales de un espacio vectorial con pro-
ducto interior, entonces
2 2 2
ku + vk = kuk + kvk .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
49 – Matemáticas 1 : Álgebra Lineal 2.5 Espacios vectoriales con producto interior

Este resultado, de fácil comprobación, se reduce en R2 con el producto escalar al Teorema de Pitágoras.
También es sencillo probar el resultado siguiente (ver ejercicio 2.83):
Proposición 126.- Si w ⊥ {v , v , . . . , vk } , entonces w ⊥ lin{v , v , . . . , vk } .

Mucho más interesante es el siguiente, que relaciona ortogonalidad e independencia:


Teorema 127.- Si S = {v , v , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos, entonces
S es linealmente independiente. .

2.5.2.1 Bases ortonormales. Proyección ortogonal

Definición 128.- Sean V un espacio vectorial de dimensión n con producto interior. Se dice que la base
B = {v , v , . . . , vn } es una base ortonormal de V , si B es un conjunto ortogonal y kvi k = 1 , ∀ i.
n   o
√1 , √1 , √ −1 √1
Ejemplo Las bases canónica y B1 = 2 2 2
, 2
son ortonormales en R2 con el producto escalar

euclı́deo. La base B2 = {(2, 0), (0, − 2)} es ortonormal para el producto interior hx, yi = x14y1 + x22y2 . 4

Teorema 129.- Si B = {v , v , . . . , vn }es una base ortonormal para  un espacio V con producto escalar,
entonces ∀ v ∈ V se tiene que (v)B = hv, v i, hv, v i, . . . , hv, vn i . Es decir,
v = hv, v iv + hv, v iv + · · · + hv, vn ivn ,
Demostración:
Si v = c1 v + · · · + ci vi + · · · + cn vn , para cada i, se tiene que

hv, vi i = hc1 v + · · · + ci vi + · · · + cn vn , vi i
2
= c1 hv , vi i + · · · + ci hvi , vi i + · · · + cn hvn , vi i = ci hvi , vi i = ci kvi k = ci

Es decir, en una base ortonormal, la obtención de cordenadas es más sencilla. Y no sólo eso:
Teorema 130.- Si P es la matriz de paso de una base ortonormal B1 a otra base ortonormal B2 , entonces
P es una matriz ortogonal (es decir, P −1 = P t ).
La prueba es puramente operativa, con la definición y el apartado b) del ejer. 2.86 (ver también ejer. 2.91).
Definición 131.- Sean V un espacio con producto escalar, W subespacio de V y B = {w , w , . . . , wk } base
ortonormal de W . Para cada v ∈ V , llamaremos proyección ortogonal de v sobre W al vector de W
ProyW (v) = hv, w iw + hv, w iw + · · · + hv, wk iwk .
Al vector v−ProyW (v) se le llama componente ortogonal de v sobre W .
La proyección ortogonal no depende la base ortonormal elegida, es decir, tomando otra se obtiene lo mismo. La
prueba puede encontrarse en el Anexo, pág. 49, tras la demostración del Lema 132 siguiente.
Lema 132.- Sean V un espacio vectorial con producto interior, W subespacio de V y B base ortonormal de
W . Entonces para cada v ∈ V , el vector v− ProyW (v) es ortogonal a W . .

Base ortonormal mediante Gram-Schmidt


El siguiente teorema prueba la existencia de bases ortonormales para cualquier producto escalar, y no solo eso
sino que la prueba es un método de construcción de esa base ortonormal.
Proceso de ortonormalización de Gram-Schmidt 133.- Sean V un espacio vectorial con producto interior y
de dimensión n . Vamos a describir este proceso que construye a partir de una base B = {v , v , . . . , vn } una
base ortonormal B ∗ = {u , u , . . . , un } .
Demostración:

v
1 a etapa.- Como v 6=  por ser de B , el vector u = tiene norma 1 y lin{u } = lin{v }.
kv k

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
50 – Matemáticas 1 : Álgebra Lineal 2.5 Espacios vectoriales con producto interior

2 a etapa.- Sea W1 = lin{u }, por el Lema anterior, el vector v −ProyW1 (v ) es ortogonal a W1 , en particular
a u , y es distinto del vector  pues ProyW1 (v ) ∈ W1 y v ∈/ W1 = lin{v } , entonces tiene que

v − ProyW1 (v ) v − hv , u iu


v − ProyW (v ) = kv − hv , u iu k ∈ lin{v , v }
u =
1

es ortogonal a u y tiene norma 1. Además, lin{u , u } = lin{v , v } .


3 a etapa.- Sea ahora W2 = lin{u , u }, como antes, el vector v −ProyW2 (v ) es ortogonal a W2 , en particular
a u y u , y es distinto del vector  , pues ProyW2 (v ) ∈ W2 y v ∈/ W2 = lin{v , v }, entonces se tiene que

v − ProyW2 (v ) v − hv , u iu − hv , u iu


v − ProyW (v ) = kv − hv , u iu − hv , u iu k ∈ lin{v , v , v }
u =
2

es ortogonal a u y u , y tiene norma 1. Además, lin{u , u , u } = lin{v , v , v }.


n a etapa.- Con la repetición del proceso se ha construido un conjunto ortonormal de n vectores no nulos,
B ∗ = {u , u , . . . , un }, tal que lin B ∗ = lin B = V . Luego B ∗ es una base ortonormal de V .

Ejemplo En R4 con el producto euclı́deo, hx, yi = x · y , transformar


n o
B = v = (1, 1, 1, 1), v = (−1, −1, 0, 2), v = (0, 1, −2, 1), v = (−1, 0, 1, 1)

en una base ortonormal


v
? u = kv k = ( 12 , 12 , 12 , 12 ) y W1 = lin{u }

v −ProyW (v ) v − hv ,u iu
? u = 1 =  = √1 (−1, −1.0, 2) y W2 = lin{u , u }
v −ProyW (v ) v − hv ,u iu 6

1


v −ProyW (v ) v − hv ,u iu +hv ,u iu
? u = 2 =  = √ 6 ( 1 , 7 , −2, 4 ) y W3 = lin{u , u , u }
v −ProyW (v )

v − hv ,u iu +hv ,u iu 210 6 6 6
2


v −ProyW (v ) v − hv ,u iu +hv ,u iu +hv ,u iu
? u = 3
=  = √1 (−9, 7, 3, −1)
4

v −ProyW (v ) v − hv ,u iu +hv ,u iu +hv ,u iu 2 35

3

Observación El cálculo de la base ortonormal mediante el proceso de Gram-Schmidt es simple, es algorı́tmico


luego basta seguir los pasos indicados, pero muy laborioso.
Si buscamos sólo dos o a lo sumo tres vectores ortogonales a veces puede hacerse por simple inspección u
obligando a que cumplan las condiciones de ortogonalidad y resolviendo los sistemas resultantes; basta ahora
con normalizar los vectores para tener la base. Menos sistemático pero válido.

Hay otro proceso que también construye una base ortogonal a partir de otra dada, pero que usa las matrices
métricas. Consiste en obtener la matriz métrica identidad a partir de la matriz métrica de la base dada.

Base ortonormal mediante operaciones elementales


Para un producto escalar dado, la matriz métrica referida a una base ortonormal es la identidad (referida a
una base ortogonal es diagonal). Este hecho y la Proposición 120 nos proporcionan la idea de buscar una base
ortonormal buscando una matriz de cambio de base de manera que P t QP = I .
El proceso de que hablamos, se basa de nuevo en hacer operaciones elementales sobre la matriz. La idea del
método es la siguiente: haciendo operaciones elementales en las filas de la matriz podemos conseguir una matriz
triangular inferior, pero como necesitamos que la matriz obtenida sea simétrica (debe ser congruente con la
anterior, seguir siendo una matriz métrica), después de cada operación que hagamos en las filas repetiremos la
misma operación sobre las columnas. Tras cada doble paso (operacion sobre las filas y misma operación sobre
las columnas) la matriz obtenida seguirá siendo simétrica y congruente con la inicial y, al final del proceso la
matriz obtenida será diagonal.
La justificación no es dificil de entender si usamos las matrices elementales que representan a cada operación el-
emental (ver la subsección 1.2.1 sobre matrices elementales en la página 28), pues: si E es una matriz elemental
obtenida de realizar una aplicación elemental sobre I , al multiplicar EA se tiene la matriz resultante de realizar

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
51 – Matemáticas 1 : Álgebra Lineal 2.6 Ejercicios

la misma operación elemental de E sobre las filas de A (Th.209) y si multiplicamos a la traspuesta de A, EAt
realiza la operación sobre las columnas de A . Entonces: la matriz E(EA)t realiza la operación sobre las colum-
nas de la matriz en la que ya hemos realizado la operación de las filas; pero como E(EA)t = EAt E t = EAE t
(por ser A simétrica), esta matriz es simétrica y congruente con A (pues E es inversible). Luego repitiendo el
proceso hasta obtener una matriz diagonal y haciendo 1 los elementos de la diagonal:

I = Ek Ek−1 · · · E1 A E1t · · · Ek−1


t
Ekt = (Ek Ek−1 · · · E1 ) A (Ek Ek−1 · · · E1 )t = P t A(P t )t = P t AP

que será congruente con A pues P es inversible al ser producto de inversibles.


Diagonalización congruente mediante operaciones elementales 134.- Ampliamos la matriz A con la iden-
tidad, (A | I) y efectuamos en A y en I las operaciones elementales en las filas para escalonar A y repetimos
cada operación en las columnas de A, al cabo de un número finito de pasos obtendremos (D | P t )

Nota: Construimos ası́ una matriz congruente diagonal, que se corresponde con una base ortogonal. Basta
ahora con hacer 1 los elementos de la diagonal para obtener la base ortonormal.

Ejemplo 135 Sea hx, yi = 2x1 y1 + 2x1 y2 + 3x2 y2 + 2x2 y1 + x2 y3 + x3 y2 + 4x3 y3 un producto escalar sobre
R3 . Obtener una base ortonormal  
2 2 0
La matriz métrica en la base canónica es S =  2 3 1  , luego para obtener una matriz congruente con S
0 1 4
que sea la identidad, hacemos el proceso de (S|I) → (I|P t ) . Detallamos los pasos ha dar:
     
2 2 0 1 0 0 F2 −F1 2 0 0 1 0 0 F3 −F2 2 0 0 1 0 0
C2 −C1 C3 −C2
(S|I) =  2 3 1 0 1 0  −→  0 1 1 −1 1 0  −→  0 1 0 −1 1 0 
0 1 4 0 0 1 0 1 4 0 0 1 0 0 3 1 −1 1
1
√ F1  1
 √3 F3 
1 0 0 √12 0 0 1 0 0 √12 0 0
2

√1 C √1 C
1 3
0  = (I|P t )
2 3
−→  0 1 0 −1 1 0  −→  0 1 0 −1 1
0 0 3 1 −1 1 0 0 1 √3 − √3 √13
1 1

√1
−1 √13
 
2
Tenemos entonces la matriz identidad y la matriz, P =  0 1 − √13  , de paso de la base ortonormal
 
0 0 √13
n o
B∗ = ( √12 , 0, 0), (−1, 1, 0), ( √13 , − √13 , √13 ) a la canónica, que verifican que P t SP = I . 4

2.6 Ejercicios
2.62 Determinar si son espacios vectoriales los siguientes conjuntos:
a) R2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y k(x, y) = (2kx, 2ky) .
b) A = {(x, 0) : x ∈ R} con las operaciones usuales de R2 .
c) R2 con las operaciones: (x, y) + (x0 , y 0 ) = (x + x0 + 1, y + y 0 + 1) y k(x, y) = (kx, ky) .
d) El conjunto de los números reales estrı́ctamente positivos, R+ −{0} , con las operaciones: x+x0 = xx0
y kx = xk .
2.63 ¿Cuáles de los siguientes conjuntos son subespacios vectoriales de R3 ó R4 ?

a) {(a, 1, 1) ∈ R3 : a ∈ R} ⊆ R3 b) {(a, b, c) ∈ R3 : b = a + c} ⊆ R3
c) {(a, b, c, d) ∈ R4 : a + 2d = 7} ⊆ R4 d) {(a, b, c, d) ∈ R4 : ba = 0} ⊆ R4

2.64 Sean v = (2, 1, 0, 3) , v = (3, −1, 5, 2) y v = (−1, 0, 2, 1) vectores de R4 . ¿Cuáles de los vectores
(2, 3, −7, 3) , (0, 0, 0, 0) , (1, 1, 1, 1) y (−4, 6, −13, 4) , están en lin{v , v , v } ?

2.65 ¿Para qué valores reales de λ los vectores v = (λ, −1 −1 −1 −1 −1 −1


2 , 2 ) v = ( 2 , λ, 2 ) y v = ( 2 , 2 , λ) forman
3
un conjunto linealmente dependiente en R ?

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
52 – Matemáticas 1 : Álgebra Lineal 2.6 Ejercicios

2.66 Dados tres vectores linealmente independientes u , v y w , demostrar que u + v , v + w y w + u son


también linealmente independientes.
2.67 Sea V un espacio vectorial y S = {v , . . . , vk } un conjunto de vectores de V . Probar que:

a) lin S es un subespacio vectorial de V .


b) Si W es un subespacio de V que contiene a los vectores de S , entonces lin S ⊆ W .

2.68 Probar que si los vectores v , . . . , vk son linealmente dependientes, al menos uno de ellos se puede
escribir como una combinación lineal de los restantes.
2.69 Determinar la dimensión de los siguientes subespacios de R4 :
a) Todos los vectores de la forma (a, b, c, 0) .
b) Todos los vectores de la forma (a, b, c, d) con d = a + b y c = a − b.
c) Todos los vectores de la forma (a, b, c, d) con a = b = c = d .

2.70 Probar que los vectores solución de un sistema no homogéneo compatible, AX = B , de m ecuaciones con
n incógnitas no forman un subespacio de Rn . ¿Qué ocurre si el sistema es homogéneo, es decir, si B = 0 ?
n o
2.71 Sea W = lin v , v , v . Probar que, para λ 6= 0 , se cumple:
n o n o n o
a) lin v + λv , v , v = W b) lin λv , v , v = W c) lin v , v , v = W

2.72 Sean E y F subespacios de un espacio V . Probar que: E ∩ F = {v ∈ V : v ∈ E y v ∈ F } es un


subespacio de V .
2.73 Considerar en R4 los conjuntos de vectores:
A = {(1, 2, −1, 3), (0, 1, 0, 3)} B = {(1, −1, 1, 0), (2, 3, 1, 2), (0, 0, 0, 1)}
a) Hallar las dimensiones de lin(A) y de lin(B) , y encontrar una base
b) Hallar las ecuaciones paramétricas de lin(A) y de lin(B) .
c) Hallar las ecuaciones cartesianas de lin(A) y de lin(B) .
d) Hallar la dimensión de lin(A) ∩ lin(B) .

2.74 Consideremos en el espacio vectorial R3 la base B = {u , u , u } . Sea E el subespacio engendrado por
los vectores
v = u + 3u , v = 2u − 3u + u , v = 4u − 3u + 7u .
Sea F el subespacio engendrado por los vectores
w = u + u + u , w = 2u + 3u + 4u , w = 3u + 4u + 5u .
Hallar una base de E , una base de F , el subespacio E ∩ F y una base de E ∩ F .
2.75 Sea M2×2 el espacio vectorial de las matrices cuadradas de orden 2 sobre R y sea E el subconjunto de
 
a b+c
M2×2 formado por las matrices de la forma con a, b, c ∈ R .
−b + c a
a) Demostrar que E es un subespacio vectorial.
     
1 0 0 1 0 1
b) Probar que las matrices A1 = , A2 = y A3 = , forman una base de E .
0 1 −1 0 1 0

2.76 Sea B una base de un espacio vectorial V de dimensión n . Demostrar que el conjunto {v , v , . . . , vn }
es una base de V si, y sólo si el conjunto {[v ]B , [v ]B , . . . , [vn ]B } es una base de Rn .

2.77 En una cierta base {u , u , u , u } de un espacio vectorial V , un vector w tiene por coordenadas
(3, 1, 2, 6) . Hallar las coordenadas de w en otra base {v , v , v , v } cuyos vectores verifican que v =
u +u , v = 2u −u , v = u −u y v = 2u −u .

2.78 En R3 se consideran las bases B = {v = (2, 0, 0), v = (0, −1, 2), v = (0, 0, −3)} y la base canónica
Bc = {e , e , e } . Hallar las coordenadas respecto de la base B del vector x = 4e + e − 5e .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
53 – Matemáticas 1 : Álgebra Lineal 2.6 Ejercicios

2.79 Se consideran en R3 las bases B = {u , u , u } y B 0 = {v , v , v }, siendo


u = (−3, 0, −3) , u = (−3, 2, −1) , u = (1, 6, −1) y
v = (−6, −6, 0) , v = (−2, −6, 4) , v = (−2, −3, 7) .
a) Hallar la matriz de paso de B a B 0 .
b) Calcular la matriz de coordenadas, [w]B , siendo w = (−5, 8, −5) .
c) Calcular [w]B 0 de dos formas diferentes

2.80 Sean u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) . Determinar si hu, vi = u1 v1 − u2 v2 + u3 v3 define un producto


interior en R3 .
2.81 a) Encontrar dos vectores de R2 con norma euclı́dea 1 y cuyo producto euclı́deo con (−2, 4) sea cero
b) Probar que hay infinitos x ∈ R3 con kxk = 1 y el producto euclı́deo x · (−1, 7, 2) = 0
−1
2.82 Sean a = ( √15 , √ 5
) y b = ( √230 , √330 ) . Demostrar que {a, b} es ortonormal si R2 tiene el producto interior
hu, vi = 3u1 v1 + 2u2 v2 donde u = (u1 , u2 ) y v = (v1 , v2 ) , y que no lo es si R2 tiene el producto euclı́deo

2.83 Sea V un espacio con producto interior. Probar que si un vector w es ortogonal a cada uno de los vectores
v , v , . . . , vk entonces es ortogonal a todo el conjunto lin{v , v , . . . , vk }

2.84 Considerar R3 con el producto interior euclideo. Utilizar tanto el proceso de Gram-Schmidt como la
diagonalización congruente para transformar, en cada caso, la base {u , u , u } en una base ortonormal.
a) u = (1, 1, 1) , u = (−1, 1, 0) , u = (1, 2, 1) .
b) u = (1, 0, 0) , u = (3, 7, −2) , u = (0, 4, 1) .

2.85 Sea R3 con el producto escalar hu, vi = u1 v1 + 2u2 v2 + 3u3 v3 . Utilizar tanto el proceso de Gram-Schmidt
como la diagonalización congruente para transformar la base formada por los vectores (1, 1, 1) , (1, 1, 0) y
(1, 0, 0) en una base ortonormal

2.86 Sea B = {v , v , v } una base ortonormal de un espacio V con producto interior. Comprobar que:
2
a) kwk = hw, v i2 + hw, v i2 + hw, v i2 ; ∀w ∈ V .
b) hu, wi = (u)B · (w)B = [u]tB [w]B ; ∀ u, w ∈ V .

2.87 Tomemos en R4 el producto interior euclideo. Expresar el vector w = (−1, 2, 6, 0) en la forma w =


w +w donde, w esté en el subespacio W generado por los vectores u = (−1, 0, 1, 2) y u = (0, 1, 0, 1) ,
y w sea ortogonal a W .
2.88 Suponer que R4 tiene el producto interior euclideo.

a) Hallar un vector ortogonal a u = (1, 0, 0, 0) y u = (0, 0, 0, 1) , y que forme ángulos iguales con los
vectores u = (0, 1, 0, 0) y u = (0, 0, 1, 0) .
b) Hallar un vector x de longitud 1, ortogonal a u y a u , tal que el coseno del ángulo entre x y u
sea el doble del coseno del ángulo entre x y u .

2.89 Hallar la distancia del vector u = (1, 1, 1, 1) de R4 al subespacio generado por los vectores v = (1, 1, 1, 0)
y v = (1, 1, 0, 0) .

2.90 Dados los vectores x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) de R3 , demostrar que la expresión hx, yi =
2x1 y1 + 2x2 y2 + x3 y3 + x1 y2 + x2 y1 define un producto interior.
Encontrar una base {u , u , u } ortonormal respecto al producto interior anterior tal que u y u tengan
igual dirección y sentido que los vectores (0, 1, 0) y (0, 0, 1) , respectivamente.

2.91 Probar que una matriz A de orden n es ortogonal si, y sólo si sus vectores fila forman un conjunto
ortonormal en Rn .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
54 – Matemáticas 1 : Álgebra Lineal

Capı́tulo 3

Aplicaciones lineales
3.1 Definición. Núcleo e imagen

Definición 136.- Sea f : V −→ W una aplicación entre los espacios vectoriales reales V y W . Se dice que f
es una aplicación lineal si:

(1) f (u + v) = f (u) + f (v); ∀ u, v ∈ V, (2) f (ku) = kf (u); ∀ u ∈ V y ∀ k ∈ R.

Estas dos propiedades se pueden reunir en:


f (ku + lv) = kf (u) + lf (v); ∀ u, v ∈ V, ∀ k, l ∈ R.
y, en general, se tiene:
f (k1 u + k2 u + · · · + kr ur ) = k1 f (u ) + k2 f (u ) + · · · + kr f (ur ) ∀ ui ∈ V, ∀ ki ∈ R
Si V = W la aplicación lineal también se dice que es un operador lineal.

Ejemplos 137 Las siguientes aplicaciones son aplicaciones lineales


1.- f : V −→ V definida por f (v) = 2v :
f (λv + µw) = 2(λv + µw) = λ2v + µ2w = λf (v) + µf (w)
 
    x1
0 −1 1 0 1 1
2.- Dada A = , la aplicación f : R3 −→ R2 con f (x) = Ax =  x2  :
1 0 −1 1 0 −1
x3
f (λx + µy) = A(λx + µy) = A(λx) + A(µy) = λAx + µAy = λf (x) + µf (y) 4

Proposición 138.- Si f : V −→ W es una aplicación lineal, entonces:


a) f () = ; b) f (−v) = −f (v); ∀v ∈ V

Definición 139.- Dada una aplicación lineal f : V −→ W , se define el núcleo o ker(nel) de f , que se denota
por ker(f ) ó ker f , como el conjunto:

ker f = {v ∈ V : f (v) = }

y se define la imagen de f , que se denota por Img(f ) ó Img f (a veces f (V ) ), como el conjunto

Img f = {w ∈ W : ∃v ∈ V tal que w = f (v)}

El ker f es un subespacio vectorial de V y la Img f es subespacio vectorial de W (ver ejercicio 3.93).

Definición 140.- Si f : V −→ W es una aplicación lineal, entonces la dimensión del núcleo se denomina la
nulidad de f y la dimensión de la imagen de f se denomina el rango de f .

Proposición 141.- Sea f : V −→ W es una aplicación lineal y B = {v , v , . . . , vn } una base de V , entonces
Img f = lin{f (v ), f (v ), . . . , f (vn )}
Demostración:
En efecto, todo v ∈ V puede escribirse como v = k1 v + k2 v + · · · + kn vn , luego

f (v) = f (k1 v + k2 v + · · · + kn vn ) = k1 f (v ) + k2 f (v ) + · · · + kn f (vn )

En consecuencia, si w ∈ Img f , w = f (v) = k1 f (v ) + k2 f (v ) + · · · + kn f (vn ) , para algún v .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
55 – Matemáticas 1 : Álgebra Lineal 3.2 Matrices de una aplicación lineal

Ejemplo Tomemos el ejemplo 2) de los Ejemplos 137 anteriores:


ker f = {x ∈ R3 : f (x) = } = {x ∈ R3 : Ax = }
luego son las soluciones del sitema de ecuaciones lineales AX = 0 . Como son los vectores de la forma (z, −z, z) ,
para cualquier valor de z ∈ R , se tiene que ker f = {(z, −z, z) ∈ R3 : z ∈ R} = lin{(1, −1, 1)}.
Para la imagen: tomemos en R3 la base canónica, entonces
Img f = lin{f (e ), f (e ), f (e )} = lin{Ae , Ae , Ae } = lin{(0, 1), (−1, 0), (1, −1)} = lin{(0, 1), (−1, 0)} = R2
pues (1, −1) = (−1)(0, 1) + (−1)(−1, 0) . Se tiene además, que dim(ker f ) = 1 y dim(Img f ) = 2 . 4
No por casualidad, sucede que dim(ker f ) + dim(Img f ) = 1 + 2 = 3 = dim R3 :
Teorema de la dimensión 142.- Si f : V −→ W es una aplicación lineal entre espacios vectoriales,
dim V = dim(ker f ) + dim(Img f )
Demostración:
Si la dim(ker f ) = n = dim V , entonces ker f = V , y f (v) =  ∀ v ∈ V , luego Img f = {} que tiene dimensión
cero, por lo que se cumple
dim(ker f ) + dim(Img f ) = dim V (n + 0 = n)
Si la dim(ker f ) = r < n , tomemos Bker = {u , . . . , ur } una base del ker f ⊆ V que podemos completar con
n − r vectores hasta una base de V , BV = {u , . . . , ur , vr+ , . . . , vn } , y el conjunto imagen será por tanto
n o
Img f = lin f (u ), . . . , f (ur ), f (vr+ ), . . . , f (vn )
n o n o
= lin , . . . , , f (vr+ ), . . . , f (vn ) = lin f (vr+ ), . . . , f (vn )

Si probamos que el conjunto formado por esos n − r vectores es linealmente independiente, será una base de la
Img f y habremos probado que
dim(ker f ) + dim(Img f ) = dim V ( r + n−r = n )
como querı́amos. Veamoslo: por ser f una aplicación lineal,

λr+1 f (vr+ ) + · · · + λn f (vn ) =  ⇐⇒ f (λr+1 vr+ + · · · + λn vn ) =  ⇐⇒ λr+1 vr+ + · · · + λn vn ∈ ker f

luego en la base Bker se expresa con λr+1 vr+1 + · · · + λn vn = µ1 u + · · · + µr ur , para ciertos µi . Luego
−µ1 u − · · · − µr ur + λr+1 vr+1 + · · · + λn vn = 
y −µ1 = · · · = −µr = λr+1 = · · · = λn = 0 por formar esos vectores una base de V . En particular, con
λr+1 = · · · = λn = 0 se prueba que el conjunto {f (vr+1 ), . . . , f (vn )} es un conjunto linealmente independiente
de vectores, que por ser también generador de la Img f es una base de ella.

3.2 Matrices de una aplicación lineal

Teorema 143.- Sean V y W espacios vectoriales con dim V = n y dim W = m , y sea f : V −→ W , una
aplicación lineal. Si B1 = {v , v , . . . , vn } es una base de V y B2 = {w , w , . . . , wm } una base de W ,
entonces la matriz  
Am×n = [f (v )]
 B2 [f (v )]
 B2 · · · [f (v )]
n B2

es la única matriz que verifica que [f (v)]B2 = A[v]B1 , para cada v ∈ V .


Demostración:
Todo v ∈ V se escribe de forma única como una combinación lineal de los vectores de la base, v =
k1 v + k2 v + · · · + kn vn , luego su imagen f (v) = k1 f (v ) + k2 f (v ) + · · · + kn f (vn ) .
Como los vectores f (v ) , f (v ) , . . . , f (vn ) son de W , sean sus coordenadas en la base B2 :
 
 f (v ) = (a11 , a21 , . . . , am1 ) 
 B2 f (v ) = a11 w + a21 w + · · · + am1 wm



  

 f (v ) = (a12 , a22 , . . . , am2 ) f (v ) = a12 w + a22 w + · · · + am2 wm


B2 ⇐⇒
·····················
· · · · · · · · · · · · · · · · · · · · ·

 

f (v ) = a 1n w + a2n w + · · · + amn wm
  
n

 f (vn )

= (a1n , a2n , . . . , amn )
B2

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
56 – Matemáticas 1 : Álgebra Lineal 3.2 Matrices de una aplicación lineal

Entonces, sustituyendo en f (v) , se tiene


f (v) = k1 (a11 w + a21 w + · · · + am1 wm ) + k2 (a12 w + a22 w + · · · + am2 wm )
+ · · · · · · · · · · · · · · · · · · + kn (a1n w + a2n w + · · · + amn wm )
= (k1 a11 + k2 a12 + · · · + kn a1n )w + (k1 a21 + k2 a22 + · · · + kn a2n )w
+ · · · · · · · · · · · · · · · · · · + (k1 am1 + k2 am2 + · · · + kn amn )wm
por tanto, las coordenadas de f (v) en la base B2 son
  a · · · a1n
 
11 a12 k1

k1 a11 + k2 a12 + · · · + kn a1n
 k1 a21 + k2 a22 + · · · + kn a2n   a21 a22 · · · a2n  k2 
[f (v)]B2 = =  = A[v]B1
 
  .. .. . ..
··············· · · · ..
 
. . .
  
k1 am1 + k2 am2 + · · · + kn amn am1 am2 · · · amn kn
y A, tiene por columnas las coordenadas en la base B2 de las imágenes de los vectores de la base B1 .

Definición 144.- Sean B1 una base de V , B2 base de W y f : V −→ W una aplicación lineal. A la única
matriz A, tal que [f (v)]B2 = A[v]B1 , para cada v ∈ V , se le llama matriz de f respecto de las bases B1
y B2 .
Si f : V −→ V es un operador lineal y consideramos que tenemos la misma base B en el espacio de partida
y en el de llegada, entonces se habla de matriz de f respecto de la base B .

Ejemplo Sea f : R2 [X] −→ R1 [X] dada por f (P (X)) = P 0 (X) . Sean B1 = {1, X, X2 } y B2 = {1, X} bases
respectivas de R2 [X] y R1 [X] . Entonces, comof (1) = 0, f (X) = 1 y f (X2 ) = 2X se tiene que
0 1 0
A = [f (1)]B2 [f (X)]B2 [f (X2 )]B2 =

es la matriz de f asociada a B1 y B2 .
0 0 2
En efecto  
  a  
2 2 0 1 0 b
f (a + bX + cX ) = b + 2cX y A[a + bX + cX ]B1 =  b  = = [b + 2cX]B2 4
0 0 2 2c
c

Observación 145.- Si f : V −→ W es una aplicación lineal y A la matriz de f respecto de B1 y B2 , entonces


n o n o n o
ker f = v ∈ V : f (v) =  = v ∈ V : [f (v)]B2 = []B2 = v ∈ V : A[v]B1 = 
luego las coordenadas en la base B1 de los vectores del ker f son las soluciones del sistema homogéneo Ax = .
n o n o
w ∈ Img f = lin f (v ), f (v ), . . . , f (vn ) ⇐⇒ [w]B2 ∈ lin [f (v )]B2 , [f (v )]B2 , . . . , [f (vn )]B2
luego el espacio de las columnas de la matriz A, Ec (A) , está compuesto por las coordenadas en la base B2 de
los vectores de la Img f . En consecuencia, dim(Img f ) = dim Ec (A) = rg(A) .

Ejemplo
 1 = {v , v , v } base de V , B2 = {w , w , w } base de W , f : V −→ W aplicación lineal
Sean B
1 0 1
y A =  −1 1 1  la matriz de f asociada a B1 y B2 . Encontrar una base de ker f y otra de Img f .
1 1 3
Como A[v]B1 = [f (v)]B2 , v ∈ ker f ⇐⇒ A[v ]B1 = 0 , luego resolviendo el sistema AX = 0 :
          
1 0 1 1 0 1 1 0 1  x = −z x −1
A =  −1 1 1  −→  0 1 2  −→  0 1 2  =⇒ y = −2z =⇒ [v ]B1 =  y  = z  −2 
1 1 3 0 1 2 0 0 0 z=z z 1

el vector (−1, −2, 1) genera las coordenadas en B1 de los vectores del ker f . Luego ker f = lin{−v −2v +v } .
Además, dim(ker f ) = 1 luego dim(Img f ) = 3 − 1 = 2 = rg(A) . Y una base de la imagen se obtendrá de
una base del espacio de las columnas de A (para operar sobre las columnas de A , operamos es las filas de At ):
 t      
1 0 1 1 −1 1 1 −1 1 1 −1 1
At =  −1 1 1  =  0 1 1  −→  0 1 1  −→  0 1 1 
1 1 3 1 1 3 0 2 2 0 0 0
luego los vectores (1, −1, 1) y (0, 1, 1) generan las coordenadas en la base B2 de los vectores de la Img f . En
consecuencia, Img f = lin{w −w +w , w +w } . 4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
57 – Matemáticas 1 : Álgebra Lineal 3.2 Matrices de una aplicación lineal

Observación 146.- Pueden obtenerse de una sola vez una base para ker(f ) y otra para la Img(f ) . Basta para
ello, tener en cuenta que las operaciones elementales realizadas sobre las columnas de la matriz, son operaciones
sobre los vectores imagen.
 
1 2 −1 1 0 1
 −1 1 −2 2 1 0 
Ejemplo Sea A =   2 −1 −1 −1 1 −1  la matriz de la aplicación f : V −→ W , referida a las

1 6 −9 7 4 0
bases B1 = {v , v , v , v , v , v } y B2 = {w , w , w , w } . Para obtener una base de la imagen, hacemos
operaciones elementales en las filas de At (en las columnas de A):
     
1 −1 2 1 : C1 1 −1 2 1 : C1 1 −1 2 1 : C1
 2 1 −1 6 : C2  FF23−2F
 0 3 −5 4 : C2 − 2C1 
+F1
1    0 1 −3 0 : C6 −C1 
  F4 −F 1
 
t
 −1 −2 −1 −9 : C 3 
 F 6 −F1 
 0 −3 1 −8 : C3 + C1  2
 F ↔F 6  0 −3
 1 −8 : C3 +C1 
A =   −→  0 3 −3 6 : C4 − C1  −→  0 3 −3 6 : C4 −C1 
 
 1 2 −1 7 : C4     
 0 1 1 4 : C5   0 1 1 4 : C5   0 1 1 4 : C5 
1 0 −1 1 : C6 0 1 −3 0 : C6 − C1 0 3 −5 4 : C2 −2C1
   
1 −1 2 1 : C1 1 −1 2 1 : C1
F3 +3F2
F4 −3F2
 0 1 −3 0 : C6 − C1   0 1 −3 0 : C6 − C1 
F5 −F2
   
F6 −3F2  0 0 −8 −8 : C 3 + C 1 + 3(C 6 − C 1 )  F3 ↔F 
5  0 0 4 4 : C 5 − C 6 + C 1

−→    −→  
 0 0 6 6 : C 4 − C 1 − 3(C 6 − C 1 ) 
  0 0 6 6 : C 4 + 2C 1 − 3C 6 

 0 0 4 4 : C5 − (C6 − C1 )   0 0 −8 −8 : C3 − 2C1 + 3C6 
0 0 4 4 : C2 − 2C1 − 3(C6 − C1 ) 0 0 4 4 : C2 + C1 − 3C6
 
1 −1 2 1 : C1
F4 − 3 F3  0
2 1 −3 0 : C6 − C1 
F5 +2F3  
F6 −F3  0 0 4 4 : C5 − C6 + C1 
−→   1 3 3

 0 0 0 0 : C 4 + C
2 1 − C
2 6 − C
2 5 

 0 0 0 0 : C3 + C6 + 2C5 
0 0 0 0 : C2 − 2C6 − C5

La matriz final es escalonada, luego las tres primeras filas son linealmente independientes, pero éstas en realidad
son: C1 = [fn(v )]B2 , C6 − C1 = [f (v )]B2 − [f (vo
 )]B2 = [f (v − v )]B2 y C5 − C6 + C1 = [f (v − v + v )]B2 .
Por lo que f (v ), f (v − v ), f (v − v + v ) es base de Img(f ) ( rg(A) = dim(Img f ) = 3 ).
Las tres filas restantes de la matriz son cero, en realidad:

 = C4 + 12 C1 − 23 C6 − 32 C5 = [f (v +  v −  v −  v )]B2
 = C3 + C6 + 2C5 = [f (v + v + v )]B2
 = C2 − 2C6 − C5 = [f (v − v − v )]B2

luego los vectores v +  v −  v −  v , v +v +v y v −v −v son vectores de ker(f ) . Como son
linealmente independientes (ver justificación en Anexo 5.3, pág 83) y dim(ker f ) = 6 − dim(Img f ) = 3 , forman
una base del ker(f ) .

Definición 147.- Si f : Rn −→ Rm es una aplicación lineal, a la matriz de f asociada a las bases canónicas de
Rn y Rm , se le llama la matriz estándar.

Definición 148.- Para cada matriz Am×n , la aplicación f : Rn −→ Rm definida por f (x) = Ax es lineal y A
es la matriz estándar de f . Se dice que f es una aplicación matricial.

3.2.1 Composición de aplicaciones lineales


Aplicación y función tienen el mismo significado (aunque esta última denominación es la que suele usarse en los
temas de Cálculo) por lo que la definición siguiente no debe plantear sorpresas:
Definición 149.- Sean f : V −→ W y g: W −→ U aplicaciones lineales. Llamaremos aplicación compuesta
de f y g , a la aplicación g ◦ f : V −→ U definida por

(g ◦ f )(v) = g(f (v)), ∀ v ∈ V.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
58 – Matemáticas 1 : Álgebra Lineal 3.3 Teorema de Semejanza

Proposición 150.- Sean f : V −→ W y g: W −→ U aplicaciones lineales, con dim V = n , dim W = m y


dim U = p , y sean B1 , B2 y B3 bases de V , W y U , respectivamente. Entonces:

a) g ◦ f es una aplicación lineal.


b) Si Am×n es la matriz asociada a f respecto de las bases B1 y B2 , y Cp×m es la matriz asociada a g
respecto de B2 y B3 , entonces CAp×n es la matriz asociada a g ◦ f respecto de las bases B1 y B3 .
Demostración:
a) (g ◦ f )(λu + µv) = g(f (λu + µv)) = g(λf (u) + µf (v)) = λg(f (u)) + µg(f (v))
= λ(g ◦ f )(u) + µ(g ◦ f )(v).

b) Teniendo en cuenta que [g(w)]B3 = C[w]B2 y [f (v)]B2 = A[v]B1 ,

[(g ◦ f )(v)]B3 = [g(f (v))]B3 = C[f (v)]B2 = CA[v]B1 ; ∀ v ∈ V.

3.3 Teorema de Semejanza

Proposición 151.- Sea f : V −→ W una aplicación lineal entre espacios vectoriales, B1 y B1∗ dos bases de V
y B2 y B2∗ dos bases de W . Si A1 es la matriz de f asociada a las bases B1 y B2 , P la matriz de cambio
de base la base B1∗ a la base B1 y Q la matriz de cambio de base de B2 a B2∗ ; entonces la matriz, A∗ , de f
asociada a las bases B1∗ y B2∗ viene dada por

A∗ = QAP
Demostración:
QAP [v]B1∗ = QA[v]B1 = Q[f (v)]B2 = [f (v)]B2∗ = A∗ [v]B2∗ , ∀v ∈ V . Luego A∗ = QAP .

Teorema de semejanza 152.- Sean f : V −→ V , un operador lineal, A1 la matriz de f respecto de una base
B1 de V , A2 la matriz de f respecto de otra base B2 y P la matriz de paso de B2 a B1 . Entonces

A2 = P −1 A1 P

Observación: Una manera de recordar bien este proceso es tener en cuenta los diagramas siguientes, donde la
obtención de las nuevas matrices se reduce a la búsqueda de caminos alternativos:
f f
V −→ W V −→ V
A 1A
B1 −→ B2 B1 −→ B1

A = QAP ↑ | ↑ | A2 = P −1 A1 P
P
| ↓ Q P P −1
| ↓
A∗ A
B1∗ −→ B2∗ 2
B2 −→ B2

No hay que olvidar, que las matrices se operan en orden inverso (las matrices multiplican a los vectores por la
izquierda, sucesivamente). Obviamente, el Teorema de Semejanza es un caso particular de la Proposición 151.

Definición 153.- Dadas dos matrices A y B de orden n , se dice que A y B son semejantes si existe una
matriz P inversible tal que B = P −1 AP .

Corolario 154.- Dos matrices A y B son semejantes si y sólo si representan al mismo operador lineal respecto
a dos bases.

Corolario 155.- Si A y B son matrices semejantes, entonces tienen el mismo rango.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
59 – Matemáticas 1 : Álgebra Lineal 3.4 Ejercicios

3.4 Ejercicios
3.92 Determinar si las siguientes aplicaciones son o no lineales:
√ √
a) f : R2 −→ R2 definida por f (x, y) = ( 3 x, 3 y)
b) f : R3 −→ R2 definida por f (x, y, z) = (2x + y, 3y − 4z) .
 
a b
c) f : M2×2 −→ R definida por f = a2 + b2 .
c d
 
4 a b
d) f : M2×2 −→ R definida por f = (a − b, b − c, c − d, d − a) .
c d
e) f : R2 [X] −→ R3 [X] definida por f (p(X)) = (X − 1) · p(X) .
f) Si w ∈ V − {} , sea f : V −→ V definida por f (v) = v + w .
Z X
g) f : R4 [X] −→ R5 [X] definida por f (p(X)) = p(t) dt .
0

3.93 Sea f : V −→ W una aplicación lineal.


a) Probar que ker f es un subespacio de V
b) Probar que Img f es un subespacio de W

3.94 Sean V un espacio vectorial y T : V −→ V la aplicación lineal tal que T (v) = 3v . ¿Cuál es el núcleo de
T ? ¿Cuál es la imagen de T ?
3.95 Sea B = {v = (1, 2, 3), v = (2, 5, 3), v = (1, 0, 10)} una base de R3 y f : R3 −→ R2 una aplicación
lineal para la que f (v ) = (1, 0) , f (v ) = (0, 1) y f (v ) = (0, 1) .
a) Encontrar una matriz de la aplicación f indicando las bases a las que está asociada.
b) Calcular f (v − v − 2v ) y f (1, 1, 1) .
  
1 3 4 x
3.96 Sea T : R3 −→ R3 la aplicación lineal dada por la fórmula T (x, y, z) =  3 4 7   y  .
−2 2 0 z
a) Comprobar que el núcleo de T es una recta y encontrar sus ecuaciones paramétricas
b) Comprobar que la imagen de T es un plano y hallar su ecuación (cartesiana)

3.97 Obtener núcleo, imagen y una matriz de cada aplicación lineal del ejercicio 3.92

3.98 Encontrar la matriz en las bases canónicas de cada una de las aplicaciones lineales f : Rn −→ Rm siguientes:
     
    x1 x4 x1  
x1 x1 + 2x2 + x3  x2   x1   x2  x4 − x1
a) f  x2  =  x1 + 5x2  b) f  x3  =  x3 
   c) f  x3  = x1 + x2
  
x3 x3 x2 − x3
x4 x1 − x3 x4

Encontrar una base del nucleo y otra de la imagen, para cada una de ellas
3.99 Sea T : R3 −→ W la proyección ortogonal de R3 sobre el plano W que tiene por ecuación x + y + z = 0 .
a) Hallar una fórmula para T (x, y, z) y calcular T (3, 8, 4)
b) Encontar el núcleo y la imagen de T , y una base de cada uno de ellos
c) ¿Hay vectores que cumplan la igualdad T (v) = v ?, ¿cuáles?

3.100 Sea A una matriz de tamaño 5 × 7 con rango 4 .


a) ¿Cuál es la dimensión del espacio de soluciones de Ax =  ?
b) ¿ Ax = b tiene solución para todo b de R5 ? ¿Por qué?

3.101 Se dice que una aplicación lineal es inyectiva si a cada vector de la imagen le corresponde un único
original (es decir, si f (u) = f (v) =⇒ u = v ). Demostrar que f es inyectiva si y sólo si ker f = {}.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
60 – Matemáticas 1 : Álgebra Lineal 3.4 Ejercicios

3.102 Sea T : R2 −→ R3 la transformación lineal definida por T (x1 , x2 ) = (x1 + 2x2 , −x1 , 0) .
a) Encontrar
n la matriz de la aplicación
o T en lasnbases: o
B1 = u = (1, 3), u = (−2, 4) y B2 = v = (1, 1, 1), v = (2, 2, 0), v = (3, 0, 0) .
b) Usar la matriz obtenida en el apartado anterior para calcular T (8, 3) .
    
a11 a12 −1 2 a11 a12
3.103 Sea f : M2×2 −→ M2×2 definida por: f = y sean las bases Bc
a21 a22 0 1 a21 a22
(hace 
el papel 
de    y B de M2×2
la canónica) :        
1 0 0 1 0 0 0 0 1 0 0 2 0 1 0 0
Bc = , , , B= , , ,
0 0 0 0 1 0 0 1 0 0 1 0 2 0 0 1
a) Demostrar que f es lineal.
b) ¿Cuál será el tamaño de la matriz de f asociada a la base Bc ? Hallarla.
c) Hallar el núcleo y la imagen de f ası́ como sus dimensiones y bases.
d) Hallar la matriz de f respecto de la base B .
 
3 −2 1 0
3.104 Sea A =  1 6 2 1  la matriz de la aplicación lineal T : R4 −→ R3 respecto de las bases:
−3 0 7 1
n o
B1 = v = (0, 1, 1, 1), v = (2, 1, −1, −1), v = (1, 4, 1, −2), v = (6, 9, 4, 2) y
n o
B2 = w = (0, 8, 8), w = (−7, 8, 1), w = (−6, 9, 1) .

a) Hallar [T (v )]B2 , [T (v )]B2 , [T (v )]B2 y [T (v )]B2


b) Encontrar T (v ) , T (v ) , T (v ) y T (v )
c) Hallar T (2, 2, 0, 0)
   
2 2 x1 x1 + 7x2
3.105 Sea T : R −→ R la aplicación lineal definida por T = .
x2 3x1 + 4x2
Hallar la matriz de T respecto de la base B1 y aplicar el teorema de semejanza para calcular la matriz
de T respecto de la base
n B2 , siendo o n o
B1 = u = (2, 2), u = (4, −1) y B2 = v = (1, 3), v = (−1, −1)

 T : R2 [X] −→ R2 [X] tal que [T ( p )]B = A[ p ]B siendo:


3.106 Dadoel operador lineal
−2 a 1 n o
A =  1 −2a 1  y B = p = 1 − X, p = X − X2 , p = −1
1 a −2
a) Calcular los subespacios ker(T ) y Img(T ) según los valores de a
b) Hallar la matriz de T en la base B0 = {1, X, X2 }
c) Hallar la matriz de T respecto de las bases B0 y B y de las bases B y B0
   
x1 λx1 + µx2 + x3
3.107 Sea T : R3 −→ R3 la aplicación lineal T =  x2  =  x1 + λµx2 + x3  . Se pide:
x3 x1 + µx2 + λx3

a) Encontrar los valores de λ y µ para los que Img(T ) = R3 , ¿quién es entonces el núcleo?
b) Para λ = 1 , encontrar una base del núcleo
c) Sea λ = 1 y µ = 0 . Se pide:
n o
(c.1) Hallar la matriz de T respecto de la base
B = u = (−1, 0, 1), u = (0, 1, 0), u = (4, 1, 2)
n o
(c.2) Encontrar la matriz de paso de B a B1 = v = (1, 1, 2), v = (1, 1, 0), v = (−1, 1, −1)
(c.3) Encontrar la matriz de T en la base B1 aplicando el teorema de semejanza
(c.4) Encontrar la matriz de T respecto de las bases B1 y B
(c.5) Obtener las matrices de T ◦ T : respecto de la base B , respecto de la base B1 , respecto de las
bases B y B1 y respecto de las bases B1 y B

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
61 – Matemáticas 1 : Álgebra Lineal 3.4 Ejercicios

3.108 Sean f : V −→ W una aplicación lineal. Probar que si f (v ) , f (v ) , . . . , f (vn ) son linealmente indepen-
dientes, entonces v , v , . . . , vn son linealmente independientes.
¿Es cierto el recı́proco? Justificar la respuesta.
3.109 Sea T : R3 −→ R2 una aplicación lineal tal 
que:  
 0   1  
x + 2y + z = 0 0 2
(i) ker(T ) = (ii) T  0  = (iii) T  0  =
2x + y + z = 0 1 1
1 1

a) Obtener una matriz asociada a T , indicando respecto a que bases.


b) Encontar la imagen del subespacio de R3 dado por x + y + z = 0 , y una base de ella
n o n o
3.110 Sean Bp = p , p , p , p una base de R3 [X] , B1 = v = (0, 1, 0), v = (1, 1, 1), v = (0, 0, 1) una
base de R3 y f : R3 [X] −→ R3 una aplicación lineal verificando:

(i) f (p ) = f (2p +p ) = f (p −p ) (ii) f (p ) = v +v −v (iii) f (p ) = (3, 3, 2)

a) Encontrar Ap1 la matriz de la aplicación f en las bases Bp y B1 .


 
−1 1 0
b) ¿Es  1 0 0  la matriz de paso, Pc1 , de la base canónica de R3 a B1 ? Justificar la respuesta
−1 0 1
y, en caso negativo, hallar Pc1 .
n o
c) Sea Bq = q = X−X3 , q = X2−1, q = 1−X, q = X2+X otra base de R3 [X] para la cuál, las matrices
 
2 0 0 0  
 1 3 2 0  6 5 3 0
Mqp =   −1 −2 −1 0  y Aq1 = 3 1 0 −3
   son respectivamente, la matriz de paso de Bq
3 3 2 1
0 0 0 −1
a Bp y la matriz de f en las bases Bq y B1 . Con estos nuevos datos, ¿cómo se puede comprobar
que la matriz Ap1 calculada antes es la correcta?
d) Hallar bases de ker(f ) e Img(f ) , obteniendo los vectores concretos que las forman.
n o
e) Probar que B2 = w = (−1, 2, 1), w = (0, −1, −1), w = (2, 1, 0) es base de R3 y obtener la
matriz de paso, P21 , de la base B2 en la base B1 .
f) A partir de las matrices anteriores, dar la expresión del cálculo de las matrices:
? Ap2 de la aplicación f en las bases Bp y B2
? Mpq de paso de la base Bp en la base Bq
? Aq2 de la aplicación f en las bases Bq y B2
g) ¿Pueden conocerse los vectores que forman Bp ? ¿Cómo? de ser posible o ¿por qué no?

3.111 Probar que si A y B son matrices semejantes entonces det(A) = det(B) .

3.112 Probar que si A y B son matrices semejantes entonces A2 y B 2 también lo son.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
62 – Matemáticas 1 : Álgebra Lineal

Capı́tulo 4

Diagonalización
4.1 Valores y vectores propios
Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V , nos
planteamos el problema de cuándo es posible encontrar una base de V respecto de la cuál la matriz de f sea
diagonal.
Si A es la matriz del operador f con respecto a una determinada base B , el planteamiento anterior es
equivalente a preguntarse cuándo existe un cambio de base tal que la matriz del operador en la nueva base B∗
sea diagonal. Esa nueva matriz viene dada por P −1 AP , donde P es la matriz de paso de la nueva base B∗ a
la base anterior B (Teorema de Semejanza). Podemos pues formular el problema en términos de matrices:

Definición 156.- Se dice que una matriz A cuadrada es diagonalizable si existe una matriz P inversible tal
que P −1 AP es diagonal. En ese caso se dice que P diagonaliza a la matriz A.
Antes de seguir: en esta definición y en el estudio que vamos a realizar, diagonalizaremos matrices independien-
temente del operador lineal que aparece en el planteamiento inicial del problema. Sin embargo, las matrices de
que hablamos son matrices de columnas de coordenadas por lo que todo será válido y aplicable en términos del
operador. En el Anexo 1, pág 83, pueden verse resultados idénticos en términos de operadores que lo justifican.
Supongamos que la matriz An×n es diagonalizable y sea D la matriz diagonal. Entonces:
∃ P inversible tal que P −1 AP = D o, equivalentemente, ∃ P inversible tal que AP = P D
Si denotamos por p , p , . . . , pn a las columnas de P , las matrices son
   
AP = A p p ··· pn = Ap Ap ··· Apn

· · · p1n λ1 0 · · · 0 · · · λn p1n
    
p11 p12 λ1 p11 λ2 p12
 p21 p22 · · · p2n  0 λ2 · · · 0   λ1 p21 λ2 p22 · · · λn p2n   
PD =  ..  =  ..  = λ1 p λ2 p · · · λn pn
    
.. .. .. ..  .. .. . . .. .. ..
 . . . .  . . . .   . . . . 
pn1 pn2 · · · pnn 0 0 · · · λn λ1 pn1 λ2 pn2 · · · λn pnn

y, como son iguales: Api = λi pi , para todo i = 1, . . . , n . Es decir, han de existir n vectores linealmente
independientes pi ( P es inversible) y n números λi que lo verifiquen.

Definición 157.- Si A es una matriz de orden n , diremos que λ es un valor propio, valor caracterı́stico,
eigenvalor o autovalor de A si existe algún p ∈ Rn , p 6=  , tal que Ap = λp .
Del vector p diremos que es un vector propio, vector caracterı́stico, eigenvector o autovector de A
correspondiente al valor propio λ .
Del comentario anterior, obtenemos la primera caracterización para la diagonalización de la matriz:
Teorema 158.- Sea A una matriz de orden n , entonces:
A es diagonalizable ⇐⇒ A tiene n vectores propios linealmente independientes
Demostración:
Por lo anterior, se tiene que: A es una matriz diagonalizable ⇐⇒
⇐⇒ ∃ P inversible y D diagonal tal que AP = P D
⇐⇒ ∃ P inversible y D diagonal tal que
   
AP = Ap Ap · · · Apn = λ1 p λ2 p · · · λn pn = PD

⇐⇒ existen n vectores linealmente independientes tales que Ap = λ1 p , . . . , Apn = λn pn


⇐⇒ A tiene n vectores propios linealmente independientes

En consecuencia, el problema de la diagonalización se reduce a la busqueda de los vectores propios de la


matriz, y comprobar si de entre ellos pueden tomarse n linealmente independientes.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
63 – Matemáticas 1 : Álgebra Lineal 4.2 Diagonalización

4.2 Diagonalización
La primer paso adelante en la búsqueda se produce, no sobre los vectores propios, sino sobre los autovalores:
Teorema 159.- Si A es una matriz de orden n , las siguientes proposiciones son equivalentes:
a) λ es un valor propio de A.
b) El sistema de ecuaciones (λI − A)x =  tiene soluciones distintas de la trivial.

c) det(λI − A) = 0 .
Demostración:
λ es un valor propio de A ⇐⇒ existe un vector x ∈ Rn , x 6=  , tal que Ax = λx ⇐⇒ el sistema
λx − Ax = (λI − A)x =  tiene soluciones distintas de la trivial ⇐⇒ |λI − A| = 0

Definición 160.- Sea A una matriz de orden n . P(λ) = |λI −A| es un polinomio en λ de grado n denominado
polinomio caracterı́stico de la matriz A .
Si λ nun valor propio de A, llamaremos
o espacio caracterı́stico de A correspondiente a λ al conjunto
n
V (λ) = x ∈ R : (λI − A)x =  . Es decir, V (λ) es el conjunto formado por todos los vectores propios de
A correspondientes a λ , más el vector cero.

Observaciones 161.- ? Los valores propios son las raı́ces del polinomio carácterı́stico y los vectores propios,
los vectores no nulos de su espacio caracterı́stico asociado
? V (λ) es un subespacio y dim V (λ) ≥ 1:
En efecto, es un subespacio por ser el conjunto de soluciones de un sistema homogéneo y como λ es valor
propio de A, existe x 6=  en V (λ) , luego lin{x} ⊆ V (λ) y 1 = dim(lin{x}) ≤ dim V (λ) .
n o
Además, dim V (λ) = dim x ∈ Rn : (λI − A)x =  = n − rg(λI − A) .

Teorema 162.- Sean v , v , . . . , vk vectores propios de una matriz A asociados a los valores propios λ1 ,
λ2 , . . . , λk respectivamente, siendo λi 6= λj , ∀ i 6= j . Entonces el conjunto de vectores {v , v , . . . , vk } es
linealmente independiente. .

Corolario 163.- Una matriz de orden n con n autovalores distintos, es diagonalizable.


Demostración:
Si la matriz tiene n autovalores distintos λ1 , λ2 , . . . , λn y de cada espacio caracterı́stico V (λk ) podemos
tomar un vector propio vk 6=  , tenemos n vectores propios, v , v , . . . , vn que son, por el resultado anterior,
linealmente independientes.

Proposición 164.- Sea A de orden n y λk un autovalor de A de multiplicidad mk . Entonces

1 ≤ dim V (λk ) ≤ mk . .

Teorema de la diagonalización 165.- Sea A una matriz de orden n . Entonces A es diagonalizable si y sólo
si se cumplen las condiciones:
1.- |λI − A| = (λ − λ1 )m1 · · · (λ − λk )mk , con m1 + m2 + · · · + mk = n (es decir, tiene n raı́ces reales)

2.- Para cada espacio caracterı́stico V (λi ) , se cumple que dim V (λi ) = mi .

Aunque omitimos aquı́ la demostración por ser demasiado técnica (puede verse en el Anexo 1), en ella se aporta
el método para encontrar los n vectores propios linealmente independientes necesarios en la diagonalización:
Si dim V (λi ) = mi para todo i = 1, . . . , k y m1 + · · · + mk = n , podemos tomar de cada V (λi ) los mi
vectores de una base para conseguir el total de n vectores.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
64 – Matemáticas 1 : Álgebra Lineal 4.3 Diagonalización ortogonal

 
0 0 4
Ejemplo 166 Para la matriz A =  0 4 0  , su polinomio caracterı́stico es:
4 0 0
λ
0 −4


λ −4

P (λ) = |λI − A| = 0 λ − 4 0 = (λ − 4)
= (λ − 4)(λ2 − 42 ) = (λ − 4)2 (λ + 4)
−4 −4 λ
0 λ
luego los autovalores de A son λ1 = 4 con m1 = 2 y λ2 = −4 con m2 = 1 . Como λ1 , λ2 ∈ R y m1 + m2 =
2 + 1 = 3 = n , se cumple la primera condición del Teorema.
Veamos el punto 2: como 1 ≤ dim V (−4) ≤ m2 = 1 la condición dim V (−4) = 1 se cumple de manera
inmediata (y se cumple siempre para cualquier
 autovalor
 con multiplicidad
 1). Para el otro autovalor, λ1 = 4 :

4 0 −4 4 0 −4
dim V (4) = 3 − rg(4I − A) = 3 − rg  0 0 0  = 3 − rg  0 0 0  = 3 − 1 = 2 = m1
−4 0 4 0 0 0
luego también se cumple y, en consecuencia, la matriz diagonaliza.
Como los elementos de V (4) son las soluciones del sistema homogéneo (4I − A)X = 0 , tenemos que
V (4) = lin{(1, 0, 1), (0, 1, 0)} ; y los elementos V (−4) las soluciones del sistema (−4I − A)X = 0 , tenemos
que V (−4) = lin{(1, 0, −1)}. En consecuencia, los tres vectores son autovectores y linealmente independientes,
cumpliéndose que:
 −1     
1 0 1 0 0 4 1 0 1 4 0 0
P −1 AP =  0 1 0   0 4 0   0 1 0  =  0 4 0  = D 4
1 0 −1 4 0 0 1 0 −1 0 0 −4
 
0 2 4
Ejemplo La matriz A =  0 4 0  tiene por polinomio caracterı́stico P (λ) = (λ − 4)2 (λ + 4) , luego tiene
4 2 0
por autovalores λ1 = 4 con m1 = 2 y λ2 = −4 con m2 = 1 .
Como m1 + m2 = 2 + 1 = 3 se cumple el primer punto; y por ser m2 = 1 , también se cumple que
dim V (−4) = 1 .Veamos para 
el otro autovalor:
 
4 −2 −4 4 −2 −4
rg(4I −A) = rg  0 0 0  = rg  0 0 0  = 2 = 3−dim V (4) luego dim V (4) = 3−2 = 1 6= m1 = 2 .
−4 −2 4 0 −4 0
En consecuencia, la matriz A no diagonaliza.
(Si dim V (4) = 1 y dim V (−4) = 1 de cada uno de ellos podemos conseguir, a lo más, un vector propio lineal-
mente independiente; luego en total, podremos conseguir a lo más dos autovectores linealmente independientes.
No conseguimos los tres necesarios, luego no diagonaliza.) 4

4.3 Diagonalización ortogonal


Problema de la diagonalización ortogonal Dado un operador lineal f sobre un espacio vectorial V con
producto interior, nos planteamos el problema de cuándo es posible encontrar una base ortonormal de V respecto
de la cuál la matriz de f sea diagonal. Si V es un espacio con producto interior y las bases son ortonormales
entonces se tendrá que P será ortogonal, y el problema en términos de matrices:

Definición 167.- Si existe una matriz ortogonal P tal que P −1 AP es diagonal, entonces se dice que A es
diagonalizable ortogonalmente y que P diagonaliza ortogonalmente a A.

Teorema 168.- Sea A una matriz de orden n , entonces son equivalentes:


1.- A es diagonalizable ortogonalmente

2.- A tiene un conjunto de n vectores propios ortonormales


Demostración:
A es una matriz diagonalizable ortogonalmente ⇐⇒ ∃ P ortogonal con P t AP = D y D diagonal ⇐⇒
   
⇐⇒ ∃ P ortogonal y D diagonal con AP = Ap Ap · · · Apn = λ1 p λ2 p · · · λn pn = P D

⇐⇒ ∃ n vect. ortonormales con Ap = λ1 p , . . . , Apn = λn pn ⇐⇒ A tiene n autovectores ortonormales

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
65 – Matemáticas 1 : Álgebra Lineal 4.4 Ejercicios

Lema 169.- Si A es diagonaliza ortogonalmente, entonces A es simétrica


Demostración:
D es simétrica por ser diagonal, luego: Si A es diagonalizable ortogonalmente =⇒
=⇒ ∃P ortogonal y D diagonal tal que P t AP = D =⇒ ∃P ortogonal y D diagonal tal que A = P DP t =⇒
=⇒ At = (P DP t )t = (P t )t Dt P t = P DP t = A =⇒ A es simétrica

Lema 170.- Si A es simétrica, entonces los vectores propios asociados a autovalores distintos son ortogonales
Demostración:
Sean λ1 y λ2 valores propios distintos de una matriz simétrica A y sean u y v vectores propios correspondi-
entes a λ1 y λ2 respectivamente. Veamos que ut v = 0 . (Notar que ut Av es un escalar).
Se tiene que ut Av = (ut Av)t = v t Au = v t λ1 u = λ1 v t u = λ1 ut v ,
y por otra parte que ut Av = ut λ2 v = λ2 ut v ,
por tanto λ1 ut v = λ2 ut v =⇒ (λ1 − λ2 )ut v = 0 y como λ1 − λ2 6= 0 , entonces ut v = 0

Teorema de la diagonalización ortogonal 171.- A diagonaliza ortogonalmente ⇐⇒ A es simétrica .

El Lema 170 y el resaltado que apostilla el Teorema de diagonalización 165 nos indican la manera de encontrar
los n vectores propios ortonormales linealmente independientes:
tomando en cada V (λi ) una base ortonormal, conseguiremos el total de n vectores ortonormales
 
0 0 4
Ejemplo La matriz A =  0 4 0  del Ejemplo 166, es simétrica luego diagonaliza ortogonalmente y
4 0 0
V (4) = lin{(1, 0, 1), (0, 1, 0)} y V (−4) = lin{(1, 0, −1)} .
Si tomamos una base ortonormal en cada uno de ellos, por ejemplo V (4) = lin{( √12 , 0, √12 ), (0, 1, 0)} y
−1
V (−4) = lin{( √12 , 0, √ 2
)} , los tres vectores juntos forman un conjunto ortonormal, cumpliéndose que:

√1
t 
0 √12
  √1
0 √12
   
2 0 0 4 2 4 0 0
P t AP =  0 1 0   0 4 0   0 1 0  =  0 4 0  = D 4
√1 0 √−1 √1 0 √−1
2 2
4 0 0 2 2
0 0 −4

4.4 Ejercicios
4.113 Hallar los polinomios caracterı́sticos, los valores propios y bases de los espacios caracterı́sticos de las
siguientes matrices:
   
  5 6 2 4 0 1
−2 −7
a) b)  0 −1 −8  c)  −2 1 0 
1 2
1 0 −2 −2 0 1

4.114 Sea T : M2×2 −→ M2×2 el operador lineal definido por:


   
a b 2c a+c
T =
c d b − 2c d
Hallar los valores propios de T y bases para los subespacios caracterı́sticos de T .
4.115 Estudiar si son o no diagonalizables las siguientes matrices y en caso de que lo sean hallar una matriz P
tal que P −1 AP = D con D matriz diagonal:
   
3 0 0   −1 4 −2
−14 12
a)  0 2 0  b) c)  −3 4 0 
−20 17
0 1 2 −3 1 3
   
x1 2x1 − x2 − x3
4.116 Sea T : R3 −→ R3 el operador lineal T  x2  =  x1 − x3  . Hallar una base de R3 respecto
x3 −x1 + x2 + 2x3
de la cual la matriz de T sea diagonal.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
66 – Matemáticas 1 : Álgebra Lineal 4.4 Ejercicios

4.117 Sea R1 [X] el espacio vectorial de los polinomios de grado menor o igual a 1. Sea T : R1 [X] −→ R1 [X] el
operador lineal T (a0 + a1 X) = a0 + (6a0 − a1 )X . Hallar una base de R1 [X] respecto de la cual la matriz
de T sea diagonal.

4.118 Probar que si λ = 0 es un valor propio de una matriz A, entonces A es no inversible.


Y recı́procamente, probar que si A no es inversible, entonces λ = 0 es un valor propio de A
4.119 Demostrar que si λ es un valor propio de A entonces λ2 es un valor propio de A2 .

4.120 Probar que el término constante del polinomio caracterı́stico P (λ) = |λI − A| de una matriz A de orden
n es (−1)n det(A) .

4.121 Probar que si A y B son matrices semejantes, λI − A y λI − B también son semejantes. Y deducir de
ello que A y B tienen el mismo polinomio caracterı́stico

4.122 Sean A cuadrada y P inversible. Comprobar que (P −1 AP )k = P −1 Ak P , para k = 2 y k = 3 ; y


deducir una prueba de que es cierto para cualquier k ∈ N
   
40 4000 1 0 −3 4
4.123 Calcular A y M siendo A = y M=
−1 2 −2 3
 
5 0 0
4.124 Estudiar la diagonalizabilidad de la matriz A =  0 −1 a  en función de los parámetros a y b.
3 0 b
En los casos posibles hallar la matriz diagonal y la matriz P que la diagonaliza
4.125 Hallar P que diagonalice ortogonalmente a A y calcular P t AP para cada una de las matrices:
 
  5 −2 0 0
  2 −1 −1
−7 24  −2 2 0 0 
a) A = b) A =  −1 2 −1  c) A =  0 0 5 −2 

24 7
−1 −1 2
0 0 −2 2

4.126 Sea A una matriz de orden n .

a) Probar que A y At tienen los mismos valores propios


b) Probar que si A es inversible, los valores propios de A−1 son los inversos de los valores propios de A
c) Probar que si A es ortogonal, los únicos valores propios de A son 1 ó −1

4.127 Se sabe que (1, 0, 0) , (1, 1, 0) , (0, 1, 0) y (0, 0, 1) son vectores propios de una matriz de orden 3 y que hay
vectores de R3 que no lo son. Calcular todos los vectores propios de la matriz.

un = 3un−1 + 3vn−1
4.128 Se dan las siguientes ecuaciones de recurrencia: . Utilizar la diagonalización para
vn = 5un−1 + vn−1
calcular un y vn en función de n , sabiendo que u0 = v0 = 1 .

4.129 Los dos primeros términos de una sucesión son a0 = 0 y a1 = 1 . Los términos siguientes se generan a
partir de ak = 2ak−1 + ak−2 ; k ≥ 2 . Hallar a127 .

4.130 Si a0 = 1 y a1 = 2 , calcular a100 si se cumple que an = 3an−1 − 2an−2 , para cada n > 1

4.131 El propietario de una granja para la crı́a de conejos observó en la reproducción de éstos que:

[i] Cada pareja adulta (con capacidad reproductora) tiene una pareja de conejos cada mes.
[ii] Una pareja recién nacida tarda dos meses en tener la primera descendencia.
Partiendo de 1 pareja adulta y siendo an el n o de parejas nacidas en el n -ésimo mes (a0 = 0 ), se pide:

a) Obtener una fórmula recurrente para an en función de términos anteriores


√ √
(1 + 5)n − (1 − 5)n
b) Probar que an = √
2n 5

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
67 – Matemáticas 1 : Álgebra Lineal 4.4 Ejercicios

an+1
c) Calcular, si existe: lı́m
n→∞ an

4.132 Sea el determinante n×n siguiente:




3 1 0 0
··· 0 0

1 3 1 0
··· 0 0

0 1 3 1
··· 0 0
Dn =
0 0 1 3
··· 0 0
.. .. .. .. .. .. ..

. . . .
. . .

0 0 0 0 · · · 3 1
0 0 0 0 ··· 1 3

Dar una expresión de Dn en función de los determinantes de tamaño menor que n y obtener las ecuaciones
de recurrencia para hallar su valor
4.133 Determinar para qué valores de a, b y c son
diagonalizables simultáneamente las matrices
   
1 b a 1 a b
A= 0 c  2 y B= 0 1 c 
0 2 0 0 0 2
 
c 2a 0
4.134 Estudiar para qué valores de a , b y c es diagonalizable la matriz A =  b 0 a 
0 2b −c
 
a −a 0
4.135 Dada la matriz A =  −a a 0  . Estudiar para qué valores de a y b la matriz A es diagonalizable.
b 0 2b
 
m 0 0
4.136 Sea f : R3 −→ R3 el operador lineal cuya matriz asociada a la base canónica es A =  0 m 1 
1 n m

a) Determinar para qué valores de m y n existe una base de R3 en la cuál la matriz de f sea diagonal.
En los casos que f sea diagonalizable encontrar bases en las que diagonaliza la matriz de f
b) Si n = 0 , observando la matriz A y sin hacer ningún cálculo, determinar un valor propio y un vector
propio asociado a dicho valor propio, razonando la respuesta.
 
−1 0 0 0
 a −1 0 0 
4.137 Dada la matriz A =   b d 1 1 .

c e f 1
a) Encontrar para qué valores de los parámetros a, b, c, d, e, f ∈ R la matriz A es diagonalizable
b) Para esos valores, encontrar las matrices de paso P y diagonal D tales que P −1 AP = D
c) Para los valores de los parámetros que hacen a la matriz A diagonalizable ortogonalmente, encontrar
las matrices P y D tales que P t AP = D

4.138 Sean S = (x1 , x2 , x3 , x4 ) : x2 −x4 = 0 , subconjunto de R4 y T : R4 −→ R4 el operador lineal que verifica:

[i] ker(T ) = x ∈ R4 : hx, yi = 0, para cada y ∈ S
[ii] T (1, 0, 0, 0) = (−1, 3, 1, −2) y T (1, 1, 1, 1) = (−3, m, n, p)

x1 + x2 + x3 + x4 = 0
[iii] El subespacio solución de es el espacio caracterı́stico correspondientes a
x2 + 2x3 + 2x4 = 0
algún autovalor
Se pide:
a) Probar que S es un subespacio vectorial de R4 .
b) Hallar ker(T ) .
c) Encontrar una base para el subespacio de vectores propios de la propiedad [iii].

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
68 – Matemáticas 1 : Álgebra Lineal 4.4 Ejercicios

d) Una matriz de T , indicando las bases de referencia.

4.139 Sean f : R4 −→ R4 un operador lineal, y B = {e1 , e2 , e3 , e4 } la base canónica de R4 , verificando lo


siguiente:
(i) f (e1 ) ∈ H = {x ∈ R4 / x2 = 0}
(ii) f (e2 ) ∈ S = {x ∈ R4 / x2 = 1 y x4 = 0}
(iii) f (e3 ) = (α, β, 1, −2) ; f (e4 ) = (1, 0, −2, γ)

 2x1 + x2 + 2x3 − 2x4 = 0
(iv) ker f es el conjunto de soluciones del sistema: 3x1 + 3x2 + x3 + x4 = 0
x1 − x2 − x3 + 3x4 = 0

(v) Las ecuaciones implı́citas de la imagen de f son y1 − 2y3 − y4 = 0 .


(vi) El operador f es diagonalizable.
Hallar una matriz de f , indicando las bases de referencia.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
69 – Matemáticas 1 : Álgebra Lineal

Capı́tulo 5

Formas cuadráticas
Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas
ya ha sido estudiado, pues el cuadrado de la norma de un vector no es más que una forma cuadrática (como
veremos definida positiva). Aquı́, las estudiaremos de forma general.

Definición 172.- Sean V un espacio vectorial de dimensión n y B una base V . Si (x1 , . . . , xn ) = [x ]tB y
aij ∈ R , con 1 ≤ i, j ≤ n , se denomina forma cuadrática sobre V a toda función polinómica Q: V −→ R de
la forma
  
a11 a12 · · · a1n x1
n
 a21 a22 · · · a2n   x2 

X  
Q( x) = aij xi xj = x1 x2 · · · xn  . . . . . = [x ]tB A [x ]B
 .. .. . . ..   .. 
 
i,j=1

an1 an2 · · · ann xn

Es decir, una forma cuadrática es un polinomio homogéneo de grado 2 y n variables.

La escritura de Q en la forma Q(x) = [x]tB A [x]B se denomina expresión matricial de la forma cuadrática.
De hecho, se puede expresar siempre mediante una matriz simétrica ya que
n
A+At
X
[x]tB A [x]B = aij xi xj = [x]tB 2 [x]B
i,j=1

A+At t At +(At )t At +A
y la matriz S = 2 es simétrica (S t = ( A+A t
2 ) = 2 = 2 = S) . En efecto:
X n
Si en la expresión de la forma cuadrática, Q( x ) = aij xi xj , consideramos los pares de sumandos de la
i,j=1
forma aij xi xj y aji xj xi , se tiene que
aij + aji aij + aji
aij xi xj + aji xj xi = (aij + aji )xi xj = xi xj + xj xi = sij xi xj + sji xj xi
2 2
Luego hemos probado el siguiente resultado:
Proposición 173.- Toda forma cuadrática Q sobre V , se puede expresar matricialmente como

Q( x ) = [x ]tB A[ x ]B

donde A es una matriz simétrica.

Definición 174.- Es esa matriz simétrica A, la matriz asociada a la forma cuadrática Q en la base B

Ejemplo Para la forma cuadrática Q( x ) = x2 + 2xy + 2y 2 + 3yz + 5z 2 también tenemos que


Q( x ) = x2 + 2xy + 2y 2 + 3yz + 5z 2 = x2 + xy + yx + 2y 2 + 23 yz + 32 zy + 5z 2
luego      
1 2 0 x 1 1 0 x
Q(x) = (x, y, z)  0 2 3   y  = (x, y, z)  1 2 32   y  = [x]tB A [x]B
0 0 5 z 0 32 5 z
y la matriz simétrica A es la matriz de Q en la base B . 4

Teorema 175.- Sean B y B 0 dos bases de V , P la matriz de paso de B 0 a B y A la matriz simétrica de Q


en la base B . Entonces, la matriz de Q en la base B 0 , A0 , se obtiene de
A0 = P t AP

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
70 – Matemáticas 1 : Álgebra Lineal 5.1 Diagonalización de una forma cuadrática

Demostración:
Como P es matriz de cambio de base verifica que [ x ]B = P [ x]B 0 , y , sustituyendo en Q, tenemos que
Q(x ) = [x ]tB A[ x ]B = (P [ x ]B 0 )t A(P [x ]B 0 ) = [ x ]tB 0 (P t AP )[x ]B 0 ∀x ∈ V
0 t 0t t t t t t t t 0
luego A = P AP y es también simétrica A = (P AP ) = P A (P ) = P AP = A .

Nota: Las matrices A y A0 son congruentes (ver Definición 121 en pág.48) pero no son, en general, semejantes
(sólo coinciden congruencia y semejanza cuando la matriz P es ortogonal, P t = P −1 ).

5.1 Diagonalización de una forma cuadrática


La matriz asociada a una forma cuadrática es simétrica, y una matriz simétrica es diagonalizable ortogonalmente,
luego siempre podemos asegurar que existe una matriz congruente con la inicial que es diagonal

5.1.1 Diagonalización ortogonal

Sea B una base de V y Q( x ) = [x ]tB A [x ]B la expresión matricial de una forma cuadrática sobre V . Puesto
que A es simétrica, existe una base B∗ tal que la matriz P de cambio de base de B∗ a B es ortogonal y
D = P −1 AP = P t AP , con D diagonal
es decir, que D y A son congruentes (además de semejantes). Luego en B∗ , se tiene que

Q(x ) = [x ]tB∗ P t AP [ x ]B∗ = [x ]tB∗ D [x ]B∗ = λ1 y12 + . . . + λn yn2

es decir, la forma cuadrática se expresará como una suma de cuadrados, donde (y1 , . . . , yn ) = [x]tB∗ y
λ1 , . . . , λn son los valores propios de A.

Ejemplo 176 Reducir asuma de cuadrados


   la forma cuadrática Q(x )1= xy + yz .
0 12 0 x λ −
1 2 0

1 1  1
Q(x) = (x, y, z) 2 0 2
 y  y |λI − A| = − 2 λ − 2 = (λ − √12 )(λ + √12 )λ

0 12 0 z 0 −1 λ
2  √1
0 0

2
−1 −1
luego √12 , √ 2
y 0 son los valores propios de A. Entonces, A es congruente con D =  0 √ 2
0  , y existirá,
0 0 0
por tanto, una base B∗ en la cual Q( x ) = [x]tB∗ D[x]B∗ = √12 x2∗ − √12 y∗2 . 4

5.1.2 Diagonalización mediante operaciones elementales


La diagonalización ortogonal, propuesta para hallar una matriz asociada a la forma cuadrática que sea diagonal,
puede ser dificil de llevar a cabo (o imposible en ocasiones) pues supone encontrar las raı́ces de un polinomio.
Sin embargo, como se buscan matrices diagonales congruentes y no es necesario que también sean semejantes, es
posible disponer de otros métodos más sencillos pero igualmente eficaces para obtener una matriz diagonal, como
por ejemplo la Diagonalización congruente mediante operaciones elementales 134 que usamos en la búsqueda
de bases ortonormales.
Ejemplo 177 Se considera Q( x ) = 2x2 + 2xy + 2yz + 3z 2 una forma cuadrática sobre R3 , reducir Q a suma
de cuadrados y hallar la matriz del cambio de base.
 
2 1 0
Solución: Si x = (x, y, z) , se tiene que A=  1 0 1  , es la matriz de Q en la base canónica. Para obtener
0 1 3
una matriz congruente con A que sea diagonal, hacemos el proceso de (A | I) → (D | P t ) , detallando la primera
vez como deben darse los pasos de efectuar cada operación:
     
2 1 0 1 0 0 2 1 0 1 0 0 2 0 0 1 0 0
−1 −1 −1 −1
(A | I)=  1 0 1 0 1 0  → F2AI 1 AI
  A 1 A
− F
2 1
→  0 2 1 2 1 0  → C2 − 2 C1 →  0 2
1 2
1 0
0 1 3 0 0 1 0 1 3 0 0 1 0 1 3 0 0 1
 
 A 2 0 0 1 0 0
F3 + 2F2A

→ A A →  0 −1 0 −1
1 0  = (D | P t )
C3 + 2C2 2 2
0 0 5 −1 2 1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
71 – Matemáticas 1 : Álgebra Lineal 5.2 Rango y signatura de una forma cuadrática. Clasificación

1 − 21 −1
   
2 0 0
Tenemos entonces la matriz diagonal, D =  0 − 12 0  , y la matriz, P =  0 1 2  , de paso de la base
n o 0 0 5 0 0 1
−1 t
B∗ = (1, 0, 0), ( 2 , 1, 0), (−1, 2, 1) a la canónica, que verifican que P AP = D . Por tanto, si (x∗ , y∗ , z∗ ) =
[ x ]tB∗ , se tiene que Q(x ) = 2x2∗ − 12 y∗2 + 5z∗2 . 4

5.2 Rango y signatura de una forma cuadrática. Clasificación


Hemos visto distintos métodos de encontrar matrices diagonales asociadas a una forma cuadrática, por lo
que existirán también distintas matrices diagonales. Sin embargo, veremos que algunas cosas permanecerán
invariantes: mismo número de elementos no nulos (mismo rango) y mismo número de elementos positivos y
negativos en la diagonal (misma signatura); lo que nos permitirá una clasificación de las formas cuadráticas.
Teorema 178.- Dos matrices congruentes tienen el mismo rango.
Demostración:
Sea A una matriz simétrica de rango n y A0 = P t AP con P inversible. Consideremos la aplicación lineal
f : Rn −→ Rn dada por f (x) = Ax , luego A es la matriz de f en la base canónica, Bc . Como P es inversible,
sus columnas forman una base B 0 de Rn y P es la matriz de cambio de base de B 0 a Bc ; y como (P t )−1 es
inversible, sus columnas forman una base B 00 de Rn y (P t )−1 es la matriz de cambio de base de B 00 a Bc , por
lo que P t es la matriz de paso de Bc a B 00 .
Entonces, la matriz A0 = P t AP es la matriz de la aplicación f asociada a las bases B 0 y B 00 , pues
A0 [x]B 0 = P t AP [x]B 0 = P t A[x]Bc = P t [f (x)]Bc = [f (x)]B 00
por lo que A0 y A son matrices asociadas a la misma aplicación lineal, luego rg(A) = rg(A0 ) .

Definición 179.- Llamaremos rango de una forma cuadrática, al rango de cualquier matriz simétrica asociada
a la forma cuadrática en alguna base.

Observación: Del teorema anterior, se deduce entonces que dos cualesquiera matrices diagonales asociadas a
la misma forma cuadrática tienen el mismo número de elementos en la diagonal distintos de cero, –pues este
número es el rango de la matriz diagonal–.
Teorema de Sylvester o Ley de inercia 180.- Si una forma cuadrática se reduce a la suma de cuadrados en
dos bases diferentes, el número de términos que aparecen con coeficientes positivos, ası́ como el número de
términos con coeficientes negativos es el mismo en ambos casos. .

Definición 181.- Sea Q una forma cuadrática y D una matriz diagonal asociada a Q. Se define como
signatura de Q al par Sig(Q) = (p, q) donde p es el número de elementos positivos en la diagonal de D y q
es el número de elementos negativos de la misma.

5.2.1 Clasificación de las formas cuadráticas


Definición 182.- Se dice que una forma cuadrática Q es

a) Nula si Q( x ) = 0 para todo x .


b) Definida positiva si Q( x ) > 0 , para todo x no nulo.
c) Semidefinida positiva si Q( x) ≥ 0 , para todo x y Q no es nula ni definida positiva.
d) Definida negativa si Q( x) < 0 , para todo x no nulo.

e) Semidefinida negativa si Q(x ) ≤ 0 , para todo x y Q no es nula ni definida negativa.


f) Indefinida si Q( x ) alcanza tanto valores positivos como negativos, es decir, si ∃ x 6=  tal que
Q(x ) > 0 y ∃ x 6=  tal que Q(x ) < 0 .
Para las formas cuadráticas sobre R2 , podemos dar una representación de ellas usando superficies en R3
asignando a z el valor de la forma cuadrática en (x, y) , es decir, haciendo z = d1 x2 + d2 y 2 . Con estas premisas,
hemos realizado la figura 5.1 siguiente.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
72 – Matemáticas 1 : Álgebra Lineal 5.2 Rango y signatura de una forma cuadrática. Clasificación

Fig. 5.1. Gráficas de las formas cuadráticas de R2 : definida positiva, definida negativa, indefinida, semidefinida positiva,
semidefinida negativa y nula

Teorema de clasificación 183.- Sea Q una forma cuadrática en un espacio vectorial de dimensión n . Se
verifica:

a) Q es nula ⇐⇒ Sig(Q) = (0, 0)


b) Q es definida positiva ⇐⇒ Sig(Q) = (n, 0) .
c) Q es semidefinida positiva ⇐⇒ Sig(Q) = (p, 0) con 0 < p < n .
d) Q es definida negativa ⇐⇒ Sig(Q) = (0, n) .

e) Q es semidefinida negativa ⇐⇒ Sig(Q) = (0, q) con 0 < q < n .


f) Q es indefinida ⇐⇒ Sig(Q) = (p, q) con 0 < p, q . .

Ejemplo Las formas cuadráticas de los ejemplos 176 y 177 anteriores son ambas indefinidas, pues en el
primer ejemplo Q(x) = √12 x2∗ − √12 y∗2 en una base, luego Sig(Q) = (1, 1) . En el segundo ejemplo, se escribe
Q(x) = 2x2∗ − 12 y∗2 + 5z∗2 en una base y Sig(Q) = (2, 1) .
Un ejemplo de forma cuadrática definida positiva, lo tenemos con el cuadrado de la norma de un vector
(ver la observación de la página 47 sobre la expresión matricial de un producto interior), pues se verifica que
2
Q(v) = kvk = hv, vi > 0 si v 6=  . 4
Para finalizar –y aunque puede obtenerse sin mucho coste una matriz diagonal mediante operaciones elementales–
recuperamos, más completa y sin demostración, una proposición que puede ser útil por su versión práctica, pues
engloba varios resultados para clasificar una forma cuadrática usando la matriz inicial:

Proposición 184.- Sea Q una forma cuadrática y A su matriz asociada. Denotemos por ∆k , el k -ésimo
menor principal de A, para cada 1 ≤ k ≤ n :
a11 · · · a1k
a a
∆1 = |a11 | ∆2 = 11 12 ··· ∆k = ... . . . ... ··· ∆n = |A|

a21 a22
ak1 · · · akk
Entonces:
a) Q es definida positiva si, y sólo si, ∆k > 0 , para 1 ≤ k ≤ n .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
73 – Matemáticas 1 : Álgebra Lineal 5.3 Ejercicios

b) Q es definida negativa si, y sólo si, (−1)k ∆k > 0 , para 1 ≤ k ≤ n .


c) Si ∆n = det(A) 6= 0 y no se está en alguno de los casos anteriores, entonces Q es indefinida.

d) Si existe i tal que aii ≤ 0 (resp. aii ≥ 0 ), entonces Q no es definida positiva (resp. no es definida
negativa).

e) Si existen i y j , con i 6= j , tales que aii = 0 y aij 6= 0 , entonces Q es indefinida.

5.3 Ejercicios
5.140 Clasificar cada una de las formas cuadráticas siguientes, y reducir a suma de cuadrados:

a) Q( x ) = x2 + y 2 + z 2 − (xz + xy + yz) .
b) Q( x ) = x2 + y 2 + z 2 − 4(xz + xy + yz) .
c) Q( x ) = 8x2 + 6y 2 + 3z 2 + 4xy + 8xz + 4yz .
d) Q( x ) = x2 + 2y 2 + z 2 + 2xy + xz .
e) Q( x ) = x2 + 2xy + 3y 2 + 4xz + 6yz + 5z 2 .
f) Q( x) = 3x2 + 4y 2 + 5z 2 + 4xy − 4yz .
g) Q( x ) = 2x2 + 5y 2 + 5z 2 + 4xy − 4yz − 8zx .
h) Q( x ) = x2 + y 2 + 2z(x cos α + y sen α) .

5.141 Sean las formas cuadráticas Qi : Rn −→ R dadas por Qi (x) = xt Ai x , con x = (x1 , . . . , xn ) , siendo
   
    5 −2 0 −1 2 0 0 0
1 1 0 3 −2 1  −2 2 0 1   1 3 2 0 
A1 =  1 0 1  A2 =  1 6 2  A3 = 
 0 3 1 −2 
 A4 =   −1 −2 −1 0 

−1 0 0 −3 0 7
0 0 −2 2 0 0 0 −1
Obtener, para cada Qi , la matriz asociada a la base canónica del espacio correspondiente, una matriz
diagonal congruente y la base respecto de la que es diagonal.
 
6 5 3 0
5.142 Sean B1 y B2 bases respectivas de los espacios V y W y sea A =  3 1 0 −3  la matriz de una apli-
3 3 2 1
cacion lineal f : V −→ W en las bases B1 y B2 . Tomemos Q: V −→ R dada por Q(v) = [f (v)]tB2 [f (v)]B2 .

a) ¿Cuales son las dimensiones de V y W ?


b) Obtener la matriz de Q en la base B1 y comprobar que es una forma cuadrática.
c) ¿Cuál es su clasificación?

5.143 Clasificar, según los valores de m , la familia de formas cuadráticas:

Q( x) = x2 + y 2 + z 2 + 2m(xy + xz).
 
a 0 c
5.144 Se considera la familia de formas cuadráticas Q( x ) = x t A x , siendo A =  0 a + c 0  . Utilizando
c 0 a
dos métodos diferentes, expresar Q como suma de cuadrados.
 
a 1 1
5.145 Sea A =  1 a 1  .
1 1 a

a) Para a = 3 , encontrar P que diagonalice a A.


b) Para a = 3 , calcular (5A)10 .
c) Sea Q( x ) = x t Ax , clasificar Q según los valores de a.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
74 – Matemáticas 1 : Álgebra Lineal 5.3 Ejercicios

 
a b 0 n o
5.146 Sean A =  b a b  y B = v = (1, 1, 1), v = (1, −1, 0), v = (0, 1, −1) . Se pide
0 b a

a) Clasificar la forma cuadrática Q(x ) = [x ]tB A[ x ]B , según los valores de a y b.


b) Para a = 0 y b = 1 , hallar una base B 0 tal que Q(x ) = [x ]tB 0 D[ x ]B 0 , con D diagonal.
 
a 0 b
5.147 Sea A =  0 a 0
b 0 a

a) ¿Para qué valores de a y de b es Q( x ) = x t Ax > 0 , ∀ x 6=  ?


b) Si a = −1 y ∀ b, reducir Q a suma de cuadrados.
c) Si a = −1 , ¿para qué valores de b es Q( x ) < 0 , ∀ x 6= ?

5.148 Sea Q: Rn −→ R una forma cuadrática no nula cuya matriz asociada en la base canónica es A.

a) Si λ ∈ R − {0}, probar que Q(x) y Q(λx) tienen el mismo signo.


b) Para que valores de λ ∈ R es cierto que Q(λx) = λ Q(x) .
c) Deducir de lo anterior, que en general no es cierta la igualdad Q(x + y) = Q(x) + Q(y) .
d) Si la forma cuadrática Q0 : Rn −→ R tiene a A0 como matriz en la base canónica, ¿cuál será la matriz
de la forma cuadrática (Q + Q0 )(x) = Q(x) + Q0 (x) ?

5.149 Sea A la matriz de orden n asociada a una forma cuadrática definida positiva y P una matriz n×n

a) Si P es inversible, probar que la matriz P t AP es definida positiva.


b) Si P es no inversible, probar que la matriz P t AP es semidefinida positiva.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
75 – Matemáticas 1 : Álgebra Lineal

Anexo 1: Demostraciones

Álgebra lineal
Matrices, sistemas y determinantes
Demostración de: Teorema 50 de la página 28

Teorema 50.- Si la matriz elemental Em×m resulta de efectuar cierta operación elemental sobre las filas de
Im y si Am×n es otra matriz, el producto EA es la matriz m×n que resulta de efectuar la misma operación
elemental sobre las filas de A .
Demostración:
Sean E1 la matriz elemental que tiene intercambiadas las filas i y j , E2 la matriz elemental de multiplicar la
fila i por λ 6= 0 y E3 la matriz elemental obtenida de sumar a la fila i la fila j multplicada por λ. Entonces
eEA E A I A IA A
ik = Fi · Ck = Fj · Ck = ejk = ejk , ∀ k =⇒ Fi
EA
= FjA



? E = E1 : eEA E A I A IA A
jk = Fj · Ck = Fi · Ck = eik = eik , ∀ k =⇒ Fj
EA
= FiA

r 6= i, j eEA E A I A IA A
rk = Fr · Ck = Fr · Ck = erk = erk , ∀ k =⇒ Fr
EA
= FrA

(
eEA E A I A IA A
ik = Fi · Ck = λFi · Ck = λeik = λeik , ∀ k =⇒ Fi
EA
= λFiA
? E = E2 :
r 6= i eEA E A I A IA A
rk = Fr · Ck = Fr · Ck = erk = erk , ∀ k =⇒ Fr
EA
= FrA

? E = E3 : veamos que FiEA = FiA + λFjA , pues las demás no cambian:


eEA E A I I A I A I A IA IA A A
ik = Fi · Ck = (Fi + λFj ) · Ck = (Fi · Ck ) + (λFj · Ck ) = eik + λejk = eik + λejk , ∀ k

Demostración de: Teorema de Rouché 58 de la página 31

Teorema de Rouché 58.- Sea el sistema AX = B , sistema de m ecuaciones con n incógnitas. Entonces
AX = B tiene solución si, y sólo si, rg(A) = rg(A|B) .
En caso de tener solución, si rg(A) = r , toda solución del sistema puede expresarse en la forma X =
V0 + t1 V1 + t2 V2 + · · · + tn−r Vn−r , siendo V0 una solución particular de AX = B y los vectores V1 , . . . , Vn−r
soluciones del sistema homogéneo asociado AX = 0 .

Demostración:
Reduciendo la matriz ampliada del sistema por operaciones elementales según el método de Gauss-Jordan,
llegamos a una matriz escalonada reducida, que en la parte correspondiente a A, tiene r unos como elementos
principales. Si reordenamos las columnas para juntar en las r primeras los elementos principales, la matriz
ampliada resultante será:

1 0 · · · 0 a01r+1 · · · a01n b01


 
En forma más escueta indicando los tamaños
 0 1 · · · 0 a02r+1 · · · a02n b02  podemos escribirla ası́:
 .. .. . . .. .. .. .. 
 
 . . . . . ··· . . 
A0r×n−r 0
  
 0 0 · · · 1 a0rr+1 · · · a0rn
 0 Ir×r Br×1
b r
 0
0m−r×r 0m−r×n−r Bm−r×1
· · · 0 b0r+1 
 
 0 0 ··· 0 0
 
 . . . .. .. .. 
 .. .. · · · .. . ··· . . 
0
0 0 ··· 0 0 ··· 0 bm

(Nota: Al intercambiar el orden de las columnas de la matriz A, sólo cambiamos el orden de las incognitas. Es
decir, las soluciones serán las mismas pero en otro orden.)
Obviamente el rango de la matriz de los coeficientes es r y el sistema tendrá solución si y sólo si b0r+1 =
b0r+2 = · · · = b0m = 0 , es decir si el rango de la ampliada también es r .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
76 – Matemáticas 1 : Álgebra Lineal Anexo 1

En este caso, (asumiendo una posible reordenación de las incógnitas) el sistema resultante es:
0 0 0 0

 x1 = b01 − xr+1 a01r+1 − xr+2 a01r+2 − · · · − xn a01n

 x2 = b2 − xr+1 a2r+1 − xr+2 a2r+2 − · · · − xn a2n

..


 .
xr = b0r − xr+1 a0rr+1 − xr+2 a0rr+2 − · · · − xn a0rn

y la solución, usando parámetros:

x1 = b01 − t1 a01r+1 − t2 a01r+2 − · · · − tn−r a01n







 x2 = b02 − t1 a02r+1 − t2 a02r+2 − · · · − tn−r a02n que también podemos escribir en forma matri-


 .. cial teniendo en cuenta que
.



xr = b0r − t1 a0rr+1 − t2 a0rr+2 − · · · − tn−r a0rn xr+i = 0 + t1 · 0 + · · · + ti · 1 + · · · + tn−r · 0
xr+1 = t1





 ..
.




xn = tn−r

  0
−a01r+1 −a01n
     
x1 b1 y llamando Vi a las matrices
 ..   .. ..  ..
columna, podemos escribir
   
 .   .   .   . 
 xr   b0r  −a0rr+1 0
       
+· · ·+tn−r  −arn
   
 xr+1  =  0
   +t1   X = V0 + t1 V1 + · · ·+ tn−r Vn−r
  



 1 

 0



 .   . ..  .
 ..   ..  ..
   
  .   como enunciábamos.
xn 0 0 1
Fijándonos en las soluciones se observa que haciendo t1 = · · · = tn−r = 0 , V0 es una solución de AX = B .
Si consideramos el sistema homogéneo asociado AX = 0 , ha de ser V0 = 0 y como solución genérica
obtendremos X = t1 V1 + · · · + tn−r Vn−r . Luego haciendo ti = 1 y tk = 0 , para k 6= i , vemos que X = Vi es
solución del sistema homogéneo AX = 0 .

Demostración de: Teorema 74 de la página 34

Teorema 74.- Sea An×n una matriz. Se tiene:


a) que si A0 es la matriz que resulta de multiplicar una fila de A por una constante λ 6= 0 , entonces
det(A0 ) = λ det(A) .
b) que si A0 es la matriz que resulta de intercambiar dos filas de A, entonces det(A0 ) = − det(A) .
c) que si A0 es la matriz que resulta de sumar a una fila k un múltiplo de la fila i, entonces det(A0 ) = det(A) .
Demostración:

X X
a) det(A0 ) = (−1)N a1j1 · · · λaiji · · · anjn = λ (−1)N a1j1 · · · aiji · · · anjn = λ det(A)

b) Previamente necesitamos el siguiente resultado:


Lema.- Si en el conjunto {j1 , . . . , jn } intercambiamos dos elementos el número de inversiones
de signo cambia de paridad (de par a impar, o viceversa).
Demostración:
Si intercambiamos los elementos consecutivos ji y ji+1 cambia la paridad, pues si antes era
ji < ji+1 ahora es ji+1 > ji , produciéndose una inversión donde antes no la habı́a, y si era
ji > ji+1 ahora ji+1 < ji , con lo que se elimina una inversión que antes habı́a. Como con el
resto de los elementos no se producen modificaciones, si tenı́amos N inversiones ahora tendremos
N + 1 ó N − 1 , luego se cambia de paridad.
Si intercambiamos los elementos ji y jk no consecutivos, podemos hacerlo repitiendo el proceso
comentado arriba, yendo paso a paso intercambiando términos consecutivos. Hacemos por lo
tanto k − i intercambios consecutivos para llevar el elemento ji a la posición k y haremos
k − i − 1 intercambios para llevar jk (que ahora está en la posición k − 1 ) a la posición i . Luego

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
77 – Matemáticas 1 : Álgebra Lineal Anexo 1

hay 2(k − i) − 1 , un número impar, de cambios de paridad y, por tanto, cambia la paridad al
intercambiar dos elementos cualesquiera.

Con este resultado, para probar b) basta observar que los productos elementales que aparecen en el
det(A0 ) son los mismos que aparecen en el det(A) , aunque intercambiadas las posiciones de los ele-
mentos de las filas en cuestión, es decir, los productos elementales a1j1 · · · akjk · · · aiji · · · anjn de A0 y
a1j1 · · · aiji · · · akjk · · · anjn de A son iguales. Pero como los ı́ndices ji y jk aparecen intercambiando las
posiciones en el desarrollo de los determinantes, tendrán signos contrarios, luego det(A0 ) = − det(A) .
Corolario.- Una matriz con dos filas iguales tiene determinante cero.
Demostración:
Sea B una matriz cuadrada que tiene la fila i y la fila k iguales, entonces por la parte b)
anterior, si intercambiamos las filas i y k que son iguales se obtiene que det(B) = − det(B) es
decir que det(B) = 0 .
X
c) det(A0 ) = (−1)N a1j1 · · · aiji · · · (akjk + kaijk ) · · · anjn
X X
= (−1)N a1j1 · · · aiji · · · akjk · · · anjn + (−1)N a1j1 · · · aiji · · · kaijk · · · anjn
X
= det(A) + k (−1)N a1j1 · · · aiji · · · aijk · · · anjn .
Como este último sumatorio, que es el determinante de una matriz que tiene la fila i y la fila k iguales,
vale 0, se tiene que det(A0 ) = det(A) .

Demostración de: Teorema 77 de la página 35

Teorema 77.- Si A y B son matrices cuadradas de orden n , entonces

det(AB) = det(A) · det(B).

Demostración:
La demostración se hace en tres pasos. Primero el caso particular en que A sea una matriz elemental y luego
los casos generales, que A sea una matriz inversible o que no lo sea.
1. Si A es una matriz elemental, por el teorema 74 y corolario 76 anteriores, se tiene que:

a) det(AB) = k det(B) = det(A) det(B)


b) det(AB) = − det(B) = (−1) det(B) = det(A) det(B)
c) det(AB) = det(B) = 1 det(B) = det(A) det(B)
según el tipo de matriz elemental que sea A .

2. Si A es inversible es producto de matrices elementales (teorema 65) y por la parte 1,

det(AB) = det(Ek Ek−1 · · · E1 B) = det(Ek ) det(Ek−1 · · · E1 B) = · · ·


= det(Ek ) · · · det(E2 ) det(E1 ) det(B) = det(Ek ) · · · det(E2 E1 ) det(B) = · · ·
= det(Ek · · · E1 ) det(B) = det(A) det(B).

3. Si A no es inversible, la matriz escalonada reducida, R , obtenida de Ek · · · E1 A = R no es la identidad, luego


A = E1−1 · · · Ek−1 R = E −1 R donde E −1 es inversible (producto de inversibles) y R tiene al menos una fila
de ceros. Luego det(AB) = det(E −1 RB) = det(E −1 ) det(RB) y det(A) det(B) = det(E −1 R) det(B) =
det(E −1 ) det(R) det(B) . Como R tiene al menos una fila de ceros, RB tiene al menos una fila de ceros
y det(R) = 0 = det(RB) . Luego:
det(AB) = det(E −1 ) det(RB) = 0 = det(E −1 ) det(R) det(B) = det(A) det(B) .

Demostración de: Teorema 80 de la página 35

Teorema 80.- Si A es una matriz cuadrada, entonces |At | = |A| .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
78 – Matemáticas 1 : Álgebra Lineal Anexo 1

Demostración:
Es claro que los productos elementales que aparecen en ambos determinantes son los mismos, luego basta probar
que además tienen el mismo signo.
Si en la matriz A hacemos cero todos los elementos excepto los que intervienen en un producto elemental
dado, obtenemos una matriz B cuyo determinante es precisamente ese producto elemental con signo, es decir
det(B) = (−1)N a1j1 · · · anjn ; si en At hacemos cero los elementos que no intervienen en ese mismo producto
0
elemental se obtiene precisamente B t , y det(B t ) = (−1)N a1j1 · · · anjn . Entonces,

0 a3j3 · · · 0

0
  .. .. .. ..  2


0 · · · 0 · · · a1j1 · · · 0  .
 . . · · · .  a1j1 0
 0 · · · 0
2

 0 a2j2 20 · · · 0
 0 · · · 0 · · · 0 · · · a2j2   0 0 0 · · · anjn 
 
t  a3j3 · · · 0 · · · 0 · · · 0   .. .
.. . .
.. · · · ..  = 0 0 a · · · 0
|BB | = 
 3j3

..   .

 .. .. .. .. .. ..  . . . . .
. . . . .

 .
. . . . . .   a1j1 0
 0 · · · 0  . . . . .
0 · · · anjn · · · 0 · · · 0  . .. .. .  0 0 0 · · · a2njn
 .. . · · · .. 


.
0 a2j 0 ··· 0
2

= a21j1 a22j2 a23j3 · · · a2njn ≥ 0,

y, por tanto, det(B) det(B t ) = det(BB t ) ≥ 0 y ambos factores tienen el mismo signo.

Demostración de: Teorema 82 de la página 36

Teorema 82.- El determinante de una matriz A se puede calcular multiplicando los elementos de una fila (o
de una columna) por sus cofactores correspondientes y sumando todos los productos resultantes; es decir, para
cada 1 ≤ i ≤ n y para cada 1 ≤ j ≤ n :

det(A) = ai1 Ci1 + ai2 Ci2 + · · · + ain Cin y det(A) = a1j C1j + a2j C2j + · · · + anj Cnj

Demostración:
Sopongamos que desarrollamos por la fila 1 . Si en det(A) agrupamos los términos que involucran a cada a1k ,
tenemos que
X X
|A| = (−1)N a11 a2j2 · · · anjn + · · · + (−1)N a1n a2j2 · · · anjn
(1,j2 ,...,jn ) (n,j2 ,...,jn )
   
n
X X n
X X
=  (−1)N a1k a2j2 · · · anjn  = a1k  (−1)N a2j2 · · · anjn 
k=1 (k,j2 ,...,jn ) k=1 (k,j2 ,...,jn )

X
Por otra parte como C1k = (−1)1+k M1k = (−1)1+k (−1)Nk a2j2 · · · anjn , basta comprobar que este valor
(j2 ,...,jn )
ji 6=k

coincide con el que aparece entre paréntesis en el sumatorio anterior.


Para cada k , en el conjunto {k, j2 , . . . , jn } aparecen k − 1 inversiones más que en {j2 , . . . , jn } , pues están
todas aquellas que se producen entre los ji más las que se produzcan con el primer elemento k . En efecto, como
en el conjunto {j2 , . . . , jn } aparecen los valores 1 , 2 , . . . , k − 1 , y se tiene que k > 1 , k > 2 , . . . , k > k − 1 ,
aparecen exactamente k − 1 inversiones más. Es decir, (−1)N = (−1)k−1 (−1)Nk , luego
   
Xn X X n X
|A| = a1k  (−1)N a2j2 · · · anjn  = a1k  (−1)k−1 (−1)Nk a2j2 · · · anjn 
k=1 (k,j2 ,...,jn ) k=1 (j2 ,...,jn )
 
n
X X n
X
= a1k (−1)k−1  (−1)Nk a2j2 · · · anjn  = a1k (−1)k−1 M1k
k=1 (j2 ,...,jn ) k=1
n
X n
X
= a1k (−1)k+1 M1k = a1k C1k
k=1 k=1

Para desarrollar por una fila k cualquiera, basta llevar ésta a la fila 1 y aplicar lo anterior. En efecto, si vamos
intercambiando la fila k con cada una de las anteriores, obtenemos una matriz A0 que tiene por fila 1 la fila k

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
79 – Matemáticas 1 : Álgebra Lineal Anexo 1

de A, por fila 2 la fila 1 de A, . . . , por fila k la fila k − 1 de A, y las demás igual. Luego hemos hecho k − 1
cambios de fila y, por tanto, |A| = (−1)k−1 |A0 | . Si desarrollamos det(A0 ) por la primera fila, tenemos que
n
X n
X
|A| = (−1)k−1 |A0 | = (−1)k−1 a01j (−1)1+j M1j
0
= (−1)k−1 akj (−1)1+j Mkj
j=1 j=1
n
X n
X n
X
= akj (−1)k−1 (−1)1+j Mkj = akj (−1)k+j Mkj = akj Ckj .
j=1 j=1 j=1

Para el desarrollo por columnas basta recordar que |A| = |At | .

Demostración de: Regla de Cramer 86 de la página 36

Regla de Cramer 86.- Sea AX = B , un sistema de n ecuaciones con n incógnitas, tal que A es inversible,
entonces el sistema tiene como única solución:

b1 a12 · · · a1n a11 b1 · · · a1n a11 a12 · · · b1

b2 a22 · · · a2n a21 b2 · · · a2n a21 a22 · · · b2

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

.
. . .

.
. . .

bn an2 · · · ann an1 bn · · · ann an1 an2 · · · bn
x1 = , x2 = , . . . , xn = .
|A| |A| |A|

Demostración:
Si A es inversible la solución única es X = A−1 B =
  
C11 C21 · · · Cn1 b1 
b1 C11 + b2 C21 + · · · + bn Cn1

Adj(A) 1  C12 C22 · · ·
 Cn2   b2  1 
 b1 C12 + b2 C22 + · · · + bn Cn2

B=   ..  =
 
 . .. .. .. 
|A| |A|  .. . . .   .  |A|  ············ 
a1n a2n · · · ann bn b 1 C 1n + b2 C2n + · · · + bn Cnn

b1 C1j + b2 C2j + · · · + bn Cnj


luego cada xj = , como querı́amos probar.
|A|

Demostración de: Orlado de menores 90 de la página 37

Orlado de menores 90.- Sea Am×n una matriz, y Mr×r una submatriz de A con determinante distinto de cero.
Entonces, si el determinante de todas las submatrices de orden r + 1 que se pueden conseguir en A añadiendo
una fila y una columna a M son cero, el rango de A es r .
Demostración:
Supongamos, por simplicidad en la notación, que M es el menor formado por las primeras r filas y columnas.
Consideremos la matriz
 
a11 ··· a1r a1r+1 a1r+2 ··· a1n
 .. . . .. .. .. .. .. 

 . . . . . . . 

 ar1 ··· arr arr+1 arr+2 ··· arn 
ar+11 · · · ar+1r ar+1r+1 ar+1r+2 ··· ar+1n

donde las lı́neas verticales significan respectivamente M y este menor ampliado a la fila r + 1 y a cada una de
las demás columnas de A. Si hacemos operaciones elementales en las filas, obtenemos
 0
a11 · · · a01r a01r+1 a01r+2 · · · a01n

 .. . . . .. .. .. .. 
 .
 . .. . . . . 
 0 · · · a0rr a0rr+1 0 0
arr+2 · · · arn 
0 · · · 0 a0r+1r+1 a0r+1r+2 · · · a0r+1n

y los menores que tenemos ahora son o no cero según lo fueran o no antes. Como M es distinto de cero ha de
ser a011 a022 · · · a0rr 6= 0 y como cada uno de los menores ampliados son cero han de ser a011 a022 · · · a0rr a0r+1r+1 = 0 ,

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
80 – Matemáticas 1 : Álgebra Lineal Anexo 1

a011 a022 · · · a0rr a0r+1r+2 = 0 , . . . , a011 a022 · · · a0rr a0r+1n = 0 . Luego, a0r+1r+1 = a0r+1r+2 = · · · = a0r+1n = 0 y la
matriz escalonada queda  0
a11 · · · a01r a01r+1 a01r+2 · · · a01n

 .. .. .. .. .. .. .. 
 .
 . . . . . . 
.
 0 · · · a0rr a0rr+1 a0rr+2 · · · a0rn 
0 ··· 0 0 0 ··· 0
Haciendo el mismo proceso para las filas r + 2 hasta m, tenemos que una forma escalonada de A serı́a
 0
a11 · · · a01r a01r+1 a01r+2 · · · a01n

 .. .. .. .. .. .. .. 
 . . . . . . . 
 0 · · · a0rr a0rr+1 a0rr+2 · · · a0rn 
 
 
 0 ··· 0 0 0 ··· 0 
 
 . .. .. .. .. .. .. 
 .. . . . . . . 
0 ··· 0 0 0 ··· 0

y el rango de A es por tanto r .

Espacios vectoriales
Demostración de: Propiedades 92 de la página 41

Propiedades 92.- Algunas propiedades que se deducen de las anteriores son:

(i) 0u =  . (ii) k = . (iii) (−1)u = −u .


(iv) ku =  ⇐⇒ k = 0 ó u =  .

(v) El vector cero de un espacio vectorial es único.


(vi) El vector opuesto de cada vector del espacio vectorial es único.
Demostración:

(i) Como 0u = (0 + 0)u = 0u + 0u , si sumamos a cada lado de la igualdad el opuesto de 0u , tenemos que
0u + (−0u) = 0u + 0u + (−0u) luego  = 0u +  = 0u .
(ii) Como k = k( + ) = k + k , si sumamos a cada lado de la igualdad el opuesto de k , tenemos que
k + (−k) = k + k + (−k) luego  = k +  = k.

(v) Si w verifica que w + u = u , entonces w + u + (−u) = u + (−u) de donde w +  =  y w =  . En


consecuencia, el vector cero es único.
(vi) Si w verifica que w + u =  , entonces w + u + (−u) =  + (−u) de donde w +  = −u y w = −u . En
consecuencia, el vector opuesto es único.
(iii) Veamos que (−1)u es el opuesto u : u + (−1)u = 1u + (−1)u = (1 + (−1))u = 0u = .
1
(iv) Si ku =  y k 6= 0 , entonces k ku = k1  = . Luego  = k1 ku = ( k1 k)u = 1u = u .
La implicación en el otro sentido es evidente por (i) y (ii).

Demostración de: Lema 100 de la página 43

Lema 100.- Si S es un conjunto linealmente independiente de vectores de V y v ∈ V −lin S , entonces S∪{v}


es linealmente independiente.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
81 – Matemáticas 1 : Álgebra Lineal Anexo 1

Demostración:
Sea S = {u , u , . . . , ur } es un conjunto linealmente independiente de vectores V y sea v ∈ V que no
pertenece a lin S . Entonces, en la igualdad vectorial

λ1 u + λ2 u + · · · + λr ur + λv =  h5.1 i

el coeficiente λ debe ser cero, pues si no lo es, podemos despejar v = − λλ1 u − λλ2 u − · · · − λλr ur y v
estarı́a generado por los vectores de S , lo que no es cierto. Ahora bien, como λ = 0 , la ecuación 5.1 se reduce
a λ1 u + λ2 u + · · · + λr ur =  y en consecuencia, todos los λi son cero por ser los vectores ui linealmente
independientes.

Demostración de: Lema 101 de la página 43

Lema 101.- Sean V un espacio vectorial y B una base de V formada por n vectores. Entonces cualquier
conjunto {v , v , . . . , vm } de vectores de V , con m > n, es linealmente dependiente.
Demostración:
Sea B = {w , w , . . . , wn } la base de V . Cada vector vk del conjunto {v , v , . . . , vm } puede expresarse
como combinación lineal de los vectores de B , en la forma
vk = ak1 w + ak2 w + · · · + akn wn , para cada k = 1, . . . , m
El conjunto es linealmente dependiente si la ecuación λ1 v + λ2 v + · · · + λm vm =  tiene múltiples solu-
ciones. Sustituyendo:
 = λ1 (a11 w + a12 w + · · · + a1n wn ) + λ2 (a21 w + a22 w + · · · + a2n wn )
+ · · · + λm (am1 w + am2 w + · · · + amn wn )
= (λ1 a11 + λ2 a21 + · · · + λm am1 )w + (λ1 a12 + λ2 a22 + · · · + λm am2 )w
+ · · · + (λ1 a1n + λ2 a2n + · · · + λm amn )wn

Como B es un conjunto linealmente independiente de vectores, se tiene el sistema lineal



λ1 a11 + λ2 a21 + · · · + λm am1 = 0 
λ1 a12 + λ2 a22 + · · · + λm am2 = 0

··· ··· = 0 

λ1 a1n + λ2 a2n + · · · + λm amn = 0

que tiene m incógnitas (los λk ) y n ecuaciones, con m > n, por lo que no tiene solución única.

Demostración de: Proposición 105 de la página 43

Proposición 105.- Si V es un espacio vectorial, con dim V = n . Entonces, un conjunto de n vectores de V es


base de V ,
a) si el conjunto es linealmente independiente, o b) si genera a V .

Demostración:
Sea S el conjunto de n vectores.
Si S es linealmente independiente, tiene que generar V , pues si no: podrı́an añadirse vectores linealmente
independientes con lo anteriores hasta formar una base de V (existirı́a al menos un vector vn+ ∈ V − lin S ,
tal que S ∪ {vn+ } es linealmente independiente, ver comentarios previos al Lema 101 anterior) que tendrı́a al
menos n + 1 vectores, lo que es absurdo.
Análogamente si S genera V , tiene que ser linealmente independiente, pues si no: podrı́an eliminarse
vectores dependientes de S hasta conseguir una base que tendrı́a menos de n vectores (Lema 98), lo que
también es absurdo.

Demostración de: Desigualdad de Cauchy-Schwarz 115 de la página 47

Desigualdad de Cauchy-Schwarz 115.- Para todo u, v ∈ V, espacio con producto interior, se tiene
2 2
hu, vi2 ≤ kuk kvk o en la forma |hu, vi| ≤ kuk kvk .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
82 – Matemáticas 1 : Álgebra Lineal Anexo 1

Demostración:
2 2
Si v = , es claro que 0 = hu, i2 ≤ kuk kk = 0 , ∀ u ∈ V .
Si v 6= , para todo k ∈ R , se verifica que
2
0 ≤ ku − kvk = hu − kv, u − kvi = hu, ui − 2khu, vi + k 2 hv, vi

en particular, para k = hh u , vi
v , v i . Luego
hu, vi hu, vi2 hu, vi2 hu, vi2
0 ≤ hu, ui − 2 hu, vi + hv, vi = hu, ui − 2 +
hv, vi hv, vi2 hv, vi hv, vi
hu, vi2 2 hu, vi2
= hu, ui − = kuk − 2
hv, vi kvk
h u , v i2 2 2 2
de donde k v k2
≤ kuk y por consiguiente h u , v i2 ≤ kuk k v k .

Demostración de: Teorema 127 de la página 49

Teorema 127.- Si S = {v , v , . . . , vk } un conjunto finito de vectores no nulos, ortogonales dos a dos, entonces
S es linealmente independiente.
Demostración:
Veamos que en la igualdad λ1 v + · · · + λi vi + · · · + λk vk =  , cada λi tiene que ser cero:
0 = hvi , i = hvi , λ1 v + · · · + λi vi + · · · + λk vk i = λ1 hvi , v i + · · · + λi hvi , vi i + · · · + λk hvi , vk i
2
= 0 + · · · + λi hvi , vi i + · · · + 0 = λi kvi k
como vi 6=  , su norma no es cero por lo que tiene que ser λi = 0 .

Demostración de: Lema 132 de la página 49

Lema 132.- Sean V un espacio vectorial con producto interior, W un subespacio de V y B una base ortonormal
de W . Entonces para cada v ∈ V , el vector v−ProyW (v) es ortogonal a cada vector de W .
Demostración:
Por la Proposición 126, para probar que un vector es ortogonal a todos los vectores de un subespacio, basta
probarlo para los vectores de una base. Sea B = {w , w , . . . , wk } , para cada wi de B , por ser B ortonormal,
hwi , wi i = 1 y hwi , wj i = 0 , si i 6= j , entonces
hv−ProyW (v), wi i = hv − hv, w iw − · · · − hv, wi iwi − · · · − hv, wk iwk , wi i
= hv, wi i − hv, w ihw , wi i − · · · − hv, wi ihwi , wi i − · · · − hv, wk ihwk , wi i
= hv, wi i − 0 − · · · − hv, wi i · 1 − · · · − 0 = hv, wi i − hv, wi i = 0
Luego es ortogonal a los vectores de B y, por consiguiente, a todos los vectores de W .

Unicidad de la proyección ortogonal.- Sea V un espacio con producto interior y W un subespacio de V . Para
cada v ∈ V , la proyección ortogonal de v en W no depende de la base ortonormal elegida.
Es decir, si B1 = {u , u , . . . , uk } y B2 = {v , v , . . . , vk } son dos bases ortonormales de W , entonces,
para cada v ∈ V , los vectores
(1)
ProyW (v) = w = hv, u iu + hv, u iu + · · · + hv, uk iuk
(2)
ProyW (v) = w = hv, v iv + hv, v iv + · · · + hv, vk ivk
son el mismo.
Demostración:
Como w es una proyección ortogonal de v sobre W , el vector w ∈ W y el vector v−w es ortogonal a W
y, por la misma razón, el vector w ∈ W y el vector v−w es ortogonal a W .
Entonces, el vector (v − w ) − (v − w ) = w − w cumple que: es ortogonal a todos los vectores de W por
ser diferencia de dos vectores ortogonales a W ; y también es un vector de W por ser diferencia de dos vectores
de W . En consecuencia, es ortogonal a si mismo y hw − w , w − w i = 0 , luego es el vector ; por lo que
w = w y la proyección ortogonal no depende de la base.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
83 – Matemáticas 1 : Álgebra Lineal Anexo 1

Aplicaciones lineales
Justificación del método descrito en la Observación 146, de la página 57

Usaremos en la justificación el mismo ejercicio del ejemplo, pero la prueba es válida en cualquier caso.
Haciendo las operaciones elementales sobre la matriz At , quetiene por filas las [f (vi )]B2 , hemos obtenido
[f (v )]B2
[f (v − v )]B2 
 

 [f (v − v + v )]B 2

 [f (v +  v −  v −  v )]B2  . Luego si repetimos las mismas operaciones
la matriz que tiene por filas  
    
 [f (v + v + v )]B2 
[f (v − v − v )]B2
   
[v ]B1 [v ]B1
 [v ]B1 
 

 [v − v ]B1 
 [v ]B1   [v  − v + v ]B1 
sobre la matriz J que tiene por filas 

 obtendrı́amos K =  [v +  v −  v −  v ]B1  .
  
 [v ]B1      
 [v ]B1   [v + v + v ]B1 
[v ]B1 [v − v − v ]B1
Ahora bien, como la matriz J es la identidad, que tiene rango 6, la matriz K también tiene rango 6, por lo
que sus filas son linealmente independientes y en consecuencia los tres últimos vectores (los vectores de ker(f ) )
también son linealmente independientes.

Diagonalización
Justificación de la observación en Antes de seguir de la página 63

Definición.- Sea f : V −→ V un operador lineal, diremos que un escalar λ es un valor propio de f si existe
un vector v ∈ V , diferente de cero, tal que f ( v ) = λ v .
Al vector v se le denomina vector propio de f correspondiente a λ .

Teorema.- Sea f : V −→ V un operador lineal, siendo V un espacio vectorial de dimensión n . Entonces,


existe una base de V con respecto a la cual la matriz de f es diagonal si y sólo si f tiene n vectores propios
linealmente independientes.
Demostración:
Si la matriz de f en la base B = {v , v , . . . , v } es D diagonal, los mismos vectores de la base son vectores
propios y son linealmente independientes, pues:
λ1 0 · · · 0
 
   0 λ2 · · · 0   
[f (v )]B [f (v )]B ··· [f (vn )]B =D=  = λ1 [v ]B λ2 [v ]B ··· λn [vn ]B
 
.. .. . . .
 . . . .. 
0 0 · · · λn

Recı́procamente, si tenemos n vectores propios linealmente independientes, la matriz de f respecto de la base


formada con ellos es diagonal.
λ1 0 · · · 0
 
     0 λ2 · · · 0 
[f (v )]B [f (v )]B ··· [f (vn )]B = λ1 [v ]B λ2 [v ]B ··· λn [vn ]B =
 
.. .. . . .. 
 . . . . 
0 0 · · · λn

Teorema.- Sean V un espacio vectorial de dimensión n , f : V −→ V un operador lineal y A la matriz de f con


respecto a una base B = {v 1 , v 2 , . . . , v n }. Entonces:
a) Los valores propios de f son los valores propios de A

b) Un vector v ∈ V es un vector propio de f correspondiente al valor propio λ si y sólo si su matriz de


coordenadas [ v ]B es un vector propio de A correspondiente a λ .
Demostración:

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
84 – Matemáticas 1 : Álgebra Lineal Anexo 1

a) Sea λ un valor propio de f , es decir, ∃v ∈ V , distinto de  , tal que f ( v ) = λ v =⇒ [f (v )]B = [λ v ]B


=⇒ A[ v ]B = λ[ v ]B , luego λ es un valor propio de A al ser [v ]B 6= .
Sea λ un valor propio de A, entonces ∃x ∈ Rn , x 6=  tal que Ax = λ x . Si tomamos x ∗ =
x1 v 1 +· · ·+xn v n , siendo x = (x1 , . . . , xn ) , lo anterior quiere decir que A[ x ∗ ]B = λ[x ∗ ]B ⇒ [f (x ∗ )]B =
[λx ∗ ]B ⇒ f ( x ∗ ) = λ x ∗ y λ es un valor propio de f ya que x ∗ 6= 

b) v es un vector propio de f correspondiente a λ si y sólo si


f ( v ) = λv ⇐⇒ [f (v )]B = [λ v ]B ⇐⇒ A[v ]B = λ[v ]B
si y sólo si [ v ]B es un vector propio de A correspondiente a λ.

Teorema.- Los vectores propios de f correspondientes al valor propio λ , son los vectores distintos de cero del
núcleo de la aplicación λId − f (denotamos por Id la aplicación identidad, Id (v) = v ).
Llamaremos a dicho núcleo, espacio caracterı́stico de f correspondiente al valor propio λ .

Demostración:
v un vector propio correspondiente a λ ⇐⇒ f ( v ) = λ v ⇐⇒ f ( v ) = λId (v ) ⇐⇒ λId ( v ) − f ( v ) =  ⇐⇒
(λId − f )(v ) =  ⇐⇒ v ∈ ker(λId − f ) .

Demostración de: Teorema 162 de la página 63

Teorema 162.- Sean v , v , . . . , vk vectores propios de una matriz A asociados a los valores propios λ1 ,
λ2 , . . . , λk respectivamente, siendo λi 6= λj , ∀ i 6= j . Entonces el conjunto de vectores {v , v , . . . , vk } es
linealmente independiente.
Demostración:
Supongamos que v , v , . . . , vk son linealmente dependientes.
Por definición, un vector propio es distinto de cero, luego el conjunto {v } es linealmente independiente.
Sea r el máximo entero tal que {v , v , . . . , vr } es linealmente independiente. Puesto que hemos supuesto
que {v , v , . . . , vk } es linealmente dependiente, r satisface que 1 ≤ r < k . Además, por la manera en que
se definió r , {v , v , . . . , vr , vr+ } es linealmente dependiente. Por tanto, existen escalares c1 , c2 , . . . , cr+1 , al
menos uno diferente de cero, tales que

c1 v + c2 v + · · · + cr+1 vr+ = . h 5.2i

Multiplicando en ambos lados de la igualdad por A y haciendo las sustituciones


Av = λ1 v , Av = λ2 v , . . . , Avr+ = λr+1 vr+
se obtiene
c1 λ1 v + c2 λ2 v + · · · + cr λr vr + cr+1 λr+1 vr+ =  h 5.3i
Multiplicando los dos lados de (5.2) por λr+1 y restándole a (5.3) la ecuación resultante se obtendrá

c1 (λ1 − λr+1 )v + c2 (λ2 − λr+1 )v + · · · + cr (λr − λr+1 )vr = .

Y dado que los vectores v , v , . . . , vr son linealmente independientes, necesariamente


c1 (λ1 − λr+1 ) = c2 (λ2 − λr+1 ) = · · · = cr (λr − λr+1 ) = 0
Como los λ1 , λ2 , . . . , λr+1 son distintos entre si, se deduce que c1 = c2 = · · · = cr = 0 .
Sustituyendo estos valores en (5.2) resulta que cr+1 vr+ =  , y como vr+ 6=  se deduce que cr+1 = 0 ,
lo que contradice el hecho de que al menos uno de los escalares c1 , c2 , . . . , cr+1 debı́a de ser distinto de cero.
Luego los vectores v , v , . . . , vk han de ser linealmente independientes, que prueba el teorema.

Demostración de: Proposición 164 de la página 63

Proposición 164.- Sea A de orden n y λk un autovalor de A de multiplicidad mk . Entonces

1 ≤ dim V (λk ) ≤ mk .

Demostración:
Como ya observamos anteriormente, dim V (λi ) ≥ 1 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
85 – Matemáticas 1 : Álgebra Lineal Anexo 1

Supongamos que dim V (λk ) = d, y consideremos el operador lineal f : Rn −→ Rn definido por f (v) = Av .
Sea {v , . . . , vd } una base del espacio caracterı́stico V (λk ) , que podemos completar hasta obtener una base de
Rn , B = {v , . . . , vd , vd+ , . . . , vn }. La matriz A0 , del operador en la base B , será de la forma
 
A0 = [f (v )]B ··· [f (vd )]B [f (vd+ )]B ··· [f (vn )]B
 
λk ··· 0
.. .. .
. .. A012
 


  . 

0 · · · λk
 
= λk [v ]B ··· λk [v ]B [f (vd+ )]B ··· [f (vn )]B =
 
0 ··· 0

 
.. .
 
· · · .. A022
 
 . 
0 ··· 0

de donden |λI − A0 | = (λ − λk )d |λI − A022 |. Pero como A y A0 son matrices semejantes que tienen el mismo
polinomio caracterı́stico (Ejer. 4.121), (λ − λk )d |λI − A022 | = |λI − A0 | = |λI − A| = (λ − λk )mk Q(λ) , en
consecuencia tiene que ser d ≤ mk puesto que mk es la multiplicidad de la raı́z

Demostración de: Teorema de la diagonalización 165 de la página 63

Teorema de la diagonalización 165.- Sea A una matriz de orden n . Entonces A es diagonalizable si y sólo si
se cumplen las condiciones:
1.- |λI − A| = (λ − λ1 )m1 · · · (λ − λk )mk , con m1 + m2 + · · · + mk = n (es decir, tiene n raı́ces reales)
2.- Para cada espacio caracterı́stico V (λi ) , se cumple que dim V (λi ) = mi
Demostración:
=⇒ Si A es diagonalizable, la matriz diagonal D y A son semejantes ( D = P −1 AP ) y por tanto poseen el
mismo polinomio caracterı́stico (Ejer. 4.121), luego P (λ) = |λI − A| = |λI − D| = (λ − λ1 )m1 · · · (λ − λk )mk ,
donde los λi ∈ R son los valores de la diagonal de D y mi el número de veces que se repite. Por tanto, P (λ)
tiene todas sus raices reales y, por ser de grado n , m1 + m2 + · · · + mk = n .
Además, por ser A y D matrices semejantes, también lo son λI − A y λI − D , para todo λ ∈ R, pues
P −1 (λI − A)P = λP −1 IP − P −1 AP = λI − D , de donde rg(λI−A) = rg(λI−D) , para todo λ . Entonces, para
cada autovalor λi se tiene que rg(λi I − A) = rg(λi I − D) = n − mi y, en consecuencia, que dim V (λi ) = mi .
⇐= Si |λI − A| = (λ − λ1 )m1 · · · (λ − λk )mk , con m1 + m2 + · · · + mk = n , y dim V (λi ) = mi para cada
i = 1, . . . , k , consideremos en cada V (λi ) una base Bi , de la forma
n o n o n o
B1 = p11 , . . . , p1m1 , B2 = p21 , . . . , p2m2 , . . . , Bk = pk1 , . . . , pkmk

Tomemos entonces B = B1 ∪B2 ∪· · ·∪Bk , un conjunto de n vectores propios de A, si vemos que son linealmente
independientes, tendremos que A es diagonalizable.
Planteemos una combinación lineal igualada a cero:

 = β11 p11 + · · · + β1m1 p1m1 + β21 p21 + · · · + β2m2 p2m2 + · · · + βk1 pk1 + · · · + βkmk pkmk
= (β11 p11 + · · · + β1m1 p1m1 ) + (β21 p21 + · · · + β2m2 p2m2 ) + · · · + (βk1 pk1 + · · · + βkmk pkmk )
= v + v + · · · + vk

siendo vj = βj1 pj1 + · · · + βjmj pjmj ∈ V (λj ) , para cada j = 1, . . . , k .


Los vectores v , v , . . . , vk son vectores de espacios caracterı́sticos correspondientes, respectivamente, a
los valores propios distintos λ1 , λ2 , . . . , λk y por tanto, si no son cero, son linealmente independientes. Pero la
combinación lineal v + v + · · · + vk =  nos indicarı́a que son dependientes, luego la única forma de eliminar
esa contradicción es que vj = , ∀j = 1, 2, . . . , k ; de donde, si  = vj = βj1 pj1 + · · · + βjmj pjmj , han de ser
todos βj1 = βj2 = · · · = βjmj = 0 por ser Bj una base. Como es cierto para cada j , se tiene que βji = 0 ,
∀ i, j , con lo que B es linealmente independiente.

Demostración de: Teorema de la diagonalización ortogonal 171 de la página 65

Teorema de la diagonalización ortogonal 171.- A diagonaliza ortogonalmente ⇐⇒ A es simétrica

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
86 – Matemáticas 1 : Álgebra Lineal Anexo 1

Demostración:
=⇒ Es el Lema 169
⇐= Sea A simétrica, veamos que es diagonalizable. Primero, que todos los valores propios de A son reales:
Sea λ ∈ C un valor propio de A , entonces existe x = (x1 , . . . , xn ) 6=  ( xj ∈ C ) tal que Ax = λx . Por
ser A real, su polinomio caracterı́stico es real y el conjugado de λ , λ, es también autovalor de A; además,
tomando conjugados en la igualdad anterior, se tiene que Ax = Ax = λx . Entonces, son iguales los valores
n
X n
X 2
xt Ax = xt (Ax) = xt (λx) = λxt x = λ xj xj = λ |xj |
j=1 j=1
n
X 2
xt Ax = (xt A)x = (xt At )x = (Ax)t x = (λx)t x = λxt x = λ |xj |
j=1

n
P 2
y, al ser x 6=  , |xj | 6= 0 por lo que λ = λ y λ ∈ R. En consecuencia, si todos los autovalores de A son
j=1
reales, el polinomio caracterı́stico de A tiene las n raices reales.
Veamos ahora que para cada λj se verifica que dim V (λj ) = mj .
Sean dim V (λj ) = d y Bj = {x , . . . , xd } una base ortonormal de V (λj ) que ampliamos hasta una base
ortonormal de Rn , B = {x , . . . , xd , xd+ , . . . , xn } .
Consideremos el operador lineal f : Rn −→ Rn dado por f (x) = Ax , luego A es la matriz de f en la base
canónica que es ortonormal y si A0 es la matriz de f en la base B y P la matriz de paso de B a la canónica,
P es ortogonal y A0 = P t AP . Como A es simétrica, A0 tambien lo será pues (A0 )t = (P t AP )t = P t At (P t )t =
P t AP = A0 .
 
0
A = [f (x )]B · · · [f (xd )]B [f (xd+ )]B · · · [f (xn )]B
 
λj ···
0
 .. .. ..
. A012

.
  .
 
 
 0 ···
λj 
= λj [x ]B ··· λj [x ]B [f (xd+ )]B ··· [f (xn )]B =  
 0
 ···
0 

 . .
 .. · · · .. A022


0 ··· 0

donde A012 = 0 , puesto que A0 es simétrica y A022 cuadrada de orden n − d . Luego la matriz λj I − A0 nos
queda
   
λj − λj · · · 0 0 ··· 0
 .. .. ..   .. . . .. 

 . . . 0   .
  . . 0 

0 · · · λj − λj  =  0 ··· 0
λ j I − A0 = 
   


 0 ··· 0   0 ··· 0
  

.. ..   . .
λj I − A022   .. · · · .. λj I − A022 
 
 . ··· .
0 ··· 0 0 ··· 0

por lo que rg(λj I −A0 ) = rg(λj I −A022 ) . Por ser A y A0 semejantes rg(λj I −A) = rg(λj I −A0 ) (ver demostración
del Teorema 165), y se tiene que rg(λj I −A022 ) = rg(λj I −A) = n−dim V (λj ) = n−d por lo que |λj I − A022 | =6 0.
Entonces, |λI − A| = |λI − A0 | = (λ − λj )d |λI − A022 | , con |λj I − A022 | =
6 0 , luego d = mj .
En resumen, A diagonaliza, y tomando una base ortonormal de cada uno de los espacios caracterı́sticos,
tendremos n vectores propios de norma 1 y, que por el Lema 170, son ortogonales entre sı́.

Formas cuadráticas
Demostración de: Teorema de Sylvester o Ley de inercia 180 de la página 71

Teorema de Sylvester o Ley de inercia 180.- Si una forma cuadrática se reduce a la suma de cuadrados en
dos bases diferentes, el número de términos que aparecen con coeficientes positivos, ası́ como el número de
términos con coeficientes negativos es el mismo en ambos casos.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
87 – Matemáticas 1 : Álgebra Lineal Anexo 1

Demostración:
Supongamos que respecto a una base B1 = {b , b , . . . , bn } la matriz de la forma cuadrática Q es una matriz
diagonal y tiene p elementos positivos y s elementos negativos en su diagonal principal, luego la expresión de
la forma cuadrática será

Q(x) = a1 x21 + · · · + ap x2p − ap+1 x2p+1 − · · · − ap+s x2p+s

con ai > 0 para todo i, y (x1 , . . . , xp , xp+1 , . . . , xp+s , xp+s+1 , . . . , xn ) = [x]tB1 ; y que respecto a otra base
B2 = {d , d , . . . , dn } la matriz de la forma cuadrática es también diagonal con q elementos positivos y r
negativos, por lo que Q se expresará en la forma

Q(x) = c1 y12 + · · · + cq yq2 − cq+1 yq+1


2 2
− · · · − cq+r yq+r

con ci > 0 para todo i, e (y1 , . . . , yq , yq+1 , . . . , yq+r , yq+r+1 , . . . , yn ) = [x]tB2 .


Por el teorema 178 anterior, sabemos que las matrices congruentes tienen el mismo rango, luego tienen que
ser p + s = q + r . Veamos que p = q , con lo que tendremos también que s = r .
Si p 6= q , uno de ellos es mayor que el otro, supongamos que es p > q y consideremos los conjuntos de vectores
{b , . . . , bp } y {dq+ , . . . , dn } . Si p > q , el conjunto {b , . . . , bp , dq+ , . . . , dn } tiene p+(n−q) = n+(p−q) > n
vectores y, por lo tanto, es un conjunto linealmente dependiente y en la igualdad

λ1 b + · · · + λp bp + µq+1 dq+ + · · · + µn dn = 

alguno de los coeficientes no es cero. Entonces, el vector

λ1 b + · · · + λp bp = −µq+1 dq+ − · · · − µn dn = x

no es el cero (si es cero, todos los λi son cero por ser los bi de B1 , y todos los µj = 0 por ser los dj ∈ B2 ),
con algún λi y algún µj distintos de cero. Tenemos ası́ que

[x]tB1 = (λ1 , . . . , λp , 0, . . . , 0) y [x]tB2 = (0, . . . , 0, −µq+1 , . . . , −µn )

pero calculando Q(x) respecto a las dos bases obtenemos

Q(x) = a1 λ21 + · · · + ap λ2p − ap+1 0 − · · · − ap+s 0 = a1 λ21 + · · · + ap λ2p > 0


Q(x) = c1 0 + · · · + cq 0 − cq+1 (−µq+1 )2 − · · · − cq+r (−µq+r )2 + 0(−µq+r+1 )2 + · · · + 0(−µn )2
= −cq+1 (−µq+1 )2 − · · · − cq+r (−µq+r )2 ≤ 0

lo que no puede ser. Por tanto deben ser p = q y s = r , es decir, las dos matrices diagonales tienen el mismo
número de elementos positivos y negativos.

Demostración de: Teorema de clasificación 183 de la página 72

Teorema de clasificación 183.- Sea Q una forma cuadrática en un espacio de dimensión n . Se verifica:
a) Q es nula ⇐⇒ Sig(Q) = (0, 0)
b) Q es definida positiva ⇐⇒ Sig(Q) = (n, 0) .
c) Q es semidefinida positiva ⇐⇒ Sig(Q) = (p, 0) con 0 < p < n .
d) Q es definida negativa ⇐⇒ Sig(Q) = (0, n) .
e) Q es semidefinida negativa ⇐⇒ Sig(Q) = (0, q) con 0 < q < n .
f) Q es indefinida ⇐⇒ Sig(Q) = (p, q) con 0 < p, q .
Demostración:
Sea B = {v , . . . , vn } una base en la cual, la expresión de Q es Q(x) = d1 x21 + d2 x22 + · · · + dn x2n
donde (x1 , . . . , xn ) = [x]tB . Luego, Q(vi ) = di , para todo i = 1, . . . , n , ya que los vectores de B tiene por
coordenadas [v ]tB = (1, 0, 0, . . . , 0) , [v ]tB = (0, 1, 0, . . . , 0) , . . . , [vn ]tB = (0, 0, 0, . . . , 1) . Entonces:
a) Si Q(x) = 0 , para todo x , se tiene que di = Q(vi ) = 0 , para todo i , luego Sig(Q) = (0, 0) .
Reciprocamente, si di = 0 para todo i, entonces Q(x) = 0 para todo x .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
88 – Matemáticas 1 : Álgebra Lineal Anexo 1

b) Si Q(x) > 0 para todo x 6=  , se tiene que di = Q(vi ) > 0 , para todo i, luego Sig(Q) = (n, 0) .
Recı́procamente, si di > 0 para todo i , entonces Q(x) > 0 para todo x 6=  .
c) Si Q(x) ≥ 0 para todo x 6=  , es di = Q(vi ) ≥ 0 para todo i. Como no es nula existe algún dj > 0 y
como no es definida positiva existe algún dk = 0 , luego Sig(Q) = (p, 0) con 0 < p < n .
Recı́procamente, si di ≥ 0 para todo i , con algún dj > 0 y algún dk = 0 , se tiene que Q(x) ≥ 0 para
todo x , que Q(vj ) = dj > 0 , por lo que no es nula, y que Q(vk ) = dk = 0 , por lo que no es definida
positiva.
d) y e) Análogos a los casos de definida y semidefinida positiva.
f) Por ser indefinida, Q(x) 6≥ 0 para todo x , luego di 6≥ 0 para todo i , por lo que existirá un dj < 0
y Q(x) 6≤ 0 para todo x , luego di 6≤ 0 para todo i por lo que existirá un dk > 0 . En consecuencia,
Sig(Q) = (p, q) con p, q > 0 .
Recı́procamente, si existe dj < 0 y dk > 0 , serán Q(vj ) = dj < 0 y Q(vk ) = dk > 0 , luego es indefinida.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
89 – Matemáticas 1

Unidad II

Cálculo diferencial en R

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
90 – Matemáticas 1 : Cálculo diferencial en R

Capı́tulo 6

Funciones, lı́mites y continuidad


6.1 La recta real
6.1.1 Los números reales
Los números reales son de sobra conocidos, sus operaciones básicas ası́ como su identificación con los puntos de
“la recta real”, por lo que sólo vamos a mencionar aquı́ algunas de sus propiedades (la mayorı́a conocidas) que
son imprescindibles en el desarrollo de este tema.
Propiedades de orden 185.- Denotaremos por R+ = {x ∈ R : x > 0} y R− = {x ∈ R : x < 0}
1.- Antisimétrica: Si x ≤ y e y ≤ x =⇒ x = y .
2.- Transitiva: Si x ≤ y e y ≤ z =⇒ x ≤ z .

3.- Total : Para cualesquiera x, y ∈ R: o bien x ≤ y , o bien y ≤ x .


4.- Si x ≤ y , entonces x + z ≤ y + z para todo z ∈ R (si x < y =⇒ x + z < y + z ).
5.- Si x ≤ y , entonces x · z ≤ y · z para todo z ∈ R+ (si x < y =⇒ x · z < y · z ).
6.- Si x ≤ y , entonces x · z ≥ y · z para todo z ∈ R− (si x < y =⇒ x · z > y · z ).
1 1
7.- Si 0 < x < y , entonces 0 < y < x .

Las propiedades de acotación siguientes garantizan que los números reales “llenan” la recta real, lo que nos
permite decir que recorremos de manera continua un subconjunto de R .
Definición 186.- Sea A ⊆ R , diremos que el conjunto A está acotado superiormente si existe algún K ∈ R
tal que x ≤ K , para todo x ∈ A; es decir, todos los elementos de A son menores que K . Del valor K diremos
que es una cota superior de A.
Análogamente, A está acotado inferiormente si existe k ∈ R tal que k ≤ x , para todo x ∈ A y diremos
que k es una cota inferior de A. Diremos que A está acotado si lo está superior e inferiormente.

Propiedad del extremo superior 187.- Todo subconjunto no vacı́o A ⊆ R y acotado superiormente admite
una cota superior mı́nima, es decir, ∃ Γ ∈ R tal que:

a) x ≤ Γ ; ∀ x ∈ A b) Si K < Γ , entonces ∃ x ∈ A verificando que K < x ≤ Γ .


Se dice que Γ es el extremo superior o supremo de A y se denota por sup A ó ext sup A. Si Γ pertenece
a A, se dice que Γ es el máximo de A , y escribiremos max A = Γ .

Propiedad del extremo inferior 188.- Todo subconjunto no vacı́o A ⊆ R acotado inferiormente admite una
cota inferior máxima, es decir, ∃ γ ∈ R tal que:

a) γ ≤ x ; ∀ x ∈ A b) Si γ < k , entonces ∃ x ∈ A verificando que γ ≤ x < k .

Se dice que γ es el extremo inferior o ı́nfimo de A y se denota por inf A ó ext inf A. Si γ pertenece a A,
se dice que γ es el mı́nimo de A , y escribiremos min A = γ .

Nota: Que Γ = sup A es equivalente a que para cada ε > 0 existe x ∈ A con Γ − ε < x ≤ Γ . Es decir, que
para cualquier valor más pequeño que el superior hay algún elemento del conjunto más grande que él.
Análogamente, γ = inf A ⇐⇒ para cada ε > 0 existe x ∈ A con γ ≤ x < γ + ε .
1 n o
Ejemplo El conjunto A = n : n ∈ N = 1, 12 , 13 , 14 , . . . está acotado superior e inferiormente.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
91 – Matemáticas 1 : Cálculo diferencial en R 6.1 La recta real

En efecto, n1 ≤ 1 < 2 para todo n , luego 2 es una cota superior del conjunto (de hecho, cualquier número
mayor o igual a 1 lo es). También está acotado inferiormente, pues n1 es positivo luego 0 < n1 para todo n y 0
es una cota inferior de A (cualquier número negativo es también una cota inferior).
Luego A es un conjunto acotado y tiene supremo e ı́nfimo: como el supremo es la mı́nima cota superior,
sup A = 1 , pues 1 es una cota superior y si K < 1 , existe el 1 ∈ A tal que K < 1 ≤ sup A = 1 luego K no es
una cota y 1 es la más pequeña.
Como el ı́nfimo es la máxima cota inferior, inf A = 0 , pues es una cota y para cualquier k > 0 , puedo
encontrar un n suficientemente grande para que 0 < n1 < k (por ejemplo, para k = 0.00001 , se tiene que
1 1
0 < 100001 < 100000 = k ).
Además, sup A = 1 ∈ A luego max A = 1 ; lo que no ocurre con el ı́nfimo, pues inf A = 0 ∈ / A, luego
6 ∃ min A. 4

6.1.2 Valor absoluto de un número real


Definición 189.- Sea a ∈ R, se llama valor absoluto de a, y se representa por |a| , al número real dado por
√ 
a, si a ≥ 0
2
|a| = + a =
−a, si a < 0

Propiedades del valor absoluto 190.-


−1
a) |a| ≥ 0 , ∀ a y |a| = 0 ⇐⇒ a = 0 b) |ab| = |a| |b| c) a−1 = |a|

d) |a| ≤ k ⇐⇒ −k ≤ a ≤ k e) |a + b| ≤ |a| + |b| f) |a| − |b| ≤ |a − b|

.
El valor absoluto y su uso como distancia es clave en las definiciones de conjuntos y conceptos como el lı́mite
y la continudad, la derivación e integración.

Nota: Con el valor absoluto, diremos que A es acotado ⇐⇒ existe K > 0 tal que |x| ≤ K , ∀ x ∈ A.
n o
Ejemplo El conjunto A = 1, 12 , 13 , 14 , . . . del ejemplo anterior está acotado pues n1 ≤ 1 para todo n .

6.1.3 Intervalos y entornos en R


Los subconjuntos de R, están formados por puntos separados o por intervalos (“trozos”) de la recta real o por
uniones de ellos; pero no sólo eso, sino que la validez de algunos resultados depende del tipo de intervalo usado.
Pero además, los intervalos centrados en un punto (que llamaremos entornos) son básicos en la construcción de
la mayorı́a de los conceptos del Cálculo.
Definición 191.- Dados los números reales a y b con a ≤ b, se llama intervalo abierto de extremos a y b,
y se representa por (a, b) , al conjunto:
(a, b) = {x ∈ R : a < x < b}.
Se llama intervalo cerrado de extremos a y b, y se representa por [a, b] , al conjunto:
[a, b] = {x ∈ R : a ≤ x ≤ b}.
Análogamente se definen: (a, b] = {x ∈ R : a < x ≤ b} y [a, b) = {x ∈ R : a ≤ x < b}
y los intervalos no acotados: (a, +∞) = {x ∈ R : a < x} y [a, +∞) = {x ∈ R : a ≤ x}
(−∞, b) = {x ∈ R : x < b} y (−∞, b] = {x ∈ R : x ≤ b}
En los intervalos cerrados, inf[a, b] = min[a, b] = a y sup[a, b] = max[a, b] = b, mientras que en los abiertos
inf{(a, b)} = a y sup{(a, b)} = b pero no tiene ni máximo ni mı́nimo.
En los no acotados, como [a, +∞) , se tiene inf[a, +∞) = min[a, +∞) = a pero no existe el superior (a veces
se escribe sup A = +∞ , para indicar que el conjunto no está acotado superiomente).
Naturalmente, R es también un intervalo R = (−∞, +∞) . Y, [a, a] = {a} pero (a, a) = (a, a] = [a, a) = ∅ .

Definición 192.- Llamaremos entorno de centro a y radio ε > 0 , y escribiremos E(a, ε) , al conjunto:
E(a, ε) = {x ∈ R : |x − a| < ε} = {x ∈ R : a − ε < x < a + ε} = (a − ε, a + ε) .
Llamaremos entorno reducido de centro a y radio ε > 0 , E ∗ (a, ε) , al conjunto
E ∗ (a, ε) = E(a, ε) − {a} = {x ∈ R : 0 < |x − a| < ε} .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
92 – Matemáticas 1 : Cálculo diferencial en R 6.2 Funciones reales de variable real

6.1.4 Algunas operaciones con números reales


6.1.4.1 Potencias racionales y reales de un número real
Las potencias racionales, xr , se definen paulatinamente a partir de las potencias naturales:
n)
? para n ∈ N y x ∈ R , definimos xn = x · x · · · x .
? para z ∈ Z y x ∈ R − {0} , definimos x0 = 1 y si z < 0 , xz = (x−1 )−z .
1 √
? para n ∈ N y x ∈ R+ , definimos x n = n x como el α ∈ R tal que αn = x
z √
? para r = nz , con z ∈ Z y n ∈ N , y x ∈ R+ , definimos x n = n xz .

y se verifican las siguientes propiedades:

(1) xr y r = (xy)r (2) xr xs = xr+s (3) (xr )s = xrs

(4) Si 0 < x < y , entonces 0 < xr < y r si r > 0 y 0 < y r < xr si r < 0
(5) Si r < s se tiene que xr < xs cuando x > 1 xs < xr cuando 0 < x < 1 .
y

Antes de terminar, un pequeño apunte sobre las raices n -ésimas, n x para x ≥ 0 : si n es impar, existe un
único número real α > 0 tal que αn = x ; y si n es √
par, existe un
√ único número real α > 0 tal que αn = x y
n
(−α) = x . Por ello, si n es par siempre se escribe x > 0 y − x < 0 para distinguir entre el valor positivo
n n

y el negativo.

Potencias reales.- Las potencias reales de un número real, xα , con x > 0 y α ∈ R se extienden de las
racionales (aunque no de manera sencilla) y verifican las mismas propiedades de (1) a (5) que las potencias
racionales.

6.1.4.2 Exponencial real de base e


La exponencial de base e que a cada x ∈ R le asigna el número real ex . Las propiedades de las potencias,
establecen la validez de:

(1) ex+y = ex ey (2) Si x < y se tiene que ex < ey (3) ex > 0


(Genéricamente, tenemos exponenciales de base a, para cualquier a > 0 , con propiedades similares.)

6.1.4.3 Logaritmo neperiano real


Para cada x ∈ (0, +∞) , se define el logaritmo neperiano, ln x como el valor real α tal que eα = x ; es decir, la
operación recı́proca a la exponencial.

(1) ln(xy) = ln x + ln y (2) ln(xy ) = y ln x (3) Si 0 < x < y se tiene ln x < ln y


(Genéricamente, para cada exponencial ax , tenemos el logaritmo en base a , loga x .)

6.2 Funciones reales de variable real


Definición 193.- Llamaremos función real de variable real, a cualquier aplicación f : A −→ R, donde
A ⊆ R. Al conjunto A lo denominaremos dominio de f y escribiremos A = Dom(f ) .
Si x ∈ A escribiremos y = f (x) para indicar que y ∈ R es la imagen de x por medio de f .
El recorrido o conjunto imagen de f , que suele denotarse por f (A) , será:
n o n o
f (A) = f (x) ∈ R : x ∈ A = y ∈ R : ∃ x ∈ A con y = f (x) = Img f

Nota: Si la función viene dada sólo por la expresión y = f (x) , sobreentenderemos que el dominio es el máximo
subconjunto de R para el cual f (x) ∈ R , es decir, Dom(f ) = {x ∈ R : f (x) ∈ R}

Ejemplo Sea f : [−1, 1] −→ R dada por f (x) = 1 − x2 . Se tiene que:

Dom(f ) = [−1, 1] : pues x ∈ [−1, 1] =⇒ 0 ≤ x2 ≤ 1 =⇒ 1 − x2 ≥ 0 =⇒ 1 − x2 = f (x) ∈ R.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
93 – Matemáticas 1 : Cálculo diferencial en R 6.2 Funciones reales de variable real

2 2 2

f ([−1, 1]) ⊆ [0, 1] , ya que x ∈
√[−1, 1] =⇒ 0 ≤ x ≤ 1 =⇒ −1 ≤ −x ≤ 0 =⇒ 0 ≤ 1−x ≤ 1 =⇒ 0 ≤ 1−x2 ≤ 1 y,
2
si k ∈ [0, 1] , se tiene k = f 1 − k ; luego f ([−1, 1]) = [0, 1] .
1
Para f dada por f (x) = 1−x2 , su dominio se obtendrá de:
1
f (x) ∈ R ⇐⇒ ∈ R ⇐⇒ 1 − x2 6= 0 ⇐⇒ x2 6= 1 ⇐⇒ x 6= ±1
1 − x2
luego Dom(f ) = R − {1, −1} = (−∞, −1) ∪ (−1, 1) ∪ (1, +∞) . Además, Img(f ) = R − [0, 1) . 4

y
Definición 194.- Llamaremos gráfica de la función dada
por y = f (x) , y lo denotaremos por graf(f ) , al subcon- f (a) r graf(f )
junto de R2 (a, f (a)) 
 (c, f (c))
r


n o f (c)
graf(f ) = (x, y) ∈ R2 : x ∈ Dom(f ) e y = f (x)
n o f (b) r(b, f (b))
= (x, f (x)) ∈ R2 : x ∈ Dom(f )
x
a b c

Definición 195 (Operaciones con funciones).- Sea f y g funciones reales de variable real. Entonces son
funciones reales de variable real las siguientes:

1.- (Suma) (f +g)(x) = f (x) + g(x) 2.- (Producto) (f g)(x) = f (x) · g(x)
 
f f (x)
3.- (Cociente) g (x) = g(x) 4.- (Composición) (g ◦ f )(x) = g(f (x))

en los conjunto donde tenga sentido. Es decir:


 
Dom(f +g) = Dom(f ) ∩ Dom(g) Dom(f /g) = Dom(f ) ∩ Dom(g) − {x : g(x) = 0}
n o
Dom(f g) = Dom(f ) ∩ Dom(g) Dom(g ◦ f ) = x ∈ Dom(f ) : f (x) ∈ Dom(g)

√ √
Ejemplo Sean f (x) = 2 − x y g(x) = x2 − 1 . Se tiene que
Dom f = {x ∈ R : 2 − x ≥ 0} = {x ∈ R : 2 ≥ x} = (−∞, 2]
Dom g = {x ∈ R : x2 − 1 ≥ 0} = {x ∈ R : x2 ≥ 1} = (−∞, −1] ∪ [1, +∞) = R − (−1, 1)
√ √
Luego el dominio de (f + g)(x) = 2 − x + x2 − 1 es
 
Dom(f + g) = Dom f ∩ Dom g = (−∞, 2] ∩ (−∞, −1] ∪ [1, +∞) = (−∞, −1] ∪ [1, 2]
√ √
que coincide con el de (f g)(x) = √ 2 − x x2 − 1 .
Para el dominio de ( fg )(x) = √x2−x
2 −1
, como g(x) = 0 si x2 − 1 = 0 , es decir, si x = ±1 ,
   
Dom fg = (Dom f ∩ Dom g) − {−1, 1} = (−∞, −1] ∪ [1, 2] − {−1, 1} = (−∞, −1) ∪ (1, 2]
q√ √
y, finalmente el dominio de (g ◦ f )(x) = ( 2 − x)2 − 1 = 1 − x será
 √ (1)  √
Dom(g ◦ f ) = x ∈ (−∞, 2] : 2 − x ∈ Dom g = x ∈ (−∞, 2] : 2 − x ≥ 1
= {x ∈ (−∞, 2] : 2 − x ≥ 1} = {x ∈ (−∞, 2] : 1 ≥ x} = (−∞, 1]
√ √ √ √
(1) como 2 − x ≥ 0 , se tiene 2 − x ∈ Dom g si 2 − x ∈ [1, +∞) , es decir, si 2 − x ≥ 1. 4

Dominio de algunas funciones elementales 196.-


√ √
? Raı́z: f (x) = n x y Dom f = [0, +∞) . Con n
x = 0 ⇐⇒ x = 0 .

? Potencia real: f (x) = xα y Dom f = (0, +∞) . Con xα > 0 para todo x .
? Exponencial: f (x) = ex y Dom f = R . Con ex > 0 para todo x .
? Logaritmo neperiano: f (x) = ln(x) y Dom f = (0, +∞) . Con ln x = 0 ⇐⇒ x = 1 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
94 – Matemáticas 1 : Cálculo diferencial en R 6.2 Funciones reales de variable real

? Seno: f (x) = sen(x) y Dom f = R. Con sen x = 0 ⇐⇒ x = kπ con k ∈ Z,


π
? Coseno: f (x) = cos(x) y Dom f = R. Con cos x = 0 ⇐⇒ x = 2 + kπ con k ∈ Z.
? Tangente: f (x) = tg(x) = sen x
cos x y Dom f = R − { π2 + kπ : k ∈ Z} = dk∈Z ( −π π
2 + kπ, 2 + kπ) .

ex −e−x
? Seno hiperbólico: f (x) = sh(x) = 2 y Dom f = R . Con sh x = 0 ⇐⇒ x = 0 .
ex +e−x
? Coseno hiperbólico: f (x) = ch(x) = 2 y Dom f = R . Con ch x ≥ 1 para todo x .
sh x
? Tangente hiperbólica: f (x) = th(x) = ch x y Dom f = R.

α < −1 α>1
α=1 f (x) = ex
ch(x) sh(x)

0<α<1 1
1 1
th(x)
1 π π
2
1
−1 < α < 0
f (x) = ln(x) sen(x)
1 cos(x)
tg(x)
f (x) = xα

Fig. 6.1. Gráficas de algunas funciones elementales.

Definición 197.- Sea f : A −→ R, con A ⊆ R . Diremos que f es una función acotada si el conjunto imagen
f (A) está acotado. Es decir, si existe K > 0 tal que |f (x)| ≤ K para todo x ∈ A.

Ejemplo ? El seno y el coseno están acotadas en R, pues |sen x| ≤ 1 y |cos x| ≤ 1 para todo x ∈ R.
x
? La función f : R−{0} −→ R, con f (x) = |x| , está acotada en su dominio pues para todo x ∈ R, se tiene
x
− |x| ≤ x ≤ |x| , y para todo x 6= 0 , −1 ≤ |x| ≤ 1 . (De hecho, |f (x)| = 1 , ∀ x 6= 0 .)

? La función th(x) está acotada en R. En efecto, si x ≥ 0 , se cumple que ex ≥ 1 ≥ e1x = e−x , luego
x −x
0 ≤ ex − e−x < ex + e−x y entonces 0 ≤ eex −e +e−x < 1 . Como th(−x) = − th(x) (comprobarlo), cuando
x < 0 , se tiene −1 < th(x) < 0 , por lo que |th(x)| < 1 , para todo x ∈ R . 4

6.2.1 Monotonı́a. Funciones inversas


Definición 198.- Sea f : A −→ R diremos que f es creciente o monótona creciente en el conjunto A, si
para cualesquiera x, y ∈ A , con x < y , se verifica que f (x) ≤ f (y) .
Diremos que f es decreciente o monótona decreciente en el conjunto A, si para cualesquiera x, y ∈
A, con x < y , se verifica que f (x) ≥ f (y) .
Diremos que f es creciente (resp. decreciente) en el punto a ∈ A , si existe un entorno E(a, δ) tal que
∀ x, y ∈ E(a, δ) con x < a < y se cumple f (x) ≤ f (a) ≤ f (y) (resp. f (x) ≥ f (a) ≥ f (y) ).

Nota: Si las desigualdades son estrictas, diremos estrictamente creciente y estrictamente decreciente.
Ejemplo Por las propiedades enunciadas anteriormente, las funciones ex , ln x y xα con α > 0 son estricta-
mente crecientes en sus dominios; y si α < 0 , xα decrece estrictamente en (0, +∞) (ver gráficas arriba).
La función f (x) = x1 es estrictamente decreciente en cada punto de su dominio R−{0}, pero no es monótona
decreciente en el conjunto (ya que −1 < 1 pero f (−1) = −1 < f (1) = 1 .) 4

Definición 199.- Se dice que f : A −→ R es inyectiva en A si f (x) 6= f (y) para todo x, y ∈ A, con x 6= y .

Ejemplo Las funciones estrictamente crecientes o estrictamente decrecientes en un conjunto son inyectivas.
La función f (x) = x2 es inyectiva en [0, 1] y también en [−1, 0] , pero no lo es en el conjunto [−1, 1] puesto
que f (−1) = 1 = f (1) con 1 6= −1 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
95 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

Definición 200.- Sean f : A −→ R y B = f (A) . Si f es inyectiva en A , llamaremos función inversa de f


en A, y la denotaremos por f −1 , a la función f −1 : B −→ A tal que f −1 (f (x)) = x , para todo x ∈ A.

Ejemplo 201 ? La función f : [0, ∞) −→ R con f (x) = x2 , tiene inversa en ese conjunto (es
√ estrictamente
−1 −1 √ −1
creciente en él) y es f : [0, ∞) −→ [0, ∞) dada por f (y) = y . [ f (f (x)) = x2 = |x| = x ]
? La función f : (−∞, 0] −→ R con f (x) = x2 , tiene inversa en ese conjunto (es estrictamente
√ decreciente

en él), que es f −1 : [0, ∞) −→ (−∞, 0] dada por f −1 (y) = − y . [ f −1 (f (x)) = − x2 = − |x| = x ]
? La función f : (0, +∞) −→ R con f (x) = xα , tiene inversa en el conjunto (es estr. creciente si α > 0 y
1 1
decreciente si α < 0 ), que es f −1 : (0, ∞) −→ R dada por f −1 (y) = y α . [ f −1 (f (x)) = (xα ) α = x1 = x ]
? La función f : R −→ (0, ∞) con f (x) = ex , tiene inversa en R (es estrictamente creciente en él), que es
f −1 : (0, ∞) −→ R dada por f −1 (y) = ln y . [ f −1 (f (x)) = ln(ex ) = x ln(e) = x ]
? La función f (x) = sen x , tiene inversa en el conjunto [− π2 , π2 ] (es estrictamente creciente en él), la función
f −1 : [−1, 1] −→ [− π2 , π2 ] que llamaremos arcoseno y denotaremos f −1 (y) = arcsen y .
(El seno no tiene inversa en [0, 2π] , pues no es inyectiva en ese conjunto)

? La función f (x) = cos x , tiene inversa en el conjunto [0, π] (es estrictamente decreciente en él), la función
f −1 : [−1, 1] −→ [0, π] que llamaremos arcocoseno y denotaremos f −1 (y) = arccos y .
? La función f (x) = tg x , tiene inversa en el conjunto [− π2 , π2 ] (es estrictamente creciente en él), la función
f −1 : R −→ [− π2 , π2 ] que llamaremos arcotangente y denotaremos f −1 (y) = arctg y .

? La función f (x) = sh x , f : R −→ R , tiene inversa en R (es estrictamente creciente en él),


p la función
f −1 : R −→ R que llamaremos argumento del sh y denotaremos f −1 (y) = argsh y = ln(y + y 2 + 1) .
−1
? La función f (x) = ch x , tiene inversa en [0, ∞) (estrictamente creciente), la función
p f : [1, ∞) −→ [0, ∞)
que llamaremos argumento del ch y denotaremos f −1 (y) = argch y = ln(−y + y 2 + 1) .
−1
? La función th: R −→ (−1, 1) , tiene inversa en R (estrictamente creciente), la
qfunción f : (−1, −1) −→ R
y+1
que llamaremos argumento de la th y denotaremos f −1 (y) = argth y = ln y−1 . 4

Nota: La gráfica de f −1 es simétrica, respecto de la bisectriz del primer cuadrante, a la gráfica de f .


En efecto, si (x, y) ∈ graf(f ) con y = f (x) , entonces, el punto (y, f −1 (y)) ∈ graf(f −1 ) es de la forma
(y, f −1 (y)) = (y, f −1 (f (x))) = (y, x) .
1
Puede observarse esto en la figura 6.1 de la página 94, para ex y su inversa ln(x) y xα y su inversa x α .

6.3 Lı́mite y continuidad de una función en un punto

Definición 202.- Un punto x0 ∈ R se dice punto de acumulación de un conjunto A si, y sólo si, para cada
ε > 0 se tiene que E ∗ (x0 , ε) ∩ A 6= ∅. Es decir, x0 es un punto de acumulación de un conjunto A si en cada
entorno de x0 hay otros puntos de A.
De los puntos de A que no son de acumulación, se dice que son puntos aislados de A.

Nota: Es decir, x0 es punto de acumulación de A si “cerca” de x0 siempre hay (otros) puntos de A, por
pequeño que hagamos el cı́rculo de cercanı́a; en consecuencia, a un punto de acumulación de un conjunto
siempre podremos acercarnos con puntos del conjunto. Sólo ası́ tiene sentido la definición del lı́mite siguiente.
Definición 203.- Sea f : A −→ R y sea x0 ∈ R un punto de acumulación de A. Se dice que el lı́mite de la
función f (x) cuando x tiende a x0 es L, y se representa por

lı́m f (x) = L, (también con f −→ L, cuando x → x0 )


x→x0

si, y sólo si, para cada ε > 0 existe δ > 0 tal que si x ∈ A y 0 < |x − x0 | < δ , entonces |f (x) − L| < ε.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
96 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

El significado de esta farragosa definición serı́a lo siguiente: “el lı́mite en x0 de f es L si la imagen de cada x
cercano a x0 está cerca de L”. Puede quedar un poco más claro expresando esta crecanı́a mediante entornos:
La definición anterior es, evidentemente, equivalente a: L+ε

Diremos que el lı́mite de la función f cuando x tiende a


x0 es L si, y sólo si, para cada entorno de L, E(L, ε) , L
existe un entorno reducido de x0 , E ∗ (x0 , δ) tal que si
x ∈ A ∩ E ∗ (x0 , δ) , entonces f (x) ∈ E(L, ε) . L−ε

En la figura de la derecha vemos que, en efecto, para los puntos


cercanos a x0 (en fondo rojo) sus imágenes (en fondo rojo) están
dentro de la cercanı́a de L fijada (en fondo verde). x0
x0 −δ x0 +δ

Ejemplo Para f : [0, +∞) −→ R dada por f (x) = x , se tiene que lı́m f (x) = 0 .
x→0
2
Para cada ∈ [0, +∞) y 0 < |x − 0| < δ , es decir, si 0 < x < ε2 se verifica
√ ε > 0 , tomamos δ = ε > 0 , si x√
√ 2
√ √
que x < ε = ε , pero esto es lo mismo que x = | x| = | x − 0| < ε. 4

Nota: Para el lı́mite no importa la función en el punto, sino su valor f g


en puntos cercanos (ponemos 0< |x − x0 | < δ en la definición). 2 r
n
x, x6=1
Ası́, f (x) = tiene lı́m f (x) = 1 aunque f (1) = 2 , ya que
2, x=1 x→1 1 b 1 r
si x → 1 y x 6= 1 , la función toma los valores f (x) = x en esos
puntos y entonces lı́m f (x) = lı́m x = 1 .
x→1 x→1
Y también la función g(x) = x tiene por lı́m g(x) = lı́m x = 1 . 1 1
x→1 x→1

El valor de la función en el punto es primordial sin embargo para el concepto de continuidad:


Definición 204.- Sea f : A −→ R , se dice que f es continua en el punto x0 ∈ A si, y sólo si, para cada ε > 0
existe δ > 0 tal que si x ∈ A y |x − x0 | < δ entonces |f (x) − f (x0 )| < ε.

Observación: Si el punto x0 no está aislado, la definición es equivalente a que lı́m f (x) = f (x0 ) .
x→x0

n
x, x6=1
Ejemplo La función de la nota anterior f (x) = 2, x=1 no es continua en 1 , pues lı́m f (x) = 1 6= f (1) ;
x→1
mientras que la función g(x) = x sı́ lo es pues lı́m g(x) = 1 = g(1) .
√x→1 √ √
También es continua en 0 la función f (x) = x del ejemplo anterior, pues lı́m x = 0 = 0 . 4
x→0

Ejemplo 205 La función f (x) = ex es continua en 0 . En efecto, por ser ex estrictamente creciente:
x δ x x δ
si 0 < x < δ , es 1 < e < e , luego 0 < e − 1 = |e − 1| < e − 1
δ
si −δ < x < 0 es e−δ < ex < 1 , luego 0 < 1 − ex = |ex − 1| < 1 − e−δ = e e−1δ < eδ − 1 .
Entonces, para cada ε > 0 tomamos δ = ln(1 + ε) y si 0 < |x| < δ , se tiene que
|ex − 1| < eδ − 1 = eln(1+ε) − 1 = (1 + ε) − 1 = ε
Luego se cumple que lı́m e = 1 = e0 y ex es continua en 0 .
x
4
x→0

6.3.1 Algunos resultados interesantes

Proposición 206.- Sea f : A −→ R y x0 un punto de acumulación de A. Entonces

a) lı́m f (x) = L ⇐⇒ lı́m (f (x) − L) = 0 b) lı́m f (x) = 0 ⇐⇒ lı́m |f (x)| = 0


x→x0 x→x0 x→x0 x→x0

c) Si h = x − x0 , entonces lı́m f (x) = L ⇐⇒ lı́m f (x0 + h) = L


x→x0 h→0

Demostración:
Basta observar que la definición de lı́mite para el segundo término de la 1 a equivalencia:
para cada ε > 0, existe δ > 0 tal que si 0 < |x − x0 | < δ =⇒ |(f (x) − L) − 0| = |f (x) − L| < ε

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
97 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

para el segundo término de la 2 a equivalencia:


para cada ε > 0, existe δ > 0 tal que si 0 < |x − x0 | < δ =⇒ ||f (x)| − 0| = |f (x)| < ε
y para el segundo término de la 3 a equivalencia:
para cada ε > 0, existe δ > 0 tal que si 0 < |h| = |x − x0 | < δ =⇒ |f (x0 + h) − L| = |f (x) − L| < ε
coinciden con la definición de los lı́mites para los respectivos primeros términos de la equivalencias.

Los resultados a) y c) anteriores deben considerarse definiciones equivalentes de la definición de lı́mite y


nos permiten transformar un lı́mite en un lı́mite de valor 0 o a un lı́mite en el punto 0 . Con el apartado b)
cambiamos la función por otra “acotable”, lo que cobra interés tras los resultados siguientes:
Proposición 207.- Sean f, g, h: A −→ R y x0 un punto de acumulación de A.

1.- Si f (x) ≤ g(x) ≤ h(x) en A y lı́m f (x) = L = lı́m h(x) , entonces lı́m g(x) = L
x→x0 x→x0 x→x0

2.- Si g está acotada en A y lı́m f (x) = 0 , entonces lı́m g(x) · f (x) = 0 .


x→x0 x→x0

Ejemplo El lı́m x sen x1 = 0 , pues lı́m x = 0 y el seno está acotado (|sen y| ≤ 1 , para cualquier y ∈ R ). 4
x→0 x→0

6.3.1.1 Lı́mites y continuidad con las operaciones básicas


El cálculo de los lı́mites y, por tanto el estudio de la continuidad, se extiende ampliamente y de manera sencilla
mediante las operaciones básicas de las funciones:
Propiedades 208.- Si lı́m f (x) = L1 ∈ R y lı́m g(x) = L2 ∈ R , entonces:
x→x0 x→x0

a) lı́m [f (x) + g(x)] = lı́m f (x) + lı́m g(x) = L1 + L2 .


x→x0 x→x0 x→x0

b) lı́m [f (x) · g(x)] = lı́m f (x) · lı́m g(x) = L1 · L2 .


x→x0 x→x0 x→x0

lı́m f (x)
f (x) x→x0 L1
c) lı́m = = , siempre que L2 6= 0 . .
x→x0 g(x) lı́m g(x)
x→x0
L2

Corolario 209.- Sean f y g funciones continuas en un punto x0 ∈ A, entonces:


1.- f + g es continua en el punto x0 .

2.- f g es continua en el punto x0 .


f
3.- g es continua en el punto x0 siempre que g(x0 ) 6= 0 .

Ejemplos n
n)

? La función f (x) = xn es continua en R: lı́m xn = ( lı́m x) · · · ( lı́m x) = lı́m x = xn0
x→x0 x→x0 x→x0 x→x0

? En general, si P (X) es un polinomio, lı́m P (x) = P (x0 ) , luego continuo en todo R .


x→x0

P (x)
? Y una función racional, f (x) = Q(x) , será continua en los puntos de su dominio (salvo en aquellos a con
P (x) P (x0 )
Q(a) = 0 , pero esos no pertenecen al dominio) y en todos ellos lı́m = .
x→x0 Q(x) Q(x0 )

? f (x) = ex es continua en R , pues lo es en 0 (Ejemplo 205) y, para los demás puntos, se tiene
lı́m ex = lı́m ex0 +h = lı́m ex0 eh = ex0 lı́m eh = ex0 e0 = ex0 4
x→x0 h→0 h→0 h→0

Teorema 210.- Sean f : A −→ R y g: f (A) −→ R . Si lı́m f (x) = b y g es continua en b, entonces


x→a
 
lı́m g(f (x)) = g(b) = g lı́m f (x) . .
x→a x→a

Corolario 211.- Si f es continua en a y g continua en f (a) , entonces g ◦ f es continua en a .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
98 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

Ejemplo La función f (x) = x − 1 es continua en 1 por ser polinómica;


√ la función g(x) = |x| es continua
en 0 = f (1) , pues lı́m x = 0 =⇒ lı́m |x| = 0 = |0| ; y h(x) = x es continua en 0 = g(0) . Entonces, la
x→0 x→0 p
composición (h ◦ g ◦ f )(x) = h(g(f (x))) = r|x − 1| es continua en 1 .
p q p
Además, lı́m |x − 1| = lı́m |x − 1| = lı́m (x − 1) = |0| = 0 .

x→1 x→1 x→1 4

Imponiendo condiciones sobre la función f , podemos dar una variante del teorema 210 anterior que prescinde
de la condición de continuidad de g :
Proposición 212 (Convergencia propia).- Sean f : A −→ R y g: f (A) −→ R. Si lı́m f (x) = b, con f (x) 6=
x→a
b para todos los x de un entorno reducido E ∗ (a, δ0 ) de a , entonces

lı́m (g ◦ f )(x) = lı́m g(f (x)) = lı́m g(y). .


x→a f (x)→b y→b


y, si y 6= 1
Ejemplo Sea g(y) = , no continua en 1. Para f (x) = ex se cumple la condición pedida, pues
2, si y = 1
lı́m f (x) = 1 6= ex = f (x) si x 6= 0 (es est. creciente), luego lı́m g(f (x)) = lı́m g(y) = 1 . (En efecto, como
x→0 x→0 y→1
g(f (x)) = g(ex ) = ex si ex 6= 1 , se tiene lı́m g(f (x)) = lı́m ex = 1 ).
x→0  x→0
1, si x 6= 0
Sin embargo, si tomamos la función f (x) = , que no verifica la condición de la proposición
0, si x = 0
( lı́m f (x) = 1 = f (x) si x 6= 0 ), se tiene que: lı́m g(f (x)) = lı́m g(1) = 2 6= lı́m g(y) = 1 . 4
x→0 x→0 x→0 y→1

6.3.1.2 Lı́mites laterales

Definición 213.- Sean a < c < b y f : (a, c) ∪ (c, b) −→ R.

? Diremos que L1 es el lı́mite por la izquierda de f en c, si para cada ε > 0 existe δ > 0 tal que
cuando x < c y 0 < |x − c| < δ , se tiene que |f (x) − L1 | < ε.
? Diremos que L2 es el lı́mite por la derecha de f en c, si para cada ε > 0 existe δ > 0 tal que cuando
x > c y 0 < |x − c| < δ , se tiene que |f (x) − L2 | < ε.
Los representaremos, respectivamente, por

lı́m f (x) = lı́m f (x) = L1


x→c
y lı́m f (x) = lı́m f (x) = L2
x→c
x→c− x→c+
x<c x>c

Proposición 214 (Lı́mites laterales).- Sean a < c < b y f : (a, c) ∪ (c, b) −→ R. Entonces

lı́m f (x) = L ⇐⇒ lı́m f (x) = lı́m f (x) = L .


x→c x→c− x→c+


x, si x ≥ 0
Ejemplo Sea f (x) = |x| = . Entonces
−x, si x < 0
lı́m |x| = lı́m− −x = 0 y lı́m |x| = lı́m+ x = 0 =⇒ lı́m |x| = 0 4
x→0− x→0 x→0+ x→0 x→0
√ √
Nota: Si sólo hay función en un lado, el lı́mite coincide con el lı́mite lateral. Por ejemplo, lı́m x = lı́m x,
x→0 x→0+
pues en los puntos a la izquierda de 0 no está definida la función.
Definición 215.- Si f no es continua en un punto x0 , pero se cumple que lı́m f (x) = f (x0 ) ó que
x→x−
0
lı́m f (x) = f (x0 ) , se dice que f es continua por la izquierda o continua por la derecha en x0 .
x→x+
0

Ejemplo Todas son funciones discontinuas en 1 , la tercera es continua por la derecha y las dos últimas son
continuas por la izquierda.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
99 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

r b r b
b b b r r

1 1 1 1 1

La discontinuidad de la primera función suele denominarse evitable (porque basta “rellenar el hueco” para hac-
erla continua), de la quinta se dice de salto infinito y de las tres restantes de salto finito. 4

6.3.2 Lı́mites con infinito


De manera similar a como se definen los limites para valores reales, podemos definir lı́mites donde la variable se
acerca a +∞ ó a −∞ , o que sea la función la que pueda tomar valores cércanos a ellos (valores, tan grandes que
superan cualquier cota K > 0 , o tan pequeños que rebasan cualquier cota por abajo −K < 0 ). Las definiciones
son análogas, sin más que cambiar la aproximaciones a puntos reales por aproximaciones a ∞ :
Definición 216.- Si f es una función real de variable real, se tienen las siguientes definiciones:

lı́m f (x) = +∞ si, para cada K > 0 , existe δ > 0 tal que si 0 < |x − x0 | < δ =⇒ f (x) > K
x→x0

lı́m f (x) = L si, para cada ε > 0 , existe M > 0 tal que si x < −M =⇒ |f (x) − L| < ε
x→−∞

lı́m f (x) = −∞ si, para cada K > 0 , existe M > 0 tal que si x > M =⇒ f (x) < −K
x→+∞

Análogamente: lı́m f (x) = −∞ , lı́m f (x) = L , lı́m f (x) = +∞ , lı́m f (x) = +∞ y lı́m f (x) = −∞ .
x→x0 x→+∞ x→+∞ x→−∞ x→−∞

1
Ejemplo Para a > 0 , lı́m ax = +∞ y lı́m x = −∞ . En efecto:
x→+∞ x→0−
K
? para cada K > 0 tomamos M = > 0 y si x > M , entonces f (x) = ax > aM = a K
a a =K
1
? para cada K > 0 tomamos δ = K > 0 y si −δ < x < 0 , entonces f (x) = x1 < −δ
1
= −K 4
Las operaciones del resultado Propiedades 208 son válidas también cuando tenemos lı́mites en el infinito o
con valor infinito, aunque aparecen situaciones cuyo resultado no puede determinarse usando las reglas generales.

Si lı́m f (x) = a y lı́m g(x) = b, donde tanto x0 como a y b pueden ser ±∞, el valor del lı́mite para las
x→x0 x→x0
f
funciones f + g , f · g , g y f g , se obtiene de las siguientes tablas:

f +g b = −∞ b∈R b = +∞ f
g
b = −∞ b<0 b = 0− b=0 b = 0+ b>0 b = +∞
a = −∞ −∞ −∞ a = −∞ +∞ +∞ |∞| −∞ −∞
a∈R −∞ a+b +∞ a<0 0 a
b
+∞ |∞| −∞ a
b
0
a = +∞ +∞ +∞ a=0 0 0 0 0
a a
a>0 0 b
−∞ |∞| +∞ b
0
a = +∞ −∞ −∞ |∞| +∞ +∞

f ·g b = −∞ b<0 b=0 b>0 b = +∞ fg b = −∞ b<0 b=0 b>0 b = +∞


a = −∞ +∞ +∞ −∞ −∞ a=0 +∞ +∞ 0 0
a<0 +∞ ab 0 ab −∞ 0<a<1 +∞ ab 1 ab 0
a=0 0 0 0 a=1 1 1 1
a>0 −∞ ab 0 ab +∞ a>1 0 ab 1 ab +∞
a = +∞ −∞ −∞ +∞ +∞ a = +∞ 0 0 +∞ +∞

|∞| En estos casos, no se garantiza la existencia del lı́mite, pero sı́ que se tiene fg −→ +∞ .

Hay siete indeterminaciones clásicas, indicadas con (que en el fondo se reducen a dos (i) e (ii)):

(i) ∞ − ∞ (ii) 0·∞ (iii) ∞ (iv) 0
0 (v) 1∞ (vi) 00 (vii) ∞0

Nota: Teniendo en cuenta que ab = eb ln a , las indeterminaciones (v), (vi) y (vii) se reducen a 0 · ∞ .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
100 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

2
−1
Ejemplo 217 lı́m x +2x+1
2
+∞
= ( −∞ )= .
x→+∞ 3x−2x 2

x2 +2x+1 2
x2 + 2x + 1 x2 1+ x+ x12 1+0+0 −1
lı́m = lı́m 3x−2x2
= lı́m 3 = = 4
x→+∞ 3x − 2x2 x→+∞ x→+∞ −2 0 − 2 2
x2 x

x3 −3x+2x2
Ejemplo 218 lı́m 3x3 −2x = ( 00 ) = 3
2 .
x→0

x3 − 3x + 2x2 x(x2 − 3 + 2x) x2 − 3 + 2x 0−3+0 −3 3


lı́m 3
= lı́m 2
= lı́m = = = 4
x→0 3x − 2x x→0 x(3x − 2) x→0 3x2 − 2 0−2 −2 2

Ejemplo 219 lı́m √2x +∞


= ( +∞ ) = 1.
x→+∞ x+ x2 +2x
2x
2x 2 2
lı́m √ = lı́m x
√ = lı́m √ = lı́m q = √ 2 =1
x2 +2x 2 1+0+1
x→+∞ x + x2 +2x x→+∞ x
x + x
x→+∞ 1+ x
√ +2x x→+∞
1+ 1+ x2
x2

teniendo en cuenta que cuando x → +∞ , será x > 0 y por tanto x = |x| = x2 . 4

Ejemplo 220 lı́m x2 + 2x − x = (∞ − ∞) = 1 .
x→+∞ √ √ √
p ( x2 + 2x − x)( x2 + 2x + x) ( x2 + 2x)2 − x2
lı́m 2
x + 2x − x = lı́m √ = lı́m √
x→+∞ x→+∞ x2 + 2x + x x→+∞ x2 + 2x + x
2 2
x + 2x − x 2x
= lı́m √ = lı́m √ =1 4
x→+∞ 2
x + 2x + x x→+∞ 2
x + 2x + x

Ejemplo 221 lı́m (1 + x1 )x = e


x→+∞
1 n
Por definición, e = lı́m (1 + n) y para cada x > 0 , existe n ∈ N con n < x ≤ n + 1 , luego con
n→+∞
1 1 1 1
n+1 ≤ x < n de donde 1 + n+1 ≤ 1 + x1 < 1 + n1 . De esta desigualdad y de n < x ≤ n + 1 , tenemos que:
1
 1 n  1 x  1 n+1 (1 + n+1 )n+1  1 x  1  1 n
1+ ≤ 1+ < 1+ =⇒ 1 ≤ 1 + < 1 + 1 +
n+1 x n 1 + n+1 x n n
n+1  1  n+1  1  x n+1  1 n
=⇒ 1+ ≤ 1+ < 1+
n+2 n+1 x n n
si x → +∞ , entonces n y n+1 → +∞ , por lo que se cumple que e ≤ lı́m (1 + x1 )x ≤ e . 4
x→+∞

Nota: La Proposición 212 de convergencia propia cobra nuevo interés con los lı́mites con infinitos (para los
que también es válida), pues la condición de continuidad no es aplicable en muchos de estos casos. Además,
la condición de convergencia propia, que cuando f (x) → ∞ sea f (x) 6= ∞ se cumple de manera obvia.

Ejemplo Consideremos y = −x en (1), y z = h(y) = y − 1 en (2) entonces


(1)
lı́m (1 + x1 )x = lı́m (1 − y1 )−y = lı́m ( y−1
y )
−y y y
= lı́m ( y−1 ) = lı́m (1 + 1 y
y−1 )
x→−∞ y→+∞ y→+∞ y→+∞ y→+∞
1 1 y−1 (2) 1
= lı́m (1 + y−1 )(1 + y−1 ) = lı́m (1 + y−1 ) z→+∞
lı́m (1 + z1 )z = 1 · e = e 4
y→+∞ y→+∞

Continuidad de algunas funciones elementales 222.- (Ver sus gráficas en la figura 6.1 de la página 94.)
? f (x) = ex es continua en R y lı́m ex = 0 y lı́m ex = +∞ .
x→−∞ x→+∞

? f (x) = ln x es continua en (0, +∞) y lı́m+ ln x = −∞ y lı́m ln x = +∞ .


x→0 x→+∞

? f (x) = xα continua en (0, ∞) y lı́m xα = 0 y lı́m xα = ∞ si α > 0 (resp. ∞ y 0 si α < 0 ).


x→0+ x→+∞

? f (x) = sh x es continua en R y lı́m sh x = −∞ y lı́m sh x = +∞ .


x→−∞ x→+∞

? f (x) = ch x es continua en R y lı́m ch x = ∞ y lı́m ch x = +∞ .


x→−∞ x→+∞

? f (x) = th x es continua en R y lı́m th x = −1 y lı́m th x = 1 .


x→−∞ x→+∞

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
101 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

? f (x) = sen x y f (x) = cos x son de periódicas de periodo 2π , continuas en R y 6 ∃ lı́m f (x) .
x→±∞

? f (x) = tg x es de periodo π , continua en su dominio y lı́m + tg x = −∞ y lı́m


π−
tg x = ∞ . .
x→ −π
2
x→ 2

6.3.3 Infinitésimos e infinitos equivalentes

Definición 223.- Se dice que una función f es un infinitésimo en x0 si lı́m f (x) = 0 .


x→x0
Una función f (x) se dice que es un infinito en x0 si lı́m f (x) = +∞ (o −∞).
x→x0

f (x)
Definición 224.- Dos infinitésimos en x0 , f y g , se dicen equivalentes en x0 si lı́m = 1.
x→x0 g(x)
f (x)
Dos infinitos en x0 , f y g , se dicen equivalentes en x0 si lı́m = 1.
x→x0 g(x)

Proposición 225.- Si g(x) y h(x) son infinitésimos (o infinitos) equivalentes en x0 , entonces


f (x) f (x)
lı́m g(x)f (x) = lı́m h(x)f (x) y lı́m = lı́m ,
x→x0 x→x0 x→x0 g(x) x→x0 h(x)
siempre que los segundos lı́mites existan.
Demostración:
g(x)
Si existe lı́m f (x)h(x) y lı́m = 1 , entonces:
x→x0 x→x0 h(x)
g(x) g(x)h(x)f (x)
lı́m h(x)f (x) = lı́m · lı́m h(x)f (x) = lı́m = lı́m g(x)f (x)
x→x0 x→x0 h(x) x→x0 x→x0 h(x) x→x0
Análogamente para el otro caso.

Algunos infinitos e infinitésimos conocidos 226.- Usaremos la notación f ∼ g para indicar que f y g son
infinitos o infinitésimos equivalentes:
an xn + · · · + a1 x + a0 ∼ an xn cuando x → ±∞ an xn + · · · + a1 x ∼ a1 x cuando x → 0
sen(x) ∼ x cuando x → 0 tg(x) ∼ x cuando x → 0
x2
sen x1 ∼ x1 cuando x → ±∞ 1 − cos(x) ∼ 2 cuando x→0
ln(1 + x) ∼ x cuando x → 0 ex − 1 ∼ x cuando x → 0
x2
sh(x) ∼ x cuando x → 0 ch(x) − 1 ∼ 2 cuando x → 0 .

Ejemplos lı́m ln(x) En efecto, lı́m ln(x)


= 1. = lı́m ln(x) = lı́m ln(1+t) = lı́m tt = 1
x→1 x−1 x→1 x−1 x−1→0 x−1 t→0 t t→0
x 2
   
x sen( x
2)
x→0⇒ 2 →0 xx x→0⇒x →0 xx
lı́m = = lı́m ex2 2−1 = 2 = lı́m x22 = 12
x→0 ex −1
2
sen( x2 ) ∼ x2 x→0 ex − 1 ∼ x2 x→0

x → +∞ ⇒ x1 → 0
 
1
lı́m 2x sen( x ) = = lı́m 2x x1 = 2 4
x→+∞ sen( x1 ) ∼ x1 x→+∞

Nota: La hipótesis de la Proposición, en el sentido de que los infinitésimos (o infinitos) sean factores o divisores
de la función, deben tenerse muy presentes pues sólo ası́ garantizaremos el resultado. El ejemplo siguiente
muestra cómo al sustituir un sumando por otro se falsea el resultado.
Sabemos que sen x y x son infinitésimos equivalentes en x = 0 , pero sen x no puede ser sustituido por x
en el lı́mite: lı́m senxx−x
3 , pues si lo hacemos obtendrı́amos como lı́mite 0 cuando su valor correcto es −1 6 .
x→0
Los infinitésimos o infinitos equivalentes son funciones que tienen un comportamiento “similar” en el lı́mite,
pero no igual. Por ello, si los usamos en sumas o restas podemos eliminar esa diferencia (como ocurre en el
lı́mite anterior) y dejar sin sentido el lı́mite.
Al sustituir sen x por x en la resta de arriba estamos asumiendo que son iguales, pues sutituimos sen x − x
3
por 0 , lo que no es cierto (es sen x − x 6= 0 si x 6= 0 ); de hecho, el seno es más parecido a sen x ≈ x − x6 con
3
lo que la deferencia es más parecida a sen x − x ≈ − x6 que a 0 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
102 – Matemáticas 1 : Cálculo diferencial en R 6.3 Lı́mite y continuidad de una función en un punto

6.3.4 Ası́ntotas de una función


Una buena ayuda para la representación de la gráfica de las funciones son las ası́ntotas. La gráfica de f es
una representación en el plano R2 formada por los puntos (x, y) con la condición y = f (x) luego de la forma
(x, f (x)) ; por consiguiente, la gráfica puede tener puntos que se alejan hacia el infinito. Basta tener en cuenta
que si el dominio es R , cuando x → +∞ los puntos de la gráfica se alejan hacia + ∞, lı́m f (x) .
x→+∞
Estos alejamientos de la gráfica se llaman ramas infinitas de la función, y puede ocurrir que la función se
“parezca” a una recta en estas ramas infinitas. Las rectas cumpliendo que la distancia de los puntos de una
rama infinita a esa recta tienda hacia 0 a medida que se alejan, se denominan ası́ntotas de la función.
Dado que en R2 , los puntos se alejan en la forma (x, ∞) , (∞, y) o (∞, ∞) (aquı́, ∞ puede ser tanto +∞
como −∞ ), buscaremos tres tipos de ası́ntotas: verticales, horizontales e inclinadas.

Ası́ntotas verticales
Si lı́m f (x) = ±∞ tenemos una rama infinita a la izquierda del punto x0 y la recta x = x0 es una ası́ntota
x→x−
0
vertical de esa rama (el signo del lı́mite +∞ o −∞, nos indicará el comportamiento de la rama infinita).
Si lı́m+ f (x) = ±∞ hay rama infinita a la derecha de x0 y la recta x = x0 es ası́ntota vertical de esa rama.
x→x0

Ası́ntotas horizontales e inclinadas Aunque la búsqueda de ası́ntotas horizontales e inclinadas pueden


verse como procesos distintos, en ambos casos la variable x se aleja hacia el infinito (x, f (x)) → ∞, lı́m f (x)
x→∞
y también, la recta es de la forma y = mx + n (con m = 0 para las horizontales).
Si buscamos una recta y = mx + n cumpliendo que f (x) − (mx + n) −→ 0 cuando x → +∞ , también se
cumplirá que f (x)−mx−n
x −→ 0 , de donde f (x) n
x − m − x −→ 0 luego se tendrá que m = lı́m
f (x)
x . Y conocidox→+∞
m , se tendrá f (x) − (mx + n) −→ 0 ⇐⇒ f (x) − mx −→ n , de donde n = lı́m f (x) − mx .
x→+∞

En consecuencia, existirá ası́ntota cuando x → +∞ (o en +∞ ), si existen y son reales los valores de los
lı́mites m = lı́m f (x)
x y n = lı́m f (x)−mx, siendo y = mx + n es la ası́ntota buscada. (Análogo en −∞ ).
x→+∞ x→+∞

Ejemplo La función f (x) = √(x−1)(x+2)|x|


2 2
, tiene por dominio, Dom(f ) = (−∞, −1) ∪ (1, 3) ∪ (3, +∞) .
(x −1)(x−3)
Como el numerador, es continuo en R, las ası́ntotas verticales (si existen) estarán en los puntos donde se anule
el denominador, es decir, −1 , 1 y 3 .
 
(x − 1)(x + 2) |x| (−2) · 1 · |−1|
lı́m f (x) = lı́m p = = −∞
x→−1− x→−1− (x2 − 1)(x − 3)2 0+
(x − 1)(x + 2) |x| (x + 2) |x| x−1 3 x−1
lı́m f (x) = lı́m+ p = lı́m+ p · lı́m √ = · lı́m+ √ =0
x→1+ x→1 (x2 − 1)(x − 3)2 x→1 (x − 3)2 x→1+ x2 − 1 2 x→1 x2 − 1
 
(x − 1)(x + 2) |x| 30  30 
lı́m− f (x) = lı́m− p = = +∞ lı́m f (x) = = +∞
x→3 x→3 (x2 − 1)(x − 3)2 0+ x→3+ 0+

Luego las ası́ntotas verticales son x = −1 (cuando x → −1− , f (x) → −∞ ) y x = 3 (cuando x → 3− ,


f (x) → +∞ y cuando x → 3+ , f (x) → +∞ ).
Estudiamos las ası́ntotas en +∞,

f (x) (x − 1)(x + 2) |x|


m = lı́m = lı́m p lı́m =1·1=1
x→+∞x x→+∞ 2
(x − 1)(x − 3) 2 x→+∞ x
y = x+4
p
(x − 1)(x + 2)x − x (x2 − 1)(x − 3)2
n = lı́m f (x) − x = lı́m
@
@
p
x→+∞ x→+∞ (x2 − 1)(x − 3)2 @ x=3
2 @
x(x−1)(8x −3x−13)
= lı́m p   =4 y = −x−4@ x = −1
x→+∞
p
(x2 −1)(x−3)2 (x−1)(x+2) + (x2 −1)(x−3)2

luego y = x+4 es ası́ntota de f cuando x → +∞ . Análogamente,


se obtiene que y = −x − 4 es ası́ntota cuando x → −∞. 4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
103 – Matemáticas 1 : Cálculo diferencial en R 6.4 Teoremas del lı́mite y de continuidad

6.4 Teoremas del lı́mite y de continuidad


Teorema 227 (de acotación y del signo para lı́mites).- Sean f : A ⊆ R −→ R y x0 un punto de acumu-
lación de A. Si lı́m f (x) = L ∈ R , existe un entorno E(x0 , δ) tal que f está acotada en E ∗ (x0 , δ) ∩ A.
x→x0
Además, si L 6= 0 , los valores de f (x) tienen el mismo signo que L
Demostración:
Sea ε > 0 fijo, entonces existe E ∗ (x0 , δ) tal que |f (x) − L| < ε , luego L − ε < f (x) < L + ε , para todo
x ∈ E ∗ (x0 , δ) . En consecuencia, f está acotada en dicho entorno reducido.
Para la segunda parte, basta tomar ε tal que 0 < L−ε < f (x) si L > 0 , o tal que f (x) < L+ε < 0 , si L < 0 .

Corolario 228.- Si f : A −→ R es continua en x0 , entonces f está acotada en algún entorno de x0 .


Además, si f (x0 ) 6= 0 , el valor de f (x) tiene el mismo signo que f (x0 ) .

6.4.1 Teoremas de continuidad en intervalos cerrados


Teorema de Bolzano 229.- Sea f una función continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f (a)f (b) < 0 ) entonces ∃c ∈ (a, b) tal que f (c) = 0 . .

Teorema de los valores intermedios 230.- Si f : [a, b] −→ R es continua en [a, b] y f (a) 6= f (b) , entonces
para cada k entre f (a) y f (b) , existe c ∈ (a, b) tal que f (c) = k .
Demostración:
Supongamos f (a) < f (b) , y sea f (a) < k < f (b) . La función g: [a, b] −→ R dada por g(x) = f (x)−k es continua
en [a, b] y verifica que g(a) = f (a)−k < 0 y g(b) = f (b)−k > 0 , luego por el Teorema de Bolzano (229) existe
c ∈ (a, b) tal que g(c) = f (c) − k = 0 , es decir, con f (c) = k . Análogamente si f (b) < f (a) .

Corolario 231.- Sea I un intervalo de R y f : I −→ R continua en I , entonces f (I) es un intervalo de R. .

Teorema de acotación 232.- Sea f una función continua en el intervalo cerrado [a, b] , entonces f está acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| ≤ M , para todo x ∈ [a, b] . .

Teorema de Weierstrass 233.- Si f es una función continua en el intervalo [a, b] , entonces f alcanza un
máximo y un mı́nimo en [a, b] . Es decir, ∃ α, β ∈ [a, b] tal que f (α) ≤ f (x) ≤ f (β) , ∀x ∈ [a, b] . .

Corolario 234.- Si f es continua en (a, b) y lı́m f (x) = l1 ∈ R y lı́m f (x) = l2 ∈ R , la función f está
x→a+ x→b−
acotada en (a, b) . (También es cierto cuando a es −∞ y cuando b es +∞ .) .

6.5 Ejercicios
6.150 Usar las Propiedades del orden 185 y las de las operaciones descritas en el apartado 6.1.4, para probar
que:
a) si 0 < x < y , entonces 0 < x2 < y 2 b) si y < x < 0 , entonces 0 < x2 < y 2
c) si 0 < x < y , entonces 0 < |x| < |y| d) si y < x < 0 , entonces 0 < |x| < |y|
2
e) si 0 < x < 1 , entonces 0 < x < x f) si 1 < x, entonces 1 < x < x2
1 1 1 1
g) si y < x < 0 , entonces x < y < 0 h) si y < x < 0 , entonces 0 < |y| < |x|
√ √ √ √
i) si 0 < x < y , entonces 0 < x < y j) si 0 < x < y , entonces − y < − x < 0

6.151 Expresar los siguientes conjuntos con intervalos y decir, para cada uno de ellos, si está acotado, acotado
superiormente y acotado inferiormente:
n o n o n o
A= x ∈ R : 10 − 3x ≥ 31 B= x ∈ R : x2 − 4 > 3 C= x ∈ R : x2 − 4 < 4
n o n o n o
D= x ∈ R : x2 − 4 ≥ 5 E= x ∈ R : x2 − 4 ≤ 0 F= x ∈ R : 3x2 + 13x < x3 + 15
n o n o n o
G= x ∈ R : 1 ≤ 2−x < 8 H= x ∈ R : 1 − |ln x| < 0 I= x ∈ R : sen x ≥ 21

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
104 – Matemáticas 1 : Cálculo diferencial en R 6.5 Ejercicios

6.152 Hallar el dominio de las funciones reales de variable real dadas por:
√ p q
(i) f1 (x) = x2 − 2x (ii) f2 (x) = − |x| − x (iii) f3 (x) = x−1x+1

(iv) f4 (x) = ln |x| (v) f5 (x) = ln x (vi) f6 (x) = ln(2 − x2 )
(vii) f1 (x) + f2 (x) (viii) f3 (x) − f1 (x) (ix) f21(x) + f31(x)
√ q
(x) f7 (x) = √x−1 (xi) f8 (x) = ln(f6 (x)) (xii) f9 (x) = √x−1
x+1 x+1
f6 (x) f1 (x)
(xiii) f3 (x) · f3 (x) (xiv) f9 (x) · f7 (x) (xv) f1 (x) + f6 (x)
f4 (x)+f5 (x)
(xvi) f8 (x) (xvii) (f5 ◦ f8 )(x) (xviii) (f1 ◦ f4 ◦ f2 )(x)

a) Expresar la funciones f2 y f4 como funciones definidas a trozos.


b) ¿Por qué los dominios de f3 y de f7 son distintos?
c) ¿Cuál será el dominio de la función f2 ◦ f2 ? Obtener su expresión.

6.153 Sean f y g dos funciones reales de variable real monótonas. Probar que:
a) Si f es (estrictamente) creciente, las funciones f (−x) y −f (x) son (estric.) decrecientes.
b) Si f es (estrictamente) decreciente, las funciones f (−x) y −f (x) son (estric.) crecientes.
1
c) Si f es (estric.) creciente y positiva, la función f (x) es (estric.) decreciente.
1
d) Si f es (estric.) decreciente y positiva, la función f (x) es (estric.) creciente. ¿Qué ocurrirá en este
caso y en el anterior si la función f es negativa?
e) Si f y g son crecientes (decrecientes), f + g es creciente (decreciente).
f) Buscar una función f creciente y una g decreciente tales que f + g sea creciente; y otras para que
f + g sea decreciente.
g) Si g es creciente y f es creciente (decreciente), g ◦ f es creciente (decreciente).
h) Si g es decreciente y f es creciente (decreciente), g ◦ f es decreciente (creciente). ¿Que ocurrira si
la monotonı́a de g es estricta? ¿Y si lo es la de f ? ¿Y si lo son ambas?

6.154 Usar los resultados del ejercicio anterior, para probar lo siguente:
1
a) Probar que f (x) = x2 +1 es creciente en (−∞, 0) y decreciente en (0, +∞) .
x
b) Sabiendo que e es esctirtamente creciente en R y que x = eln x , probar que sh(x) y ln(x) son
crecientes.
x2 −1
c) Probar que f (x) = x2 +1 es creciente en (0, +∞) y usarlo para probar que th(x) es creciente en R .

6.155 Sea f : R −→ R, se dice que f es par si f (−x) = f (x) , y que es impar si f (−x) = −f (x) .
a) Comprobar si sen x , cos x , tg x , sh x , ch x , th x y xn , para n = 0, ±1, ±2, . . ., son pares o impares.
b) Si f es par y creciente en (0, +∞) , ¿será también creciente en (−∞, 0) ?
c) Si f es impar y creciente en (0, +∞) , ¿será también creciente en (−∞, 0) ?
d) ¿Que caracterı́stica especial cumplen las gráficas de las funciones pares? ¿Y las de las funciones
impares? Justificar la respuesta
6.156 Para las funciones que aparecen en el Ejemplo 201 anterior, pág. 95, dibujar su gráfica y la de su inversa
en los dominios indicados.
Si una función f : A −→ B es creciente (decreciente) en A , ¿dirı́as que su inversa f −1 : B −→ A también
es creciente (decreciente) en B ?
Probarlo en el caso de creer que es cierto, o en el caso de creer que es falso, justificarlo con un ejemplo.
6.157 Sean las funciones f , g y h , funciones reales definidas por:
 2 1
 2x − 2 , si x ∈ (−∞, −1]
( −x3 −1
, si |x + 1| ≤ 1

1, si x ≤ 0 2−x2
f (x) = ; g(x) = 1 − x2 , si x ∈ (−1, 0) ; h(x) =
−1, si x > 0 2
x +2
|x + 1| > 1
2x+4 , si
3
1−x2 , si x ∈ [0, ∞)

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
105 – Matemáticas 1 : Cálculo diferencial en R 6.5 Ejercicios

a) Describir la casuı́stica de f y h mediante la pertenencia de x a intervalos (como la función g )


b) Describir la casuı́stica de g y h mediante desigualdades de x (como la función f )
c) Obtener su dominio y el de las funciones |f | , |g| , f +g y f ·h.
d) Hallar las expresiones de |f | , |g| , f +g y f ·h, como funciones definidas a trozos.
e) Encontrar el dominio y la expresión de las funciones compuestas f (x2 ) y g(2 − x) .
f) Encontrar el dominio y la expresión de las funciones g ◦ f y f ◦ g .

6.158 Calcular los siguientes lı́mites:

7x3 +4x 7x3 +4x 3


a) lı́m 2 3 b) lı́m 3x−x 2 −2x3 c) lı́m 7x 2+4x 3
x→−∞ 3x−x −2x x→∞ √ x→0 3x−x −2x
x2 −4 1+4x2 2
d) lı́m 2 e) lı́m f) lı́m senx2 x
x→−2 x (2+x) x→∞ 4+x x→∞
√ 2x
g) lı́m x2 + 3x − 1−x h) lı́m (2 − x2 )2x i) lı́m (x2 + 2) x−10
x→∞ x→0 √ x→+∞
√  q 
1−4x2 |x|−x
j) lı́m k) lı́m √ 2 l) lı́m √ 1 − x+1
2x+1 x2 −x x−1
x→ 2 −1 + x→0− x −2x x→1+

6.159 Usar lı́mites laterales para verificar la existencia o no de los siguientes lı́mites:
√    
(1−x)2 x 1 1 |x|
a) lı́m b) lı́m c) lı́m − d) lı́m −1 x
x→1 x−1 x→0 |x| x→0 x |x| x→0 x

6.160 Probar, razonadamente, que los siguientes lı́mites valen 0 :

√ 2 (x−a) 3
4

a) lı́m ( x − 1) ex +2 b) lı́m x2 sen x1 c) lı́m


x→1 x→0 x→a |x−a|

6.161 Usar la continuidad de las funciones, para hallar:


q q
(1−x)2 1
a) lı́m ln 3+ x2 +1 b) lı́m tg(ln(cos(e− x ))) c) lı́m 1
1 + cos2 (π th( |x−π| ))
x→0 x→0 x→π

6.162 Calcular, si existe, el valor de:

ln(cos x) sen2 x+ex −1 7x tg(x3 −x5 )


a) lı́m x2 b) lı́m th(2x) c) lı́m x3 sen( x31+x ) d) lı́m 2
x→0 x→0 x→∞ x→0 (cos(2x)−1)

6.163 Encontrar infinitésimos e infinitos equivalentes a:


√ √
a) sen2 1 − x2 , cuando x → −1+ √ b) 1 + x2 + 2x4 , cuando x → ∞
c) 1q− cos((2 − x2 )2 ), cuando x → 2 d) ln(1 − x1 ), cuando x → −∞
1−x π
e) 3x3 +12x2 , cuando x → 0 f) cos(x), cuando x → 2
5
g) ln(x2 ), cuando x → 1 h) 1 − e2x , cuando x → 0
i) sen(x), cuando x → 2π j) tg(−x6 ), cuando x → 0

6.164 a) Si f y g son ifinitésimos cuando x → a y lı́m fg(x)


(x)
= L 6= 0 , probar que f (x) y L · g(x) son
x→a
infinitésimos equivalentes cuando x → a.
b) Si β es una raı́z de multiplicidad m del polinomio P (x) = an xn + · · · + a1 x + a0 , probar que P (x)
y k(x − β)m son infinitésimos equivalentes cuando x → β , para algún valor k 6= 0 .

6.165 Usar el resultado lı́m f (x) = lı́m f (a + h) para calcular


x→a h→0

2 3 3
a) lı́m ln(x ) b) lı́m x +2 c) lı́m √3 sen(π+x) d) cos x
lı́m 2x−π
x→1 x−1 x→−2 x+2 x→π − 1−cos(x−π) x→ π 2

6.166 Usar el logaritmo neperiano, para probar que lı́m (1 + x1 )x = e y que lı́m (1 + x1 )x = e .
x→+∞ x→−∞

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
106 – Matemáticas 1 : Cálculo diferencial en R 6.5 Ejercicios

6.167 Calcular, si existe, el valor de:

 x  2−x   3−x
1−x 3
a) lı́m 1 − x1 b) lı́m 3−x
1−x c) lı́m 2
x+1 d) lı́m (1 + cos x) cos x
x→∞ x→∞ x→1 x→ π
2


x2 −3 √x−1
6.168 Considerar las funciones reales de variable real dadas por f (x) = x+1 y g(x) = 3−x2
.
Estudiar la continuidad de f y g en sus dominios de definición (indı́quese también la continuidad lateral,
si ha lugar). ¿Tienen alguna ası́ntota?

6.169 Estudiar la continuidad de las siguientes funciones en su dominio:


( 2
x −4
 sen x
, si x 6
= 0 , si x 6= −2
a) f (x) = x b) f (x) = x2 (2+x)
1, si x = 0 0, si x = −2
(√ 2 √
x +x− 2

c) f (x) = x−1 √ , si x 6= 1 d) f (x) =
x, si |x| > 1
3 2
, si x = 1 x3 , si |x| ≤ 1
4


 ax + 1, si x < 3
6.170 ¿Para que valores de las constantes a y b, f (x) = a + b, si x = 3 es continua en R ?
 2
bx − 2, si x > 3

6.171 Sean las funciones f, g, h: R −→ R , definidas a trozos mediante:


 2 1
 2x − 2 , si x ≤ −1
( −x3 −1
, si |x + 1| ≤ 1

1, si x ≤ 0 2+x2
f (x) = ; g(x) = 1 − x2 , si − 1 < x < 0 ; h(x) =
−1, si x > 0 x2 +2
|x + 1| > 1
2x+4 , si
3
1+x2 , si x ≥ 0

a) Estudiar la continuidad de cada una de ellas (indı́quese también la continuidad lateral).


b) Estudiar la continuidad de las funciones |f | , |g|, f +g y f ·h. ¿Qué ocurre en los casos donde no
puede aplicarse la regla general?
c) Estudiar la continuidad de las funciones g ◦ f y f ◦ h

6.172 Estudiar el dominio, la continuidad y las existencia de ası́ntotas de las funciones



2(1−x2 )|x| g(x), si x ∈ Dom(g)
a) f (x) = (x+3)2 (|x|−1) b) g(x) = √(x−1)(x−3) c) h(x) =
2 2 (x −5) −16 1 − x, si x ∈
/ Dom(g)

6.173 Estudiar la continuidad de las siguientes funciones según los valores del parámetro a :
 2
x a
 a2 +x2 , si x < a
(
a − x, si x ≤ a

x
a) fa (x) = x(a2 −x2 ) b) fa (x) = 2 , si x = a
a2 +x2 , si x > a  a2 x , si x > a

a2 +x2

6.174 Probar que las gráficas de las funciones f (x) = ex y g(x) = 3x , se cortan al menos en dos puntos del
intervalo [0, 2] .

6.175 Estudiar si las funciones del ejercicio 6.169 están acotadas superior e inferiormente.

6.176 Comprobar que las siguientes funciones tienen inversa en sus dominios (son inyectivas) y representarlas.
Obtener la expresión de la inversa, indicando los dominios y recorridos, y representarlas.

  2x+3, si x ≤ −1
2 − x, si x ∈ (−2, 0]
(i) f (x) = x1 − 1 (ii) f (x) = (iii) f (x) = ex+1 , si −1 < x < 0
x − 2, si x ∈ (0, 2]
3+x2 , si x≥0

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
107 – Matemáticas 1 : Cálculo diferencial en R

Capı́tulo 7

Funciones derivables
7.1 Derivada de una función en un punto

Definición 235.- Se dice que f : (a, b) −→ R es derivable en el punto x0 ∈ (a, b) si

f (x) − f (x0 )
lı́m =L∈R
x→x0 x − x0
f (x+h)−f (x)
es decir, si existe y es finito ese lı́mite (ó el lı́mite equivalente, lı́m h ).
h→0
df
Al valor de dicho lı́mite se lo denomina derivada de f en el punto x0 y se representa por f 0 (x0 ) ó dx (x0 ) .

La derivada nos indica lo que “crece” la función alrededor del y = f (x0 ) + f 0 (x0 )(x − x0 )
punto, puesto que en el cociente usado para definirla nos aparece
rf (x)
el incremento f (x) − f (x0 ) de la función en relación con el incre- 
mento x − x0 de la variable. 
f (x) − f (x0 )
El valor del cociente f (x)−fx−x0
(x0 )
, para cada x , es la pendiente 

de la cuerda entre los puntos (x0 , f (x0 )) y (x, f (x)) (ver figura f (x0 ) r α
| {z }
aneja), por lo que en el lı́mite se obtendrá la pendiente de la recta x−x0 f (x)−f (x0 )
x−x0 = tg α
tangente a la gráfica de la función en el punto. Es decir, la recta
←←
y = f (x0 ) + f 0 (x0 )(x − x0 ) resulta ser la recta tangente a la x0 x

gráfica de f en el punto (x0 , f (x0 )) .


Diremos que f : A −→ R es derivable en un conjunto A1 ⊆ A, si lo es en cada punto de A1 . Entonces, se
puede construir la función que asocia a cada punto x ∈ A1 la derivada de la función f en el punto x ; A esta
función se le llama función derivada de f y se le representa por f 0 , donde f 0 : A1 −→ R .
Si a su vez, f 0 : A1 −→ R es derivable en un conjunto A2 ⊆ A1 , se puede construir la derivada de la función
0
f en cada punto x ∈ A2 . A esta función se le llama función derivada segunda de f y se le representa por
(f 0 )0 = f 00 , donde f 00 : A2 −→ R . Análogamente se tienen la derivadas de órdenes superiores, f 000 , . . . , f n) .

Ejemplo ? La función constante f : R −→ R , con f (x) = k , es derivable en cada punto de su dominio:


f (x)−f (x0 )
lı́m x−x0
k−k
= lı́m x−x 0
= lı́m x−x 0
0
= 0 = f 0 (x0 ) ; con lo que f 0 (x) = 0 para todo x ∈ R .
x→x0 x→x0 x→x0

? La función identidad f : R −→ R , con f (x) = x , es derivable en cada punto de R:


lı́m f (x0 +h)−f
h
(x0 )
= lı́m x0 +h−x
h
0
= lı́m 1 = 1 = f 0 (x0 ) , y f 0 (x) = 1 para todo x ∈ R.
h→0 h→0 h→0

? La función polinómica f : R −→ R dada por f (x) = x2 es derivable en cada punto de su dominio pues
x2 −x2
lı́m f (x)−f
x−x0
(x0 )
= lı́m x−x00 = lı́m (x−xx−x
0 )(x+x0 )
0
= lı́m x + x0 = 2x0 = f 0 (x0 ) , y f 0 (x) = 2x en R.
x→x0 x→x0 x→x0 x→x0

? La exponencial f (x) = e es derivable en cada punto de R y f 0 (x) = ex , pues


x
x+h x x h h h
lı́m e h−e = lı́m e (eh −1) = lı́m ex ( e h−1 ) = ex lı́m e h−1 = ex · 1 = ex = f 0 (x) .
h→0 h→0 h→0 h→0

? f (x) = ln x , es derivable en (0, +∞) y f 0 (x) = 1


x
ln(x+h)−ln(x) ln( x+h
x ) ln(1+ h
x) ln(1+ h
x)
lı́m h = lı́m h = lı́m xh
= x1 lı́m h = 1
x = f 0 (x) .
h→0 h→0 h→0 x h→0 x

? La función f (x) = sen x es derivable en cada punto de R y f 0 (x) = cos x


sen(x+h)−sen(x) (1) 2 sen( h h
2 ) cos(x+ 2 ) sen( h
2)
lı́m h = lı́m h = lı́m cos(x + h2 ) h = cos(x) · 1 = cos x = f 0 (x) .
h→0 h→0 h→0 2

(1) sen x−sen y = sen( x+y


2 + x−y
2 ) − sen( x+y
2 − x−y
2 )  
= sen( x+y x−y x+y x−y
2 ) cos( 2 ) + cos( 2 ) sen( 2 ) − sen( x+y x−y x+y x−y x+y x−y
2 ) cos( 2 ) − cos( 2 ) sen( 2 ) = 2 cos( 2 ) sen( 2 )

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
108 – Matemáticas 1 : Cálculo diferencial en R 7.1 Derivada de una función en un punto

? La función f (x) = cos x es derivable en cada punto de R y f 0 (x) = − sen x


cos(x+h)−cos(x) (2) −2 sen( h h
2 ) sen(x+ 2 ) sen( h
2)
lı́m h = lı́m h = lı́m − sen(x + h2 ) h = − sen(x) = f 0 (x) .
h→0 h→0 h→0 2

(2) Análogamente al caso del seno, cos x − cos y = cos( x+y


2 + x−y
2 ) − cos( x+y
2 − x−y
2 ) = −2 sen( x+y x−y
2 ) sen( 2 )

? La recta y = cos 0 − sen 0(x − 0) = 1 es la recta tangente a cos(x) en el punto 0. Análogamente, la


recta y = sen 0 + cos 0(x − 0) = x es la tangente a sen(x) en el 0. 4

f (x)−f (x0 )
Para que una función sea derivable, debe existir lı́m x−x0 . Ahora bien, el denominador siempre
x→x0
tiende hacia 0, por lo que sólo puede existir el lı́mite si el lı́mite del denominador también es cero; puesto que
f (x)−f (x0 )
si f (x) − f (x0 ) 6→ 0 entonces x−x0 −→ ∞ o no existe. Luego debe cumplirse que lı́m f (x) = f (x0 ) , es
x→x0
decir que f sea continua en x0 :
Teorema 236.- Si f es derivable en un punto x0 entonces f es continua en dicho punto.
Demostración:
Veamos que lı́m f (x) = f (x0 ) . Para cada x 6= x0 , la función f (x) puede escribirse en la forma
x→x0

f (x) = f (x) − f (x0 ) + f (x0 ) = f (x)−f


x−x0
(x0 )
(x − x0 ) + f (x0 ),
y tomando lı́mites se prueba la continudad de f en x0 , ya que:
f (x) − f (x0 )
lı́m f (x) = lı́m · lı́m (x − x0 ) + lı́m f (x0 ) = f 0 (x0 ) · 0 + f (x0 ) = f (x0 ).
x→x0 x→x0 x − x0 x→x0 x→x0

Nota: Como consecuencia de este resultado una función sólo puede ser derivable en los puntos de continuidad.
Pero la continuidad no garantiza la derivación:
Ejemplo La función f (x) = |x| es continua pero no derivable en 0, ya que
f (x)−f (0) |x| x f (x)−f (0) |x| −x
lı́m x−0 = lı́m x = lı́m x =1 y lı́m x−0 = lı́m x = lı́m x = −1 4
x→0+ x→0+ x→0+ x→0− x→0− x→0−

Como para los lı́mites y la continuidad, la derivabilidad se extiende bien mediante las operaciones con
funciones:
Propiedades 237.- Sean f y g funciones derivables en un punto x0 , entonces:
a) f + g es derivable en x0 y (f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ) .

b) f g es derivable en x0 y (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ) .


f 0 (x0 )g(x0 ) − f (x0 )g 0 (x0 )
c) f /g es derivable en x0 , si g(x0 ) 6= 0 , y (f /g)0 (x0 ) =  2 . .
g(x0 )

Ejemplos ? Si g derivable en x0 y k una constante, f (x) = k g(x) es derivable en x0 y f 0 (x0 ) = k g 0 (x0 ) .


En efecto, basta aplicar la fórmula del producto, f 0 (x0 ) = 0g(x0 ) + k g 0 (x0 ) = k g 0 (x0 ) .
? La función f (x) = x3 es derivable en cada x ∈ R , por ser producto de funciones derivables.
f (x) = x3 = x2 x = g(x)h(x) , y f 0 (x) = (gh)0 (x) = g 0 (x)h(x) + g(x)h0 (x) = 2x · x + x2 · 1 = 3x2 .
En general, f (x) = xn es derivable en R con f 0 (x) = nxn−1 y los polinomios son derivables en R .
x2 −1 (2x)(x)−(x2 −1)(1) x2 +1
? f (x) = x , cociente de derivables, es derivable en su dominio y f 0 (x) = x2 = x2 . 4

Regla de la cadena 238.- Sea f derivable en x0 y g derivable en f (x0 ) , entonces la función compuesta g ◦ f
es derivable en x0 y además:  
(g ◦ f )0 (x0 ) = g 0 f (x0 ) f 0 (x0 ). .

Ejemplo f (x) = xα es derivable en (0, +∞) , pues f (x) = xα = eα ln(x) donde g(x) = ex y h(x) = α ln x
son derivables en sus dominios. Además, f 0 (x) = g 0 (h(x))h0 (x) = eα ln x (α x1 ) = xα αx = αxα−1 . 4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
109 – Matemáticas 1 : Cálculo diferencial en R 7.1 Derivada de una función en un punto

7.1.1 Aplicaciones de la derivada

Regla simple de L’Hôpital 239.- Si f (x0 ) = g(x0 ) = 0 y f y g son derivables en x0 con g 0 (x0 ) 6= 0 .
f (x) f 0 (x0 )
Entonces, lı́m = 0 .
x→x0 g(x) g (x0 )
Demostración:
Por ser f y g derivables en x0 , y f (x0 ) = g(x0 ) = 0 , se tiene
f (x)−f (x0 )
f (x)−f (x0 ) lı́m
f (x) f (x) − f (x0 ) x−x0 x→x0 x−x0 f 0 (x0 )
lı́m = lı́m = lı́m = =
x→x0 g(x) x→x0 g(x) − g(x0 ) x→x0 g(x)−g(x0 )
lı́m g(x)−g(x0 ) g 0 (x0 )
x−x0 x→x0 x−x0

sen x
Ejemplo lı́m x = 1 pues f (x) = sen x y g(x) = x , verifican las condiciones del resultado, f (0) = g(0) = 0 ,
x→0
0 0 sen x cos(0)
f (0) = cos(0) y g (0) = 1 . Luego lı́m x = 1 =1 4
x→0

ln x
Ejemplo Calcular el valor del lı́mite lı́m 2 .
x→1 cos(πx)+e1−x
La función f (x) = ln x verifica que f (1) = 0 y derivable en 1 con f 0 (x) = 1
x y f 0 (1) = 1 .
2
La función g(x) = cos(πx) + e1−x verifica que g(1) = cos(π) + e0 = −1 + 1 = 0 y derivable en 1 con
2
g 0 (x) = −π sen(πx) + e1−x (−2x) y g 0 (1) = −π sen(π) + e0 (−2) = −2 6= 0 .
ln x 1
Luego lı́m cos(πx)+e 1−x2
= −2 4
x→1

Nota: La derivación es una potente herramienta para el cálculo de lı́mites, no solo por el resultado anterior
sino por la más útil Regla General de L’Hôpital 250 y los polinomios de Taylor, que veremos más adelante.

7.1.1.1 Crecimiento de una función en un punto. Extremos locales


El significado de la derivada como lo que crece la función cerca del punto, queda de manifiento con el siguiente
resultado:
Teorema 240.- Sea f : (a, b) −→ R derivable en el punto x0 ∈ (a, b) . Entonces, si f 0 (x0 ) > 0 (resp. f 0 (x0 ) <
0 ) la función f es estrictamente creciente (resp. decreciente) en x0 .
Demostración:
f (x)−f (x0 ) f (x)−f (x0 )
Si f 0 (x0 ) > 0 , como f 0 (x0 ) = lı́m x−x0 , se tiene que x−x0 > 0 para los x cercanos a x0 . Entonces
x→x0

? si x0 < x, como x − x0 > 0 , necesariamente f (x) − f (x0 ) > 0 de donde f (x0 ) < f (x)
? y si x < x0 , es x − x0 < 0 y debe ser f (x) − f (x0 ) < 0 de donde f (x) < f (x0 )

Análogamente, para f 0 (x0 ) < 0 .

Definición 241.- Sea f : (a, b) −→ R , se dice que f alcanza un máximo local en el punto x0 ∈ (a, b) (o que
f (x0 ) es un máximo local de f ) si f (x) ≤ f (x0 ) para todos los x de algún entorno E(x0 , δ) de x0 .
Se dice f alcanza un mı́nimo local en x0 si f (x0 ) ≤ f (x) para todos los x del entorno.
Nota: Diremos extremo local para referirnos indistintamente a un máximo o un mı́nimo local.

Proposición 242.- Sea f : [a, b] −→ R continua y c ∈ (a, b) . Si f es decreciente en cada x ∈ [a, c) y creciente
en cada x ∈ (c, b] , entonces f (c) es un mı́nimo local de f .
Si f es creciente en cada x ∈ [a, c) y decreciente en cada x ∈ (c, b] , f (c) es un máximo local de f .
Demostración:
En efecto, en el primer caso, por ser f continua en [a, b] existe el mı́nimo de f en el conjunto, pero no se puede
alcanzar en un punto de [a, c) ya que todos los puntos son decrecientes (el valor de f en el punto es mayor que
los cercanos de su derecha); y no puede alcanzarse en (c, b] ya que todos los puntos son crecientes (el valor de f

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
110 – Matemáticas 1 : Cálculo diferencial en R 7.1 Derivada de una función en un punto

en el punto es mayor que los cercanos de su izquierda). Luego necesariamente, el mı́nimo tiene que alcanzarse
en c. Análogamente, para el caso del máximo.

Ejemplo La función f (x) = |x| presenta un mı́nimo local en 0 , pues es continua en


R (luego en cualquier intervalo cerrado como [−1, 1] ), decreciente a la izquierda de 0
r
( f (x) = −x ) y creciente a la derecha (f (x) = x ). 4

Nota: La hipótesis de continuidad de la función es imprescindible para


asegurar el resultado. En la figura aneja pueden observarse distintas b b
situaciones en las que sin continuidad no hay los extremos esperados: r r
en los dos primeros casos la función no alcanza el máximo esperado y no b
hay extremo local; en el tercero, no se tiene el máximo esperado aunque
sı́ un extremo ya que se alcanza un mı́nimo local en el punto.
Con la continuidad, si f es creciente (o decreciente) en los puntos
a derecha e izquierda de c, también se garantiza la no existencia de
b r
extremo. Pero sin continuidad, a pesar de ser creciente antes del punto
y creciente despues del punto puede existir extremo, como en la cuarta r b
situación de la figura donde tenemos un máximo local.

Corolario 243.- Sea f : [a, b] −→ R continua en [a,b] y derivable en (a, b) . Si f 0 (x) < 0 (resp. f 0 (x) > 0 ) para
cada x ∈ (a, c) y f 0 (x) > 0 (resp. f 0 (x) < 0) en cada x ∈ (c, b) , la función f alcanza en c un mı́nimo local
(resp. máximo local).
2
Ejemplo La función f (x) = e−x , continua y derivable en R , presenta un máximo local en 0 , pues su
2
derivada f 0 (x) = e−x (−2x) es positiva si x < 0 y negativa si x > 0 . 4

Teorema 244 (Condición necesaria de extremo).- Sea f : (a, b) −→ R . Si f es derivable en el punto


c ∈ (a, b) y f alcanza un extremo local en c, entonces f 0 (c) = 0 .
Demostración:
f (x)−f (c) f (x)−f (c) f (x)−f (c)
Si f es derivable en c, existe f 0 (c) = lı́m x−c = x→c
lı́m x−c = x→c
lı́m x−c . Entonces
x→c
x<c x>c

? si f (c) es un máximo local, se verifica que f (x) − f (c) ≤ 0 para los x cercanos a c, luego
f (x) − f (c)  ≤ 0  f (x) − f (c)  ≤ 0 
f 0 (c) = x→c
lı́m = ≥0 y f 0 (c) = x→c
lı́m = ≤0 =⇒ f 0 (c) = 0
x<c
x−c ≤0 x>c
x−c ≥0

? Análogamente, si f (c) es mı́nimo local, f (x) − f (c) ≥ 0 , luego


f (x) − f (c) f (x) − f (c)
f 0 (c) = x→c
lı́m ≤0 y f 0 (c) = x→c
lı́m ≥0 =⇒ f 0 (c) = 0
x<c
x−c x>c
x−c

2
Ejemplo La función f (x) = e−x del ejemplo anterior, es derivable en 0 y presenta un máximo local en 0 .
2
Y ciertamente se verifica que f 0 (0) = e−0 (−2 · 0) = 0 . 4

La condición anterior es sólo una condición necesaria, bajo la hipótesis de derivación, pero no es suficiente
para asegurar la existencia de extremo. Es decir, de los puntos donde la función sea derivable puede alcanzarse
extremo únicamente en aquellos donde la derivada se anule, pero también puede no alcanzarse extremo en
ellos. Son, de entre los puntos derivables, los únicos puntos candidados a albergar extremo.
En consecuencia, para encontar los extremos locales de una función, basta con buscarlos entre los puntos
donde sea derivable, con derivada cero, y los puntos donde la función no sea derivable.
De todos estos puntos candidatos se suele decir también que son los puntos crı́ticos de la función.

Ejemplo La función f (x) = x3 es derivable en R y f 0 (x) = 3x2 se anula en x = 0 , pero no tiene extremo
local en el punto.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
111 – Matemáticas 1 : Cálculo diferencial en R 7.2 Teoremas de derivación

3x4 −8x3
Ejemplo La función f (x) = 16 es continua en [−1, 3] y derivable en r
0 3x2 (x−2) 0
(−1, 3) ; su derivada en (−1, 3) es f (x) = y se anula ( f (x) = 0 )
4
en los puntos x = 0 y x = 2 . Entonces los únicos puntos “candidatos” r
a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada
y se anula), pero también los puntos x = −1 y x = 3 donde la función r
no es derivable (por ser extremos del intervalo de definición). De hecho,
el los extremos del intervalo se alcanza extremo local (f (−1) y f (3) son
máximos locales) y también en el punto interior x = 2 (f (2) es mı́nimo r
local); mientras que el otro “candidato” x = 0 no alberga extremo. 4
Una definición usada cuando se manejan funciones derivadas, derivadas segundas y de órdenes superiores es:

Definición 245.- Se dice que f es una función de clase 1 (o que es C 1 ) en x0 si es derivable en el punto y
su derivada es continua en el punto. En general, se dice de clase m (o C m ) en x0 si admite derivada hasta
orden m en x0 y son todas continuas en x0 .
Si admite derivadas de cualquier orden y todas son continuas, se dice de clase ∞ (C ∞ ).

Ejemplos ? f (x) = ex es continua y derivable en R y su derivada es f 0 (x) = ex continua en R, luego es


C 1 en R. Como su derivada es ella misma, vuelve a ser derivable y su derivada continua y, sucesivamente,
es en realidad de C ∞ .
? Los polimonies son de clase ∞ es R. En efecto, son continuos y derivables, y su derivada es un polinomio,
que vuelve a ser continua y derivable, etc.
? Las funciones seno y coseno son C ∞ , pues salvo signos una es la derivada de la otra y son continuas y
derivables. 4

7.2 Teoremas de derivación


Los tres teoremas siguientes son básicos para pasar los resultados de derivación sobre puntos a todo un intervalo,
lo que nos servirá además para contruir mejores herramientas de trabajo.
Teorema de Rolle 246.- Sea f : [a, b] −→ R tal que f es continua en [a, b] y derivable en (a, b) y además
f (a) = f (b) , entonces ∃ c ∈ (a, b) tal que f 0 (c) = 0 .
Demostración:
Por ser f continua en [a, b] , el Teorema de Weierstrass (233) garantiza que se alcanzan el máximo y el mı́nimo
en el conjunto. Entonces,
? si se alcanza uno de los extremos en algún c ∈ (a, b) , por ser f derivable en (a, b) , se cumple que f 0 (c) = 0

? si los extremos se alcanzan en a y b, por ser f (a) = f (b) , el máximo y el mı́nimo deben coincidir, por lo
que la función es constante en [a, b] y f 0 (c) = 0 para todo c ∈ (a, b) .

Ejemplo La función polinómica f (x) = x4 − 4x2 se anula en x = 0 y x = 2 , luego f (0) = 0 = f (2) y es


continua y derivable en [0, 2] . Entonces, el polinomio f 0 (x) = 4x3 − 8x tiene alguna raı́z entre 0 y 2 . 4

Nota: Si la función no es constante, el teorema de Rolle tiene otra lectura: se asegura la existencia de al menos
un extremo en el intervalo. Geométricamente, el teorema de Rolle significa que existe un punto con tangente
horizontal.
El teorema siguiente, conocido como de los f 0 (c) =
f (b)−f (a)
b−a
incrementos finitos o del valor medio de La- 0
r
grange, generaliza el Teorema de Rolle. Y, en r
f (c) = 0
f (b) q
sentido geométrico, significa que hay un punto q q q
f (a) = f (b) f (a)
cuya recta tangente tiene la misma pendiente
que la cuerda que une los puntos extremos de a c b a c b
la gráfica f (b)−f
b−a
(a)
= f 0 (c) . Teorema de Rolle Teorema de Lagrange

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
112 – Matemáticas 1 : Cálculo diferencial en R 7.2 Teoremas de derivación

Teorema del valor medio de Lagrange 247.- Sea f : [a, b] −→ R tal que f es continua en [a, b] y derivable en
(a, b) , entonces ∃c ∈ (a, b) tal que:
f (b) − f (a) = f 0 (c)(b − a)
Demostración:
f (b)−f (a)
Como a 6= b, podemos escribir f 0 (c) = b−a , es decir, buscamos un c ∈ (a, b) tal que f 0 (c) sea la pendiente
de la cuerda entre los puntos (a, f (a)) y (b, f (b)) que tiene por ecuación y = f (a) + f (b)−f
b−a
(a)
(x − a) .
f (b)−f (a) 
Consideremos entonces la función g(x) = f (x) − f (a) + b−a (x − a) (la función menos la cuerda)
para llevar el problema a las condiciones del teorema de Rolle. En efecto, g: [a, b] −→ R es continua en [a, b] y
derivable en (a, b) por ser suma de continuas y derivables, además, g(a) = f (a) − f (a) + f (b)−f (a) 
b−a (a − a) = 0
y g(b) = f (b) − f (a) + f (b)−f (a) 
b−a (b − a) = 0 .
Entonces, existe c ∈ (a, b) tal que g 0 (c) = 0 ; y como g 0 (x) = f 0 (x) − f (b)−f
b−a
(a)
, se tiene la igualdad propuesta
f (b)−f (a)
ya que 0 = f 0 (c) − b−a .

El último de los teoremas y más general es el teorema de Cauchy. Aunque gráficamente no tiene un significado
claro, es muy útil para la extensión de la teorı́a:
Teorema del valor medio de Cauchy 248.- Sean f y g funciones continuas en [a, b] y derivables en (a, b) .
Si g 0 (x) 6= 0 , ∀ x ∈ (a, b) , entonces ∃ c ∈ (a, b) tal que:

f (b) − f (a) f 0 (c)


= 0 .
g(b) − g(a) g (c)

Con los teoremas anteriores y la derivación, ya se puede asegurar la monotonı́a por intervalos:
Proposición 249.- Si f es un función continua en [a, b] y derivable en (a, b) y f 0 (x) > 0 , ∀ x ∈ (a, b) , entonces
f es estrictamente creciente en [a, b] .
Si f es una función continua en [a, b] y derivable en (a, b) y f 0 (x) < 0 , ∀ x ∈ (a, b) , entonces f es
estrictamente decreciente en [a, b] .
Demostración:
Para cualesquiera x1 , x2 ∈ [a, b] , con x1 < x2 , consideremos el intervalo [x1 , x2 ] . Podemos aplicar el teorema
del valor medio de Lagrange en este intervalo, luego ∃ c ∈ (x1 , x2 ) tal que f (x2 ) − f (x1 ) = f 0 (c)(x2 − x1 ) .
Entonces,
? si f 0 > 0 en (a, b) , también f 0 (c) > 0 y se tiene que f (x2 ) − f (x1 ) = f 0 (c)(x2 − x1 ) > 0 por lo que
f (x1 ) < f (x2 ) y, en consecuencia, f es estrictamente creciente en [a, b] .
? si f 0 < 0 en (a, b) , también f 0 (c) < 0 y se tiene que f (x2 ) − f (x1 ) = f 0 (c)(x2 − x1 ) < 0 por lo que
f (x1 ) > f (x2 ) y, en consecuencia, f es estrictamente decreciente en [a, b] .

Y también podemos obtener el resultado de la Regla General de L’Hôpital para el cálculo de lı́mites:
Regla General de L’Hopital 250.- Sean f y g funciones derivables en un entorno reducido de x0 , E ∗ (x0 , δ) ,
con g(x) 6= 0 y g 0 (x) 6= 0 , ∀ x ∈ E ∗ (x0 , δ) y lı́m f (x) = 0 = lı́m g(x) . Entonces,
x→x0 x→x0
0
f 0 (x)
si existe lı́m fg0 (x)
(x)
se cumple que lı́mf (x)
= lı́m 0 . .
x→x0 x→x0 g(x) x→x0 g (x)

Nota: Esta regla es también válida en los casos en que x0 sea +∞ ó −∞ y cuando lı́m f (x) = +∞ ó −∞
x→x0
y lı́m g(x) = +∞ ó −∞, (también en este caso x0 puede ser +∞ ó −∞) sin más que traducir las hipótesis
x→x0
de f y g a entornos de +∞ ó −∞ .

sen(x)−x
Ejemplo Calcular el lı́m x3 . Las funciones f (x) = sen(x) − x y g(x) = x3 son derivables en R ,
x→0
con f (0) = 0 = g(0) ; y sus derivadas son f 0 (x) = cos(x) − 1 y g 0 (x) = 3x2 . Entonces, por L’Hôpital, el lı́mite
inicial existe si existe él del cociente de las derivadas, por lo que hemos trasladado el problema al cálculo de un
nuevo lı́mite lı́m cos(x)−1
3x2 . Como también es indeterminado y las derivadas son derivables, podemos aplicar de
x→0

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
113 – Matemáticas 1 : Cálculo diferencial en R 7.2 Teoremas de derivación

nuevo L’Hôpital para resolver este lı́mite. Sucesivamente, tendremos que

sen(x) − x cos(x) − 1 − sen(x) −1 sen(x) −1


lı́m 3
= lı́m 2
= lı́m = lı́m =
x→0 x x→0 3x x→0 6x 6 x→0 x 6
La existencia del último lı́mite garantiza la cadena de igualdades. 4

tg( π
2 −x)
Ejemplo Calcular lı́m ln x .
x→0+
+∞ tg( π −x)
Como las funciones del cociente son derivables cerca de 0+ , y ln2 x → −∞ , aplicando l’Hôpital
−1
π π
tg( 2 −x) 2
cos ( −x) −
= lı́m cos2−x 0 −1 −1

lı́m = lı́m ( π −x) = 0+ = lı́m 2 cos( π −x)(− sen( π −x))(−1) = ( 0+ ) = −∞
2

x→0+
ln x 1
x→0+ x x→0+ 2 x→0+ 2 2 4

x2 −x x2 −x 2x−1 2
Ejemplo Sabemos que x lı́m
2 +3x = 1 , y usando l’Hôpital lı́m
x2 +3x = lı́m = lı́m =1 4
x→+∞ x→+∞ x→+∞ 2x+3 x→+∞ 2

Añadamos un resultado que puede parecer irrelevante, pero que resulta de utilidad para las funciones
definidas a trozos:
Proposición 251.- Sea f : (a, b) −→ R tal que f es continua en x0 ∈ (a, b) , f es derivable en un entorno
reducido de x0 , y existen los lı́m+ f 0 (x) y lı́m− f 0 (x) . Entonces:
x→x0 x→x0
f es de derivable en x0 si y sólo si lı́m+ f 0 (x) = lı́m− f 0 (x) .
x→x0 x→x0

Demostración:
Por ser f continua en x0 , f (x) → f (x0 ) cuando x → x0 y, por ser derivable, puede aplicarse la Regla de
L’Hôpital para obtener las igualdades de lı́mites siguientes:

f (x) − f (x0 ) f 0 (x) f (x) − f (x0 ) f 0 (x)


lı́m+ = lı́m+ = lı́m+ f 0 (x) lı́m− = lı́m− = lı́m− f 0 (x)
x→x0 x − x0 x→x0 1 x→x0 x→x0 x − x0 x→x0 1 x→x0

f (x)−f (x0 ) f (x)−f (x0 )


Entonces, si f es derivable en x0 , f 0 (x0 ) = lı́m− x−x0 = lı́m+ x−x0 y lı́m+ f 0 (x) = lı́m− f 0 (x) .
x→x0 x→x0 x→x0 x→x0
f (x)−f (x0 )
0
Recı́procamente, si lı́m+ f (x) = lı́m− f (x), entonces lı́m− 0
x−x0 = lı́m f (x)−f
x−x0
(x0 )
y existe el lı́mite
x→x0 x→x0 x→x0 x→x+ 0
global, por lo que f es derivable en x0 y f 0 (x0 ) = lı́m+ f (x) = lı́m− f (x) . 0 0
x→x0 x→x0


x, si x ≥ 0
Ejemplos ? La función f (x) = |x| = no es derivable en x = 0 . En efecto, es continua en
−x, si x < 0
x = 0 y derivable en R − {0}, y como lı́m+ f (x) = lı́m+ 1 = 1 6= lı́m− f 0 (x) = lı́m− −1 = −1 , la función
0
x→0 x→0 x→0 x→0
no es derivable en el punto.
 2
x , si x ≥ 0
? La función f (x) = es derivable en x = 0 . En efecto, es continua en x = 0 y derivable en
−x2 , si x < 0
R − {0} , y como lı́m+ f (x) = lı́m+ 2x = 0 = lı́m− f 0 (x) = lı́m− −2x = 0 , la función es derivable en el
0
x→0 x→0 x→0 x→0
punto y f 0 (0) = 0 . 4

7.2.1 Teorema de la función inversa


El siguiente teorema garantiza de modo sencillo la existencia de función inversa en un conjunto y procura un
método para obtener las derivadas de la inversa aunque no conozcamos su expresión.
Teorema de la función inversa 252.- Sea f : [a, b] −→ R continua en [a, b] y derivableen (a, b) , con f 0 > 0 ó
f 0 < 0 en (a, b) . Entonces f admite función inversa derivable en (a, b) y (f −1 )0 f (x) = f 01(x) . .

Corolario 253.- Si f es estrictamente creciente (resp. estrictamente decreciente), su inversa f −1 es estricta-


mente creciente (resp. estrictamente decreciente)
Demostración:
Como (f −1 )0 f (x) = 1
, su signo es el mismo que el de f 0 .

f 0 (x)

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
114 – Matemáticas 1 : Cálculo diferencial en R 7.2 Teoremas de derivación

Corolario 254.- Si f 0 es continua, entonces la derivada de la inversa es también continua.

Ejemplo La función f (x) = tg x es continua y derivable en (− π2 , π2 ) , con f 0 (x) = 1 + tg2 x que es mayor que
cero en cada punto. Luego f es estrictamente creciente en el intervalo y su función inversa arctg: R −→ (− π2 , π2 )
es también estrictamente creciente y (f −1 )0 (tg(x)) = 1+tg
1
2 x luego haciendo y = tg x , se obtiene que

1
(f −1 )0 (y) = (arctg y)0 = 4
1 + y2

Ejemplo La función f (x) = sh(x) es continua y derivable en R, con f 0 (c) = ch(x) que es continua y mayor
que cero en el conjunto. Luego admite inversa en R y su función inversa argsh: R −→ R tiene también derivada
continua. Como (f −1 )0 (sh(x)) = ch(x)
1
haciendo y = sh(x) y usando que ch2 x − sh2 x = 1 , se tiene

1
(f −1 )0 (y) = (argsh y)0 = p 4
1 + y2

Inversas de las demás funciones trigonométricas e hiperbólicas


f (x) = sen x tiene por inversa en [− π2 , π2 ] a arcsen: [−1, 1] −→ [− π2 , π2 ] y (arcsen y)0 = √ 1
1−y 2

f (x) = cos x tiene por inversa en [0, π] a arccos: [−1, 1] −→ [0, π] y (arccos y)0 = √−1
1−y 2

f (x) = ch x tiene por inversa en [0, +∞) a argch: [1, +∞) −→ [0, +∞) y (argch y)0 = √ 1
y 2 −1

f (x) = th x tiene por inversa en R a argth: (−1, 1) −→ R y (argth y)0 = 1


1−y 2

7.2.2 Representación gráfica de funciones (1)


A lo largo de este tema (y también en el anterior) hemos obtenido resultados sobre el comportamiento de la
función: continuidad, monotonı́a, extremos, . . . . Resultados que también se reflejan en la gráfica de la función,
y que vamos a utilizar, para realizar un esbozo de la misma. La representación gráfica será más completa tras
el tema siguiente sobre las derivadas de órdenes superiores.

7.2.2.1 Monotonı́a y extremos locales


Basta para ello reunir algunos de los resultados ya obtenidos, en particular: uso del signo de la derivada para
el crecimiento de la función, la condición necesaria de extremos locales, la condición suficiente de extremo que
se da en la Proposición 242.
Para el estudio del signo de la función derivada, si esta es continua, puede resultar útil el Teorema de Bolzano.
Si f 0 (c) = 0 y f 0 (d) = 0 , f 0 continua en [c, d] y no se anula en ningún otro punto, el signo de
f 0 (x) es el mismo para todos los x ∈ (c, d) .

En efecto, si dos puntos de (c, d) , x1 y x2 , con x1 < x2 , verifican que f 0 tiene signos distintos, por ser
continua, tendrı́a que existir un punto x0 ∈ (x1 , x2 ) en el que f 0 (x0 ) = 0 en contra de que no se anula en
ningún punto más del conjunto. Luego todos tienen el mismo signo y para conocerlo basta con calcularlo en
uno de los puntos.

3x4 −8x3 r
Ejemplo La función f (x) = 16 es continua en [−1, 3] y derivable en
2
(−1, 3) ; su derivada en (−1, 3) es f (x) = 3x (x−2)
0
4 y se anula únicamente
en x = 0 y x = 2 . Como la función derivada f 0 (x) = 43 x2 (x − 2) es continua r
en (−1, 3) y en (−1, 0] sólo se anula en 0 , tiene el mismo signo en todos los
puntos de (-1,0); como f 0 ( −1 −15 r
2 ) = 32 < 0 en (−1, 0) es siempre negativa y
la función f es decreciente en (−1, 0) .
f 0 (x) es continua en [0, 2] y sólo se anula en los extremos, luego tiene el r
mismo signo en (0, 2) . Como f 0 (1) = −3 4 < 0 es siempre negativa y f es
decreciente en (0, 2) .
f 0 (x) es continua en [2, 3) y sólo se anula en 2, luego tiene el mismo signo en (2, 3) . Como f 0 ( 25 ) = 75
32 > 0 es
siempre positiva y f es creciente en (2, 3) .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
115 – Matemáticas 1 : Cálculo diferencial en R 7.2 Teoremas de derivación

Los únicos puntos “candidatos” a albergar un extremo local son x = 0 y x = 2 (donde existe la derivada y
se anula), y los puntos x = −1 y x = 3 donde la función no es derivable por ser extremos del dominio.
Como f es continua en −1 y es decreciente en (−1, 0) , f (−1) es un máximo local. Como f es continua
en 0 y es decreciente en (−1, 0) y decreciente en (0, 2) , f (0) no es un extremo. Como f es continua en 2 y es
decreciente en (0, 2) y creciente en (2, 3) , f (2) es un mı́nimo local. Como f es continua en 3 y es creciente en
(2, 3) , f (3) es un máximo local. 4

7.2.2.2 Concavidad y convexidad


Hemos visto en la condición necesaria de extremo local cómo, cuando es derivable, la derivada en el punto es
cero; o lo que es lo mismo, la recta tangente a la gráfica en el punto es horizontal. Si el extremo es un máximo,
para valores cercanos al punto los valores de la función son menores que el máximo local luego, gráficamente,
los puntos de la gráfica están por debajo de la recta tangente; y si es un mı́nimo los puntos de la gráfica están
por encima de la recta tangente. Pero, también eso puede ocurre en cualquier otro punto (ver la gráfica que
ilustra los teoremas de Rolle y del valor medio de Lagrange en pág 112) y nos lleva a las definiciones de función
cóncava y convexa.
Aunque pueden darse definiciones para las que no es necesaria la derivación (mejores y menos restrictivas que
éstas), las que damos a continuación son sencillas de introducir y más que suficientes para el uso que haremos
de los conceptos, pero también incorporann herramientas para una fácil manipulación.
Definición 255.- Diremos que una función f : (a, b) −→ R , derivable en x0 ∈ (a, b) es convexa en el punto x0
si f (x) ≤ f (x0 ) + f 0 (x0 )(x − x0 ) para los x de algún entorno de x0 .
Diremos que es cóncava en x0 si f (x) ≥ f (x0 ) + f 0 (x0 )(x − x0 ) para los x de algún entorno de x0 .
Diremos que es cóncava o convexa es un intervalo si lo es en cada punto.
Un punto de continuidad se dice de inflexión si la función cambia de concavidad en él.

Nota: En otras palabras, diremos que es convexa (cóncava) en x0 si, cerca de x0 , la gráfica de la función está
por debajo (encima) de la recta tangente en el punto. Con los comentarios hechos en la introducción de este
apartado, en los máximos donde la función sea derivable la función es convexa y en los mı́nimos cóncava.
Ejemplo La función f (x) = x2 es cóncava en cada punto de R. Como es derivable en cada punto x = a y
f 0 (x) = 2x , se cumple que f (x) − f (a) + f 0 (a)(x − a) = x2 − a2 − 2a(x − a) = x2 − 2ax + a2 = (x − a)2 ≥ 0
para todo x , luego f (x) ≥ f (a) + f 0 (a)(x − a) y es cóncava en cada punto.
Ejemplo La función f (x) = x2 (x − 3) , es convexa en x = 0 , cóncava en x = 3 y presenta un punto de
inflexión en x = 1 .
En efecto, consideremos la función ga (x) = f (x) − (f (a) + f 0 (a)(x − a)) entonces, si ga (x) ≥ 0 en algún
entorno de a es cóncava en a, si ga (x) ≤ 0 en algún entorno de a es convexa en a y si ga (x) cambia de signo
en a es un punto de inflexión. Como ga (a) = 0 y es derivable (pues f lo es), veamos como se comporta cerca
de cada uno de los puntos indicados:

? En x = 0 , se tiene g00 (x) = 3x(x − 2) , por lo que es positiva antes


de 0 y negativa depués (y g0 es creciente antes de 0 y decreciente
depués) luego g0 (x) ≤ g0 (0) = 0 en algún entorno de 0.
q q
? En x = 3 , se tiene g30 (x) = 3(x + 1)(x − 3) , por lo que es negativa
antes de 3 y positiva depués (y g3 es decreciente antes de 3 y
creciente depués) luego g3 (x) ≥ g3 (3) = 0 en algún entorno de 3.
q
? En x = 1 , se tiene g10 (x) = 3(x − 1)2 , por lo que es positiva antes
de 1 y también depués (y g1 es creciente antes de 1 y creciente
depués) luego g1 (x) ≤ g1 (1) = 0 para los x menores que 1 y
g1 (x) ≥ 0 para los x mayores que 1.

Luego es convexa en x = 0 , cóncava en x = 3 y tiene un punto de inflexión en x = 1 . 4

7.2.2.3 Paridad y periodicidad


Las simetrı́as, par e impar, y la periodicidad son muy útiles para reducir y simplificar los cálculos, y prever
algunos de los resultados que conseguiremos sobre la gráfica y su comportamiento.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
116 – Matemáticas 1 : Cálculo diferencial en R 7.3 Ejercicios

Definición 256.- Una función f se dice par si f (−x) = f (x) ( f simétrica respecto al eje OY ).
Una función f se dice impar si f (−x) = −f (x) ( f simétrica respecto al origen (0, 0) ).

Definición 257.- Una función f se dice periódica de periodo T , si T es el menor número real tal que
f (x + T ) = f (x) , ∀x .

7.3 Ejercicios
7.177 Aplicar las reglas de derivación, para encontrar la expresión de f 0 en:
√ q q
a) f (x) = √x−1 b) f (x) = x−1
c) f (x) = √x−1
x+1 x+1 x+1

d) f (x) = ln x e) f (x) = ln(sen x) f) f (x) = (ln(2 − x2 ))−1
  −5
3
2+x
g) f (x) = arctg x2 h) f (x) = ln(arccos(tg(x2 ))) i) f (x) = √x−1
x+1

Indicar en cada caso el dominio de f y de f 0 .


7.178 Encontar la expresión de las funciones derivadas, indicando el conjunto donde tienen validez:
√ 4
√1 x x x5
a) f (x) = x
b) f (x) = x2 +1 c) f (x) = (x+1)3
√ p
d) f (x) = x2 − 2x e) f (x) = ln |x| f) f (x) = − |x| − x

7.179 Hallar la recta tangente a las gráficas de las funciones siguientes en los puntos que se indican:

a) f (x) = x3 − x , en x = 0 y en x = 1 .
1
b) f (x) = e x2 , en x = −1 y en x = 0 .
√ √ +
c) f (x) = 2 − x2 , en x = 1 y en x = − 2 .

7.180 Probar que la parábola y = (x + 1)2 + 1 tiene recta tangente en todos sus puntos.
¿En qué puntos la recta tangente pasa por (0, 0) ?

7.181 Usar la regla de L’Hôpital, para calcular


2 3 3 3
a) lı́m 2x −4 b) lı́m x +2 c) lı́m 7x 2+4x 3
x→−2 x (2+x) x→−2 x+2 x→0 3x−x −2x
3 2
x+ex −1
d) lı́m 7x 2+4x 3 e) lı́m ln(cos
x2
x)
f) lı́m senarctg
x→∞ 3x−x −2x x→0 x→0 x
2
g) lı́m ln(x ) h) cos x
lı́m 2x−π i) lı́m (x + 1)( π2 − arctg(2x))
x→1 x−1 x→ π 2
x→∞
x
j) lı́m e 6 k) lı́m xα ln |x| α∈R l) lı́m lnαx α∈R
x→∞ x x→0 x→∞ x
  −1
1 1
m) lı́m ln x − x−1 n) lı́m xsen x o) lı́m (x2 + 1) x2
x→1 x→0+ x→∞

7.182 Estudiar la derivabilidad y obtener las derivadas, de las funciones del ejercicio 6.169.

7.183 Obtener las ası́ntotas de las funciones del ejercicio 6.169.


1+4x

arctg 4x2 , si x 6= 0
7.184 Estudiar la continuidad y derivabilidad de la función f (x) = π , e indicar sus intervalos
2 , si x=0
de crecimiento y decrecimiento. ¿Tiene ası́ntotas?
7.185 Para las funciones f , g y h del ejercicio 6.171:

a) Estudiar su derivabilidad en los puntos del dominio.


b) Dar la expresión de las funciones derivadas.
c) Obtener los intervalos de monotonı́a.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
117 – Matemáticas 1 : Cálculo diferencial en R 7.3 Ejercicios

d) Estudiar la existencia de extremos locales.


e) Estudiar la existencia de ası́ntotas.
f) Estudiar la continuidad y derivabilidad de las funciones f 0 , g 0 y h0 .

x x
7.186 Hallar los extremos locales y globales de f (x) = 2
x +1 en [1, 3] y en [0, +∞) .

7.187 Estudiar la monotonı́a de f (x) = x − sen x en [0, π] y deducir de ello que x ≥ sen x en [0, π] .

7.188 Probar que:

a) Si f es una función estrictamente creciente, entonces


f ◦ g alcanza un máximo/mı́nimo en a ⇐⇒ h alcanza un máximo/mı́nimo en a
b) Si f es una función estrictamente decreciente, entonces
f ◦ g alcanza un máximo/mı́nimo en a ⇐⇒ g alcanza un mı́nimo/máximo en a

7.189 Usar los resultados del ejercicio 7.188, para encontrar los extremos locales de las funciones
x+1
1
a) f (x) = e x2 +3 b) f (x) = √
(x2 −5)2 +x2

7.190 Si f es par y alcanza un extremo en x = a, ¿alcanzará también un extremo en x = −a ?


¿Que ocurrirá si f es impar? ¿Y si es periódica de periodo T ?

7.191 Problema: Con una cuerda atamos una vaca al exterior de un edificio de planta cuadrada situado en el
centro de un prado. Si la longitud de la cuerda es la misma que el lado del edificio, ¿en qué punto debemos
atar la vaca para que tenga la mayor área posible de pasto? ¿y la menor?
Modelado del problema: Representamos el edificio por un cuadrado de lado L, por ejemplo él de vértices
(0, 0) , (L, 0) , (L, L) y (0, L) .
Como el edificio es cuadrado, ocurre lo mismo en cada lado, por lo que basta estudiar uno de los lados,
por ejemplo el lado inferior (el segmento {(x, 0) : x ∈ [0, L]} ).
Luego, para cada x ∈ [0, L] , debemos encontrar un función f que asigne a cada x el área buscado, es
decir, tal que f (x) = área-abarcado-atando-en-x .
La solución del problema se obtiene encontrando los puntos donde de alcancen el máximo y el mı́nimo
global de f en el intervalo [0, L] .

a) Resolver el problema planteado.


b) Repetir el problema para una cuerda de longitud la mitad del perı́metro del edificio.

7.192 Descomponer 100 en dos sumandos tales que el cuádruplo del primero más el cuadrado del segundo sea
mı́nimo.
7.193 Hallar dos números cuya suma sea a , de modo que la suma de la cuarta potencia de uno, más el cuadrado
del otro, sea máxima.

7.194 Entre todos los rectángulos de área 50, ¿cuál es el de perı́metro mı́nimo? ¿y máximo?

7.195 Sean los triángulos rectángulos que tienen la suma de los catetos constante (e igual a k ). ¿Cuál de ellos
tiene área máxima?

7.196 Dado un triángulo isósceles de base 8 cm y altura 5 cm, hallar las dimensiones de un rectángulo inscrito
en él de área máxima.
7.197 Un prisma de 15 cm de altura tiene como base un triángulo rectángulo de hipotenusa igual a 10 cm.
Calcular las longitudes de los catetos para que el volumen sea máximo.

7.198 De entre todos los cilindros con volumen 100π cm 3 , escoger el de área lateral máxima. ¿Cuál es el de
área total máxima?
7.199 Hallar las distancias mı́nima y máxima del punto (1, 1) a la circunferencia (x − 2)2 + (y − 2)2 = 9 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
118 – Matemáticas 1 : Cálculo diferencial en R 7.3 Ejercicios

7.200 Hallar, las dimensiones del cilindro de volumen máximo inscrito en una esfera de radio R

7.201 Hallar, las dimensiones del cilindro de área total máxima inscrito en una esfera de radio R

7.202 Un pescador en bote de remos se encuentra, mar adentro, a una distancia de 2 km. del punto más cercano
de una playa recta y desea llegar a otro punto de la playa a 6 km. del primero. Suponiendo que se puede
remar a una velocidad de 3 km/h. y caminar a 5 km/h, ¿qué trayectoria debe seguir para llegar a su
destino en el menor tiempo posible? Si tiene una lancha que viaja a 15 km/h, ¿qué trayectoria debe seguir
ahora?

7.203 Hay que cortar un hilo de longitud L en dos trozos. Con uno de ellos se forma un cı́rculo, y con el otro
un cuadrado. ¿Cómo hay que cortar el hilo para que la suma de las áreas sea máxima? ¿Y para que sea
mı́nima?.
7.204 Un camión ha de recorrer 300 kms en una carretera llana a una velocidad constante de x km/h. Las leyes
de circulación prescriben para la velocidad un máximo de 60 km/h y un mı́nimo de 30 km/h. Se supone
x2
que el carburante cuesta 3 duros/litro y que el consumo es de 10 + 120 litros por hora. El conductor cobra
10 duros por hora. Teniendo en cuenta que la empresa paga al conductor y el carburante, a qué velocidad
tendrá que viajar el camión para que el dinero desembolsado por la empresa sea mı́nimo.
7.205 Sea f (x) una función derivable en todo R , cuya gráfica es simétrica respecto al eje OY .

a) Estudiar la paridad (simetrı́a) de f 0 (x) .


b) Determinar, si es posible, f 0 (0) .

7.206 Sea f una función de clase 1 (derivable con derivada continua) en la recta real R. Supongamos que f
tiene exactamente un punto crı́tico x0 que es un mı́nimo local estricto de f . Demostrar que x0 también
es un mı́nimo absoluto para f .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
119 – Matemáticas 1 : Cálculo diferencial en R

Capı́tulo 8

Polinomios de Taylor
Hemos visto el uso de la derivada como aproximación de la función (la recta tangente) y como indicadora del
comportamiento de la función (monotonı́a). En este tema veremos las derivadas de órdenes superiores para
mejorar estos usos.

8.1 Polinomios de Taylor


Cuando en el cálculo de lı́mites usamos L’Hôpital o algunos infinitésimos, estamos sustituyendo el compor-
tamiento de la función cerca del punto por el de su recta tangente. Ésta aproximación que usamos, coincide
con la función en su valor y el valor de la derivada en el punto; los polinomios de Taylor que construiremos a
continuación se toman para que coincida con la función en todas las derivadas.
Definición 258.- Lamaremos polinomio de Taylor de orden n para la función f en el punto a , y lo
denotaremos por Pn,a , al polinomio:
n
f 0 (a) f 00 (a) f (n) (a) X f (k) (a)
Pn,a (x) = f (a) + (x − a) + (x − a)2 + · · · + (x − a)n = (x − a)k
1! 2! n! k!
k=0

Los polinomios de Taylor en el punto a = 0 , suelen denominarse polinomios de McLaurin.

Nota: Observamos que el polinomio de orden 1, P1,a (x) =


0 f (x) = sen(x)
f (a) + f 1!(a) (x − a) es la recta tangente a f en el punto a, P1, 2π (x)
r
3
de manera que los polinomios de Taylor serán una especie P2, 2π (x)
de “polinomios tangentes” a la función en el punto. Al 3

tener mayor grado que la recta tangente se espera que se P3, 2π (x)
3
parezcan más a la función que ésta, aunque dado que para P4, 2π (x)
3
su construcción únicamente usamos los valores de f y sus
derivadas en el punto a , será una aproximación local (cerca
de a ).
(k)
En efecto, para todo k = 1, . . . , n , se cumple que Pn,a (a) = f (k) (a) :
f 0 (a) f 00 (a) f 000 (a) f (n−1) (a) (n)
Pn,a (x) = f (a) + 1
1! (x − a) + 2! (x − a) +
2 3
3! (x − a) + · · · + (n−1)! (x − a)
n−1
+ f n!(a) (x − a)n
00 000 (n−1) (n)
0
Pn,a (x) = f 0 (a) + f 1!(a) (x − a)1 + f 2!(a) (x − a)2 + · · · + f (n−2)! (a)
(x − a)n−2 + f(n−1)! (a)
(x − a)n−1
000 (n−1) (n)
00
Pn,a (x) = f 00 (a) + f 1!(a) (x − a)1 + · · · + f (n−3)! (a)
(x − a)n−3 + f(n−2)! (a)
(x − a)n−2
(n−1) (n)
000
Pn,a (x) = f 000 (a) + · · · + f (n−4)!(a)
(x − a)n−4 + f(n−3)! (a)
(x − a)n−3

··· ···
(n−1) f (n) (a)
Pn,a (x) = f (n−1) (a) + 1! (x − a)1
(n)
Pn,a (x) = f (n) (a)
(k)
Y sustituyendo, se ve que Pn,a (a) = f (k) (a) , para todo k .

Ejemplo La función f (x) = sen x es C ∞ en R, y sus derivadas son f 0 (x) = cos x , f 00 (x) = − sen x ,
f (3) (x) = − cos x y f (4) (x) = sen x = f (x) de nuevo, luego f (0) = 0 , f 0 (0) = 1 , f 00 (0) = 0 , f (3) (0) = −1 y se
repiten f (4) (0) = f (0) = 0 , f (5) (0) = f 0 (0) = 1 , etc. Por lo que
x3 5 7
1
P7,0 (x) = 0+ 1! 0
(x−0)+ 2! (x−0)2 + −1 3 0 4 1 5 0 6 −1 7
3! (x−0) + 4! (x−0) + 5! (x−0) + 6! (x−0) + 7! (x−0) =
x
1! − 3! + x5! − x7!
es su polinomio de Taylor de orden 7 en x = 0 . 4
Por la propia contrucción de los polinomios de Taylor, resulta evidente el siguiente resultado

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
120 – Matemáticas 1 : Cálculo diferencial en R 8.1 Polinomios de Taylor

Proposición 259.- Si P (x) es el polinomio de Taylor de orden n de f en a, entonces P 0 (x) es el polinomio


de Taylor de orden n − 1 de f 0 en a .

Ejemplo La función f (x) = cos x es la derivada del seno y el polinomio de Taylor de g(x) = sen x en 0 de
3 5 7
x
orden 7 es P (x) = 1! − x3! + x5! − x7! . Entonces, el polinomio de MacLaurin de orden 6 de f (x) = cos x en 0 ,
2 4 6
es P6,0 = P 0 (x) = 1 − x2! + x4! − x6! . 4
Como es habitual, la obtención de polinomios de Taylor se amplia con las operaciones algebraicas básicas:
Propiedades 260.- Sean f y g dos funciones y Pn,a y Qn,a los polinomios de Taylor de orden n en a
respectivos. Se tiene
1.- El polinomio de Taylor de orden n para f + g en a es Pn,a + Qn,a
2.- El polinomio de Taylor de orden n para f g en a es la parte hasta grado n del polinomio producto de
Pn,a y Qn,a .

3.- El polinomio de Taylor de orden n para f /g en a se obtiene dividiendo el polinomio Pn,a entre el
polinomio Qn,a , pero ordenados de la potencia menor a la potencia mayor, hasta llegar al grado n en el
cociente.

Proposición 261.- Si Pn,a es el polinomio de Taylor de orden n para f en a y Qn,f (a) es el polinomio de
Taylor de orden n para g en f (a) , entonces el polinomio de Taylor de orden n para g ◦ f en a se obtiene
tomando la parte hasta el grado n del polinomio Qn,f (a) [Pn,a (x)] , composición de los de f y g .

Nota: La división entre polinomios comenzando por los


términos de menor grado a que se hace referencia en el 1 +2x 1 + x2
2
resultado anterior, la vemos ejemplificada a la derecha, −1 −x 1 + 2x − x2 − 2x3
2
dividiendo 1+2x entre 1+x2 . Nos hemos detenido tras 2x −x
obtener 4 términos del cociente, pero se puede dividir −2x −2x3
tanto como se quiera, mientras el resto no se anule. −x −2x3
2

Puede comprobarse que es cierto que x2 +x4


−2x +x4
3

1 + 2x 2 3 x4 + 2x5 2x3 +2x5


= 1 + 2x − x − 2x + x +2x5
4
1 + x2 1 + x2

Ejemplo Obtener el polinomio de Taylor de orden 3 en 0 de f (x) = sen x + cos x , g(x) = sen x cos x y
x3
h(x) = tg x = sen x
cos x . Como el polinomio de McLaurin de orden 3 de sen x es P (x) = x − 3! y el de cos x es
2
Q(x) = 1 − x2! , se tiene
x2 x3
? P (x) + Q(x) = 1 + x − 2! − 3! es el polinomio de McLaurin de orden 3 de f .
x3 x3 x5 4x3
? P (x)Q(x) = x − 3! − 2! + 2!3! , luego x − 3! es el polinomio de McLaurin de orden 3 de g .
3 x3 x5 x7
P (x) x− x6 x3 x3 x5 x3
? Q(x) = 2 = x+ 3
2 = x+ 3 + 6
2 = x+ 3 + 6 + 12
2 , luego x + 3 es el polinomio de
1− x2 1− x2 1− x2 1− x2
McLaurin de orden 3 de h. 4

Ejemplo El polinomio de Taylor de orden 4 de f (x) = x2 en 0 es P (x) = x2 y el polinomio de Taylor de


2 3 4
x
orden 4 de g(x) = ex en f (0) = 0 es Q(x) = 1 + 1! + x2! + x3! + x4! , luego el polinomio de Taylor de orden 4
2 2 4 6 8
de (g ◦ f )(x) = ex será: la parte hasta grado 4 del polinomio Q(P (x)) = 1 + x1! + x2! + x3! + x4! , es decir, el
2 4
polinomio 1 + x1! + x2! . 4
Un primer resultado en el sentido de que el polinomio de Taylor es una buena aproximación de la función f
en un entorno del punto:

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
121 – Matemáticas 1 : Cálculo diferencial en R 8.1 Polinomios de Taylor

Proposición 262.- Sea f es una función de clase C n−1 en un entorno de a y existe f (n) (a) . Sea Pn,a (x) el
polinomio de Taylor de orden n para la función f en el punto a, entonces:

f (x) − Pn,a (x)


lı́m =0
x→a (x − a)n
Demostración:
Basta aplicar L’Hôpital sucesivamente al lı́mite siguiente ( n − 1 veces, que es aplicable por tener la función y
el polinomio de Taylor las mismas derivadas en el punto), y tener en cuenta que existe f (n) (a) :

f (x) − Pn,a (x) f 0 (x) − Pn,a


0
(x) f 00 (x) − Pn,a
00
(x)
lı́m n
= lı́m n−1
= lı́m = ···
x→a (x − a) x→a n(x − a) x→a n(n − 1)(x − a)n−2
(n)
(n−1)
f (n−1) (x) − f (n−1) (a) + f 1!(a) (x − a)

f (n−1) (x) − Pn,a (x)
= lı́m = lı́m
x→a n · · · 2(x − a) x→a n · · · 2(x − a)
(n−1) (n−1)
1  f (x) − f (a)  1  
= lı́m − f (n) (a) = f (n) (a) − f (n) (a) = 0
n! x→a x−a n!

Nota: El resultado nos indica que la diferencia entre f (x) y Pn,a (x) se hace pequeña cuando x es cercano a
a incluso en comparación con (x − a)n , con lo que los polinomios de Taylor aproximan muy bien a la función,
casi puede decirse que “reproducen” la función cerca del punto. Por ello, el uso de los polinomios de Taylor en
este sentido, es uno de los métodos más sencilos para evaluar funciones de forma aproximada.
Es obvio, que si aumentamos el orden del polinomio se 1
f (x) = 1+x 2
P0,0 (x) = 1
produce una mejor aproximación, no solo porque el valor
del polinomio en un punto sea más cercano al valor real P2,0 (x) = 1 − x2
r
de la función (“mejor” aproximación) sino también porque
P4,0 (x) = 1 − x2 + x4
pueden aumentar los puntos para los cuales la aproximación
es “buena”. No obstante ésto no es lineal, es decir, no por P6,0 (x) = 1 − x2 + x4 − x6
aumentar mucho el orden del polinomio vamos a conseguir P8,0 (x) = 1 − x2 + x4 − x6 + x8
una buena aproximación en todo el dominio.
En la figura aneja, podemos ver un ejemplo de lo que estamos diciendo, por mucho que aumentemos el orden
de los polinomios de Taylor en x = 0 la función f (x) = x21+1 no puede aproximarse para los valores de x fuera
de (−1, 1) . Por ello, decimos que las aproximaciones de Taylor son aproximaciones locales.

8.1.1 Fórmula de Taylor.


Todas estas ideas y comentarios sobre la aproximación de funciones con polinomios quedan de manifiesto con
la obtención de la Fórmula de Taylor, que relaciona con igualdad la función y el polinomio de Taylor:

Fórmula de Taylor 263.- Si para una función f existen f 0 , f 00 , . . . , f (n) y f (n+1) sobre el intervalo [a, x] .
Entonces,
f (n+1) (c)
f (x) − Pn,a (x) = (x − a)n+1 para un cierto c ∈ (a, x),
(n + 1)!
llamado resto de Lagrange, o también
f (n+1) (c)
f (x) − Pn,a (x) = (x − c)n (x − a) para un cierto c ∈ (a, x),
n!
que se denomina resto de Cauchy. .

Corolario 264.- Cualquier polinomio de grado n , P (x) = a0 + a1 x + · · · + an xn , se puede escribir como

P 0 (a) P (n) (a)


P (x) = P (a) + (x − a) + · · · + (x − a)n ∀a ∈ R
1! n!
La Fórmula de Taylor y el hecho de que la derivada de orden n + 1 para un polinomio de grado n es cero,
garantiza la igualdad de los dos polinomios del corolario. Pero también, la igualdad propuesta por la Fórmula
de Taylor, nos permitirá sustituir la función por el polinomio de Taylor en el cálculo de lı́mites; esta sustitución
amplı́a el uso de los infinitésimos equivalentes (que son casos simples de los polinomios de Taylor) eliminando
la restricción de su uso a los productos y cocientes.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
122 – Matemáticas 1 : Cálculo diferencial en R 8.2 Representación de funciones (2)

3 sen(c)x4 3 sen(c)x4
sen x−x (x− x3! + )−x − x3! + 1 sen(c)x −1
Ejemplo lı́m x3 = lı́m x3
4!
= lı́m x3
4!
= lı́m − 3! + 4! = 6 4
x→0 x→0 x→0 x→0

Cuando aproximamos el valor real de una función en un punto cercano a a usando el polinomio de Taylor
de la función en a, con la Fórmula de Taylor podemos buscar una cota del error cometido. En efecto, al tomar
(n+1)
como valor de la función el del polinomio, el error cometido será f (x) − Pn,a (x) = f (n+1)!(c) (x − a)n+1 , para
algún
(n+1) c entre a y x , y aunque no conocemos el valor c, sı́ que podemos intentar acotar el valor del resto
f (c) |x−a|n+1 (n+1)
n+1

(n+1)! (x − a) = (n+1)| f (c) .
x3 sen(c)x4
Ejemplo Sabemos que sen(x) = x − 3! + 4! cerca de a = 0 , entonces si decimos que el valor de
(0.4)3 4 4
sen(0.4) ≈ (0.4) − = 0.389333 el error cometido lo podemos acotar con |sen(c)||0.4|
3! 4! ≤ 1·|0.4|
24 = 0.00106 .
Como sabemos que sen x < x, y como c ∈ (0, 0.4) , es mejor aproximación sen(c) < c < 0.4 que sen(c) ≤ 1 ,
4
|0.4|4
luego |sen(c)| |0.4|
4! < |0.4| 24 = 0.000426 es una cota del error cometido (el error real cometido es menor que
0.0001 ). 4

8.2 Representación de funciones (2)


Monotonı́a y extremos locales El siguiente resultado nos ofrece una condición suficiente que caracteriza
extremos locales, generalizada al uso de las derivadas de órdenes superiores:
Proposición 265.- Sea f una función de clase C n−1 en un entorno del punto a , para la que se cumple que
f 0 (a) = f 00 (a) = · · · = f (n−1) (a) = 0 , y además existe f (n) (a) 6= 0 . Entonces:
a) Si n es par y f (n) (a) > 0 , f presenta un mı́nimo local en a .
b) Si n es par y f (n) (a) < 0 , f presenta un máximo local en a.

c) Si n es impar y f (n) (a) > 0 , f es estrictamente creciente en a.


d) Si n es impar y f (n) (a) < 0 , f es estrictamente decreciente en a. .

Ejemplo La función f (x) = x4 presenta un mı́nimo local en 0 , pues f 0 (0) = f 00 (0) = f 000 (0) = 0 y f (4) (0) =
24 > 0 siendo n = 4 par. Mientras que f (x) = x3 es estrictamente creciente en 0 , pues f 0 (0) = f 00 (0) = 0 y
f 000 (0) = 6 > 0 siendo n = 3 impar. 4

Concavidad y convexidad
Con la Fórmula de Taylor, la derivada segunda se convierte en la herramienta para el estudio de la concavidad
y convexidad:
Proposición 266.- Sea f : (a, b) −→ R.
a) Si f 00 (x) < 0 , ∀ x ∈ (a, b) , entonces f (x) es convexa en (a, b) .

b) Si f 00 (x) > 0 , ∀ x ∈ (a, b) , entonces f (x) es cóncava en (a, b) .


Demostración:
00
Sea x0 ∈ (a, b) , entonces: f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + f 2!(t) (x − x0 )2 para un cierto t entre x y x0 . Por
tanto, si f 00 < 0 en (a, b) ,
(x − x0 )2
f (x) − [f (x0 ) + f 0 (x0 )(x − x0 )] = f 00 (t) ≤0
2!
luego f es convexa ya que ésto se dará para todo x, x0 ∈ (a, b) , y significa que todos los puntos de la curva
están por debajo de la tangente a la curva en cualquier punto x0 ∈ (a, b) .
Análogamente, será cóncava si f 00 > 0 en (a, b) .

Ejemplo La función f (x) = x2 es cóncava en todos los puntos, pues f 00 (x) = 2 > 0 . Análogamente,
f (x) = −x2 es convexa en todo R. 4

Corolario 267.- Si f 00 (x) existe en un entorno de x0 y es continua en x0 , entonces una condición necesaria
para que x0 sea un punto de inflexión de f es que f 00 (x0 ) = 0 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
123 – Matemáticas 1 : Cálculo diferencial en R 8.3 Ejercicios

Demostración:
Si x0 es un punto de inflexión de f , entonces:
Si f es cóncava a la derecha de x0 (luego f 00 (x) > 0 en (x0 , b) ), será convexa a la izquierda de x0
(luego f 00 (x) < 0 en (a, x0 ) ), y viceversa.
Como f 00 es continua en x0 , se tiene que lı́m f 00 (x) = f 00 (x0 ) de donde puede concluirse que f 00 (x0 ) = 0 .
x→x0

Ejemplo f (x) = x3 presenta un punto de inflexión en x = 0 , pues es C 2 es R y f 00 (x) = 6x se anula en


x = 0 , por lo que verifica la condición necesaria. Como es continua en 0 y f 00 < 0 en (−∞, 0) y f 00 > 0 en
(0, ∞) es punto de inflexión. 4

8.2.1 Representación de funciones en forma explı́cita: y = f (x)


Dada una función y = f (x) , nos proponemos hacer su estudio y representación gráfica. Para ello se deben
estudiar en términos generales los siguientes aspectos:
1.- Dominio y continuidad de la función.
2.- Simetrı́as (par e impar) y periodicidad.
3.- Comportamiento asintótico.
4.- Derivabilidad de la función.
5.- Intervalos de crecimiento y decrecimiento.
6.- Extremos locales y globales.
Generalmente, al estudiar una función f sobre un conjunto A va a interesar conocer los valores más
extremos que puede tomar f en la totalidad del conjunto A, es decir, el máximo global y el mı́nimo
global. Estos extremos globales (también llamados extremos absolutos) pueden existir o no, según sean
f y A; sin embargo el teorema de Weierstrass (Th. 233) garantiza, bajo ciertas condiciones su existencia.
Es claro que los extremos globales han de buscarse entre los extremos locales y los posibles valores de f
en la frontera de A.
7.- Intervalos de concavidad y convexidad.
8.- Puntos de inflexión.

8.3 Ejercicios
8.207 Escribir cada uno de los polinomios P (x) = x3 − 2x2 + 3x + 5 y Q(x) = 2x3 − 6x2 + 8 en potencias de
x − 2 y en potencias de x + 1 .
8.208 Construir un polinomio de grado menor o igual que 10 que verifique: P (7) = 1 , P 0 (7) = 2 , P 00 (7) = −3 ,
P (3) (7) = · · · = P (8) (7) = 0 , P (9) (7) = −1 , P (10) (7) = 5 . Hallar la ecuación de la recta tangente a la
gráfica de P (x) en el punto de abscisa x = 9 .

8.209 Probar que β es una raı́z de multiplicidad m del polinomio P (x) = an xn + · · · + a1 x + a0 si, y sólo si
P (β) = P 0 (β) = P 00 (β) = · · · = P m−1) (β) = 0 y P m) (β) 6= 0 .

8.210 Hallar los polinomios de Taylor de orden 4 de las funciones siguientes en los puntos indicados:
2
a) f (x) = 3−x en α = 1 b) f (x) = cos x en α = π2 c) f (x) = ln x en α = 1
3
x
d) f (x) = e en α = −1 e) f (x) = tg x en α = 0 f) f (x) = x 4 en α = 1

8.211 Construir la fórmula de Taylor para el polinomipo de orden 4 de f (x) = 3 + x en el punto 1 y obtener

una cota del error cometido al aproximar el valor 5 mediante el polinomio de Taylor de orden 4.
8.212 Construir la fórmula de MacLaurin de f (x) = ex . Si aproximo el valor de e−1 mediante un polinomio
de MacLaurin ¿qué orden tendrá que tener al menos, para que el error cometido sea menor que una
diezmilésima ( 10−4 )?

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
124 – Matemáticas 1 : Cálculo diferencial en R 8.3 Ejercicios

8.213 Construir la fórmula de Taylor de f (x) = ln x en el punto 1 . Dar el valor aproximado de ln 32 , con un
error menor que una diezmilésima.

8.214 Considerar los polinomios de MacLaurin de orden 4 de las funciones ex , sen x , cos x , x(1 − x) , 1 + x y
ln(1 + x) . Usar las operaciones con los polinomios de Taylor, para calcular los polinomios de MacLaurin
de orden 4 de:
a) sen x + cos x b) ex ln(1 + x) c) x(1 − x) ln(1 + x) d) x(1 − x) + ex
sen2 x 2
1
e) √1+x f) x(1−x)

1+x
g) sen x
ex + ln(1 + x) h) √ 1+x
+ cosex x

8.215 Usar los desarrollos limitados (polinomios de Taylor) de las funciones f y g en los puntos que se indican,
para encontrar los polinomios de Taylor de la composición pedidos:
a) f (x) = x2 en α = 0 y g(y) = ey en β = 0 , hallar el de g ◦ f en α = 0 de orden 8.
b) f (x) = 1 − x en α = 1 y g(y) = ln(1 − y) en β = 0 , hallar el de g ◦ f en α = 1 de orden 5.
c) f (x) = 2x en α = 0 y g(y) = sen y en β = 0 , hallar el de g ◦ f en α = 0 de orden 7.
1
d) f (x) = x2 en α = 0 y g(y) = (1 + y) 2 en β = 0 , hallar el de g ◦ f en α = 0 de orden 6.
e) f (x) = x2 + 4x + 5 en α = −2 y g(y) = ln y en β = 1 , hallar el de g ◦ f en α = −2 de orden 6.

8.216 Hallar los 4 primeros términos (no nulos) de los polinomios de Taylor de:
√ 1

1+x

a) 2 + x2 en α = 0 b) x(1+x) en α = 1 c) ln 1−x en α = 0

8.217 Probar que si Pn (x) es el polinomio de Taylor de orden n de f en α , entonces f (x)−f (α) y Pn (x)−f (α)
son infinitésimos equivalentes cuando x → α .
[Nota: De hecho, para los infinitésimos conocidos se ha tomado el término de menor grado de Pn (x) − f (α) ]

8.218 Hallar polinomios que sean infinitésimos equivalentes de las funciones:



a) 1−x − 1 cuando x → 0 b) 1−sen x cuando x → π2 c) 1
x −1 cuando x → 1

8.219 Usar los polinomios de Taylor del orden necesario para calcular:
 
x(2+cos x)−3 sen x arctg x−tg x 1 2(1−ch x)
a) lı́m x5 b) lı́m x3 c) lı́m x + x3
x→0 x→0 x→0

x(1+a cos x)−b sen x


8.220 ¿Para qué valores de a y de b es finito el lı́mite: lı́m x3 ?
x→0

arctg x−tg x
8.221 Hallar n ∈ N tal que lı́m xn = k 6= 0 y finito.
x→0

ex − 1+ax
1+bx
8.222 Encontrar a y b para qué lı́m x3 sea finito.
x→0

1+x x(2+ax2 ) 8x7


8.223 Encontrar a y b para que ln( 1−x )− 1+bx2 sea equivalente a 175 cuando x tiende a cero.
ex +e−x −2
8.224 Encontrar una función equivalente, cuando x → 0 , a la función: g(x) = x2 − 1 y deducir que
lı́m g(x) = 0 .
x→0

8.225 Encontrar una función equivalente a la función f (x) = √x+2−2 − 3
cuando x tiende a 2 .
x+7−3 2

8.226 Probar que P (x) = x4 + 2x3 − 3x2 − 4x + 5 no tiene ninguna raı́z real.
x ln x
8.227 Se considera la función f (x) = definida en los intervalos (0, 1) y (1, ∞) .
x2 − 1
a) Probar que se pueden dar valores a f (0) y a f (1) para qué la función sea continua en 0 a la derecha
y para que f sea continua y derivable en 1 .
b) ¿Qué vale en 0 la derivada por la derecha supuesto dado a f (0) el valor del apartado anterior?.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
125 – Matemáticas 1 : Cálculo diferencial en R 8.3 Ejercicios

xex
8.228 Dada la función f (x) = |ex −1| .

a) Definir la función f en el punto x = 0 de forma que f sea continua en dicho punto, si ello es posible.
b) Hallar las ası́ntotas de f .

8.229 Para las siguientes funciones, encuentra todas sus ası́ntotas e indica, mediante un esbozo gráfico, cómo se
aproxima la función a ellas.

x−1 (2x2 −2 2 x+1)2 1 1
a) f (x) = (x2 +4x)2 b) f (x) = 3
x −x c) f (x) = x − x−1
3
x 1 sen x
d) f (x) = 3x2 −2 − x e) f (x) = x f) f (x) = x tg x

8.230 Encuentra todas las ası́ntotas de las funciones siguientes:

√x+1 4√ x2 +2x sen x


a) f (x) = x2 −1
b) f (x) = 2−ln(x2 − 2 x+ 12 )
c) f (x) = √
x2 −1
d) f (x) = 1−cos x

8.231 Estudia las simetrı́as y periodicidad de las funciones de los ejercicios 8.229 y 8.230 anteriores.

8.232 Sea f : [0, 9] −→ R continua. Si f 0 : (0, 8)∪(8, 9) −→ R viene dada por la gráfica de abajo,
3

Estudiar: intervalos de monotonı́a y


2
concavidad, puntos crı́ticos y de in-
flexión de la función f (supondremos
1
b que existe f 00 en los puntos donde lo
parece).
0
1 2 3 4 5
Representar aproximadamente la
6 7 8 9
gráfica de f suponiendo f (x) ≥ 0 .
-1
b ¿Cuál es el dominio de f 00 y qué se
puede decir de ella?

-2

8.233 Estudiar las funciones siguientes y construir sus gráficas


2

a) f (x) = (x − 1)2 (x − 2) b) f (x) = 38 + 2x − x2 c) f (x) = 4 − x2 (x + 2)2
√ √
d) f (x) = x − 2 arctg x e) f (x) = x2 x + 1 f) f (x) = 3 x2 − x
5 3 2 4
x −10x +20x −15x+4 3+x 2x2 +3x−4
g) f (x) = 32 h) f (x) = x3 i) f (x) = x2
x x2 x2
j) f (x) = ln x k) f (x) = 2 − ln x l) f (x) = 2 ln |x|
−2x
m) f (x) = sen(3x) − 3 sen x n) f (x) = sen3 x + cos3 x o) f (x) = e sen(2x)
q
3 (x−1)5
8.234 Estudiar la función f (x) = (x+1)2 y construir su gráfica.

8.235 Dada la función f (x) = arcsen √ x+1


2
, se pide:
2(x +1)

a) Dominio y continuidad de f .
b) ¿Tiene ası́ntotas?
c) Ver que f no es derivable en x = 1 . Hallar la derivada a la derecha y a la izquierda del punto x = 1 .
d) Estudiar crecimiento y decrecimiento, extremos locales y globales de f .
e) Estudiar concavidad y los puntos de inflexión de f .
f) Representación gráfica de f y de f 0 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
126 – Matemáticas 1 : Cálculo diferencial en R

Anexo 2: Demostraciones

Cálculo diferencial en R
Funciones, lı́mites y continuidad
Demostración de: Propiedades del valor absoluto 190 de la página 91

Propiedades del valor absoluto 190.-


−1
a) |a| ≥ 0 , ∀ a y |a| = 0 ⇐⇒ a = 0 b) |ab| = |a| |b| c) a−1 = |a|

d) |a| ≤ k ⇐⇒ −k ≤ a ≤ k e) |a + b| ≤ |a| + |b| f) |a| − |b| ≤ |a − b|

Demostración:
a) |a| ≥ 0 por la definición. Para la segunda parte, si |a| = 0 , o bien a = |a| = 0 , o bien a = − |a| = 0 ,
luego necesariamente a = 0 ; la otra implicación es obvia pues |0| = 0 .
b) Consideremos los casos: si a ≥ 0 y b ≥ 0 se tiene |ab| = ab = |a| |b| ; si a ≤ 0 y b ≤ 0 se tiene
|ab| = ab = (−a)(−b) = |a| |b|; y si a ≤ 0 y b ≥ 0 , entonces |ab| = −ab = (−a)b = |a| |b| .

c) De 1 = |1| = a−1 a = a−1 |a| , se obtiene el resultado.

d) Si |a| ≤ k , ó a = |a| ≤ k que cumple la segunda desigualdad ó −a = |a| ≤ k , pero entonces −k ≤ a y se


cumple la primera. Si −k ≤ a ≤ k , se tiene k ≥ −a ≥ −k , por lo que −k ≤ |a| ≤ k .
e) Como ∀ x , x ≤ |x| , ó |a + b| = a + b ≤ |a| + |b| , o bien |a + b| = −a − b ≤ |−a| + |−b| = |a| + |b| .
f) |a| = |a − b + b| ≤ |a − b| + |b|, luego |a| − |b| ≤ |a − b| ; y con b se tiene |b| − |a| ≤ |b − a| . Luego
− |a − b| = − |b − a| ≤ −(|b| − |a|) = |a| − |b| ≤ |a − b| y por d) se concluye la prueba

Lı́mites y continuidad
Demostración de: Proposición 207 de la página 97

Proposición 207.- Sean f, g, h: A −→ R y x0 un punto de acumulación de A .


1.- Si f (x) ≤ g(x) ≤ h(x) en A y lı́m f (x) = L = lı́m h(x) , entonces lı́m g(x) = L
x→x0 x→x0 x→x0

2.- Si g está acotada en A y lı́m f (x) = 0 , entonces lı́m g(x) · f (x) = 0


x→x0 x→x0

Demostración:

1.- Si lı́m f (x) = L = lı́m h(x) , entonces para cada ε > 0 :


x→x0 x→x0

existe δ1 tal que si 0 < |x − x0 | < δ1 , entonces L − ε < f (x) < L + ε


existe δ2 tal que si 0 < |x − x0 | < δ2 , entonces L − ε < h(x) < L + ε

luego tomado δ = min{δ1 , δ2 } , si 0 < |x − x0 | < δ , entonces L − ε < h(x) ≤ g(x) ≤ f (x) < L + ε .

2.- Si g está acotada, existe K > 0 tal que |g(x)| ≤ K , para todo x , luego se verifica que
0 ≤ |g(x)f (x)| ≤ K |f (x)| , para todo x
Por el apartado anterior, si probamos que lı́m K |f (x)| = 0 , entonces lı́m |g(x)f (x)| = 0 y se tiene que
x→x0 x→x0
lı́m g(x)f (x) = 0 (por la proposición 206).
x→x0

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
127 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

Como lı́m f (x) = 0 ⇐⇒ lı́m |f (x)| = 0 , para cada ε > 0 existe δ > 0 , tal que si 0 < |x − x0 | < δ se
x→x0 x→x0
ε
verifica que |f (x)| < K . Entonces, si 0 < |x − x0 | < δ se tiene que
ε
|K |f (x)| − 0| = K |f (x)| < K =ε
K
lo que concluye la prueba.

Demostración de: Propiedades 208 de la página 97

Propiedades 208.- Si lı́m f (x) = L1 ∈ R y lı́m g(x) = L2 ∈ R , entonces:


x→x0 x→x0

a) lı́m [f (x) + g(x)] = lı́m f (x) + lı́m g(x) = L1 + L2 .


x→x0 x→x0 x→x0

b) lı́m [f (x) · g(x)] = lı́m f (x) · lı́m g(x) = L1 · L2 .


x→x0 x→x0 x→x0

lı́m f (x)
f (x) x→x0 L1
c) lı́m = = , siempre que L2 6= 0 .
x→x0 g(x) lı́m g(x)
x→x0
L2

Demostración:

1.- Por la definición de lı́mite, tenemos que


ε
lı́m f (x) = L1 ⇐⇒ para cada ε > 0 , ∃ δ1 > 0 tal que si 0 < |x − x0 | < δ1 =⇒ |f (x) − L1 | < 2
x→x0
ε
lı́m g(x) = L2 ⇐⇒ para cada ε > 0 , ∃ δ2 > 0 tal que si 0 < |x − x0 | < δ2 =⇒ |g(x) − L2 | < 2
x→x0

luego tomando δ = min{δ1 , δ2 } , tenemos que: para cada ε > 0 existe δ = min{δ1 , δ2 } > 0 tal que si
0 < |x − x0 | < δ (luego menor que δ1 y menor que δ2 ), entonces
ε ε
|(f (x) + g(x)) − (L1 + L2 )| = |f (x) − L1 + g(x) − L2 | ≤ |f (x) − L1 | + |g(x) − L2 | < + =ε
2 2
 
2.- Como lı́m f (x)g(x) = L1 L2 ⇐⇒ lı́m f (x)g(x) − L1 L2 = 0 , veamos esto último. Pero
x→x0 x→x0

f (x)g(x) − L1 L2 = f (x)g(x) − L2 f (x) + L2 f (x) − L1 L2 = f (x)(g(x) − L2 ) + L2 (f (x) − L1 )

y sabemos que lı́m (f (x)−L1 ) = 0 , lı́m (g(x)−L2 ) = 0 , f (x) está acotada en algún entorno de x0 (Th
x→x0 x→x0
de acotación) y L2 es constante. Por el segundo resultado de la Proposición 207, lı́m f (x)(g(x)−L2 ) = 0
  x→x0

y lı́m L2 (f (x) − L1 ) = 0 , luego lı́m f (x)g(x) − L1 L2 = 0 + 0 = 0 .


x→x0 x→x0

f (x) 1 1 1
3.- Por ser g(x) = f (x) · g(x) , por el apartado anterior, basta probar que lı́m = .
x→x0 g(x) L2

1 L2 −g(x)
Como g(x) − L12 = g(x)L2 = 1
g(x)L2 (L2 − g(x)) , lı́m (g(x) − L2 ) = 0 y L2 es constante, si probamos que
x→x0
1 1
la función está acotada en un entorno de x0 , por la Proposición 207 tendremos que lı́m
g(x) x→x0 g(x)L2 (L2 −
 
1
g(x)) = lı́m g(x) − L12 = 0 , lo que prueba el resultado.
x→x0

En efecto, si L2 6= 0 , por el teorema del signo, o bien −K < g(x) < −k < 0 si L2 < 0 , o bien
1 1
0 < k < g(x) < K si L2 > 0 . Entonces, 0 < k < |g(x)| < K y, por tanto, 0 < K < |g(x)| < k1 , luego g(x)
1

está acotada.

Demostración de: Teorema 210 de la página 97

Teorema 210.- Sean f : A −→ R y g: f (A) −→ R. Si lı́m f (x) = b y g es continua en b, entonces


x→a
 
lı́m g(f (x)) = g(b) = g lı́m f (x) .
x→a x→a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
128 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

Demostración:
Como lı́m f (x) = b,
x→a

para cada ε1 > 0 existe δ > 0 tal que si 0 < |x − a| < δ entonces |f (x) − b| < ε1 .
Por otra parte, si g es continua en b se tiene que:

para cada ε > 0 existe δ1 > 0 tal que si |y − b| < δ1 entonces |g(y) − g(b)| < ε.
Entonces, haciendo ε1 = δ1 y reuniendo ambas conclusiones:
para cada ε > 0 existe δ > 0 tal que si 0 < |x − a| < δ se tiene |f (x) − b| < ε1 = δ2 y, por tanto,
|g(f (x)) − g(b)| < ε.
 
En consecuencia, lı́m g(f (x)) = g(b) = g lı́m f (x) .
x→a x→a

Demostración de: Proposición 212 de la página 98

Proposición 212 (Convergencia propia).- Sean f : A −→ R y g: f (A) −→ R. Si lı́m f (x) = b, con f (x) 6= b
x→a
para todos los x de un entorno reducido E ∗ (a, δ0 ) de a, entonces

lı́m (g ◦ f )(x) = lı́m g(f (x)) = lı́m g(y).


x→a f (x)→b y→b

Demostración:
Como lı́m f (x) = b, para cada ε1 > 0 existe δ1 > 0 tal que si 0 < |x − a| < δ1 entonces |f (x) − b| < ε1 , y
x→a
como f (x) 6= b en E ∗ (a, δ0 ) , si tomamos δ = min{δ0 , δ1 } , se tiene que:
para cada ε1 > 0 existe δ > 0 tal que si 0 < |x − a| < δ entonces 0 < |f (x) − b| < ε1 .
Por otra parte, si L = lı́m g(y) se tiene que:
y→b

para cada ε > 0 existe δ2 > 0 tal que si 0 < |g(y) − L| < δ2 entonces |g(y) − L| < ε.

Entonces, haciendo ε1 = δ2 y reuniendo ambas conclusiones:


para cada ε > 0 existe δ > 0 tal que si 0 < |x − a| < δ se tiene 0 < |f (x) − b| < ε1 = δ2 y, por
tanto, |g(f (x)) − L| < ε.
En consecuencia, lı́m g(f (x)) = L = lı́m g(y) .
x→a y→b

Demostración de: Proposición 214 de la página 98

Proposición 214 (Lı́mites laterales).- Sean a < c < b y f : (a, c) ∪ (c, b) −→ R . Entonces

lı́m f (x) = L ⇐⇒ lı́m f (x) = lı́m f (x) = L


x→c x→c− x→c+

Demostración:
Si lı́m f (x) = L, para cada ε > 0 existe δ > 0 tal que si 0 < |x − c| < δ se tiene que |f (x) − L| < ε.
x→c
En particular, si 0 < |x−c| < δ y x < c se cumple, luego lı́m− f (x) = L y también si x > c , por lo que
x→c
lı́m f (x) = L .
x→c+
Recı́procamente, si lı́m f (x) = lı́m f (x) = L, se tiene que
x→c− x→c+
para cada ε > 0 existe δ1 > 0 tal que si 0 < |x − c| < δ1 y x < c se tiene |f (x) − L| < ε
para cada ε > 0 existe δ2 > 0 tal que si 0 < |x − c| < δ2 y x > c se tiene |f (x) − L| < ε
tomando d = min{δ1 , δ2 } , para cada x con 0 < |x − c| < δ sea x < c ó x > c se cuple la definición de lı́mite
en c. Luego lı́m f (x) = L .
x→c

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
129 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

Demostración de: Continuidad de algunas funciones elementales 222 de la página 100

Continuidad de algunas funciones elementales 222.-


? f (x) = ex es continua en R y lı́m ex = 0 y lı́m ex = +∞ .
x→−∞ x→+∞

? f (x) = ln x es continua en (0, +∞) y lı́m ln x = −∞ y lı́m ln x = +∞ .


x→0+ x→+∞

? f (x) = xα continua en (0, ∞) y lı́m+ xα = 0 y lı́m xα = ∞ si α > 0 (resp. ∞ y 0 si α < 0 ).


x→0 x→+∞

? f (x) = sh x es continua en R y lı́m sh x = −∞ y lı́m sh x = +∞ .


x→−∞ x→+∞

? f (x) = ch x es continua en R y lı́m ch x = ∞ y lı́m ch x = +∞ .


x→−∞ x→+∞

? f (x) = th x es continua en R y lı́m th x = −1 y lı́m th x = 1 .


x→−∞ x→+∞

? f (x) = sen x es periódica de periodo 2π , continua en R y 6 ∃ lı́m sen x .


x→±∞

? f (x) = cos x es de periodo 2π , continua en R y 6 ∃ lı́m cos x .


x→±∞

? f (x) = tg x es de periodo π , continua en su dominio y lı́m + tg x = −∞ y lı́m


π−
tg x = ∞ .
x→ −π
2
x→ 2

Demostración:
Ya hemos probado que ex es continua en R y sabemos que lı́m ex = +∞ (basta recordar que ex es creciente,
x→+∞
luego o está acotada, o no lo está y su lı́mite es +∞ , pero como 2n → +∞ y 2n < en , los valores en no están
acotados). Veamos lo demás:
? lı́m ex = lı́m e−x = lı́m 1
x =0
x→−∞ x→+∞ x→+∞ e

lı́m ln x
? Para cada a ∈ (0, ∞) , eln a = a = lı́m x = lı́m eln x = ex→a ; y como la exponencial es estrictamente
x→a x→a
creciente, debe ser ln a = lı́m ln x . Luego ln es continua en a .
x→a
Como ln x es estrictamente creciente y continua, y +∞ = lı́m x = lı́m ln ex = lı́m ln(ex ) , no está
x→+∞ x→+∞ ex →+∞
acotada por lo que lı́m ln x = +∞ .
x→+∞
Análogamente, −∞ = lı́m x = lı́m ln ex = xlı́m + ln(ex ) , no está acotada inferiormente por lo que
x→−∞ x→−∞ e →0
lı́m+ ln x = −∞ .
x→0

? Como xα = eα ln x es continua por ser composición de continuas y si α > 0:


lı́m xα = lı́m eα ln x = lı́m eα ln x = 0 y lı́m xα = lı́m eα ln x = lı́m eα ln x = +∞
x→0+ x→0+ α ln x→−∞ x→∞ x→∞ α ln x→∞

α < 0: lı́m xα = lı́m eα ln x = lı́m eα ln x = +∞ y lı́m xα = lı́m eα ln x = lı́m eα ln x = 0


x→0+ x→0+ α ln x→+∞ x→∞ x→∞ α ln x→−∞
x
−e−x ex −e−x ex −e−x
? sh x = e 2 , luego continua y lı́m 2 = ( 0−∞
2 ) = −∞ y lı́m 2 = ( ∞−0
2 ) = +∞ .
x→−∞ x→+∞
x
+e−x ex +e−x ex +e−x
? ch x = e 2 , luego continua y lı́m 2 = ( 0+∞
2 ) = +∞ y lı́m 2 = ( ∞+0
2 ) = +∞ .
x→−∞ x→+∞
x −x x −x 2x
sh x e −e e −e e −1 2
? th x = ch x = ex +e−x , luego continua y como th x = ex +e−x = e2x +1 = 1 − e2x +1 :
2 2 2 2
lı́m th x = lı́m 1 − e2x +1 = 1 − 0+1 = −1 y lı́m th x = lı́m 1 − e2x +1 = (1 − ∞+1 ) = 1
x→−∞ x→−∞ x→+∞ x→+∞

? De geometrı́a sabemos ya que las funciones seno y coseno son periódicas de


periodo 2π .
Para la continuidad, veamos primero que sen(x) y cos(x) lo son en x = 0 : x>0 x

Por la construcción geométrica del seno, sabemos que en una circunferencia de sen x

radio 1, la longitud del arco recorrido coincide con la amplitud del ángulo en
radianes, luego si x ∈ (− π2 , π2 ) , se cumple 0 ≤ |sen(x)| ≤ |x| (ver figura). Es sen x

decir, que −x ≤ sen(x) ≤ x y como 0 = lı́m −x ≤ lı́m sen(x) ≤ lı́m x = 0 , se x<0 x


x→0 x→0 x→0
cumple que lı́m sen(x) = 0 = sen(0) . Luego el seno es continuo en x = 0 .
x→0

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
130 – Matemáticas 1 : Cálculo diferencial en R Anexo 2


Para ver que lı́m cos(x) = cos(0) = 1 , probemos que lı́m 1 − cos(x) = 0 :
x→0 x→0
2 x x 2
 
lı́m 1 − cos(x) = lı́m 2 sen ( 2 ) = 2 lı́m sen( 2 ) = 2 · 02 = 0
x→0 x→0 x→0

Veamos ahora que son continuas en todo punto x0 de R.



lı́m sen(x) = lı́m sen(x0 + h) = lı́m sen(x0 ) cos(h) + sen(h) cos(x0 )
x→x0 h→0 h→0
 
= sen(x0 ) lı́m cos(h) + lı́m sen(h) cos(x0 ) = sen(x0 ) · 1 + 0 · cos(x0 ) = sen(x0 )
h→0 h→0


lı́m cos(x) = lı́m cos(x0 + h) = lı́m cos(x0 ) cos(h) − sen(x0 ) sen(h)
x→x0 h→0 h→0
 
= cos(x0 ) lı́m cos(h) − sen(x0 ) lı́m sen(h) = cos(x0 ) · 1 + sen(x0 ) · 0 = cos(x0 )
h→0 h→0

La periodicidad de las funciones asegura que no existe el lı́mite lı́m sen x , pues cuando n → ∞ los puntos
x→+∞
π
x = 2πn y los puntos x = 2 +2πn se alejan hacia +∞ y sucede que lı́m sen( π2 +n2π) = lı́m sen( π2 ) = 1
n→∞ n→∞
y lı́m sen(n2π) = lı́m sen(0) = 0 , que son valores distintos.
n→∞ n→∞
sen x
? Para la continuidad de la tangente bastan las propiedades del cociente tg x = cos x .

Demostración de: Algunos infinitos e infinitésimos conocidos 226 de la página 101

Algunos infinitos e infinitésimos conocidos 226.- Usaremos la notación f ∼ g para indicar que f y g son
infinitos o infinitésimos equivalentes:
an xn + · · · + a1 x + a0 ∼ an xn cuando x → ±∞ an xn + · · · + a1 x ∼ a1 x cuando x→0
sen(x) ∼ x cuando x → 0 tg(x) ∼ x cuando x→0
2
sen x1 ∼ x1 cuando x → ±∞ 1 − cos(x) ∼ x2 cuando x→0
ln(1 + x) ∼ x cuando x → 0 ex − 1 ∼ x cuando x→0
2
sh(x) ∼ x cuando x → 0 ch(x) − 1 ∼ x2 cuando x→0
Demostración:
an xn +an−1 xn−1 +···+a1 x+a0 an−1 1 a1 1 a0 1
? lı́m an xn = lı́m 1 + an x + ··· + an xn−1 + an xn = 1 + 0 + ··· + 0 + 0 = 1
x→±∞ x→±∞

an xn +an−1 xn−1 +···+a2 x2 +a1 x an n−1 an−1 n−2 a2


? lı́m a1 x = lı́m x + a1 x + ··· + a1 x + 1 = 0 + 0 + ··· + 0 + 1 = 1
x→0 x→0 a1
sen x
? Veamos que lı́m x = 1 , con una pequeña argucia geométrica (ver figura):
x→0
En una circunferencia de radio 1, la longitud del arco recorrido coincide con la ampli- x>0 x
tg x
tud del ángulo (en radianes), luego si x ∈ (0, π2 ) , se tiene que 0 < sen(x) < x < tg(x) sen x
x 1
de donde, dividiendo por sen(x) , se tiene 1 < sen(x) < cos(x) y tomando lı́mites:
x 1 x
1 ≤ lı́m sen(x) ≤ lı́m cos(x) = 1 . Luego lı́m sen(x) = 1 . sen x
x→0+ x→0+ x→0+ tg x
Si x ∈ (− π2 , 0) ,
se tiene que 0 > sen(x) > x > tg(x) de donde, dividiendo por sen(x) x<0 x
x 1 x
(que es negativo), se tiene 1 < sen(x) < cos(x) como antes. Luego lı́m− sen(x) = 1.
x→0

? lı́m tg x = lı́m sen x 1 = 1 · 1 = 1.


x→0 x x→0 x cos x
1
? Considerando y = g(x) = x , lı́m g(x) = 0+ con g(x) 6= 0 para todo x , luego por la proposición 212
x→+∞
1
sen sen g(x) sen y
de convergencia propia, se tiene: lı́m 1
x
= lı́m g(x) = lı́m y = 1. (Idem si x → −∞)
x→+∞ x x→+∞ y→0+
2 2
2 sen2 ( x sen2 ( x sen( x
 (1)

1−cos x 2) 2) 2) sen y x
? lı́m x2
= lı́m x2
= lı́m x 2 = lı́m x = lı́m = 1. (1) Con y = g(x) = .
x→0 2 x→0 2 x→0 ( 2 ) x→0 2 y→0 y 2

1
 1
 (1)  
ln(1+x) 1
? lı́m+ x = lı́m+ x ln(1+x) = lı́m+ ln(1+x) x = ln lı́m+ (1+x) x = ln lı́m (1+ y1 )y = ln(e) = 1
x→0 x→0 x→0 x→0 y→+∞

Considerando en (1)
 y = g(x) =1
1
x y luego
  el ejemplo 221.
 Análogamente, para x → 0− :
ln(1+x)
lı́m− x = ln lı́m− (1 + x) x = ln lı́m (1 + y1 )y = ln(e) = 1 .
x→0 x→0 y→−∞

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
131 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

ex −1
? Para calcular lı́m , consideramos y = g(x) = ex − 1 , est. creciente y con lı́m g(x) = 0 . Ademas
x→0 x x→0
ex −1 y
1 + y = ex y ln(1 + y) = x . Luego: lı́m = lı́m = 1.
x→0 x y→0 ln(1+y)
   (1)
sh x ex −e−x e2x −1 1 e2x −1 ey −1
? lı́m = lı́m = lı́m x = lı́m x lı́m = 1 · lı́m = 1. (1) y = g(x) = 2x .
x→0 x x→0 2x x→0 e 2x x→0 e x→0 2x y→0 y

ex +e−x   2
ch(x)−1 −1 ex +e−x −2 e2x+1−2ex (ex−1)2 1 ex −1
? lı́m x2
= lı́m 2
x2
= lı́m 2 = lı́m ex x 2 = lı́m x 2 = lı́m x lı́m = 1.
x→0 2 x→0 2 x→0 2 x2 x→0 x→0 e x x→0 e x→0 x

Demostración de: Teorema de Bolzano 229 de la página 103

Teorema de Bolzano 229.- Sea f una función continua en el intervalo [a, b] y que toma valores de signo
opuesto en a y b (es decir, f (a)f (b) < 0 ) entonces ∃c ∈ (a, b) tal que f (c) = 0 .

Demostración:
a+b
Podemos suponer que f (a) < 0 y f (b) > 0 . Tomemos c0 = 2 el punto medio entre a y b:
Si f (c0 ) = 0 , como c = c0 ∈ (a, b) , es el punto buscado. Si f (c0 ) 6= 0 pueden darse dos casos:
? si f (c0 ) > 0 , como f (a) < 0 y f continua en [a, c0 ] , el teorema se reduce al intervalo [a, c0 ] ;

? si f (c0 ) < 0 , como f (b) > 0 y f continua en [c0 , b] , el teorema se reduce al intervalo [c0 , b] .
En un caso u otro el teorema queda probado si lo hacemos en el intervalo [a1 , b1 ] ⊂ [a, b] (bien [a, c0 ] o bien
[c0 , b] ) de longitud b1 − a1 = b−a
2 , en el cual f es continua, f (a1 ) < 0 y f (b1 ) > 0 .

En este intervalo, tomamos su punto medio c1 = a1 +b 2


1
. Si f (c1 ) = 0 es el punto buscado; si f (c1 ) 6= 0 se
puede, como hicimos antes, reducir el teorema al intervalo [a2 , b2 ] ⊂ [a1 , b1 ] de longitud b2 − a2 = b1 −a
2
1
= b−a
22
en el cual f es continua, f (a2 ) < 0 y f (b2 ) > 0 .
Repitiendo sucesivamente el proceso anterior, y si ninguno de los puntos medios, cn , verifica que f (cn ) = 0 ,
entonces hemos construido una sucesión de intervalos cerrados encajados
b−a
[a, b] ⊃ [a1 , b1 ] ⊃ [a2 , b2 ] ⊃ · · · ⊃ [an , bn ] ⊃ · · · con bn − an = 2n , f (an ) < 0 y f (bn ) > 0 .

Además, los puntos an extremos inferiores verifican que a ≤ a1 ≤ a2 ≤ · · · ≤ an ≤ · · · ≤ b,


luego el conjunto A = {an : n ∈ N} está acotado superiormente (por b) y, por tanto, existe c = sup A ; como
a ≤ an ≤ b se cumple a ≤ c ≤ b luego c ∈ [a, b] . Por ser c = sup A, para cada ε > 0 existe an0 ∈ A con
c − ε < an0 ≤ c, y como an crece con n , para cada n ≥ n0 se tiene an0 ≤ an ≤ c. Luego

c − ε < an0 ≤ an ≤ c < c + ε, ∀ n ≥ n0 ⇐⇒ |an − c| < ε, ∀ n ≥ n0 ⇐⇒ lı́m an = c


n→∞

b−a
Como lı́m (bn − an ) = lı́m n = 0 y lı́m an = c, entonces lı́m bn = c y, por ser f continua en [a, b] ,
n→∞ n→∞ 2 n→∞ n→∞
se tiene que 0 ≥ lı́m f (an ) = f (c) = lı́m f (bn ) ≥ 0 , luego f (c) = 0 . En consecuencia, existe c ∈ [a, b] con
n→∞ n→∞
f (c) = 0 y, como f (a) < 0 y f (b) > 0 , c 6= a y c 6= b, luego c ∈ (a, b) .

Demostración de: Corolario 231 de la página 103

Corolario 231.- Sea I un intervalo de R y f : I −→ R continua en I , entonces f (I) es también un intervalo


de R .

Demostración:
Supongamos primero que f (I) no está acotado ni superior ni inferiormente. Entonces, para cada y ∈ R , existe
algún valor mayor que él en f (I) , y < f (b) ∈ f (I) , y existe algún valor de f (I) menor que él, y > f (a) ∈ f (I) ,
luego f (a) < y < f (b) . Como a y b son del intervalo I , el intervalo [a, b] ⊆ I (o [b, a] ⊆ I ), luego por el
teorema de los valores intermedios 230 existe c entre a y b tal que f (c) = y , luego y ∈ f (I) y f (I) = R .
Supongamos ahora que f (I) no está acotado inferiormente pero sı́ superiormente, y sea Γ = sup f (I) .
Entonces, por ser extremo superior, para cada y < Γ , existe un punto f (b) ∈ f (I) tal que y < f (b) ≤ Γ y, por
no estar f (I) acotado inferiormente, existe a ∈ I , tal que f (a) < y < f (b) . Luego por el teorema 230 existe

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
132 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

c entre a y b tal que f (c) = y , luego y ∈ f (I) de donde (−∞, Γ) ⊆ f (I) . Pero como Γ es el superior del
conjunto, f (I) = (−∞, Γ) ó f (I) = (−∞, Γ] (según que el superior sea máximo o no lo sea).
La prueba, para los dos casos que restan, son enteramente análogas.

Demostración de: Teorema de acotación 232 de la página 103

Teorema de acotación 232.- Sea f una función continua en el intervalo cerrado [a, b] , entonces f está acotada
en dicho intervalo. Es decir, existe M > 0 tal que |f (x)| ≤ M , para todo x ∈ [a, b] .
La prueba de este resultado se incluye en la prueba del siguiente; el Teorema de Weierstrass 233.

Demostración de: Teorema de Weierstrass 233 de la página 103

Teorema de Weierstrass 233.- Si f es una función continua en el intervalo [a, b] , entonces f alcanza un
máximo y un mı́nimo en [a, b] . Es decir, ∃α ∈ [a, b] tal que f (α) ≤ f (x) , ∀x ∈ [a, b] y ∃β ∈ [a, b] tal que
f (x) ≤ f (β) , ∀x ∈ [a, b] .
Demostración:
La demostración de este resultado y del Teorema de acotación 232 anterior, que vamos a exponer aquı́ no son
todo lo rigurosas que serı́a de desear, por dos razones: la primera, que se hace uso del Teorema de Bolzano-
Weierstrass (Un conjunto infinito y acotado de R, tiene al menos un punto de acumulación) que no se incluye
en estos apuntes y, en segundo lugar, que simplificaremos del proceso (con una muy breve explicación) en aras
de entender el sentido de la prueba.
Por el Corolario 231, como J = [a, b] es un intervalo, su imagen f (J) es un intervalo de R.

Veamos primero, que el intervalo f (J) está acotado. Supngamos que es un intervalo no acotado superiormente,
en cuyo caso, el conjunto {n ∈ N} ⊆ f (J) y existen puntos xn ∈ [a, b] tales que f (xn ) = n . Los puntos son
distintos, pues tienen imágenes distintas por la aplicación f y son infinitos, luego el conjunto T = {xn : n ∈
N} ⊆ [a, b] es infinito y acotado por lo que tiene al menos un punto de acumulación l (Teorema de Bolzano-
Weierstrass enunciado arriba). En aras de no complicar el proceso supondremos que es punto de acumulación
de todo el conjunto T , es decir, que lı́m xn = l (ser punto de acumulación, significa que nos podemos acercar
n→∞
tanto como queramos al punto l con puntos del conjunto T ; luego que l es el lı́mite de los puntos de un
subconjunto infinito de T , por lo que tiene un funcionamiento similar a si fuera todo T –en cualquier estudio
sobre sucesiones de números reales puede consultarse con más detalle esta simplificación–).
Como a ≤ xn ≤ b se tiene que a ≤ lı́m xn ≤ b, luego que l ∈ [a, b] . Entonces, por ser f continua en [a, b] ,
  n→∞
lı́m f (xn ) = f lı́m xn = f (l) ∈ R ; pero por su construcción, lı́m f (xn ) = lı́m n = ∞ ∈ / R, lo que es
n→∞ n→∞ n→∞ n→∞
absurdo. En consecuencia, f (J) tiene que estar acotado superiormente.
Análogamente, se obtiene que f (J) está acotado inferiormente, lo que prueba el Teorema de acotación 232.
De lo anterior, f (J) es un intervalo acotado de R, luego de la forma [c, d] o [c, d) o (c, d] o (c, d) .
Veamos si d está o no en el conjunto. Por ser d = sup f (J) , para cada n ∈ N , existe xn ∈ [a, b] tal que
f (xn ) = d − n1 < d, como las imágenes de los xn son distintas, tenemos un conjunto T = {xn : n ∈ N} infinito
y acotado que tiene un punto de acumulación l . Con  un razonamiento
 similar al de la parte anterior, sea
lı́m xn = l ∈ [a, b] y se verifica que lı́m f (xn ) = f lı́m xn = f (l) ∈ R por ser f continua y por otro lado,
n→∞ n→∞ n→∞
1
lı́m f (xn ) = lı́m d − n = d , luego d = f (l) y d ∈ f (J) , por lo que d = max f (J) .
n→∞ n→∞
Análogamente, se prueba que c = min f (J) . Lo que concluye la prueba.

Demostración de: Corolario 234 de la página 103

Corolario 234.- Si f es continua en (a, b) y lı́m+ f (x) = l1 ∈ R y lı́m− f (x) = l2 ∈ R, la función f está
x→a x→b
acotada en (a, b) . (También es cierto cuando a es −∞ y cuando b es +∞ .)

Demostración:
Para que el resultado sea cierto no es necesario que exista el lı́mite en los extremos del intervalo, basta con que
la función esté acotada en algún entorno de ellos. La razón de poner el enunciado con lı́mites está en que es
una manera cómoda de asegurar la acotación y suficiente en la mayorı́a de los casos.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
133 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

Si lı́m+ f (x) = l1 ∈ R y lı́m− f (x) = l2 ∈ R , por el Teorema de acotación para lı́mites 227, existe E(a, δ1 )
x→a x→b
y M1 > 0 tal que |f (x)| ≤ M1 para todo x ∈ (a, a + δ1 ) y existe E(b, δ2 ) y M2 > 0 tal que |f (x)| ≤ M2
para todo x ∈ (b − δ2 , b) . Entonces, (a, b) = (a, a + δ1 ) ∪ [a + δ1 , b − δ2 ] ∪ (b − δ2 , b) y al ser f continua en
el intervalo [a + δ1 , b − δ2 ] está acotada en él (Th 232), luego existe M3 > 0 , tal que |f (x)| ≤ M3 para todo
x ∈ [a + δ1 , b − δ2 ] . En consecuencia, f está acotada en cada uno de los tres trozos en que hemos dividido el
intervalo, por lo que está acotada; es decir, tomando M = max{M1 , M2 , M3 }, para todo x ∈ (a, b) , |f (x)| ≤ M .
Si a = −∞ ó b = +∞ , la prueba es idéntica, tomando entornos de −∞ ó +∞ .

Funciones derivables
Demostración de: Propiedades 237 de la página 108

Propiedades 237.- Sean f y g funciones derivables en un punto x0 , entonces:


a) f + g es derivable en el punto x0 y (f + g)0 (x0 ) = f 0 (x0 ) + g 0 (x0 ) .

b) f g es derivable en el punto x0 y (f g)0 (x0 ) = f 0 (x0 )g(x0 ) + f (x0 )g 0 (x0 ) .


f 0 (x0 )g(x0 ) − f (x0 )g 0 (x0 )
c) f /g es derivable en el punto x0 , si g(x0 ) 6= 0 , y (f /g)0 (x0 ) =  2 .
g(x0 )

Demostración:

a) Es cierta, pues

(f + g)(x) − (f + g)(x0 ) f (x) + g(x) − f (x0 ) − g(x0 )


(f + g)0 (x0 ) = lı́m = lı́m
x→x0 x − x0 x→x0 x − x0
f (x) − f (x0 ) g(x) − g(x0 )
= lı́m + lı́m = f 0 (x0 ) + g 0 (x0 ).
x→x0 x − x0 x→x0 x − x0

b) Basta tomar lı́mites, cuando x → x0 , en la expresión

f (x)g(x) − f (x0 )g(x0 ) f (x)g(x) − f (x0 )g(x) + f (x0 )g(x) − f (x0 )g(x0 )
=
x − x0 x − x0
f (x) − f (x0 ) g(x) − g(x0 )
= g(x) + f (x0 ) .
x − x0 x − x0

c) Teniendo en cuenta que la expresión


f (x) f (x0 )
g(x) − g(x0 ) f (x)g(x0 ) − f (x0 )g(x)
=
x − x0 g(x)g(x0 )(x − x0 )
1 f (x)g(x0 ) − f (x0 )g(x0 ) + f (x0 )g(x0 ) − f (x0 )g(x)
= ·
g(x)g(x0 ) x − x0
 
1 f (x) − f (x0 ) g(x) − g(x0 )
= g(x0 ) − f (x0 )
g(x)g(x0 ) x − x0 x − x0

es válida en los valores de x próximos a x0 , y tomando lı́mites se obtiene el resultado.

Demostración de: Regla de la cadena 238 de la página 108

Regla de la cadena 238.- Sea f derivable en x0 y g derivable en f (x0 ) , entonces la función compuesta g ◦ f
es derivable en x0 y además:  
(g ◦ f )0 (x0 ) = g 0 f (x0 ) f 0 (x0 ).

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
134 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

Demostración:
Si f (x) = f (x0 ) en un entorno de x0 , también se verifica que g(f (x)) = g(f (x0 )) y, por tanto, f y g ◦ f son
constantes en dicho entorno, luego g ◦ f es derivable en x0 y (g ◦ f )0 (x0 ) = 0 . Además, como f es constante,
se tiene g 0 (f (x0 ))f 0 (x0 ) = g 0 (f (x0 )) · 0 = 0 obteniendose la igualdad propuesta.
Si f (x) − f (x0 ) 6= 0 en un entorno de x0 , podemos escribir

g(f (x)) − g(f (x0 )) g(f (x)) − g(f (x0 )) f (x) − f (x0 ) g(f (x)) − g(f (x0 )) f (x) − f (x0 )
= · = · .
x − x0 x − x0 f (x) − f (x0 ) f (x) − f (x0 ) x − x0

Como y = f (x) 6= f (x0 ) = y0 y lı́m f (x) = f (x0 ) , por la proposición 212, se tiene
x→x0

g(f (x)) − g(f (x0 )) g(f (x)) − g(f (x0 )) f (x) − f (x0 )
(g ◦ f )0 (x0 ) = lı́m = lı́m · lı́m
x→x0 x − x0 x→x 0 f (x) − f (x0 ) x→x 0 x − x0
g(y) − g(y0 ) f (x) − f (x0 )  
= lı́m · lı́m = g 0 (y0 )f 0 (x0 ) = g 0 f (x0 ) f 0 (x0 ).
y→y0 y − y0 x→x0 x − x0

Demostración de: Teorema del valor medio de Cauchy 248 de la página 112

Teorema del valor medio de Cauchy 248.- Sean f y g funciones continuas en [a, b] y derivables en (a, b) . Si
g 0 (x) 6= 0 , ∀ x ∈ (a, b) , entonces ∃ c ∈ (a, b) tal que:

f (b) − f (a) f 0 (c)


= 0
g(b) − g(a) g (c)

Demostración:
Como en la demostración del teorema del valor medio de Lagrage 247,  construyamos unafunción para aplicar
el teorema de Rolle. Sea h: [a, b] −→ R dada por h(x) = f (b) − f (a) g(x) − g(b) − g(a) f (x) .
Entonces, h es continua en [a, b] y derivable en (a, b) por ser suma de funcines continuas y derivables, y
 
h(a) = f (b) − f (a) g(a) − g(b) − g(a) f (a) = f (b)g(a) − g(b)f (a)
 
h(b) = f (b) − f (a) g(b) − g(b) − g(a) f (b) = −f (a)g(b) + g(a)f (b).

Luego también se cumple que h(a) = h(b) y por el teorema de Rolle, existe c ∈ (a, b) tal que h0 (c) = 0 ; es
0
decir, 0 = f (b) − f (a) g 0 (c) − g(b) − g(a) f 0 (c) de donde se obtiene el resultado fg(b)−g(a)
(b)−f (a)
= fg0 (c)
(c)
 
.
Notar, que al ser g 0 (x) 6= 0 para cada x ∈ (a, b) , se tiene que g 0 (c) 6= 0 y g(b) 6= g(a) .

Demostración de: Regla General de L’Hopital 250 de la página 112

Regla General de L’Hopital 250.- Sean f y g funciones derivables en un entorno reducido de x0 , E ∗ (x0 , δ) ,
con g(x) 6= 0 y g 0 (x) 6= 0 , ∀ x ∈ E ∗ (x0 , δ) y lı́m f (x) = 0 = lı́m g(x) . Entonces,
x→x0 x→x0
0
f 0 (x)
si existe lı́m fg0 (x)
(x)
se cumple que lı́mf (x)
= lı́m 0 .
x→x0 x→x0 g(x) x→x0 g (x)

Demostración:
Por comodidad, denotaremos por E ∗ = E ∗ (x0 , δ) y por E = E(x0 , δ) .
Como lı́m f (x) = 0 = lı́m g(x) , podemos ampliar estas funciones hasta E , con continuidad. En efecto,
x→x0 x→x0 
f (x), si x 6= x0 g(x), si x 6= x0
sean F (x) = y G(x) = ; que son continuas en E ∗ por serlo f y g y continuas
0, si x = x0 0, si x = x0
en x0 por su contrucción ( lı́m F (x) = lı́m f (x) = 0 = F (x0 ) y lo mismo para G).
x→x0 x→x0
Para cada x ∈ E ∗ con x < x0 , el intervalo [x, x0 ] ⊆ E , luego F y G son continuas en él y derivables
en (x, x0 ) , donde se cumple que F 0 = f 0 y G0 = g 0 . Entonces, por el teorema de Cauchy 248, existe ξx con
x < ξx < x0 tal que

F (x) − F (x0 ) F 0 (ξx ) f (x) − 0 f 0 (ξx )


= 0 , es decir, tal que = 0
G(x) − G(x0 ) G (ξx g(x) − 0 g (ξx )

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
135 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

Luego, como x < ξx < x0 , si x → x− −


0 también ξx → x0 y entonces,

f (x) f 0 (ξx ) f 0 (ξx ) f 0 (x)


lı́m− = lı́m− 0 = lı́m − 0 = lı́m− 0
x→x0 g(x) x→x0 g (ξx ) ξx →x0 g (ξx ) x→x0 g (x)

f (x) f 0 (x)
siempre que este último lı́mite exista. Análogamente, para los x > x0 , se tiene lı́m g(x) = lı́m g 0 (x) .
x→x+ 0 x→x+
0
f 0 (x) f 0 (x) f 0 (x) 0
En consecuencia, si lı́m 0 existe se tiene que lı́m 0 = lı́m− g 0 (x) = lı́m+ fg0 (x)
(x)
por lo que existe el
x→x0 g (x) x→x0 g (x) x→x0 x→x0
f (x)
lı́mite lı́m y coincide con el anterior.
x→x0 g(x)

Para la justificación del funcionamiento de la Regla de L’Hôpital en los demás casos, en que decimos que
también funciona, sólo indicamos como se obtendrı́a ésta o en que se basa:

Para el caso x0 = ±∞, con el cambio x = 1t se tiene que las funciones F (t) = f ( 1t ) y G(t) = g( 1t ) verifican
que lı́m fg(x)
(x) F (t)
existe si y sólo si lı́m± G(t) existe, y si ocurre son iguales. Aplicando el caso anterior a estas
x→±∞ t→0
funciones se obtiene el resultado.
f (x) ∞
Para la indeterminación lı́m = ∞ , se toma un punto y fijo y suficientemente cercano a x0 y entonces, el
x→x0 g(x)
g(y)
f (x) f (y)−f (x) g(x)
−1
cociente puede escribirse en la forma g(x) = g(y)−g(x) · f (y) . Aplicando el Teorema de Cauchy 248 al primer
f (x)
−1
g(y)
f (y)−f (x) f 0 (ξx ) g(x)
−1
factor g(y)−g(x) = g 0 (ξx ) y teniendo en cuenta, que al ser y fijo, lı́m f (y) = 1 , se observa que el resultado
x→x0 f (x) −1
será cierto (la prueba exaustiva no es tan inmediata).

Demostración de: Teorema de la función inversa 252 de la página 113

Teorema de la función inversa 252.- Sea f : [a, b] −→ R continua en [a, b] y derivable en (a, b) , con f 0 > 0 ó
f 0 < 0 en (a, b) . Entonces f admite función inversa derivable en (a, b) y (f −1 )0 f (x) = f 01(x) .

Demostración:
Por ser f 0 > 0 en (a, b) (resp. f 0 < 0 en (a, b) ) la función f es estrictamente creciente (resp. estrictamente
decreciente) en [a, b] , luego es inyectiva y existe f −1 : f ([a, b]) −→ [a, b] tal que f −1 (f (x)) = x para cada
x ∈ [a, b] (recordar la definición 200 y ver los ejemplos siguientes). De hecho, si f es estrictamente creciente,
f ([a, b]) = [f (a), f (b)] y si es estrictamente decreciente, f ([a, b]) = [f (b), f (a)] .
Veamos primero, que si f es continua en x0 , entonces f −1 es continua en y0 = f (x0 ) . Como f (x0 ) = y0 =
(1)
 
lı́m y = lı́m f (f −1 (y)) = f lı́m f −1 (y)
y→y0 y→y0 y→b
(1) por el resultado del Teorema 210
luego, por la inyectividad, se tiene que lı́m f −1 (y) = x0 = f −1 (y0 ) .
y→y0
Veamos ahora que si f es derivable en x0 ∈ (a, b) , entonces f −1 es derivable en y0 = f (x0 ) , pero esto es
sencillo, pues si y 6= y0 ,
−1
f −1 (y) − f −1 (y0 ) f −1 (f (x)) − f −1 (f (x0 ))

x − x0 f (x) − f (x0 )
= = =
y − y0 f (x) − f (x0 ) f (x) − f (x0 ) x − x0

Si y → y0 , x = f −1 (y) tenderá hacia x0 = f −1 (y0 ) con x 6= x0 por ser f −1 inyectiva, en consecuencia,


f (x)−f (x0 )
x−x0 → f 0 (x0 ) con lo que f −1 es derivable en y0 y su derivada es (f 0 (x0 ))−1 .

Polinomios de Taylor
Demostración de: Fórmula de Taylor 263 de la página 121

Fórmula de Taylor 263.- Sea una función f existen f 0 , f 00 , . . . , f (n) y f (n+1) sobre el intervalo [a, x] . En-
tonces,
f (n+1) (c)
f (x) − Pn,a (x) = (x − a)n+1 para un cierto c ∈ (a, x),
(n + 1)!

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
136 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

llamado resto de Lagrange, o también

f (n+1) (c)
f (x) − Pn,a (x) = (x − c)n (x − a) para un cierto c ∈ (a, x),
n!
que se denomina resto de Cauchy. .
Demostración:
Consideremos la función G: [a, x] −→ R, definida por
(x − t)1 (x − t)2 (x − t)3 (x − t)n−1 (x − t)n
 
(1) (2) (3) (n−1) (n)
G(t) = f (x)− f (t) + f (t) + f (t) + f (t) + ··· + f (t) + f (t)
1! 2! 3! (n − 1)! n!
La función G verifica que G(x) = 0 y G(a) = f (x) − Pn,a (x) y es derivable en [a, x] , por ser suma y producto
de derivables. Y su derivada es
"
0
 (x − t)1 1(x − t)0 (−1)   (3) (x − t)2 2(x − t)1 (−1) 
G (t) = − f (1) (t) + f (2) (t) + f (1) (t) + f (t) + f (2) (t)
1! 1! 2! 2!
3 2 n−1
 (x − t) 3(x − t) (−1)   (x − t) (n − 1)(x − t)n−2 (−1) 
+ f (4) (t) + f (3) (t) + · · · + f (n) (t) + f (n−1) (t)
3! 3! (n − 1)! (n − 2)!
#
n n−1
 (x − t) n(x − t) (−1) 
+ f (n+1) (t) + f (n) (t)
n! (n − 1)!
"
 (x − t)1   (x − t)2 (x − t)1 
= − f (1) (t) + f (2) (t) − f (1) (t) + f (3) (t) − f (2) (t)
1! 2! 1!
3 2 n−1
 (x − t) (x − t)  (x − t) (x − t)n−2 
+ f (4) (t) − f (3) (t) + · · · + f (n) (t) − f (n−1) (t)
3! 2! (n − 1)! (n − 2)!
#
n n−1 
 (x − t) (x − t)
+ f (n+1) (t) − f (n) (t)
n! (n − 1)!
quitando
" los paréntesis internos y cambiando el orden de los sustraendos, se tiene:
(x − t)1 (x − t)1 (x − t)2
= − f (1) (t) − f (1) (t) + f (2) (t) − f (2) (t) + f (3) (t)
1! 1! 2!
(x − t)2 (x − t)3 (x − t)n−2 (x − t)n−1
−f (3) (t) + f (4) (t) + · · · − f (n−1) (t) + f (n) (t)
2! 3! (n − 2)! (n − 1)!
#
n−1 n
(x − t) (x − t)
−f (n) (t) + f (n+1) (t)
(n − 1)! n!
y cada término que resta se anula con el anterior, luego sólo queda el último término:
(x − t)n
= −f (n+1) (t) .
n!

Entonces:
? Por el teorema del valor medio de Lagrange, G(x) − G(a) = G0 (c)(x − a) , para algún c ∈ (a, x) . Luego

(x − c)n f (n+1) (c)


G(x) − G(a) = −G(a) = −f (n+1) (c) (x − a) =⇒ f (x) − Pn,a (x) = (x − c)n (x − a)
n! n!

? Tomando la función g(t) = (x − t)n+1 , continua en [a, x] y derivable en (a, x) , por el teorema del valor
0
medio de Cauchy G(x) − G(a) = Gg0(c)

c) g(x) − g(a) , para algún c ∈ (a, x) . Luego

−f (n+1) (c)(x−c)n
f (n+1) (c)
n!
− (x − a)n+1 (x − a)n+1

−G(a) = =⇒ f (x) − Pn,a (x) =
(n + 1)(x − c)n (−1) (n + 1)!
y hemos obtenido el resto de Cauchy, en el primer caso, y el de Lagrange en el segundo.

Demostración de: Proposición 265 de la página 122

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
137 – Matemáticas 1 : Cálculo diferencial en R Anexo 2

Proposición 265.- Sea f una función de clase C n−1 en un entorno del punto a , para la que se cumple que
f 0 (a) = f 00 (a) = · · · = f (n−1) (a) = 0 , y además existe f (n) (a) 6= 0 . Entonces:
a) Si n es par y f (n) (a) > 0 , f presenta un mı́nimo local en a.
b) Si n es par y f (n) (a) < 0 , f presenta un máximo local en a.

c) Si n es impar y f (n) (a) > 0 , f es estrictamente creciente en a .


d) Si n es impar y f (n) (a) < 0 , f es estrictamente decreciente en a.
Demostración:
Si f 0 (a) = f 00 (a) = · · · = f (n−1) (a) = 0 , el polinomio de Taylor de grado n de f en a se reduce al primer y
(n)
último término, Pn,a (x) = f (a) + f n!(a) (x − a)n .
f (x)−Pn,a (x)
Por la proposición 262 anterior, lı́m (x−a)n = 0 , luego
x→a
 
f (n) (a)
f (x) − f (a) + n! (x − a)n f (x) − f (a) f (n) (a) f (x) − f (a) f (n) (a)
0 = lı́m = lı́m − =⇒ lı́m =
x→a (x − a)n x→a (x − a)n n! x→a (x − a)n n!

luego
f (x)−f (a)
? si f (n) (a) > 0 , debe ser (x−a)n > 0 para los x de un entorno de a, y

– si n es par, (x − a)n > 0 de donde f (x) − f (a) > 0 y f (x) ≥ f (a) , por lo que f (a) es mı́nimo local.
– si n es impar, para los x < a se tiene que (x − a)n < 0 de donde f (x) − f (a) < 0 y f (x) < f (a) ; y
para los x > a se tiene que (x − a)n > 0 de donde f (x) − f (a) > 0 y f (x) > f (a) . En consecuencia,
f es estrictamente creciente en a .
Y se cumplen (a) y (c).
f (x)−f (a)
? si f (n) (a) < 0 , debe ser (x−a)n < 0 para los x de un entorno de a, y

– si n es par, (x − a)n > 0 de donde f (x) − f (a) < 0 y f (x) ≤ f (a) , por lo que f (a) es máximo local.
– si n es impar, para los x < a se tiene que (x − a)n < 0 de donde f (x) − f (a) > 0 y f (x) > f (a) ; y
para los x > a se tiene que (x − a)n > 0 de donde f (x) − f (a) < 0 y f (x) < f (a) . En consecuencia,
f es estrictamente decreciente en a.

Y se cumplen (b) y (d).

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
138 – Matemáticas 1

Unidad III

Cálculo integral en R

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
139 – Matemáticas 1 : Cálculo integral en R

Capı́tulo 9

Cálculo de primitivas
9.1 Primitiva de una función
Definición 268.- Diremos que la función F continua en [a, b] , es una primitiva de la función f en el intervalo
[a, b] si y sólo si F 0 (x) = f (x) , ∀x ∈ (a, b) .

Teorema 269.- Si F y G son dos funciones primitivas de la función f en [a, b] , entonces F −G es una función
constante en [a, b] .
Demostración:
Para cada c ∈ (a, b) , se tiene que (F − G)0 (c) = F 0 (c) − G0 (c) = f (c) − f (c) = 0 , luego tiene derivada nula.
Por el Teorema del valor medio de Lagrange (teorema 247 de la pág 112), para cada x ∈ [a, b] ,
F (x) − G(x) − F (a) − G(a) = (F − G)0 (c)(x − a) = 0,
 

luego F (x) − G(x) = F (a) − G(a) = k para todo x ∈ [a, b] .

Observación: Como consecuencia del teorema anterior, se tiene que si F es una función primitiva de f en [a, b] ,
entonces {F (x) + C : C ∈ R} es el conjunto formado por todas las funciones primitivas de f en [a, b] .
Definición 270.- Llamaremos
Z integral indefinida de f al conjunto de todas las primitivas de la función f ,
y lo denotaremos por f (x) dx.
Z
Si F es una función primitiva de f , escribiremos únicamente f (x) dx = F (x) + C , con C ∈ R.

Z Z Z
Propiedad 271.- (λf + µg)(x) dx = λ f (x) dx + µ g(x) dx. Es decir, una primitiva de la suma y el
producto por escalares se obtiene como suma de primitivas y como primitivas por escalares.
Demostración:
Sean F 0 (x) = f (x) y G0 (x) = g(x) . Entonces
((λF + µG)(x))0 = λF 0 (x) + µG0 (x) = λf (x) + µg(x) = (λf + µg)(x),
luego λF + µG es una primitiva de λf + µg .

9.1.1 Tabla de integrales inmediatas


Es usual manejar una tabla de primitivas inmediata, pero que en realidad se reduce a una tabla de derivadas
conocidas:
Z Z Z
1 1 1
xa dx = a+1 xa+1 + C, a 6= −1 x dx = ln |x| + C ax dx = ln a ax + C
Z Z Z
1
cos x dx = sen x + C sen x dx = − cos x + C cos2 x dx = tg x + C
Z Z Z
dx √ 1 √ −1
sen2 x = − cotg x + C 1−x2
dx = arcsen x + C 1−x2
dx = arccos x + C
Z Z Z
1 −1
1+x2 dx = arctg x + C 1+x2 dx = arccotg x + C ch x dx = sh x + C

Z Z Z
1 √ 1
sh x dx = ch x + C ch2 x
dx = th x + C x2 +1
dx = argsh x = ln(x + x2 + 1) + C


Z Z
1 1 1+x √ 1
1−x2 dx = argth x = 2 ln 1−x +C x2 −1
dx = argch x = ln(x + x2 − 1) + C

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
140 – Matemáticas 1 : Cálculo integral en R 9.2 Métodos de integración

9.2 Métodos de integración


9.2.1 Método de sustitución
Si F (x) es una primitiva de f (x) , entonces F (φ(x)) es una primitiva de la función f (φ(x))φ0 (x) , es decir,
Z
f (φ(x))φ0 (x)dx = F (φ(x)) + C.

En efecto, por la Regla de la cadena (teorema 238 de la pág 108), (F (φ(x)))0 = f (φ(x))φ0 (x) .
Z
Ejemplo Encontrar una expresión para 4(x2 + 1)3 2xdx.
Solución:
F (x) = x4 es una primitiva de f (x) = 4x3 y, si φ(x) = x2 +1 se tiene φ0 (x) = 2x . Luego F (φ(x)) = (x2 +1)4
es una primitiva de f (φ(x))φ0 (x) = 4(x2 + 1)3 2x . Es decir,
Z
4(x2 + 1)3 2xdx = (x2 + 1)4 + C. 4

Combinando este método con la tabla de integrales inmediatas, podemos componer toda una tabla de
integrales “casi inmediatas”:

9.2.1.1 Tabla de integrales casi–inmediatas

(v(x))a+1
Z Z
a 0 1 0
(v(x)) v (x)dx = + C, a 6= −1 v (x)dx = ln |v(x)| + C
a+1 v(x)
Z v(x) Z
a
av(x) v 0 (x)dx = +C cos(v(x))v 0 (x)dx = sen(v(x)) + C
Z ln a Z
1
sen(v(x))v 0 (x)dx = − cos(v(x)) + C v 0 (x)dx = tg(v(x)) + C
cos2 (v(x))
Z Z
1 1
2
v 0 (x)dx = − cotg(v(x)) + C p v 0 (x)dx = arcsen(v(x)) + C
sen (v(x)) 1 − (v(x))2
−1
Z Z
1
v 0 (x)dx = arccos(v(x)) + C v 0 (x)dx = arctg(v(x)) + C
1 + (v(x))2
p
1 − (v(x))2
−1
Z Z
v 0 (x)dx = arccotg(v(x)) + C ch(v(x))v 0 (x)dx = sh(v(x)) + C
1 + (v(x))2
Z Z
1
sh(v(x))v 0 (x)dx = ch(v(x)) + C v 0 (x)dx = th(v(x)) + C
ch2 (v(x))
Z Z
1 1
v 0 (x)dx = argsh(v(x)) + C v 0 (x)dx = argth(v(x)) + C
1 − (v(x))2
p
(v(x))2 + 1
Z
1
p v 0 (x)dx = argch(v(x)) + C.
(v(x))2 − 1

9.2.2 Cambio de variable


Z
Proposición 272.- Sea f (x)dx. Si x = φ(t) , con φ derivable y existe φ−1 también derivable. Entonces
Z Z
f (x)dx = f (φ(t))φ0 (t)dt.

Demostración:
Z Z
Sean f (x)dx = F (x) + C1 y f (φ(t))φ0 (t)dt = G(t) + C2 . Como F (x) es una primitiva de f (x) se tiene
que F (φ(t)) es una primitiva de f (φ(t))φ0 (t) , luego F (φ(t)) = G(t) + C , y, por tanto, F (x) = F (φ(φ−1 (x))) =
G(φ−1 (x)) + C

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
141 – Matemáticas 1 : Cálculo integral en R 9.3 Integración según el tipo de función

Se hace un cambio de variable x = φ(t) para transformar la integral de partida en otra más sencilla o
inmediata.

Z
3
Ejemplo Hallar 1 + xdx .
Solución:
Si tomamos 1 + x = t3 , es decir, x = φ(t) = t3 − 1 , φ es derivable, existe φ−1 y es derivable. Entonces,
como dx = φ0 (t)dt = 3t2 dt , se tiene
Z √
√ t4 3 √
Z Z Z
3 4
3
1 + xdx = t3 3t2 dt = 3t3 dt = 3 t3 dt = 3 = 3
1+x +C 4
4 4

9.2.3 Integración por partes

En forma clásica, la derivada de un producto se escribe como d(uv) = udv + vdu, de donde udv =
d(uv) − vdu. Entonces Z Z
u dv = uv − v du

expresión conocida como fórmula de integración por partes


Z
Ejemplo Calcular ln x dx.
Solución:
du = x1 dx
 
u = ln x
Si tomamos , se tiene , de donde
dv = dx v=x
Z Z Z
1
ln x dx = x ln x − x dx = x ln x − dx = x ln x − x + C 4
x

9.3 Integración según el tipo de función


9.3.1 Integrales racionales
Resumen de resultados conocidos. Sea la ecuación polinómica P (x) = a0 + a1 x + . . . + an xn = 0 , con
ai ∈ R.
? Si ai ∈ Z, para todo i , entonces toda raiz entera de P (x) es divisor del coeficiente a0 .
? Si ai ∈ Z, para todo i , el denominador de toda raiz fraccionaria de P (x) es divisor del coeficiente an y
el numerador es divisor del coeficiente a0 .
? Si ai ∈ R, para todo i, y α + βi es una raiz compleja de P (x) entonces, también α − βi es raiz de P (x) .
? Todo polinomio con coeficientes reales puede descomponerse en la forma
P (x) = an (x − r1 )n1 (x − r2 )n2 · · · (x − rs )ns (x2 + p1 x + q1 )m1 · · · (x2 + pk x + qk )mk ,
donde n1 + · · · + ns + 2m1 + · · · + 2mk = n , los ri son las raices reales de P (x) y los términos x2 + pj x + qj
agrupan las raices complejas αj + βj i y αj − βj i (verifican por tanto que p2j − 4qj < 0 ).

9.3.1.1 Descomposición en fracciones simples


Q(x)
Sean Q y P funciones polinómicas reales y P (x) la función racional cociente de ambas.

? Si el grado de P es mayor que el de Q se dice que es una fracción propia, en cuyo caso, si P (x) se descompone
como en el punto anterior, Q(x)
P (x) puede descomponerse de manera única en la forma

Q(x) 1 A1 A2 An 1
= · n
+ n −1
+ ··· + +
P (x) an (x − r1 ) 1 (x − r1 ) 1 (x − r1 )

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
142 – Matemáticas 1 : Cálculo integral en R 9.3 Integración según el tipo de función

Q(x) 1 B1 B2 Bn2
= + + + ··· + +
P (x) an (x − r2 )n2 (x − r2 )n2 −1 (x − r2 )
+··· ··· ··· +
L1 L2 Lns
+ n
+ n −1
+ ··· + +
(x − rs ) s (x − rs ) s (x − rs )
M 1 x + N1 M 2 x + N2 Mm x + Nm1
+ 2 m
+ 2 m −1
+ ··· + 2 1 +
(x + p1 x + q1 ) 1 (x + p1 x + q1 ) 1 x + p1 x + q1
+··· ··· ··· +

E1 x + F1 E2 x + F2 Emk x + Fmk
+ 2 + + · · · +
(x + pk x + pk )mk (x2 + pk x + qk )mk −1 x2 + pk x + qk

Descomposición que se denomina en fracciones simples (ver la subsección 0.3.2.6 de Polinomios)

? Si el grado de Q es mayor que el grado de P , se dice que la fracción es impropia, en cuyo caso, al dividir
de forma entera el numerador por el denominador, se obtiene que

Q(x) R(x)
= M (x) + ,
P (x) P (x)
R(x)
donde M (x) es un polinomio y P (x) una fracción propia.

Como P (x) es el polinomio denominador común de los términos de la descomposición, el polinomio Q(x)
debe coincidir con el polinomio que se obtiene en el numerador al sumar las fracciones simples. En consecuencia
los nuevos coeficientes que aparecen en la descomposición son aquellos que hacen iguales ambos polinomios.

9.3.1.2 Integración de funciones racionales

Q(x)
Encontrar una primitiva de P (x) , es resolver integrales de los tipos
Z Z
A M x+N
a) (x−r)k
dx b) (x2 +px+q)k
dx

a) Estas integrales son inmediatas, pues si k = 1 ,


Z
A
dx = A ln |x − r|,
x−r
y si k > 1 ,
(x − r)−k+1
Z Z
A A 1
dx = A(x − r)−k dx = A = .
(x − r)k −k + 1 1 − k (x − r)k−1

b) Como 4q − p2 > 0 , se tiene que


p2
x2 + px + q = (x + p2 )2 + (q − 4 ) = (x − p2 )2 + R2 = R2 (t2 + 1) ,
q
p2 x− p
donde R = q− 4 y t= R
2
, luego haciendo el cambio x = Rt + p2 , con dx = Rdt, se tiene que

M 0t + N 0 M 0t N0
Z Z Z Z 
Mx + N 1 1
dx = 2 k Rdt = 2k−1 dt + dt
(x2 + px + q)k (R ) (t2 + 1)k R (t2 + 1)k (t2 + 1)k
 0Z
M0 N0
Z 
1 M 2t 0 1 0
= 2k−1 dt + N dt = Ik + Ik
R 2 (t2 + 1)k (t2 + 1)k 2R2k−1 R2k−1

integrales que se resuelven de forma inmediata en los siguientes casos:


Z Z
? Si k = 1 , I10 = t22t +1 dt = ln |t2
+ 1| , I 1 = 1
t2 +1 dt = arctg t.
Z
? Si k > 1 , Ik0 = (t2 +1)
2t 1 1
k dt = 1−k (t2 +1)k−1 .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
143 – Matemáticas 1 : Cálculo integral en R 9.3 Integración según el tipo de función

Para resolver Ik , se realiza un proceso que consiste en ir bajando sucesivamente la potencia k hasta que
sea 1, de la forma siguiente

1 − t2 + t2 1 + t2 t2
Z Z Z  
1
Ik = dt = dt = − dt
(t2 + 1)k (t2 + 1)k (t2 + 1)k (t2 + 1)k
t2
Z Z
1
= 2 k−1
dt − dt = Ik−1 − I
(t + 1) (t + 1)k
2

   
u=t du = dt
Haciendo en I integración por partes, t se tiene 1 1 , luego
dv = (1+t2 )k dt v = 2(1−k) (1+t2 )k−1
Z
1 t 1 1
Ik = Ik−1 − 2 k−1
+ dt
2(1 − k) (1 + t ) 2(1 − k) (1 + t2 )k−1
 
1 t 1
= + 1− Ik−1
2(k − 1) (1 + t2 )k−1 2(k − 1)

Si k − 1 = 1 , Ik−1 = I1 = arctg t . Si k − 1 > 1 , se repite el proceso.


Z
1+x
Ejemplo Calcular x4 +x3 +x2 dx.

Solución Como P (x) = x2 (x2 + x + 1) , y x2 + x + 1 no tiene raices reales, se tiene

1+x A B Mx + N A(x2 + x + 1) + Bx(x2 + x + 1) + (M x + N )x2


= 2+ + 2 =
x2 (x2 + x + 1) x x x +x+1 x2 (x2 + x + 1)

de donde 1 + x = A + (A + B)x + (A + B + N )x2 + (B + M )x3 , es decir,


1 + x + 0x2 + 0x3 = A + (A + B)x + (A + B + N )x2 + (B + M )x3 ,
 

 1=A 
 A=1
1=A+B B=0
 
obteniendose el sistema con soluciones . Entonces

 0=A+B +N 
 N = −1
0=B +M M =0
 

−1 4
Z Z Z Z
dx dx dx dx
2 2
= 2
− 2
= − 4 1 2
3 (x − 2 ) + 1
x (x + x + 1) x x +x+1 x 3

3
−1 4 −1 4 2 dt
Z Z
dx
= − = −
x 3 ( 2x−1
√ )2 + 1 x 3
3
t2 + 1
−1 2 −1 2 2x − 1
= − √ arctg t = − √ arctg √ +C 4
x 3 x 3 3

9.3.2 Integración de funciones trigonométricas


Cambios de variable especı́ficos.

? Integrales de los tipos:


Z Z Z
sen(mx) cos(nx)dx cos(mx) cos(nx)dx sen(mx) sen(nx)dx.

se resuelven usando las relaciones


(1) + (2) : 2 sen x cos y = sen(x + y) + sen(x − y)
(3) + (4) : 2 cos x cos y = cos(x + y) + cos(x − y)
(3) − (4) : −2 sen x sen y = cos(x + y) − cos(x − y)

obtenidas a partir de la fórmulas trigonométricas:

(1) sen(x + y)=sen x cos y + sen y cos x (3) cos(x + y)=cos x cos y − sen x sen y
(2) sen(x − y)=sen x cos y − sen y cos x (4) cos(x − y)=cos x cos y + sen x sen y

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
144 – Matemáticas 1 : Cálculo integral en R 9.3 Integración según el tipo de función

Z
? Integrales de la forma senm x cosn xdx con m, n ∈ Z

– Si m es impar se resuelven usando el cambio t = cos x .


– Si n es impar con el cambio t = sen x .

– Si m y n son pares positivos se resuelven utilizando las fórmulas del ángulo mitad

1 − cos(2x) 1 + cos(2x) sen(2x)


sen2 x = cos2 x = sen x cos x =
2 2 2

1 cos2 x 1
– Si m y n son pares, no positivos ambos, se simplifican con tg2 x = cos2 x −1 y sen2 x = sen2 x −1

Z
Ejemplo Hallar sen2 x cos2 xdx .

Z  2  
1 − cos 2x
Z Z
1 + cos 2x 1
sen4 x cos2 xdx = 1 − cos 2x − cos2 2x + cos3 2x dx

dx =
2 2 8
Z    
1 1 + cos 4x
= 1 − cos 2x − + cos3 2x dx
8 2
Z Z Z Z
1 1 1 1 1
= dx − cos 2xdx − cos 4xdx + cos3 2xdx
8 2 8 16 8
Z  
x sen 2x sen 4x 1 3 t = sen 2x
= − − + cos 2xdx =
16 16 64 8 dt = 2 cos 2xdx
x − sen 2x sen 4x 1 x − sen 2x sen 4x t3
Z
dt 1
= − + (1 − t2 ) = − + (t − )
16 64 8 2 16 64 16 3
x − sen 2x sen 4x sen 2x sen3 2x
= − + − +C
16 64 16 48
x sen 4x sen3 2x
= − +− +C 4
16 64 48

Cambios más generales para Z las integrales trigonométricas.


Las integrales de la forma R(sen x, cos x)dx , siendo R(sen x, cos x) una función racional en sen x y cos x .

? Si se cumple R(sen x, cos x) = R(− sen x, − cos x) entonces la integral se puede reducir a una integral
racional empleando el cambio t = tg x .
dt
Es decir, x = arctg t −→ dx = .
1 + t2
1 1 t
Por otra parte 1 + tg2 x = 2
=⇒ cos x = √ y por tanto sen x = √ .
cos x 1+t 2 1 + t2
Z
? En general, una integral del tipo R(sen x, cos x)dx se transforma en una integral racional utilizando el
cambio
x x 2dt 1 − t2 2t
t = tg =⇒ = arctg t −→ dx = , cos x = y sen x = .
2 2 1 + t2 1 + t2 1 + t2

9.3.3 Integración de funciones exponenciales e hiperbólicas


Z
R(ax )dx ; siendo R(ax ) una función racional en ax .
El cambio t = ax convierte dicha integral en racional:
dt
t = ax =⇒ dt = ax ln adx =⇒ dx =
t ln a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
145 – Matemáticas 1 : Cálculo integral en R 9.3 Integración según el tipo de función

Z
ex +e−x ex −e−x
Dado que ch x = 2 y sh x = 2 , resulta que entonces cualquier integral del tipo R(sh x, ch x)dx
se puede resolver por el cambio anterior. Pero también existen unas relaciones entre las funciones hiperbólicas
que hacen que su integración sea similar a la de las funciones trigonométricas:
ch 2x − 1 ch 2x + 1
ch2 x − sh2 x = 1 sh2 x = ch2 x =
2 2
1
sh 2x = 2 sh x ch x 1 − th2 x =
ch2 x
De entre todos los casos que nos aparecen en la integración de funciones racionales hiperbólicas destacamos:
dt √ 1 √ t
? Cambio t = th x =⇒ dx = 1−t2 ch x = 1−t2
sh x = 1−t2

x 2dt 1+t2 2t

? Cambio t = th 2 =⇒ dx = 1−t2 ch x = 1−t2 sh x = 1−t2

Z
ex −1
Ejemplo Hallar ex +1 dx .
Solución Con el cambio t = e , se tiene dt = ex dx = tdx , luego
x

ex
x
(e + 1)2
Z  
t − 1 dt
Z Z
2 1
dx = = − dt = 2 ln |t + 1| − ln |t| = ln
+ C.
4
ex + 1 t+1 t t+1 t ex

9.3.4 Integrales con raı́ces o irracionales


Z    p1   p2   pk 
ax+b q1 ax+b q2 ax+b qk
? Integrales de la forma R x, cx+d , cx+d , . . . , cx+d dx, siendo R una función racional
p1 p2 pk
en esas variables y las fracciones q1 , q2 , . . . , qk irreducibles.
ax+b
Sea n = mcm(q1 , q2 , . . . , qk ) , el cambio de variable tn = cx+d transforma la integral con raı́ces en una
racional. (Ver ejemplo 9.2.2.)
Z p
? Integrales del tipo R(x, a2 − x2 )dx
Se resuelven mediante alguno de los cambios: x = a sen t ó x = a cos t ó x = th t
Z p
? Integrales del tipo R(x, a2 + x2 )dx
Se resuelven mediante alguno de los cambios: x = a tg t ó x = a sh t
Z p
? Integrales del tipo R(x, x2 − a2 )dx
Se resuelven mediante alguno de los cambios: x = a sec t ó x = a ch t


Z
Ejemplo Encontrar 1 − x2 dx .
Solución Con el cambio x = sen t , dx = cos tdt . Entonces
Z p Z p Z √ Z
2
1 − x dx = 2
1 − sen t cos tdt = cos t cos tdt = cos2 tdt
2

Z
1 t sen 2t arcsen x sen(2 arcsen x)
= (1 − cos 2t)dt = − = − +C 4
2 2 4 2 4

9.3.4.1 Integrales binomias ∗


Z
Las integrales binomias, son de la forma xp (a + bxq )r dx , con p, q, r ∈ Q.
Chebichev probó que es posible racionalizar la integral binomia cuando es entero uno de los tres números
siguientes: r, p+1
q ,
p+1
q + r.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
146 – Matemáticas 1 : Cálculo integral en R 9.4 Ejercicios

? Si r ∈ N , entonces se desarrolla (a + bxq )r según el binomio de Newton.


1−q
/ N , haremos el cambio: t = xq =⇒ dx = 1q t
? Si r ∈ q dt, por tanto
Z Z
1 p+1
q −1
xp (a + bq )r dx = t (a + bt)r dt.
q
– Si r ∈ Z, con r negativo, la integral siempre se va a poder convertir en una racional con el cambio
1 p+1
u = t s siendo s ∈ N el denominador de la fracción irreducible m
s = q − 1.
p+1
– Si r ∈
/ Z, pero q ∈ Z, la integral se ha convertido en un tipo ya estudiado. Si no
Z Z  r
1 p+1
q −1
1 p+1
q −1+r
a + bt
t (a + bt)r dt = t dt,
q q t
p+1
con lo que si q + r ∈ Z la integral se ha convertido de nuevo en una del tipo anterior.

Z
1 1 1
Ejemplo Hallar x 2 (1 + x 3 )− 2 dx .
−1 1
Solución Como r = 2 / N, hacemos el cambio t = xq = x 3 , luego x = t3 y dx = 3t2 dt . Entonces

Z Z Z
1 1
− 21 3
− 21 2 7 1
x (1 + x ) dx = t (1 + t) 3t dt = 3t 2 (1 + t)− 2 dt
2 3 2

1
Como 7
2 / Z, multiplicamos y dividimos por t− 2 , obteniendo

Z Z  − 21 Z   12 (
u2
)
7
− 12 7 1 1+t t t=
2−2 3 2 t 1−u2

3t (1 + t)
2 dt = 3 t dt = 3 t dt = u = 1+t → 2udu
t 1+t dt = (1−u2 )2

u6 u8 u8
Z Z Z
2udu
=3 u =6 du du = 6
(1 − u ) (1 − u2 )2
2 3 (1 − u)5 (1 + u)5 (1 − u2 )5
r
q 1
t x3
que es una integral racional en u. Se resuelve, y teniendo en cuenta que u = 1+t = 1 se obtiene el
1+x 3
resultado buscado. 4

9.4 Ejercicios
9.236 Manipular las expresiones para resolver de manera casi-inmediata las siguientes integrales indefinidas
Z Z Z
2 2 4 6x2 +4
1) tg x dx 2) x(3x + 1) dx 3) x3 +2x+7 dx
Z Z Z
4) e− sen x cos x dx 5) x
1+x4 dx 6) x(2x + 5)10 dx
Z Z Z
x2 sen2 x dx
7) x6 +1 dx 8) 6 dx 9) 2+2x+x2

9.237 Usar los métodos de integración por partes e integración racional, segun convenga, para resolver:
Z Z Z
2
10) ln x dx 11) x sen x dx 12) arctg x dx
Z Z Z
x3 +x−1
13) (x + 1)2 cos xdx 14) e2x sen(2x)dx 15) (x2 +2)2 dx
Z Z Z
x4 −6x3 +12x2 +6 dx dx
16) x3 −6x2 +12x−8 dx 17) (x+1)(x2 +x+2)2 18) (x+1)2 (x2 +1)
Z Z Z
x8 2x+2 dx
19) (1−x2 )5 dx 20) (x2 +1)2 dx 21) 1+x4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
147 – Matemáticas 1 : Cálculo integral en R 9.4 Ejercicios

9.238 Usar los cambios de variable recomendados adecuados en cada caso para resolver:


Z Z Z
1+x √dx
22) 1 − x2 dx 23) √ dx
1+ x
24) x x2 −2

Z Z Z
ln(2x)
25) √ dx 26) 2 + 2x + x2 dx
ex −1 x ln(4x) dx 27)
Z Z Z
28) cos x cos2 (3x)dx 29) cos x2 cos x3 dx 30) tg2 (5x)dx
Z  Z Z
31) tg3 x4 + tg4 x4 dx 32) sen5 xdx 33) sen3 x
2 cos5 x2 dx
Z Z Z
cos5 x
34) sen3 x dx 35) cos6 (3x)dx 36) sen4 xdx
Z Z Z
dx cos2 x dx
37) cos6 x 38) sen6 x dx 39) 1+3 cos2 x
Z Z Z
3 sen x+2 cos x dx dx
40) 2 sen x+3 cos x dx 41) cos x+2 sen x+3 42) ex +1
Z Z Z
43) ch4 xdx 44) sh3 x ch xdx 45) dx
sh2 x+ch2 x
Z √ Z q Z
x+1+2
46) √
(x+1)2 − x+1
dx 47) x x−1
x+1 dx 48) dx

(2−x) 1−x
Z Z Z
(x−1)dx
49) √ dx√ 50) 2 51) √ x dx
x+ 3 x x(x+2) 3 x2 −x
Z Z Z
−1
52) x−4 (1 + x2 ) 2 dx 53) √dx
(x−2) 5x−x2 −4
54) √
3
2x
1+x3
dx

9.239 De la función f se sabe que f (1) = −1 y que f 0 (x) = 1−2x


x . ¿Qué función es f ?

9.240 Encuentra todas las funciones que se anulen en x = 0 y tengan por derivada segunda, f 00 (x) = (2 + x)ex
Z
√ x5 4
√ x dx2 7
9.241 Parece ser cierto que 2 5
− 50001 es una solución de
5 (1+x ) (1+x )

a) Compruebese la veracidad de lo dicho


sen t
b) De entre estos tres cambios de variable x = sh t , x2 = t2 − 1 y x = tg t = cos t , hay dos que
transforman la integral irracional en otra sin raı́ces
c) Resuelve cada una de las dos integrales no irracionales obtenidas con esos cambios

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
148 – Matemáticas 1 : Cálculo integral en R

Capı́tulo 10

Integral de Riemann
La teorı́a de la Integral de Riemann o Integral Definida, como también se denomina en contraposición con el
cálculo de primitivas o búsqueda de “antiderivadas”, tiene su origen en el uso práctico de la integral y es con
una aplicación como se introduce y motiva su construcción. No es hasta que se obtienen los teoremas clave que
puede relacionarse ésta integral con las primitivas.
Las funciones implicadas en ello deben cumplir dos preceptos para poder construir estas integrales: tener
un dominio acotado (o estar restringidas a uno) y ser funciones acotadas es ese dominio. Si una de las dos
reglas se incumple no podremos hablar de integrales en el sentido que vamos a construir, y diremos de ellas que
son integrales impropias y las trataremos sucintamente en la última sección del tema.

10.1 Sumas inferiores y superiores


10.1.1 Particiones de un intervalo
Definición 273.- Se llama partición de un intervalo [a, b] a un conjunto finito de puntos P = {x0 , x1 , . . . , xn }
tales que a = x0 < x1 < · · · < xn = b. Una partición divide al intervalo en intervalos más pequeños, es decir,
n
[a, b] = [a, x1 ] ∪ [x1 , x2 ] ∪ · · · ∪ [xn−2 , xn−1 ] ∪ [xn−1 , b] = ∪ [xi−1 , xi ]
i=1
La longitud de estos subintervalos se denomina incremento de xi y se representa por ∆xi = xi − xi−1 .

Denotaremos por P[a, b] al conjunto de todas las particiones del intervalo cerrado [a, b] . Considerando en el
conjunto la relación de orden de inclusión, diremos que P2 es más fina que P1 , si P1 ⊆ P2 .
Como P2 tiene todos los puntos de P1 y quizás alguno más, cada subintervalo obtenido con P2 está
contenido en alguno de los dados por P1 , es decir, la partición dada por P2 es más fina que la dada por P1 .
n o
Ejemplo En [0, 1] , P = 0, 14 , 24 , 34 , 1 es una partición de [0, 1] , que lo “parte” en 4 trozos [0, 1] =
n o
[0, 14 ]∪[ 14 , 24 ]∪[ 24 , 43 ]∪[ 34 , 1] , de igual longitud ∆xi = 41 , para i = 1, 2, 3, 4 . La partición P1 = 0, 41 , 13 , 24 , 34 , 1
n o
es más fina que P y la partición P2 = 0, 24 , 1 es menos fina que P . Es decir, P2 ⊆ P ⊆ P1 .
n o
2(b−a)
En [a, b] , la partición P = a, a + b−a n , a+ n , . . . , a + (n−1)(b−a)
n , b divide al intervalo [a, b] en n
n
h i
(k−1)(b−a)
subintervalos de longitud b−a n : [a, b] = ∪ a + n , a + k(b−a)
n . 4
k=1

10.1.2 Sumas inferiores y superiores

Definición 274.- Sea f : [a, b] −→ n


R acotada y P ∈ P[a, o b] . En cada [xi−1 , n
xi ] , considemos el inferior
o y el
superior de f en él: mi = inf f (x) : xi−1 ≤ x ≤ xi y Mi = sup f (x) : x ∈ [xi−1 , xi ] .
n
P Pn
Llamarenos suma inferior de f para la partición P al valor L(f, P ) = mi (xi − xi−1 ) = mi ∆xi
i=1 i=1
n
P n
P
y llamaremos suma superior de f para la partición P a U (f, P ) = Mi (xi − xi−1 ) = Mi ∆xi .
i=1 i=1

Si la función es positiva, una suma inferior significa una cota por M


defecto del valor del área que encierra la función con el eje de
abcisas (suma de áreas de rectángulos de base ∆xi y altura mi ), m
y una suma superior una cota por exceso del valor del área. En
la figura de la derecha, la suma inferior es el área de la zona
gris oscuro y la suma superior el de dicha zona más las áreas
de los rectángulos superiores. Puede observarse como en cada
intervalo la curva, y por tanto, el área que encierra, está entre a b
ambos valores.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
149 – Matemáticas 1 : Cálculo integral en R 10.2 Integral de una función real de variable real

n o
Ejemplo 275 Si tomamos f : [0, 1] −→ R donde f (x) = 2x , y la partición P = 0, 13 , 23 , 1 , se tiene que
[0, 1] = [0, 13 ] ∪ [ 13 , 23 ] ∪ [ 23 , 1] y que ∆x1 = ∆x2 = ∆x3 = 1
3 . Luego

m1 = inf{2x : x ∈ [0, 13 ]} = 0 M1 = sup{2x : x ∈ [0, 13 ]} = 2


3
m2 = inf{2x : x ∈ [ 13 , 23 ]} = 2
3 M2 = sup{2x : x ∈ [ 13 , 23 ]} = 4
3
m3 = inf{2x : x ∈ [ 23 , 1]} = 4
3 M3 = sup{2x : x ∈ [ 23 , 1]} = 2

1 2 1 4 1 2 2 1 4 1 1 4
L(f, P ) = 0 · 3 + 3 · 3 + 3 · 3 = 3 U (f, P ) = 3 · 3 + 3 · 3 +2· 3 = 3

Como el área encerrada por la función es 1 (es el área de un triángulo de altura 2 y base 1 ), se verifica que
L(f, P ) = 23 ≤ 1 ≤ 43 = U (f, P ) . 4

Propiedades 276.- Sea f : [a, b] −→ R una función acotada.


a) Para toda P ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, P ) .
b) Para todas P1 , P2 ∈ P[a, b] con P1 ⊆ P2 , se verifica que
L(f, P1 ) ≤ L(f, P2 ) y U (f, P2 ) ≤ U (f, P1 ) .
c) Para cualesquiera P, Q ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, Q) . .
De las propiedades a) y b) anteriores, es fácil deducir que L(f, P1 ) ≤ L(f, P2 ) ≤ U (f, P2 ) ≤ U (f, P1 ) ,
por lo que resulta evidente el siguiente corolario
Corolario 277.- Sean f : [a, b] −→ R una función acotada y P0 ∈ P[a, b] . Entonces, para toda P ∈ P[a, b] con
P0 ⊆ P , se verifica que
0 ≤ U (f, P ) − L(f, P ) ≤ U (f, P0 ) − L(f, P0 )

10.2 Integral de una función real de variable real


Si tomamdo particiones más finas las sumas inferiores van en aumento y las superiores en disminución es
razonable desear que acaben encontrandose (cuando las sumas inferiores y superiores significan cotas por defecto
y exceso del área encerrado, encontrarse significa precisamente el valor exacto de dicho área).
Pero para formalizar estos deseos con construcciones matemáticas sólidas, necesitamos expresar de manera
más rigurosa la situación que describimos:
Si f : [a, b] −→ R está acotada, los conjuntos de números reales
 
A = L(f, P ) : P ∈ P[a, b] y B = U (f, P ) : P ∈ P[a, b]
son no vacı́os y, por la propiedad c) de 276, el conjunto A está acotado superiormente (cualquier suma superior
es cota superior de A ) y el conjunto B está acotado inferiormente (cualquier suma inferior es cota inferior de
B ). En consecuencia, el conjunto de las suma inferiores tiene un extremo superior, que llamaremos integral
inferior, I , y el conjunto de las sumas superiores tiene un extremo inferor, que llamaremos integral superior,
I , y se cumple
n o n o
sup A = sup L(f, P ) : P ∈ P[a, b] = I ≤ I = inf U (f, P ) : P ∈ P[a, b] = inf B

Lo que nos lleva a la siguiente definición

Definición 278.- Sea f : [a, b] −→ R una función acotada. Se dice que f es integrable si y sólo si I = I .
El valor I = I = I , se denomina integral de Riemann de la función f en [a, b] , y se representa por
Z b Z b
I= f ó I= f (x) dx (si se quiere poner énfasis en la variable usada)
a a

Teorema 279.- (Condición de integrabilidad de Riemann)


Una función f : [a, b] −→ R acotada es integrable Riemann si, y sólo si, para todo ε > 0 existe una partición
Pε ∈ P[a, b] tal que
U (f, Pε ) − L(f, Pε ) < ε .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
150 – Matemáticas 1 : Cálculo integral en R 10.2 Integral de una función real de variable real

Propiedades 280.- Sean f, g: [a, b] −→ R integrables en [a, b] , λ ∈ R y a < c < b. Entonces


Z b Z b Z b
1.- f + g es integrable en [a, b] y (f + g) = f+ g.
a a a
Z b Z b
2.- λf es integrable en [a, b] y λf = λ f.
a a

3.- f integrable en [a, b] si, y sólo si, f es integrable en [a, c] y [c, b] .


Z b Z c Z b
En ese caso, f= f+ f. .
a a c

Z a Z a Z b
Definición 281.- Por convenio, f (x) dx = 0 ; f (x) dx = − f (x) dx.
a b a

Como consecuencia de esta definición la propiedad (3) puede generalizarse a cualquier c ∈ R, siempre que
la función sea integrable en los intervalos correspondientes, es decir:
Z b Z c Z b
Proposición 282.- Sea [a, b] ⊂ R y c ∈ R . Entonces f (x) dx = f (x) dx + f (x) dx,
a a c
siempre que las integrales existan (es decir, que f sea integrable en los intervalos correspondientes)
Demostración:
Sea a ≤ b ≤ c (análogamente si c ≤ a ≤ b). Si f es integrable en [a, c] , por la propiedad (3),
Z c Z b Z c
f (x) dx = f (x) dx + f (x) dx,
a a b

luego
Z b Z c Z c Z c Z b
f (x) dx = f (x) dx − f (x) dx = f (x) dx + f (x) dx.
a a b a c

10.2.1 Sumas de Riemann ∗


Antes de seguir, un pequeño inciso que comentaremos una vez veamos la siguiente definición
Definición 283.- Sea f : [a, b] −→ R una función acotada. Para cada partición P ∈ P[a, b] elijamos un conjunto
E = {e1 , e2 , . . . , en } tal que ei ∈ [xi−1 , xi ] para todo i = 1, . . . , n . Se llama suma de Riemann de la función
f para la partición P y el conjunto E al número
n
X
S(f, P, E) = f (ei )∆xi .
i=1

Observación: Es claro que para cualquier partición P y


cualquier conjunto E elegido en ella, se verifica que

L(f, P ) ≤ S(f, P, E) ≤ U (f, P ),


Mi
pues en cada uno de los subintervalos [xi−1 , xi ], se cumple que
mi ≤ f (ei ) ≤ Mi para cualquier elemento ei ∈ [xi−1 , xi ] que f (ei )
elijamos. La evidencia anterior de que las sumas de Riemann
y las sumas inferiores y superiores tienen una relación muy mi
estrecha, se hace notoria en la prueba de las condiciones de
integrabilidad que aborda el resultado siguiente: Fig. 10.1 Sumas de Riemann
Proposición 284.- Sea f : [a, b] −→ R una función acotada. Entonces f es integrable en [a, b] y el valor de
su integral es I si y sólo si para cada ε > 0 existe Pε ∈ P[a, b] tal que para toda P más fina, Pε ⊆ P , y
cualquier elección del conjunto E asociado a P se cumple que |S(f, P, E) − I| < ε. .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
151 – Matemáticas 1 : Cálculo integral en R 10.2 Integral de una función real de variable real

Este resultado nos indica que podemos definir la integral tanto con las sumas superiores e inferiores como con
estas sumas de Riemann, y de manera bastante análoga. Sin embargo es mucho más intuitiva la construcción
propuesta por Darboux que nosotros hemos hecho, que la construcción de Riemann asumiendo que el “parecido”
de las sumas de Riemann con el área deben llevar necesariamente a la integración.
No obstante, la construcción de Riemann es previa a la de Darboux y es de ella de quien deriva la notación
n
Z b
P
usada: de f (ei )∆xi pasamos a f (x) dx si pensamos en que al final “dividimos” el intervalo en
i=1 a
trocitos unipuntuales, como expresa esta notación.

10.2.2 Otras propiedades de la integral


Z b
Proposición 285.- Sea f : [a, b] −→ R integrable en [a, b] y tal que f ≥ 0 en [a, b] , entonces f ≥ 0.
a

Demostración:
Z b
Es claro, pues para cualquier P ∈ P[a, b] se tiene que 0 ≤ L(f, P ) ≤ I = f.
a

Z b Z b
Corolario 286.- Sean f y g integrables en [a, b] tales que f ≤ g en [a, b] . Entonces f≤ g.
a a

Demostración:
Z b Z b Z b Z b Z b
Como 0 ≤ (g − f ) , se tiene 0 ≤ (g − f ) = g− f . Luego f≤ g.
a a a a a

Proposición 287.- Sea f integrable en [a, b] , entonces |f | es integrable en [a, b] y se verifica que
Z Z
b b
f (x) dx ≤ |f (x)| dx .

a .
a

Corolario 288.- Sea f : [a, b] −→ R integrable en [a, b] . Para cualesquiera c, d ∈ [a, b] se verifica que
Z Z
d d
f (x) dx ≤ |f (x)| dx


c c

Demostración:
En efecto, si c ≤ d es la proposicion 287. Si d ≤ c, se tiene
Z c Z c Z c Z d Z d Z d
− |f (x)| dx ≤ f (x) dx ≤ |f (x)| dx =⇒ |f (x)| dx ≤ − f (x) dx ≤ − |f (x)| dx,
d d d c c c
Z Z
d d
luego f (x) dx ≤ |f (x)| dx .

c c

Proposición 289.- Si f y g son integrables en [a, b] , entonces f g es integrable en [a, b] . .

10.2.3 Algunas funciones integrables

Proposición 290.- Sea f : [a, b] −→ R una función monótona. Entonces f es integrable en [a, b] .
Demostración:
Supongamos que f es monótona creciente (análogo para decreciente). Entonces, para cualquier partición
P ∈ P[a, b] se tiene que mi = f (xi−1 ) y Mi = f (xi ) , para todo i = 1, 2, . . . , n . En particular, si Pn es

Pn = a, a + b−a b−a b−a b−a



n , a + 2 n , . . . , a + (n − 1) n , a + n n = b

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
152 – Matemáticas 1 : Cálculo integral en R 10.3 Integración y derivación

n n
f (xi−1 )∆xi , con xi = a + i b−a b−a
P P
son U (f, Pn ) = f (xi )∆xi y L(f, Pn ) = n y ∆xi = n , luego
i=1 i=1

n  b − a n
X b − a X  b − a 
U (f, Pn ) − L(f, Pn ) = f (xi ) − f (xi−1 ) = f (xi ) − f (xi−1 ) = f (b) − f (a) .
i=1
n n i=1 n

b−a ε
Luego tomando n suficientemente grande para que n < f (b)−f (a) , entonces

b − a  ε  
U (f, Pn ) − L(f, Pn ) = f (b) − f (a) < f (b) − f (a) = ε.
n f (b) − f (a)

Teorema 291.- Sea f : [a, b] −→ R una función continua en [a, b] . Entonces f es integrable en [a, b] .

Teorema 292.- Sea f : [a, b] −→ R una función acotada en [a, b] y continua en [a, b] salvo acaso en una cantidad
numerable de puntos de dicho intervalo. Entonces f es integrable en [a, b] .

10.3 Integración y derivación

Teorema 293.- Sea f : [a, b] −→ R integrable en [a, b] , con a < b , y m ≤ f (x) ≤ M para todo x ∈ [a, b] .
Entonces Z b
1
m≤ f (x) dx ≤ M.
b−a a
Demostración:
Z b Z b Z b
Por ser m ≤ f (x) ≤ M para todo x ∈ [a, b] , se tiene que m dx ≤ f (x) dx ≤ M dx, entonces (ver
Z b a a Z b a
1
ejercicio 10.242) m(b − a) ≤ f (x) dx ≤ M (b − a) , luego m ≤ b−a f (x) dx ≤ M
a a

Z b Z a Z a
1 1 1
Nota: Como b−a f (x) dx = a−b f (x) dx , también es cierto que m ≤ a−b f (x) dx ≤ M .
a b b

Teorema de la media 294.- Sea f : [a, b] −→ R una función continua en [a, b] , entonces existe ξ ∈ [a, b] tal
que
Z b
f (x) dx = f (ξ)(b − a).
a

Demostración:
Al ser f continua en [a, b] , alcanzará el mı́nimo y el máximo en [a, b] . Sean éstos m y M respectivamente.
Z b
1
Por el teorema anterior 293, m ≤ b−a f (x) dx ≤ M y, por ser f continua, toma todos los valores entre el
a Z b
1
mı́nimo y el máximo; por consiguiente, existe ξ ∈ [a, b] tal que f (ξ) = b−a f (x) dx.
a

Z x295.- Sea f : [a, b] −→ R integrable en [a, b] . La función F : [a, b] −→ R definida de la forma


Definición
F (x) = f (t) dt recibe el nombre de función integral de la función f .
a

Teorema 296.- Sea f : [a, b] −→ R integrable en [a, b] . Entonces su función integral es continua en [a, b] .
Demostración:
Como f está acotada en [a, b] , existe M ∈ R tal que |f (x)| ≤ M , para todo x ∈ [a, b] .
Sea entonces x ∈ [a, b] , la función F estará definida en todos los puntos de la forma x + h siempre que
a < x + h < b, luego
Z x+h Z x Z x+h
F (x + h) − F (x) = f (t) dt − f (t) dt = f (t) dt.
a a x

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
153 – Matemáticas 1 : Cálculo integral en R 10.3 Integración y derivación

Como −M ≤ f (x) ≤ M para todo x ∈ [a, b] , por el teorema 293 y la observación posterior, se tiene que
Z
1 x+h 1 x+h
Z
−M ≤ f (t) dt ≤ M, y, por tanto, |F (x + h) − F (x)| = |h| f (t) dt ≤ M |h| .

h x h x
 
Tomando lı́mites, cuando h → 0 , lı́m F (x + h) − F (x) = 0 y F es continua en cada x ∈ [a, b] .
h→0

Z x
Teorema fundamental del Cálculo Integral 297.- Sea f : [a, b] −→ R integrable y F (x) = f (t) dt su
a
función integral. Si f es continua en [a, b] , entonces
a) F es derivable en [a, b] .

b) F 0 (x) = f (x) , para todo x ∈ [a, b] .


Demostración:
Sea x ∈ (a, b) . La función F estará definida en todos los puntos de la forma x + h siempre que a < x + h < b,
entonces Z x+h
f (t) dt
F (x + h) − F (x) f (ξ)h
lı́m = lı́m x = lı́m = lı́m f (ξ) = f (x),
h→0 h h→0 h h→0 h h→0
ya que, por el teorema de la media 294, ξ es un punto comprendido entre x y x + h; y f es continua en [a, b] .
Ası́ pues F es derivable para todo x ∈ (a, b) y F 0 (x) = f (x) .
Como F y f son continuas en [a, b] , F es derivable “por la derecha” en a y “por la izquierda” en b,
verificándose que F 0 (a) = f (a) y F 0 (b) = f (b) .

Regla de Barrow 298.- Sea f : [a, b] −→ R integrable en [a, b] . Si G: [a, b] −→ R es una primitiva de f en
[a, b] , entonces
Z b
f (x) dx = G(b) − G(a) .
a

Z 3
Ejemplo 2x dx es el área del triángulo de vértices (0, 0) , (3, 0) y (3, 6) , pero también, por la regla de
0 Z 3  i3
Barrow, puede calcularse como: 2x dx = x2 = 32 − 02 = 9 4
0 0

Teorema del Cambio de variable 299.- Sean f : [a, b] −→ R continua en [a, b] y x = φ(t) siendo φ(t) y φ0 (t)
funciones continuas en [α, β] (ó [β, α] ), con φ(α) = a y φ(β) = b. Entonces:
Z b Z β
f (x) dx = f (φ(t))φ0 (t) dt.
a α

Demostración: Z x Z t
f (φ(t))φ0 (t) es también continua, luego las funciones F (x) = f (u) du y G(t) = f (φ(v))φ0 (v) dv
a α
son respectivamente primitivas de f (x) y f (φ(t))φ0 (t) .
Ahora bién, como F es una primitiva de f , F (φ(t)) es también una primitiva de f (φ(t))φ0 (t) , luego
F (φ(t)) = G(t) + C , para todo t ∈ [α, β] .
Para t = α se tiene F (φ(α)) = G(α) + C , y como F (φ(α)) = F (a) = 0 y G(α) = 0 , entonces C = 0 .
Y para t = β se tiene F (φ(β)) = G(β) , es decir,
Z b Z β
f (x) dx = f (φ(t))φ0 (t) dt.
a α

Z 7
√ √ √
Ejemplo Para calcular 3
1 + x dx hacemos el cambio 1 + x = t3 , de donde 3 1 + 0 = 1 y 3 1 + 7 = 2 ,
Z 7 0 Z 2√ Z 2
√  4 i2
3t3 = 3t4 = 34 (16 − 1) = 45
3 3 3 2
y se tiene que 1 + x dx = t 3t td = 4 4
0 1 1 1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
154 – Matemáticas 1 : Cálculo integral en R 10.4 Integrales impropias

10.4 Integrales impropias


En las secciones anteriores hemos construido la integral de Riemann con las premisas de acotación
? Dom(f ) = [a, b] es un conjunto acotado.
? f : [a, b] −→ R está acotada en [a, b] .
Si no se cumple la primera, nos encontraremos con Integrales impropias de primera especie, y si la que
falla es la segunda hablaremos de integrales impropias de segunda especie.

10.4.1 Integrales impropias de primera especie

Definición 300.- Sea f : [a, +∞) −→ R integrable en [a, t] , para todo t ≥ a. De


Z +∞ Z t
f (x) dx = lı́m f (x) dx
a t→+∞ a

se dice integral impropia de primera especie


De forma análoga se definen para funciones f : (−∞, b] −→ R integrables en [t, b] , para todo t ∈ R, por
Z b Z b
f (x) dx = lı́m f (x) dx
−∞ t→−∞ t

O, con el cambio x = −y , transformándola en una de las anteriores


Z b Z b Z −b Z −t Z +∞
f (x) dx = lı́m f (x) dx = lı́m −f (−y) dy = lı́m f (−y) dy = f (−y) dy
−∞ t→−∞ t t→−∞ −t t→−∞ −b −b

Es evidente entonces que el estudio para las primeras tendrá un espejo en las segundas, pero que no repetiremos.
Z t
Definición 301.- Si lı́m f (x) dx existe y es finito diremos que la integral impropia es convergente y
t→+∞ a
Z t Z +∞
que lı́m f (x) dx = f (x) dx es su valor.
t→+∞ a a
Si el lı́mite anterior es infinito, a ∞ ó −∞ , se dice que la integral impropia es divergente (hacia ∞ ó
hacia −∞ ), y si no existe el lı́mite se dice que es oscilante
Z ∞ Z t  it
x2 t2 1
Ejemplo La integral x dx es divergente, pues lı́m x dx = lı́m 2 = lı́m − = +∞ 4
1 t→+∞ 1 t→+∞ 1 t→+∞ 2 2

Z ∞ Z t
t
Ejemplo cos x dx es oscilante, pues lı́m cos x dx = lı́m (sen x]0 = lı́m sen t que 6 ∃ 4
0 t→+∞ 0 t→+∞ t→+∞

Z 0 Z 0
0
Ejemplo 1
1+x2 dx = π
2 , pues lı́m 1
1+x2 dx = lı́m (arctg x]t = lı́m arctg 0 − arctg t = − −π
2 4
−∞ t→−∞ t t→−∞ t→−∞

Z ∞
dx
Ejemplo 302 Estudiar el carácter de xα , para α ∈ R .
1
Como la función tiene primitivas distintas para α = 1 y α 6= 1 , las estudiamos por separado:
Z t it
1 
Si α = 1 , lı́m dx = lı́m ln x = lı́m (ln t − ln 1) = lı́m ln t = +∞, luego diverge
t→+∞ 1 x t→+∞ 1 t→+∞ t→+∞

Si α 6= 1 ,
t t
x−α+1 t−α+1 1−α+1
 −1
t1−α − 1
Z   
−α , si α > 1
lı́m x dx = lı́m = lı́m = lı́m = 1−α −
t→+∞ 1 t→+∞
1
t→+∞ −α + 1 t→+∞ 1 − α +∞, si α < 1
−α + 1 −α + 1
Z ∞ Z ∞
dx dx 1
Resumiendo, xα diverge si α ≤ 1 y converge si α > 1 . En este último caso, xα = α−1 . 4
1 1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
155 – Matemáticas 1 : Cálculo integral en R 10.4 Integrales impropias

Definición 303.- Diremos que dos integrales impropias tienen el mismo carácter, y lo representaremos por
“ ∼”, si son simultáneamente convergentes, divergentes u oscilantes.

Propiedades 304.- Sean f, g: [a, +∞) −→ R integrables en [a, t] para todo t ≥ a .


Z +∞ Z +∞
1.- Para cualquier b ≥ a, se tiene que f (x)dx ∼ f (x)dx
a b
Z +∞ Z +∞
2.- Para cualquier λ ∈ R − {0} , se tiene que f (x) dx ∼ λf (x) dx
a a
Z +∞ Z +∞ Z +∞ Z +∞ Z +∞ Z +∞
3.- Si f y g convergen, entonces converge f +g y f +g = f+ g
a a a a a a

Demostración:
1.- Como
!
Z t Z b Z t Z b Z t
lı́m f (x) dx = lı́m f (x) dx + f (x) dx = f (x) dx + lı́m f (x) dx
t→+∞ a t→+∞ a b a t→+∞ b

el lı́mite de la izquierda es finito, infinito o no existe si el lı́mite de la derecha es finito, infinito o no existe
respectivamente. Y viceversa.
Z t Z t
2.- Como lı́m λf (x) dx = λ lı́m f (x) dx , ambos son simultáneamente finitos, infinitos o no existen
t→+∞ a t→+∞ a
Z t Z t Z t
3.- Cierto, pues lı́m (f+g)(x) dx = lı́m f (x) dx+ lı́m g(x) dx, si los segundos lı́mites existen.
t→+∞ a t→+∞ a t→+∞ a

Z ∞
x+2 x+2 1 1
Ejemplo La integral x3 dx es convergente, ya que x3 = x2 + 2 x3 y por las propiedades 304 anteri-
Z ∞ Z ∞ 2 Z ∞ Z ∞ Z ∞
1 (P.1) 1 1 (P.2) 1 (P.1) 1
ores, x2 dx ∼ x2 dx y 2 x 3 dx ∼ x 3 dx ∼ x3 dx , que son ambas convergentes
2 1 2 2Z 1

x+2
(ejemplo 302). Luego por la propiedad (P.3) la integral x3 dx es convergente por ser suma de integrales
Z ∞ Z ∞ Z ∞ 2
x+2 1
convergentes y x3 dx = x2 dx + 2 x13 dx 4
2 2 2

Proposición 305.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ∈ [a, +∞) . Si lı́m f (x) = L 6= 0
Z ∞ x→+∞

entonces f (x) dx diverge. .


a

Observación 306.- Como consecuencia de este resultado, si una función tiene lı́mite en +∞ , su integral sólo
puede ser convergente cuando el lı́mite es cero. (Si el lı́mite no existe no se puede asegurar nada.)
El recı́proco de la proposición 305 no es cierto, una integral puede ser divergente, aunque su lı́mite sea 0 .
Z ∞
dx
Contraejemplo x diverge (ver ejemplo 302) y sin embargo, lı́m x1 = 0 .
1 x→+∞

10.4.2 Criterios de comparación para funciones no negativas

Teorema 307.- Sea f : [a, +∞) −→ R integrable y no negativa en [a, t] , ∀t ∈ R .


Z +∞ Z t
f (x) dx es convergente ⇐⇒ F (t) = f (x) dx está acotada superiormente. .
a a

Z +∞
Nota: En consecuencia, para funciones no negativas, f (x) dx sólo puede ser convergente o divergente.
a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
156 – Matemáticas 1 : Cálculo integral en R 10.4 Integrales impropias

Primer criterio de comparación 308.- Sean f, g: [a, +∞) −→ R integrables en [a, t] para todo t ≥ a y
supongamos que existe b > a tal que 0 ≤ f (x) ≤ g(x) para todo x ≥ b. Entonces:
Z +∞ Z +∞
a) Si g(x) dx converge ⇒ f (x) dx también converge.
a a
Z +∞ Z +∞
b) Si f (x) dx diverge ⇒ g(x) dx también diverge.
a a

Demostración: Z +∞ Z +∞ Z +∞ Z +∞
Por la propiedad 1 de 304, f ∼ f y g ∼ g, luego basta probarlo en [b, +∞) . Y
a b Za b
t Z t
como 0 ≤ f (x) ≤ g(x) , también se tendrá F (t) = f (x) dx ≤ g(x) dx = G(t)
b b
Z +∞ Z +∞
a) Si g converge, G(t) está acotada superiormente y F (t) que es menor también; luego f converge
b b
Z +∞ Z +∞
b) Si f diverge, F (t) no está acotada superiormente y G(t) tampoco, luego g diverge
b b

Z ∞
1 2 1 1
Ejemplo x2 +1 dx es convergente, pues en [1, +∞) , 0 < x < x2 + 1 de donde 0 < 1+x2 < x2 . Luego
Z ∞ 1Z

1 1
x2 +1 dx ≤ x2 dx y como la mayor es convergente, la menor también. 4
1 1

Z ∞
1 1 1
Ejemplo x+1 dx es divergente, pues en [1, +∞) , 0 < x + 1 < x + x = 2x de donde 0 < 2x < x+1 . Luego
Z ∞ 1
Z ∞
1 1 1
2 x dx ≤ x+1 dx y como la menor es divergente, la mayor también lo es. 4
1 1

Segundo criterio de comparación 309.- Sean f, g: [a, +∞) −→ R integrables en [a, t] , para todo t ≥ a y no
negativas. Supongamos que existe lı́m fg(x)
(x)
= L. Entonces:
x→+∞
Z +∞ Z +∞
a) Si 0 < L < +∞ =⇒ f (x) dx ∼ g(x) dx.
a a

b) Si L = 0 , se tiene:
Z +∞ Z +∞
[i] si g(x) dx converge =⇒ f (x) dx converge.
a a
Z +∞ Z +∞
[ii] si f (x) dx diverge =⇒ g(x) dx diverge.
a a

c) Si L = +∞ , se tiene:
Z +∞ Z +∞
[i] si f (x) dx converge =⇒ g(x) dx converge.
a a
Z +∞ Z +∞
[ii] si g(x) dx diverge =⇒ f (x) dx diverge. .
a a

Z ∞ 1
√ 2
1√ x2 − x
Ejemplo x2 − x
dx es convergente, pues [2, +∞) es positiva y lı́m 1 = lı́m 2 x √ = 1 6= 0 .
x→+∞ x 2 x→+∞ x − x
Z ∞ 2 Z ∞
1√ 1
Luego x2 − x
dx ∼ x2 dx que converge. 4
2 2

Observación: Aunque losZ criterios Zdados son válidos únicamente para funciones positivas en un entornoZde +∞ ,
+∞ +∞ +∞
teniendo en cuenta que f∼ −f , para las funciones negativas basta estudiar el carácter de −f.
a a a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
157 – Matemáticas 1 : Cálculo integral en R 10.4 Integrales impropias

10.4.3 Convergencia absoluta


Z +∞
Definición 310.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ≥ a . Diremos que f (x)dx es
Z +∞ a

absolutamente convergente si |f (x)|dx converge.


a

Teorema 311.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ≥ a.


Z ∞ Z +∞
Si |f (x)|dx converge, entonces f (x)dx converge.
a a

En otras palabras, si una integral impropia converge absolutamente entonces converge.


Demostración:
Para todo x ∈ [a, +∞) se tiene −|f (x)| ≤ f (x) ≤ |f (x)|, luego 0 ≤ f (x) + |f (x)| ≤ 2|f (x)| . Entonces, si
Z +∞ Z +∞
|f (x)|dx converge se tiene que (|f (x)| + f (x)) dx es convergente y, por tanto, aplicando al propiedad
a a
3 de 304, se tiene que Z +∞ Z +∞ Z +∞
f (x)dx = (f (x) + |f (x)|) dx − |f (x)|dx
a a a
converge.

Z ∞
sen x
Nota: El recı́proco no es cierto, pues x dx es convergente pero no converge absolutamente
π

10.4.4 Integrales impropias de segunda especie


Cuando la función no está acotada en el intervalo, tenemos estas integrales de segunda especie:
Definición 312.- Sea f : (a, b] −→ R integrable en [t, b] , para todo t ∈ (a, b] , y no acotada. De
Z b Z b
f (x)dx = lı́m+ f (x) dx
a+ t→a t

se dice integral impropia de segunda especie


Análogamente se definen las integrales impropias de segunda especie en intervalos de la forma [a, b) , para fun-
ciones f : [a, b) −→ R integrables en [a, t] , ∀t ∈ [a, b) y no acotadas
Z b− Z t Z b−
f (x)dx = lı́m− f (x) dx ó f.
a t→b a a

Observaciones 313.- Los distintos tipos de integrales impropias tienen, en realidad, el mismo comportamiento
y cumplen condiciones similares
Z b− Z b
1.- En efecto, con el cambio x = a + b − t , se tiene que f (x)dx = f (a+b−t)dt y todas las
a a+
integrales de segunda especie pueden ser del mismo tipo
Z b Z +∞
f ( 1t +a)
2.- pero también el cambio x = a + 1t , produce que f (x)dx = t2 dt y que todas las
1
a+ b−a
integrales impropias de segunda especie se transformen en una de primera especie
3.- Es claro por las definiciones y por estas observaciones anteriores, que las caracterizaciones de convergencia,
divergencia y oscilanción sean idénticas en las de segunda especie; lo mismo que el comportamiento de
las integrales impropias para funciones no negativas, ası́ como en la convergencia absoluta
4.- De hecho los criterios de convergencia de integrales impropias de segunda especie para funciones no
negativas son idénticos (pero acomomodados a estas) a los de primera especie:

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
158 – Matemáticas 1 : Cálculo integral en R 10.4 Integrales impropias

Primer criterio de comparación 314.- Sean f, g: (a, b] −→ R integrables en [t, b] , para todo t ∈ (a, b] , y no
acotadas. Supongamos que existe c ∈ (a, b] tal que 0 ≤ f (x) ≤ g(x) , para todo x ∈ (a, c] , entonces
Z b Z b
a) Si g(x)dx converge =⇒ f (x)dx también converge.
a+ a+
Z b Z b
b) Si f (x)dx diverge =⇒ g(x)dx también diverge.
a+ a+

Segundo criterio de comparación 315.- Sean f, g: (a, b] −→ R integrables en [t, b] , para todo t ∈ (a, b] , no
negativas y no acotadas. Supongamos que existe y es finito lı́m+ fg(x)
(x)
= L. Entonces:
x→a
Z b Z b
a) Si L 6= 0 entonces, f (x)dx ∼ g(x)dx.
a+ a+

b) Si L = 0 , se tiene:
Z b Z b
[i] Si g(x)dx converge =⇒ f (x)dx también converge.
a+ a+
Z b Z b
[ii] Si f (x)dx diverge =⇒ g(x)dx también diverge.
a+ a+

Teorema 316.- (Convergencia absoluta.)


Sea f : (a, b] −→ R integrable en [t, b] , ∀t ∈ (a, b] , y no acotada.
Z b Z b
Si |f (x)|dx convergente =⇒ f (x)dx es convergente.
a+ a+

Para usar esos criterios son muy útiles las familias de integrales impropias de segunda especie siguientes:
Z b Z b−
dx dx
Ejemplo 317 Estudiar el carácter de (x−a)α y de (b−x)α , para los α ∈ R.
a+ a
Solución:
Si α = 1 ,
Z b ib
dx   
lı́m+ = lı́m+ ln |x − a| = lı́m+ ln |b − a| − ln |t − a| = +∞
t→a t x−a t→a t t→a
Z t it
dx   
lı́m = lı́m − ln |b − x| = lı́m ln |b − a| − ln |b − t| = +∞
t→b− a b − x t→b− a t→b−

Si α 6= 1 ,
Z b  b
dx 1 1
lı́m+ = lı́m
t→a t (x − a)α t→a+ 1 − α (x − a)α−1 t
   1
= lı́m+
1 1

1
= (1−α)(b−a)α−1 , si α < 1
t→a 1 − α (b − a)α−1 (t − a)α−1 +∞, si α > 1
t  t
−1
Z
dx 1
lı́m = lı́m
t→bb a (b − x)α t→b− 1 − α (b − x)α−1 a
   1
= lı́m−
1 1

1
= (1−α)(b−a)α−1 , si α < 1
t→b α − 1 (b − t)α−1 (b − a)α−1 +∞, si α > 1

luego converge si α < 1 y diverge si α ≥ 1 .


Z b−
dx
Análogamente se hace la segunda, y se obtiene que (b−x)α converge si α < 1 y diverge si α ≥ 1 . 4
a

Cuando se reunen en una sola integral varias impropiedades, la única manera de resolver el problema es
separar la integral en varias integrales impropias que tengan con una sola impropiedad. Esto es precisamente
lo que aparece recogido en las siguientes definiciones:

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
159 – Matemáticas 1 : Cálculo integral en R 10.5 Ejercicios

Z +∞
Definición 318.- Sea f : R −→ R integrable en todo intervalo cerrado [t1 , t2 ] ⊂ R, diremos que f (x) dx
−∞
Z c Z +∞
es convergente si para algún c ∈ R las dos integrales f y son convergentes.
−∞ c
Z +∞ Z c Z +∞
Y en ese caso: f (x) dx = f (x) dx + f (x) dx
−∞ −∞ c

Z b−
Definición 319.- f : (a, b) −→ R integrable en cada [t1 , t2 ] ⊂ (a, b) . La f es convergente si para algún
a+
Z c Z b− Z b− Z c Z b−
c ∈ R las dos integrales f y f son convergentes. Y en ese caso f= f+ f
a+ c a+ a+ c

Z ∞
Definición 320.- f : (a, ∞) −→ R integrable en cada [t1 , t2 ] ⊂ (a, ∞) . La f es convergente si para algún
Z c Z ∞ Z ∞a+ Z c Z ∞
c ∈ R las dos integrales f y f son convergentes. Y en ese caso f= f+ f
a+ c a+ a+ c

10.5 Ejercicios
10.242 Comprobar que la función f (x) = k , donde k es constante, es integrable en cualquier intervalo [a, b] de
R y calcular el valor de la integral.

1, si x ∈ [0, 1]
10.243 Comprobar que la función f (x) = es integrable Riemann en [0, 2] . (Utilizar la condición
2, si x ∈ (1, 2]
de integrabilidad de Riemann.)

10.244 Justificar razonadamente la falsedad de las siguientes afirmaciones:

a) U (f, P1 ) = 4 para P1 = {0, 1, 32 , 2} y U (f, P2 ) = 5 para P2 = {0, 41 , 1, 32 , 2}.


b) L(f, P1 ) = 5 para P1 = {0, 1, 32 , 2} y L(f, P2 ) = 4 para P2 = {0, 41 , 1, 32 , 2} .
c) Tomando P ∈ P[−1, 1] ,
(i) L(f, P ) = 3 y U (f, P ) = 2 .
Z 1
(ii) L(f, P ) = 3 y U (f, P ) = 6 y f (x) dx = 2 .
−1
Z 1
(iii) L(f, P ) = 3 y U (f, P ) = 6 y f (x) dx = 10 .
−1
Z 1 Z 2 Z 5
10.245 Se sabe que f (x) dx = 6 , f (x) dx = 4 y f (x) dx = 1 . Hallar el valor de cada una de las
0 0 2
siguientes integrales:
Z 5 Z 2 Z 5
a) f (x) dx b) f (x) dx c) f (x) dx.
0 1 1
Z x Z x
10.246 Sean f derivable y F (x) = f (t) dt. ¿Es cierto que F 0 (x) = f 0 (t) dt? ¿Por qué?
a a
Z x
10.247 Sea f (x) = 1
1+sen2 t dt . ¿Cual es su dominio? Calcular f 0 (x) y f 00 (x) , indicando sus dominios de
a
definición.
10.248 Hallar f 0 (x) , indicando su dominio de definición, para
Z x3 Z x 3
1 1
a) f (x) = 1+sen2 t dt. b) f (x) = 1+sen2 t dt .
a a
R 
x 1
Z sen x Z
a 1+sen2 t
dt
1 1
c) f (x) = 1+sen2 t dt. d) f (x) = 1+sen2 t dt.
a a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
160 – Matemáticas 1 : Cálculo integral en R 10.5 Ejercicios

10.249 Hallar el dominio y la expresión de f 0 (x) para cada una de las siguientes funciones:
Z 47 Z sec x Z cos x
1 1
a) f (x) = t dt b) f (x) = t dt c) f (x) = sen(t2 ) dt
1
x x2 x3

Z x
0
10.250 Si f es continua, calcular F (x) , siendo F (x) = xf (t) dt.
0
Z x
10.251 Obtener el dominio y la expresión concreta de su función integral F (x) = f (t) dt, para cada una de
a
las funciones siguientes:
a) La función f (t) = t2 para a = −1 . Repetirlo, tomando ahora a = 1 , ¿porque son iguales/distintas?

0, si t < 0
b) La función f (t) = y a=0
2, si t ≥ 0
c) La función f (t) = |t| y a = 0

−2t, si t ≤ 1
d) La función f (t) = , para a = 1 y también para a = 0
1, si t > 1
Comprobar que se cumplen las tesis de los teoremas 296 y 297 anteriores.
10.252 Sea f : R −→ R estrictamente creciente y continua, con f (0) = 0 . Calcular los extremos de la función
Z (x+3)(x−1)
f (t) dt.
0

10.253 Dada la función f estrictamente creciente en R, con f (0) = 0 , y continua, estudiar el crecimiento,
Z x3 −2x2 +x
decrecimiento y los extremos de F (x) = f (t) dt.
1
Z x
2
10.254 Encontrar los valores de x para los que la función F (x) = te−t dt alcanza algún extremo.
0
Z b
10.255 Sea f : [a, b] −→ R de clase 1, tal que f (a) = f (b) = 0 y f 2 (x) dx = 1 . Probar que
a
Z b
1
xf (x)f 0 (x) dx = − .
a 2

10.256 Sean f y g funciones reales continuas en [a, b] que verifican que


Z b Z b
f (x) dx = g(x) dx.
a a

Demostrar que existe un punto c ∈ [a, b] tal que f (c) = g(c) .


Z +∞ Z 0
−x
10.257 Calcular e dx e ex dx
0 −∞
Z +∞
dx
10.258 Calcular el valor de 1+x2
−∞

Z +∞
10.259 Definición: Si f es integrable en cualquier [a, b] de R, se llama valor principal de f (x) al lı́mite
−∞
Z t
lı́m f (x)dx y si la integral impropia es convergente el valor principal es el valor de la integral
t→+∞ −t
Z +∞
dx
Comprobar que el VP 1+x2 coincide con el valor de la integral obtenido en el ejercicio anterior
−∞
Z +∞ Z +∞
10.260 Probar que sen x dx no es convergente, pero que sı́ existe el V P sen x dx?
−∞ −∞

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
161 – Matemáticas 1 : Cálculo integral en R 10.5 Ejercicios

Z +∞ Z +∞
2x−1 2x−1
10.261 Estudiar el carácter de 1+x2 dx y hallar V P 1+x2 dx.
−∞ −∞

10.262 Estudiar el carácter de las integrales siguientes:


Z ∞ Z ∞ Z ∞ Z ∞
2x 2 −x 1
a) (2 + sen x)dx b) e (2x −4x)dx c) e dx d) ch x dx
0 0 −∞ 1
Z ∞ Z 0 Z 0 Z ∞
2
x2 +1 2
e) e−x dx f) e2x (2x2 +4x)dx g) x4 +1 dx h) xe−x dx
−∞ −∞ −∞ 0
Z ∞ Z ∞ Z ∞ Z ∞
sen3 x x dx x ln x
i) 1+cos x+ex dx j) 1+x4 dx k) √
x
l) (1+x2 )2 dx
0 1 0 0

10.263 Estudiar el carácter de las integrales siguientes:


Z 0 Z 1 Z 1
x−1 √ dx sen
√ x+cos x dx
a) (x+1)2 dx b) c)
−1 0 x(1−x) 0 x(1−x)
π
Z π Z 1 Z 2
dx ex √e
x
d) 1−cos x e) ex −1 dx f) sen x
dx
0 0 0

Z +∞
dx
10.264 Probar que xα diverge para cualquier α ∈ R .
0

10.265 Estudiar el carácter de las siguientes integrales, según los valores de α


Z +∞ Z +∞
sen2 x dx
a) x 2 dx b) ln x , para α > 1
α α

10.266 Estudiar el carácter de las integrales siguientes:


Z 1 Z π Z ∞
sen x sen2 2x ln x
a) x2 dx b) x2 dx c) x4 −x3 −x2 +x dx
0 0 1

Z 2 Z 2 Z ∞
x dx dx
d) 4 dx e) x ln x f) 1
0 (x2 −1) 5 1 0 x+(x3 +1) 2
Z +∞ Z 1 Z ∞
ex
g) sen2 x1 dx h) ln x ln(x + 1)dx i) ex +1 dx.
1 0 0

10.267 Estudiar el carácter de las integrales siguientes:



π 2
Z 4
Z 2 π
Z ∞
(1−tg x) sen x 4 −arcsen x ex ex
a) 3 3 dx b) 1 3 dx c) ex +1 − ex −1 dx
0 (π
4 −x)
2 x2 0 x 2 ( √12 −x) 2 0
Z ∞ Z 1 Z ∞√
arctg(x−1) sen3 (x−1) x sen x12
d) √
3
dx e) x ln3 x
dx f) ln(1+x) dx
1 (x−1)4 0 0
π π
Z 4 2
Z 2 2
Z π x2

1+ x
   
1−e−x 1−e−x 2 − 8 − 1+sen x
g) x2 cos x − 1 dx h) x2 cos x − 1 dx i) 7 dx
0 π
0 x2
4

10.268 Encontrar los valores de β , para que las integrales siguientes sean convergentes.
π
Z 2
Z ∞   Z ∞ √1
Z ∞
1−cos x βx 1 1−e x x−sen x
a) xβ
dx b) x2 +1 − 2x+1 dx c) xβ
dx d) xβ
dx
0 2 0 0
Z ∞ Z ∞   Z ∞ Z ∞
dx √ 1 β sen2 x xβ
e) √
x1−β 3 1−x2
f) 1+2x2
− x+1 dx g) x2 −1 dx h) x4 −1 dx
0 0 β β

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
162 – Matemáticas 1 : Cálculo integral en R

Capı́tulo 11

Aplicaciones de la integral
11.1 Áreas de superficies planas
A la vista del estudio de la integral definida realizado en el Tema 10, parece razonable la siguiente definición:
Definición 321.- Sea f : [a, b] −→ R una función continua y positiva, y consideremos la región R del plano
cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y la gráfica de f (ver figura debajo).
Entonces el área de la región R está definida por
Z b
A(R) = f (x) dx.
a

En efecto, en su momento hemos comentado como las sumas inferi-


ores y sumas superiores nos ofrecen aproximaciones por “defecto” y
por “exceso” del área encerrado por la curva y = f (x) , es decir, el y = f (x)
valor de ese área está siempre entre el área calculado por defectoo y
el calculado por exceso. Entonces, cuando la función es integrable,
el inferior de las cotas superiores y el superior de las cotas inferiores
R
coinciden, y como el valor del área indicado por la función está en-
tre ambos valores, necesariamente debe conincidir con el valor de la
integral. a b
2
Ejemplo Calcular el área de la región limitada por la curva f (x) = x3 + 1 , los ejes coordenados y la recta
x = 3.
Solución:
La función es positiva en todo R . En particular, lo es en el dominio de
integración y, por tanto, el valor del área que buscamos vendrá dado por 2
f (x) = x3 +1
Z 3
A(R) = f (x) dx.
0
1 R
3
En nuestro caso, como F (x) = x9 + x es una primitiva de f en [0, 3] ,
x=3
basta aplicar la regla de Barrow para obtener que
3 3
x2
Z    3
x
A(R) = + 1 dx = +x = (3 + 3) − (0 + 0) = 6,
0 3 9 0

nos ofrece el área del recinto R de la figura. 4

11.1.1 Funciones negativas


Cuando la función f : [a, b] −→ R que limita R , es continua y nega-
y = −f (x)
tiva, es decir, f (x) ≤ 0 para todo x ∈ [a, b] , el valor de la integral será
Z b
R0 f (x) dx ≤ 0 , por lo que no puede representar el valor del área de R
a
a b como magnitud de medida positiva. Sin embargo, es claro que el área
R de la región R coincide con el área de la región R0 determinada por la
función −f (ver figura a la izquierda), por lo que, teniendo en cuenta
y = f (x) las propiedades de la integral, puede darse la siguiente definición.

Definición 322.- Sea f : [a, b] −→ R una función continua y negativa. Consideremos la región R del plano
cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y la gráfica de f . Entonces el área de
la región R está definida por
Z b Z b
A(R) = −f (x) dx = − f (x) dx.
a a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
163 – Matemáticas 1 : Cálculo integral en R 11.1 Áreas de superficies planas

Observación 323.- Es claro entonces, que para calcular el área de regiones planas debe analizarse el signo de
la función en el intervalo de integración. De no hacerlo ası́, la parte negativa de la función “restará” el área
que encierra del área encerrado por la parte positiva.
Contraejemplo.- Hallar el área encerrado por la función f (x) = sen x , en el intervalo [0, 2π] .
Z 2π i2π
El valor sen x dx = − cos x = (− cos(2π)) − (− cos 0) = 0 , es claro que no representa el área
0 0
encerrada por la curva.

R1
π 2π
R2

Ahora bien, teniendo en cuenta que la función sen x es positiva en [0, π] y negativa en [π, 2π] , el valor real del
área encerrado será por tanto
Z π Z 2π iπ i2π
A(R) = A(R1 ) + A(R2 ) = sen x dx + − sen x dx = − cos x + cos x = 2 + 2 = 4. 4
0 π 0 π

Ejemplo Hallar el área determinada por la curva f (x) = (x−1)(x−2) ,


las rectas x = 0 , x = 52 y el eje de abcisas.
Como la función f (x) es menor o igual a cero en [1, 2] y positiva en el 2
resto, se tendrá que
5
Z 1 Z 2 Z 2
f (x) = (x−1)(x−2)
A(R) = f (x) dx − f (x) dx + f (x) dx.
0 1 2

x3 3x2
Como G(x) = + 2x es una primitiva de f (x) en [0, 25 ] ,
3 − 2
R1 R3
   R2
A(R) = G(1) − G(0) − G(2) − G(1) + G 52 − G(2)
 
1 2 2.5
5−4+5+5−4 7
= = . 4
6 6

11.1.2 Área entre dos funciones


En las definiciones anteriores puede considerarse, que el área calculado esta encerrado por la función y = f (x)
y la función y = 0 , cuando la f es positiva, y por la función y = 0 y la función y = f (x) , cuando la f es
negativa. En ambos casos, se tiene que
Z b Z b Z b Z b Z b Z b
A(R) = f (x) dx − 0 dx = (f (x) − 0) dx y A(R) = 0 dx − f (x) dx = (0 − f (x)) dx,
a a a a a a

es decir, que el área encerrado por ambas funciones es la integral de la función mayor menos la integral de la
función menor. En general, se tiene que:
Proposición 324.- Si f, g: [a, b] −→ R son funciones continuas, con f (x) ≥ g(x) para todo x ∈ [a, b] . Entonces,
si R es la región del plano cuya frontera viene dada por las rectas x = a , x = b, el eje de abcisas y las gráficas
de f y g , el área de R se obtiene como
Z b Z b Z b  
A(R) = f (x) dx − g(x) dx = f (x) − g(x) dx.
a a a

En efecto, si las funciones verifican que 0 ≤ g(x) ≤ f (x) , es claro que el área encerrado por f y g es el área
encerrado por f menos el área encerrado por g (ver figura siguiente), es decir,

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
164 – Matemáticas 1 : Cálculo integral en R 11.2 Volúmenes de cuerpos sólidos

Z b Z b
A(Rf −g ) = A(Rf ) − A(Rg ) = f (x) dx − g(x) dx.
a a
Si alguna de ellas toma valores negativos, el área entre ambas, R , es el mismo
y = f (x)+k
que si le sumamos a cada función una constante k que las haga positivas y,
por tanto, el área R es el área R0 encerrado por f +k menos el área encerrado R0
por g + k (ver figura), es decir,
y = g(x)+k
Z b Z b
A(Rf −g ) = A(Rf +k ) − A(Rg+k ) = (f (x) + k) dx − (g(x) + k) dx y = f (x)
a a
Z b Z b Z b Z b R
= f (x) dx + k dx − g(x) dx − k dx a b
a a a a y = g(x)
Z b Z b
= f (x) dx − g(x) dx.
a a

Observación 325.- De forma análoga, si la región está limitada por funciones x = f (y) , x = g(y) y las rectas
y = c e y = d , siendo g(y) ≤ f (y) para todo y ∈ [c, d] , el área de la región puede encontrarse mediante la
fórmula Z d 
A(R) = f (y) − g(y) dy.
c

Ejemplo Calcular el área de la región acotada comprendida entre las parábolas de ecuaciones y 2 + 8x = 16
e y 2 − 24x = 48 .
Las parábolas pueden escribirse como funciones de y , de la forma

16 − y 2 y 2 − 48 √
24
x = g(y) = y x = f (y) =
8 24
x = f (y)
Los puntos de corte de ambas parábolas son las soluciones de la ecuación x = g(y)

16 − y y − 48 √2 2
= =⇒ y = ± 24.
8 24 R
√ √
Como en el intervalo [− 24, 24] es f (y) ≤ g(y) , se tiene que
√ Z √24 2 Z √24 
24
16−y 2 y2

y −48
Z
A(R) = √ dy − √ dy = √ 4− dy
− 24 8 − 24 24 − 24 6
√24
y3 16 √


= 4y− = 24. − 24

18 − 24 3 4

11.2 Volúmenes de cuerpos sólidos


Trataremos ahora de calcular el volumen de un sólido S . Para
ello supongamos que esta colocado en los ejes coordenados de R3
y que los extremos del sólido en la dirección del eje de abcisas
se toman en los valores x = a y x = b. Consideremos para S
cada x ∈ [a, b] que A(x) representa el área de la intersección A(x2)
A(x1)
del cuerpo con un plano perpendicular al eje de abcisas (ver
figura).
A(x3)
Entonces, para cada partición P = {a = x0 , x1 , ..., xn = b} del
intervalo [a, b] , consideremos

mi = inf{A(x) : x1 ≤ x ≤ xi−1 } a
Mi = sup{A(x) : x1 ≤ x ≤ xi−1 } b
x = x1 x = x2 x = x3
el inferior y el superior de los valores de las áreas A(x) de las secciones del sólido entre xi−1 y xi .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
165 – Matemáticas 1 : Cálculo integral en R 11.2 Volúmenes de cuerpos sólidos

Definimos suma superior e inferior asociadas al sólido S y la partición P en la forma


n
X n
X
U (A, P ) = Mi 4xi y L(A, P ) = mi 4xi ,
i=1 i=1

donde cada término de las sumas representa el volumen de un cuerpo con área de la base mi ó Mi y altura
xi − xi−1 = 4xi .

Fig. 11.1. Volúmenes por exceso y por defecto.

Por tanto, ambas sumas corresponden a volumenes que aproximan por exceso y por defecto, respectivamente,
al verdadero volumen de S (fig 11.1).
Considerando todas las particiones de [a, b] y razonando de forma análoga a como se hizo en el Tema 10,
para la construcción de la integral de Riemann, estamos en condiciones de dar la siguiente definición:
Definición 326.- Sea S un sólido acotado comprendido entre los planos x = a y x = b. Para cada x ∈ [a, b] ,
sea A(x) el área de la sección que produce sobre S el plano perpendicular al eje de abcisas en el punto x . Si
A(x) es continua en [a, b] definimos el volumen de S como
Z b
V(S) = A(x) dx.
a

Nota: Podemos dar definiciones análogas si tomamos secciones perpendiculares al eje y o al eje z .

Ejemplo Hallar el volumen del sólido S = (x, y, z) ∈ R3 : x, y, z ≥ 0; x + y + z ≤ 1 .
El sólido S es la parte del primer octante limitada por el plano x + y + z = 1 , es decir, el tetraedro (pirámide
de base triángular) cuyas caras son los planos coordenados y el plano x + y + z = 1 .
Las secciones formadas por planos perpendiculares al eje x son
triángulos y su área, para cada x , es A(x) = base(x)×altura(x)
2 .
Para cada x de [0, 1] , la base deltriángulo es la coordenada y de 1
x+y+z =1
la recta intersección de los planos , luego base(x) =
z=0
z = 1−x
y = 1 − x .La altura es la coordenada z de la recta intersección de
x+y+z =1
los planos , luego altura(x) = z = 1 − x . Por tanto,
y=0
A(x) = (1−x)(1−x)
2 y A(x) 1
1 1 2
 3
1
(1 − x) (1 − x)
Z Z
1 1 y = 1−x
V (S) = A(x) dx = dx = − = 4
0 0 2 6 0 6

11.2.1 Volúmenes de revolución


Un caso particular de gran importancia de la definición anterior es el de los sólidos de revolución, es decir,
sólidos generados al girar respecto a un eje.
Supongamos dada una función f : [a, b] −→ R y consideremos la región limitada por la curva y = f (x) el
eje de abcisas y las rectas x = a y x = b (como e la figura inical del tema). Una rotación completa de ésta
alrededor del eje de abcisas produce un sólido S para el cual, cada sección es un cı́rculo de radio f (x) (o |f (x)|
si la función es negativa, ver la figura anexa al ejemplo siguiente de la esfera) y por tanto, su área será

A(x) = πf 2 (x).

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
166 – Matemáticas 1 : Cálculo integral en R 11.3 Otras aplicaciones

En consecuencia, el volumen se obtendrá de


Z b Z b
V (S) = πf 2 (x) dx = π f 2 (x) dx.
a a

Ejemplo Hallar el volumen de la esfera x2 + y 2 + z 2 ≤ 4 .


La esfera es claramente un sólido de revolución, pues si gi-
ramos el cı́rculo máximo se genera una esfera. De hecho,
basta girar el cı́rculo máximo media vuelta para conseguirla,
o dar una vuelta completa a uno de los semicı́rculos.
Como el circulo máximo, intersección de la esfera con el plano
y = 0 , tiene por ecuación (en el plano xz ) a x2 + z 2 = 4 ,
obtenemos la esfera al girar una rotación completa la su-
perficie
√ encerrada por la semicircunferencia superior, z =
4 − x2 .
Para cada √ x ∈ [−2, 2] , el área de la sección generada es
A(x) = π( 4 − x2 )2 = π(4 − x2 ) , con lo que el volumen
será
Z 2 2
x3

2 32 4
V (S) = π (4 − x ) dx = π 4x − =π = π23 ,
−2 3 −2 3 3

como ya sabı́amos. 4

Observaciones 327.- ? Análogamente, si tenemos una función x = f (y) y hacemos rotar su gráfica alrede-
dor del eje de ordenadas, el volumen del sólido será
Z d
V (S) = π f 2 (y) dy.
c

donde c y d son los extremos de variación de y .

? En el caso más general, los volúmenes de los cuerpos engendrados por la rotación de una figura limitada
por las curvas continuas y = f (x) , y = g(x) (donde 0 ≤ g(x) ≤ f (x) ó f (x) ≤ g(x) ≤ 0 ) y por las
rectas x = a e x = b alrededor del eje de abcisas es
Z b Z b Z b  
V (S) = π f 2 (x) dx − π g 2 (x) dx = π f 2 (x) − g 2 (x) dx.
a a a

Nota: Si sucede que g(x) ≤ 0 ≤ f (x) , al girar alrededor del eje de abcisas la superficie comprendida entre
las gráficas, debe tenerse en cuenta únicamente la superficie (por encima o por debajo del eje de giro) de
mayor radio de giro, pues el volumen que engendra al girar la parte mayor contiene al volumen engendrado
por la parte menor. Es decir, si |g(x)| ≤ |f (x)| se gira sólo la parte superior y si |g(x)| ≥ |f (x)| se gira
únicamente la parte inferior.

11.3 Otras aplicaciones


11.3.1 Longitudes de arcos
La integral definida se puede usar también para encontrar la longitud de una curva dada por la gráfica de una
función f (x) derivable y con derivada continua en [a, b] .
Definición 328.- Sea f : [a, b] −→ R derivable y con derivada continua en [a, b] , entonces la longitud L de de
la gráfica de f , está dada por
Z bp
L= 1 + (f 0 (x))2 dx.
a

Sin una justificación completa, esta definición se obtiene de lo siguiente: sea P = {a = x0 , x1 , ..., xn = b}
una partición del intervalo [a, b] y denotemos por Pxi = (xi , f (xi )) al punto correspondiente de la gráfica de f ,

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
167 – Matemáticas 1 : Cálculo integral en R 11.3 Otras aplicaciones

entonces la longitud la lı́nea poligonal, L(QP ) , formada por los n segmentos rectilineos, Pxi−1 Pxi , que unen
los puntos consecutivos de la gráfica es una aproximación por defecto (la recta es más corta que el arco, ver

Pxi−1
Pxn
Px0 Pxi

a b

Fig. 11.2.

figura aneja) de la longitud de la curva, L(f ) . Es decir,


n n q
X  X 2
L(QP ) = L Pxi−1 Pxi = (xi − xi−1 )2 + f (xi ) − f (xi−1 ) ≤ L(f )
i=1 i=1

Por el teorema del valor medio de Lagrange, en cada subintervalo [xi−1 , xi ] existe un ei ∈ (xi−1 , xi ) tal que
f (xi ) − f (xi−1 ) = f 0 (ei )(xi − xi−1 ) , luego
n q n q
X 2 X 2
L(QP ) = 2 0
(xi − xi−1 ) + f (ei )(xi − xi−1 ) = 1 + f 0 (ei ) (xi − xi−1 ) h 11.1 i
i=1 i=1

Para particiones más finas P ⊆ P1 ⊆ P2 se verifica que L(Qp ) ≤ L(QP1 ) ≤ L(QP2 ) por lo que si tomamos
particiones cada vez más finas se tendrá que L(QP ) −→ L(f ) . p
Por otra parte, la expresión final de h11.1 i es la suma de Riemann de la función g(x) = 1 + (f 0 (x))2 , en
n p n p
1 + (f 0 (ei ))2 (xi − xi−1 ) = 1 + (f 0 (ei ))2 4xi .
P P
la partición P y el conjunto E , es decir S(g, P, E) =
i=1 i=1
Y como f 0 es continua en [a, b] , la función g es continua e integrable en [a, b] , de donde
Xn p Z bp
S(g, P, E) = 0 2
1 + (f (ei )) 4xi −→ 1 + (f 0 (x))2 dx.
i=1 a

3
Ejemplo Determinar la longitud del arco de la gráfica de f (x) = x 2 sobre el intervalo [0, 4] .
Solución:
1
f es continua en [0, 4] y f 0 (x) = 32 x 2 es también continua en [0, 4] , luego
Z 4r Z 4 3
#4 3 3
 1 2
3 2 1√ (4 + 9x) 2 40 2 − 4 2
L= 1 + 2x dx = 4 + 9x dx = = . 4
0 0 2 27 27
0

11.3.2 Área de una superficie de revolución

Definición 329.- Sea f : [a, b] −→ R con derivada continua en [a, b] , entonces el área de la superficie engendrada
por la rotación alrededor del eje de abcisas del arco de curva f (x) entre x = a y x = b, se obtiene de
Z b p
S = 2π f (x) 1 + (f 0 (x))2 dx.
a

Ejemplo Calcular el área de la superficie esférica x2 + y 2 + z 2 = 4 .


Solución: √
La esfera es una superficie de revolución obtenida al girar el arco de curva y = 4 − x2 en el intervalo
[−2, 2] . Luego
s 2
Z 2p  Z 2
−x
S = 2π 2
4−x 1+ √ dx = 2π 2 dx = 16π. 4
−2 4 − x2 −2

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
168 – Matemáticas 1 : Cálculo integral en R 11.4 Ejercicios

11.4 Ejercicios
11.269 Hallar el área de la figura limitada por la curva y = x(x − 1)(x − 2) y el eje de abcisas.
a|f (a)|
11.270 Probar que el área encerrado por la curva f (x) = pxn , con x ∈ [0, a] , p ∈ R y n ∈ N es n+1 .

11.271 Calcular el área de la figura limitada por la curva y = x3 , la recta y = 8 , y el eje OY .

11.272 Calcular el área de la figura limitada por la curva y 3 − y + 2 = x , la recta x = 8 , y el eje OX.

x2 y2
11.273 Hallar el área encerrado por la elipse a2 + b2 = 1.

x2
11.274 Hallar el área de la figura comprendida entre las parábolas y = x2 , y = 2 , y la recta y = 2x .

11.275 Calcular el área de las dos partes en que la parábola y 2 = 2x divide al cı́rculo x2 + y 2 = 8 .

x2 y2
11.276 Calcular el área de la figura limitada por la hipérbola a2 − b2 = 1 y la recta x = 2a.

11.277 Calcular el área de cada una de las partes en que las curvas 2y = x2 y 2x = y 2 dividen al cı́rculo
x2 + y 2 ≤ 3 .
ex 1
11.278 Calcular el área limitada por las curvas f (x) = 1+ex y g(x) = (x+1)2 +1) cuando x ∈ [0, 1] .
√ √
11.279 Calcular el área encerrada por la curva y = 1 − x2 + arcsen x y el eje de abcisas.
(Nota: Estudiar el dominio y el signo de la función.)

11.280 La curva que aparece en la figura de la derecha, llamada astroide, viene dada
por la ecuación 2 2 2
2 2 2 x3 + y3 = a3
x3 + y3 = a3
a
Hallar el área encerrada por la astroide. −a

3 3
(Nota: Se sugiere el cambio x = a sen t ó x = a cos t .)

11.281 Calcular el área de la figura limitada por la curva a2 y 2 = x2 (a2 − x2 ) .


2
11.282 Calcular el área de la figura comprendida dentro de la curva ( x5 )2 + ( y4 ) 3 = 1 .
4 3
11.283 Comprobar usando la integración, que el volumen de una esfera de radio r es 3 πr

x2 y2 z2
11.284 Hallar el volumen del elipsoide a2 + b2 + c2 = 1.

11.285 Considerar el sólido V formado al cortar el cilindro x2 + y 2 ≤ 22 por los


planos z = 0 e y +z = 2 (ver la figura de la derecha), que analı́ticamente
viene descrito por:

V = (x, y, z) : x2 + y 2 ≤ 22 ; 0 ≤ z ≤ 2 − y


Describir y calcular el área de las secciones de V perpendiculares a cada


uno de los ejes.
Calcular el volumen de V mediante las secciones correspondientes a dos
de los ejes.
y2 2
11.286 Hallar el volumen encerrado por el paraboloide elı́ptico 4 + z6 = x y limitado por el plano x = 5 .
x2 y2
11.287 Hallar el volumen del elipsoide, engendrado por la rotación de la elipse a2 + b2 = 1 alrededor del eje OX .

11.288 Hallar el volumen del cuerpo engendrado al girar alrededor del eje OY , la parte de la parábola y 2 = 12x ,
que intercepta la recta x = 3 .
11.289 Hallar volumen del toro engendrado por la rotación del cı́rculo (x − b)2 + y 2 ≤ a2 , con b > a, alrededor
del eje OY .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
169 – Matemáticas 1 : Cálculo integral en R 11.4 Ejercicios

11.290 La recta x = 2 divide al cı́rculo (x − 1)2 + y 2 ≤ 4 en dos partes.


a) Calcular el volumen generado al girar alrededor de la recta y = 0 la parte de mayor área.
b) Calcular el volumen generado al girar alrededor de la recta x = 0 la parte de mayor área.
c) Calcular el volumen generado al girar alrededor de la recta x = 2 la parte de menor área.

11.291 Considerar las curvas y = sen(x) e y = sen(2x) en el intervalo [0, π] .


a) Hallar el área de la región encerrada entre las dos curvas.
1
b) Hallar el área de cada uno de los trozos en que la recta y = 2 divide a la región encerrada entre las
dos curvas.
1
c) Si giramos ambas curvas alrededor de la recta y = 2 , ¿cuál de las dos engendrará mayor volumen?
2 y2 z2
11.292 Hallar el volumen de la parte del hiperboloide de una hoja S = { xa2 + a2 − c2 ≤ 1; 0 ≤ z ≤ h}.

11.293 Hallar el volumen del cono elı́ptico recto, de base una elipse de semiejes a y b y cuya altura es h.

11.294 Hallar el volumen del cuerpo limitado por la superficies de los cilindros
parabólicos z = x2 y z = 1 − y 2 (ver figura de la derecha) a partir de
las áreas formadas al seccionar el cuerpo por planos paralelos al plano
z = 0.

11.295 Hallar el volumen del cuerpo limitado por los cilindros: x2 + z 2 = a2 e y 2 + z 2 = a2 .

11.296 Calcular el volumen de cada una de las partes en que queda dividido un cilindro circular recto de radio 2
y de altura 8 por un plano que, conteniendo un diámetro de una de las bases, es tangente a la otra base.
2 2 2
11.297 Sobre las cuerdas de la astroide x 3 +y 3 = 2 3 , paralelas al eje OX , se han construido unos cuadrados, cuyos
lados son iguales a las longitudes de las cuerdas y los planos en que se encuentran son perpendiculares al
plano XY . Hallar el volumen del cuerpo que forman estos cuadrados.

11.298 El plano de un triángulo móvil permanece perpendicular al diámetro fijo


de un cı́rculo de radio a. La base del triángulo es la cuerda correspon-
diente de dicho cı́rculo, mientras que su vértice resbala por una recta
paralela al diámetro fijo que se encuentra a una distancia h del plano
del cı́rculo. Hallar el volumen del cuerpo (llamado “conoide”, ver figura
aneja) engendrado por el movimiento de este triángulo desde un extremo
del diámetro hasta el otro.

11.299 Un cı́rculo deformable se desplaza paralelamente al plano XZ de tal


forma, que uno de los puntos de su circunferencia descansa sobre el
2 2
eje OY y el centro recorre la elipse xa2 + yb2 = 1 . Hallar el volumen del
cuerpo engendrado por el desplazamiento de dicho cı́rculo.

11.300 Sea S el recinto del plano limitado por la parábola y = 4 − x2 y el eje de abscisas. Para cada p > 0
consideramos los dos recintos en que la parábola y = p x2 divide a S ,
A(p) = {(x, y) ∈ S : y ≥ p x2 } y B(p) = {(x, y) ∈ S : y ≤ p x2 }.
a) Hallar p para que las áreas de A(p) y B(p) sean iguales
b) Hallar p para que al girar A(p) y B(p) alrededor del eje OY s obtengamos sólidos de igual volumen

11.301 Hallar el perı́metro de uno de los triángulos curvilı́neos limitado por el eje de abscisas y las curvas
y = ln | cos x| e y = ln | sen x| .

11.302 Hallar la longitud del arco y = arcsen(e−x ) desde x = 0 hasta x = 1 .

11.303 Hallar el área de la superficie del toro engendrado por la rotación de la circunferencia (x − b)2 + y 2 = a2 ,
con b > a, alrededor del eje OY .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
170 – Matemáticas 1 : Cálculo integral en R

Anexo 3: Demostraciones

Cálculo integral en R
Integral de Riemann
Demostración de: Propiedades 276 de la página 149

Propiedades 276.- Sea f : [a, b] −→ R una función acotada.


a) Para toda P ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, P ) .
b) Para todas P1 , P2 ∈ P[a, b] con P1 ≤ P2 , se verifica que
L(f, P1 ) ≤ L(f, P2 ) y U (f, P2 ) ≤ U (f, P1 ) .
c) Para cualesquiera P, Q ∈ P[a, b] , se verifica que L(f, P ) ≤ U (f, Q) .
Demostración:

n
P n
P
a) Como mi ≤ Mi , para todo i, se tiene L(f, P ) = mi ∆xi ≤ Mi ∆xi = U (f, P ) .
i=1 i=1

b) Probaremos sólo la desigualdad para las sumas superiores (la demostración es análoga para las sumas
inferiores).
Supongamos primero que P2 tiene exactamente un punto más que P1 , es decir,
P1 = {a = x0 , x1 , . . . , xj−1 , xj , . . . , xn = b} y P2 = {x0 , x1 , . . . , xj−1 , c, xj , . . . , xn }.
Si M 0 = sup{f (x) : x ∈ [xj−1 , c]} y M 00 = sup{f (x) : x ∈ [c, xj ]}, se tiene que
j−1 n
Mi ∆xi + M 0 (c − xj−1 ) + M 00 (xj − c) +
P P
U (f, P2 ) = Mi ∆xi .
i=1 i=j+1

Mj = M 0

m0 M 00

mj = m00

xj−1 c xj
Fig. 11.3. Añadir un punto a la partición.

Como Mj = sup{f (x) : x ∈ [xj−1 , xj ]} , es M 0 ≤ Mj y M 00 ≤ Mj y por tanto


j−1
X n
X
U (f, P2 ) ≤ Mi ∆xi + Mj (c − xj−1 ) + Mj (xj − c) + Mi ∆xi
i=1 i=j+1
j−1
X n
X
= Mi ∆xi + Mj ∆xi + Mi ∆xi = U (f, P1 ).
i=1 i=j+1

Supongamos ahora que P2 tiene exactamente k puntos más que P1 . Construimos k particiones del
intervalo [a, b] de forma que cada una de ellas contenga un punto más que la anterior, P1 ≤ Q1 ≤ Q2 ≤
· · · ≤ Qk−1 ≤ P2 . Entonces,
U (f, P2 ) ≤ U (f, Qk−1 ) ≤ · · · ≤ U (f, Q2 ) ≤ U (f, Q1 ) ≤ U (f, P1 ) .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
171 – Matemáticas 1 : Cálculo integral en R Anexo 3

c) Si consideramos P∗ = P ∪ Q, P∗ es una partición de [a, b] y se verifica que P ≤ P∗ y Q ≤ P∗ . Usando


las propiedades b), a) y b) en las desigualdades siguientes, se tiene

L(f, P ) ≤ L(f, P∗ ) ≤ U (f, P∗ ) ≤ U (f, Q).

Demostración de: Teorema 279 de la página 149

Teorema 279.- (Condición de integrabilidad de Riemann)


Una función f : [a, b] −→ R acotada es integrable Riemann si, y sólo si, para todo ε > 0 existe una partición
Pε ∈ P[a, b] tal que
U (f, Pε ) − L(f, Pε ) < ε.

Demostración:
=⇒c Sea f integrable Riemann y sea ε > 0 . Como I = I es el inferior de las sumas superiores y I = I es el
superior de las sumas inferiores, existe una partición P1 y existe una partición P2 , tales que
ε ε
U (f, P1 ) − I < y I − L(f, P2 ) < .
2 2
Tomando Pε = P1 ∪ P2 , se tiene que P1 ⊆ Pε y P2 ⊆ Pε y, por tanto,
U (f, Pε ) ≤ U (f, P1 ) y L(f, P2 ) ≤ L(f, Pε ) .
Luego
ε ε
U (f, Pε ) − I ≤ U (f, P1 ) − I < 2 y I − L(f, Pε ) ≤ I − L(f, P2 ) < 2 ,
y sumando ambas desigualdades U (f, Pε ) − L(f, Pε ) < ε.
⇐=c Recı́procamente, supongamos que para cualquier ε > 0 existe una partición Pε ∈ P[a, b] tal que
U (f, Pε ) − L(f, Pε ) < ε. Sabemos también que
I ≤ U (f, Pε ) y L(f, Pε ) ≤ I ,
restando entonces ambas expresiones obtenemos

0 ≤ I − I ≤ U (f, Pε ) − L(f, Pε ) < ε,

luego I = I .

Demostración de: Propiedades 280 de la página 150

Propiedades 280.- Sean f, g: [a, b] −→ R integrables en [a, b] , λ ∈ R y a < c < b. Entonces


Z b Z b Z b
1.- f + g es integrable en [a, b] y (f + g) = f+ g.
a a a
Z b Z b
2.- λf es integrable en [a, b] y λf = λ f.
a a

3.- f integrable en [a, b] si, y sólo si, f es integrable en [a, c] y [c, b] .


Z b Z c Z b
En ese caso, f= f+ f.
a a c

Demostración:

1.- Como f y g son integrables en [a, b] , existen P1 y P2 particiones de [a, b] , tales que U (f, P1 )−L(f, P1 ) <
ε ε
2 y U (g, P2 ) − L(g, P2 ) < 2 ; luego tomando Pε = P1 ∪ P2 , al ser mas fina que P1 y P2 , se verifica que

n n
X ε X ε
U (f, Pε ) − L(f, Pε ) = (Mi0 − m0i )∆xi < U (g, Pε ) − L(g, Pε ) = (Mi00 − m00i )∆xi < .
i=1
2 i=1
2

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
172 – Matemáticas 1 : Cálculo integral en R Anexo 3

Sea Pε = {x0 < x1 < · · · < xn } , y sean mi y Mi el inferior y superior de f + g en [xi−1 , xi ] . Entonces,
como m0i ≤ f (x) ≤ Mi0 y m00i ≤ g(x) ≤ Mi00 , se tiene que m0i + m00i ≤ f (x) + g(x) ≤ Mi0 + Mi00 , luego que
m0i + m00i ≤ mi ≤ Mi ≤ Mi0 + Mi00 . En consecuencia,
n
X n 
X 
U (f + g, Pε ) − L(f + g, Pε ) = (Mi − mi )∆xi ≤ (Mi0 + Mi00 ) − (m0i + m00i ) ∆xi
i=1 i=1
n n
X X ε ε
= (Mi0 − m0i )∆xi + (Mi00 − m00i )∆xi < + = ε.
i=1 i=1
2 2

 
2.- Basta con tener en cuenta que U (λf, P ) − L(λf, P ) = λ U (f, P ) − L(f, P ) y usar que f es integrable.

3.- Sea ε > 0 . Si f integrable en [a, b] existe Pε ∈ P[a, b] tal que U (f, Pε ) − L(f, Pε ) < ε.
Añadiendo, si no está, el punto c a Pε obtenemos la partición de [a, b]

P = {a = x0 , x1 , . . . , xi−1 , c, xi , . . . , xn = b}

más fina que Pε , luego se verifica que U (f, P ) − L(f, P ) ≤ U (f, Pε ) − L(f, Pε ) < ε.
Tomando P1 = {a, x1 , . . . , xi−1 , c} , partición de [a, c] y P2 = {c, xi , . . . , b}, partición de [c, b] , se verifica
que
L(f, P ) = L(f, P1 ) + L(f, P2 ) y U (f, P ) = U (f, P1 ) + U (f, P2 )
y, por tanto,
U (f, P ) − L(f, P ) = (U (f, P1 ) − L(f, P1 )) + (U (f, P2 ) − L(f, P2 )) < ε.
Luego
U (f, P1 ) − L(f, P1 ) < ε y U (f, P2 ) − L(f, P2 ) < ε.

Recı́procamente, si f es integrable en [a, c] y en [c, b] , existen P1 ∈ P[a, c] y P2 ∈ P[c, b] tales que


ε ε
U (f, P1 ) − L(f, P1 ) < 2 y U (f, P2 ) − L(f, P2 ) < 2 .
Tomando P = P1 ∪ P2 , se tiene que P ∈ P[a, b] y
ε ε
U (f, P ) − L(f, P ) = (U (f, P1 ) − L(f, P1 )) + (U (f, P2 ) − L(f, P2 )) < 2 + 2 = ε,
luego f es integrable en [a, b] .
Z c Z b Z b
Si denotamos por I1 = f (x) dx , I2 = f (x) dx e I = f (x) dx , se tiene que
a c a

L(f, P ) ≤ I ≤ U (f, P ) L(f, P1 ) ≤ I1 ≤ U (f, P1 ) L(f, P2 ) ≤ I2 ≤ U (f, P2 )


y, por tanto,
|I − (I1 + I2 )| ≤ U (f, P ) − L(f, P ) < ε, ∀ε > 0.
En consecuencia, I = I1 + I2 .

Demostración de: Proposición 284 de la página 150

Proposición 284.- Sea f : [a, b] −→ R una función acotada. Entonces f es integrable en [a, b] y el valor de su
integral es I si y sólo si para cada ε > 0 existe Pε ∈ P[a, b] tal que para toda P ≥ Pε y cualquier elección del
conjunto E asociado a P se cumple que |S(f, P, E) − I| < ε.
Demostración:
Antes de la demostración propiamente dicha un resultado necesario para la demostración, pero que hacemos
aparte para no perder el hilo
Lema.- Sean f : [a, b] −→ R acotada y P ∈ P[a, b] . Para cualquier ε > 0 es posible elegir dos
conjuntos E1 y E2 asociados a P de forma que
S(f, P, E1 ) − L(f, P ) < ε y U (f, P ) − S(f, P, E2 ) < ε

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
173 – Matemáticas 1 : Cálculo integral en R Anexo 3

Demostración:
Sea ε > 0 . Para cada i = 1, . . . , n , por ser mi = inf{f (x) : x ∈ [xi−1 , xi ]} existe ei ∈ [xi−1 , xi ] tal
ε
que f (ei ) − mi < b−a , y sea E1 el conjunto formado por estos ei . Entonces
n n n
X X ε ε X
S(f, P, E1 ) − L(f, P ) = (f (ei ) − mi ) ∆xi < ∆xi = ∆xi = ε
i=1 i=1
b−a b − a i=1

Lo que prueba la existencia del primer conjunto. El segundo se prueba de forma análoga

Z b
=⇒c Si f integrable en [a, b] e I = f (x) dx , dado ε > 0 existe Pε ∈ P[a, b] tal que
a

U (f, Pε ) − L(f, Pε ) < ε.

Por otra parte, para cualesquiera P y E asociado a P , se cumple que

L(f, P ) ≤ S(f, P, E) ≤ U (f, P )

y que
L(f, P ) ≤ I ≤ U (f, P ) ó mejor − U (f, P ) ≤ −I ≤ −L(f, P ),
sumando ambas
−(U (f, P ) − L(f, P )) ≤ S(f, P, E) − I ≤ U (f, P ) − L(f, P ),
de donde
|S(f, P, E) − I| ≤ U (f, P ) − L(f, P ), ∀ P ∈ P[a, b].
En particular, si P ≥ Pε se tendrá que

|S(f, P, E) − I| ≤ U (f, P ) − L(f, P ) ≤ U (f, Pε ) − L(f, Pε ) < ε.

⇐=c Supongamos que dado ε > 0 existe Pε ∈ P[a, b] tal que para todo P ≥ Pε y cualquier elección de E
asociado a P se tiene que |S(f, P, E) − I| < 4ε .
Aplicando el lema previo a la partición Pε , existirán dos conjuntos E1 y E2 asociados a la partición tales
que
ε ε
S(f, Pε , E1 ) − L(f, Pε ) < y U (f, Pε ) − S(f, Pε , E2 ) < ,
4 4
entonces

|U (f, Pε ) − L(f, Pε )| ≤ |U (f, Pε ) − S(f, Pε , E2 )| + |S(f, Pε , E2 ) − I| +


+ |I − S(f, Pε , E1 )| + |S(f, Pε , E1 ) − L(f, Pε )|
ε ε ε ε
< + + + = ε.
4 4 4 4
Z b Z b
Luego f es integrable en [a, b] y existe el valor de f (x) dx. Veamos que f (x) dx = I .
a a
Existe Pε tal que
ε
U (f, Pε ) − L(f, Pε ) < h 11.2 i
2
y que
ε
|S(f, Pε , E) − I| < h 11.3 i
2
(existen P1 y P2 verificando respectivamente h 11.2i y h 11.3 i, luego Pε = P1 ∪ P2 verifica a la vez h11.2 i y
h 11.3 i). Como
Z b
L(f, Pε ) ≤ f (x) dx ≤ U (f, Pε ) y L(f, Pε ) ≤ S(f, Pε , E) ≤ U (f, Pε )
a

se tiene que Z
b ε
f (x) dx − S(f, Pε , E) ≤ U (f, Pε ) − L(f, Pε ) <

2

a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
174 – Matemáticas 1 : Cálculo integral en R Anexo 3

luego
Z b
ε ε
− < f (x) dx − S(f, Pε , E) < ,
2 a 2
y de h 11.3i tenemos que
ε ε
− < S(f, Pε , E) − I < ,
2 2
sumando ambas Z b
−ε < f (x) dx − I < ε
a
Z b
y, por tanto I = f (x) dx.
a

Demostración de: Proposición 287 de la página 151

Proposición 287.- Sea f integrable en [a, b] , entonces |f | es integrable en [a, b] y se verifica que
Z Z
b b
f (x) dx ≤ |f (x)| dx.

a a

Demostración: 
f (x), si f (x) ≥ 0
Como |f (x)| = , si tomamos las funciones definidas por
−f (x), si f (x) < 0
 
f (x), si f (x) ≥ 0 0, si f (x) > 0
f + (x) = y f − (x) = ,
0, si f (x) < 0 −f (x), si f (x) ≤ 0

entonces |f | = f + + f − y será integrable si f + y f − son integrables.


Veamos que f + es integrable en [a, b] :
n
P
f es integrable, luego existe Pε tal que U (f, Pε ) − L(f, Pε ) = (Mi − mi )∆xi < ε
i=1
n
U (f + , Pε ) − L(f + , Pε ) = (Mi0 − m0i )∆xi .
P
y, para esa misma partición, Ahora bien:
i=1

? si 0 ≤ mi entonces 0 ≤ f = f + en [xi−1 , xi ] y Mi0 − m0i = Mi − mi .


? si Mi ≤ 0 , entonces f ≤ 0 = f + en [xi−1 , xi ] y Mi0 − m0i = 0 − 0 ≤ Mi − mi .

? si mi < 0 < Mi , entonces mi < 0 = m0i ≤ Mi0 = Mi y Mi0 − m0i ≤ Mi − mi .


En consecuencia, U (f + , Pε ) − L(f + , Pε ) ≤ U (f, Pε ) − L(f, Pε ) < ε y f + es integrable. en [a, b] .
Como es también f = f + − f − , se tiene que f − = f + − f es integrable en [a, b] por ser suma de integrables
y, por tanto, |f | es integrable en [a, b] .
Aplicando ahora el corolario 286 a la desigualdad − |f | ≤ f ≤ |f | , se tiene que
Z b Z b Z b
− |f | ≤ f≤ |f |
a a a
Z Z
b b
y, por tanto, f ≤ |f | .

a a

Demostración de: Proposición 289 de la página 151

Proposición 289.- Si f y g son integrables en [a, b] , entonces f g es integrable en [a, b] .

Demostración:
Como puede escribirse f g = 41 (f + g)2 − (f − g)2 y las funciones f + g y f − g son integrables, basta probar


que el cuadrado de una función integrable es integrable.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
175 – Matemáticas 1 : Cálculo integral en R Anexo 3

Sea entonces h integrable en [a, b] . Por ser acotada, existe K > 0 tal que |h(x)| < K , para todo x ∈ [a, b] ,
y por ser integrable, existe Pε ∈ P[a, b] tal que
n
X ε
U (h, Pε ) − L(h, Pε ) = (Mi − mi )∆xi < .
i=1
2K

n
Para esa partición y la función h2 , sea U (h2 , Pε ) − L(h2 , Pε ) = (Mi0 − m0i )∆xi ,
P
i=1
entonces,
? si 0 ≤ mi ≤ Mi , se tiene que Mi0 = Mi2 y m0i = m2i , de donde
Mi0 − m0i = Mi2 − m2i = (Mi + mi )(Mi − mi ) .
? si mi ≤ Mi ≤ 0 , se tiene que Mi0 = m2i y m0i = Mi2 , de donde
Mi0 − m0i = −(Mi2 − m2i ) = −(Mi + mi )(Mi − mi ) = |Mi + mi | (Mi − mi ) .
? si mi < 0 < Mi , se tiene
que Mi0 = max{m2i , Mi2 } y m0i = min{m2i , Mi2 }, de donde (por las anteriores)
0 0 2 2
Mi − mi = Mi − mi = |Mi + mi | (Mi − mi ) .

Luego
n n n
X X X ε
(Mi0 −m0i )∆xi = |Mi +mi | (Mi −mi )∆xi ≤ 2K(Mi −mi )∆xi < 2K = ε,
i=1 i=1 i=1
2K
2
y h es integrable. En consecuencia f g es integrable en [a, b] .

Demostración de: Regla de Barrow 298 de la página 153

Regla de Barrow 298.- Sea f : [a, b] −→ R integrable en [a, b] . Si G: [a, b] −→ R es una primitiva de f en
[a, b] , entonces
Z b
f (x) dx = G(b) − G(a)
a

Demostración:
Sea ε > 0 . Por ser f integrable en [a, b] existe Pε ∈ P[a, b] , tal que U (f, Pε ) − L(f, Pε ) < ε . Aplicando el
teorema del valor medio de Lagrange a la función G , para cada i = 1, 2, . . . , n existe ei ∈ (xi−1 , xi ) tal que
G(xi ) − G(xi−1 ) = G0 (ei )(xi − xi−1 ) = f (ei )(xi − xi−1 ) .
Puesto que mi = inf{f (x) : xi−1 ≤ x ≤ xi } y Mi = sup{f (x) : xi−1 ≤ x ≤ xi }, se tiene que

mi ≤ f (ei ) ≤ Mi ,

de donde
mi (xi − xi−1 ) ≤ f (ei )(xi − xi−1 ) ≤ Mi (xi − xi−1 )
mi (xi − xi−1 ) ≤ G(xi ) − G(xi−1 ) ≤ Mi (xi − xi−1 )
Xn Xn   X n
mi ∆xi ≤ G(xi ) − G(xi−1 ) ≤ Mi ∆xi
i=1 i=1 i=1

L(f, Pε ) ≤ G(b) − G(a) ≤ U (f, Pε ).


Z b
Como también es L(f, Pε ) ≤ f (x) dx ≤ U (f, Pε ) , se verifica que
a
Z
b  
f (x) dx − G(b) − G(a) < ε


a

y, por tanto,
Z b
f (x) dx = G(b) − G(a)
a

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
176 – Matemáticas 1 : Cálculo integral en R Anexo 3

Integrales impropias
Demostración de: Proposición 305 de la página 155

Proposición 305.- Sea f : [a, +∞) −→ R integrable en [a, t] para todo t ∈ [a, +∞) . Si lı́m f (x) = L 6= 0
Z ∞ x→+∞

entonces f (x) dx diverge


a

Demostración:
Supongamos que lı́m f (x) = L > 0 . Entonces, para cualquier ε > 0 existe k > 0 tal que si x ≥ k se verifica
x→+∞
que |f (x) − L| < ε, es decir, L − ε < f (x) < L + ε .
En particular, tomando ε = L2 > 0 , si x ≥ k se verifica que L2 < f (x) < 3L L
2 , luego 0 < 2 < f (x) para todo
x ∈ [k, +∞) . Entonces,
Z t Z t
L
lı́m dx ≤ lı́m f (x) dx
t→+∞ k 2 t→+∞ k

y como Z t
L L t L
lı́m dx = lı́m (x]k = lı́m t − k = +∞,
t→+∞ k 2 t→+∞ 2 2 t→+∞
Z t Z ∞
se tiene que lı́m f (x) dx = +∞ y la integral f (x) dx diverge, luego por la propiedad 1 de 304,
t→+∞ k k
Z ∞
f (x) dx diverge.
a Z ∞
Supongamos ahora que lı́m f (x) = L < 0 . Entonces lı́m −f (x) = −L > 0 y, por tanto, − f (x) dx
x→+∞ x→+∞ a
Z ∞
diverge. Luego f (x) dx diverge.
a

Demostración de: Teorema 307 de la página 155

Teorema 307.- Sea f : [a, +∞) −→ R integrable y no negativa en [a, t] , ∀t ∈ R .


Z +∞ Z t
f (x) dx es convergente ⇐⇒ F (t) = f (x) dx está acotada superiormente.
a a

Demostración:
La prueba se basa en el hecho de que si f (x) ≥ 0 en [a, +∞) , la función F debe ser creciente ya que se cumple
Z t2
que F (t2 ) − F (t1 ) = f (x)dx ≥ 0 , para cualesquiera t1 < t2 . Y ahora tenemos que:
t1
Z ∞ Z t
Si f (x) dx converge, entonces lı́m f (x) dx = lı́m F (t) = L ∈ R. Pero como F (t) es creciente,
a t→+∞ a t→+∞
debe ser F (t) ≤ L y está acotada superiormente.
n o
Recı́procamente, si F (t) está acotada superiormente existe sup F (t) : t ∈ [a, +∞) = α ∈ R . Veamos que
Z ∞
α = lı́m F (t) y habremos probado que f (x) dx es convergente.
t→+∞ a
Sea ε > 0 . Entonces, por ser α un extremo superior, existe t0 ∈ [a, +∞) tal que α − ε < F (t0 ) , luego
si t ≥ t0 , como F es creciente, se tiene que α − ε < F (t0 ) ≤ F (t) . Además, para todo t , se verifica que
F (t) ≤ α < α + ε .
En consecuencia, para cualquier ε > 0 existe t0 tal que si t ≥ t0 , α−ε < F (t) < α+ε , es decir, |F (t)−α| < ε,
luego lı́m F (t) = α .
t→+∞

Demostración de: Segundo criterio de comparación 309 de la página 156

Segundo criterio de comparación 309.- Sean f, g: [a, +∞) −→ R integrables en [a, t] , para todo t ≥ a y no
negativas. Supongamos que existe lı́m fg(x)
(x)
= L . Entonces:
x→+∞

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
177 – Matemáticas 1 : Cálculo integral en R Anexo 3

Z +∞ Z +∞
a) Si 0 < L < +∞ =⇒ f (x) dx ∼ g(x) dx.
a a

b) Si L = 0 , se tiene:
Z +∞ Z +∞
[i] si g(x) dx converge =⇒ f (x) dx converge.
a a
Z +∞ Z +∞
[ii] si f (x) dx diverge =⇒ g(x) dx diverge.
a a

c) Si L = +∞ , se tiene:
Z +∞ Z +∞
[i] si f (x) dx converge =⇒ g(x) dx converge.
a a
Z +∞ Z +∞
[ii] si g(x) dx diverge =⇒ f (x) dx diverge.
a a

Demostración:


, luego existe K > 0 tal que si x ≥ K se tiene que fg(x)
L (x) L
1.- Si 0 < L < +∞ , tomamos ε = − L < . De

2 2
donde
L f (x) L
− +L< < +L
2 g(x) 2
y, como g(x) ≥ 0 , se tiene
L 3L
g(x) ≤ f (x) ≤ g(x)
2 2
L 3L
para todo x ≥ K . Basta aplicar 308, a los pares de funciones 2g ≤ f (x) y f (x) ≤ 2 g(x) y tener en
cuenta la propiedad 2 de 304.
2.- Si L = 0 , tomando ε = 1 , se tiene que existe K > 0 tal que si x ≥ K entonces 0 ≤ f (x) < g(x) .
De nuevo, basta con aplicar 308.

3.- Si L = +∞ , entonces lı́m g(x) = 0 y recaemos en el caso anterior.


x→+∞ f (x)

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
178 – Matemáticas 1

Unidad IV

Series numéricas

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
179 – Matemáticas 1 : Series numéricas

Capı́tulo 12

Sucesiones y series de números reales


12.1 Sucesiones
Definición ∞ Llamaremos sucesión de números reales a cualquier aplicación f : N −→ R y la representare-
 330.-
mos por an n=1 , donde an = f (n) . Por comodidad, diremos también que la sucesión es el conjunto ordenado
 ∞
de las imágenes en R , an n=1 = {an : n ∈ N} ⊂ R .

 ∞
Definición 331.- Diremos que una sucesión an n=1
es acotada si existe algún K ∈ R+ tal que |an | ≤ K ,
para todo n ∈ N.

12.1.1 Lı́mite de una sucesión


 ∞
Definición 332.- Diremos que la sucesión an n=1
tiene por lı́mite a, y lo denotaremos por lı́m an = a , si
n→∞
para cada ε > 0 existe n0 ∈ N tal que ∀n ≥ n0 se verifica que |an − a| < ε.

Diremos que lı́m an = +∞ , si para cada K > 0 existe n0 ∈ N tal que ∀n ≥ n0 se verifica que an > K .
n→∞

Diremos que lı́m an = −∞, si para cada K > 0 existe n0 ∈ N tal que ∀n ≥ n0 se verifica que an < −K .
n→∞

Para simplificar, escribiremos en ocasiones an −→ L para representar lı́m an = L.


n→∞

Operaciones con los lı́mites 333.- Si existe el lı́m an = a ∈ R y existe el lı́m bn = b ∈ R , entonces,
n→∞ n→∞

? existe el lı́m (an + bn ) y se tiene que lı́m (an + bn ) = a + b


n→∞ n→∞

? existe el lı́m (an · bn ) y se tiene que lı́m (an · bn ) = a · b


n→∞ n→∞

? si b 6= 0 , existe el lı́m an y se tiene que lı́m an


= a
n→∞ bn n→∞ bn b

? si a > 0 , existe el lı́m an bn y se tiene que lı́m an bn = ab


n→∞ n→∞

Los resultados son análogos a los de la sección 6.3.2 Lı́mites con infinito para funciones, de la página 99, ası́
como las indeterminaciones que se producen con estas operaciones.
 ∞  ∞  ∞
Proposición 334.- Sean an n=1 , bn n=1 y cn n=1 sucesiones numéricas. Si lı́m abnn = 1 y lı́m bn cn = L,
n→∞ n→∞
entonces lı́m an · cn = L .
n→∞
 ∞  ∞ an
De an n=1 y bn n=1 cumpliendo la condición lı́m = 1 , se dice sucesiones equivalentes.
n→∞ bn
 ∞
Proposición 335.- Sea an n=1 una sucesión. Si existe f : [1, ∞) −→ R tal que f (n) = an , ∀ n ∈ N, y
lı́m f (x) = L , entonces lı́m an = L .
x→+∞ n→∞

Nota: Este último resultado es especialmente interesante, pues puede aplicarse toda la teorı́a sobre funciones al
cálculo de lı́mites de sucesiones: continuidad, derivación, L’hôpital, Taylor, etc.

12.1.2 Subsucesiones
 ∞
Definición 336.- Llamaremos subsucesión de la sucesión an n=1 a cualquier sucesión de la forma
 ∞  ∞
anj j=1 = {an1 , an2 , an3 , . . . , anj , . . .} , donde anj ∈ an n=1 y los ı́ndices verifican que n1 < n2 < n3 <
· · · < nj < · · · .

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
180 – Matemáticas 1 : Series numéricas 12.2 Series de números reales

 ∞  ∞  ∞
Proposición 337.- Sean an n=1 una sucesión y anj j=1 una subsucesión de an n=1 . Si existe el lı́m an ,
n→∞
entonces existe el lı́m anj y se tiene que
j→∞

lı́m anj = lı́m an .


j→∞ n→∞

∞ ∞  ∞
Proposición 338.- Sean {ani }i=1 y {ank }k=1 dos subsucesiones de la sucesión an n=1 , tales que
∞ S ∞  ∞
{ani }i=1 {ank }k=1 = an n=1 . Entonces, si lı́m ani = lı́m ank = L se tiene que lı́m an = L .
i→∞ k→∞ n→∞

12.1.3 Convergencia de sucesiones


 ∞
Definición 339.- Sea an n=1 , una sucesión de números reales. Si
 ∞
? Si lı́m an = L ∈ R, diremos que an n=1 es convergente.
n→∞
 ∞
? Si lı́m an = +∞ (ó −∞ ), diremos que an n=1 es divergente hacia +∞ (ó −∞ ).
n→∞
 ∞
? Si lı́m an no existe, diremos que an n=1
es oscilante.
n→∞

 ∞
Ejemplo 340 Sea an n=1
donde an = xn . Entonces, para cada x ∈ R elegido,
   
∃6 , 
 si x ≤ −1 
 
 oscilante, si x ≤ −1 

0, si −1<x<1 convergente a 0, si |x| < 1
   
n
lı́m an = lı́m x = ←→
n→∞ n→∞ 
 1, si x=1 
 
 convergente a 1, si x=1 

+∞, si x > 1, divergente a +∞, si x>1
   

Proposición 341.- Toda subsucesión de una sucesión convergente (divergente) es convergente (divergente), y
converge (diverge) hacia el mismo lı́mite
Demostración:
Es otra forma de escribir la Proposición 337.

Proposición 342.- Toda sucesión convergente está acotada .


 ∞
Definición 343.- Una sucesión, an n=1 , es monótona creciente si an ≤ an+1 , ∀n ∈ N .
 ∞
Una sucesión, an n=1 , es monótona decreciente si an ≥ an+1 , ∀n ∈ N .

Proposición 344.- Toda sucesión monótona creciente y acotada superiormente es convergente.


Toda sucesión monótona decreciente y acotada inferiormente es convergente .

12.2 Series de números reales


 ∞  ∞
Definición 345.- Dada an n=1 una sucesión de números reales, la sucesión Sn n=1 definida por
Sn = a1 + a2 + · · · + an , para cada n ∈ N,
 ∞  ∞  ∞
se llama sucesión de sumas parciales de la sucesión an n=1 ; y al par de sucesiones an n=1 , Sn n=1
P∞
se le denomina serie de término general an , y suele representarse por an
n=1


n(n+1)
n , tiene término general {n}∞
P
Ejemplo La serie n=1 y tiene Sn = 1 + 2 + 3 + · · · + n = 2 como
n=1
sucesión de sumas parciales 4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
181 – Matemáticas 1 : Series numéricas 12.2 Series de números reales

12.2.1 Carácter de una serie


P∞
Definición 346.- Diremos que la serie an es convergente, divergente u oscilante, si la sucesión
 ∞ n=1
Sn n=1 es respectivamente convergente, divergente u oscilante.

P
Si la serie converge y Sn −→ S , se dice que S es la suma de la serie y se escribe S = an .
n=1


an , con a ∈ R constante, son:
P
Series geométricas 347.- Las series de la forma
n=1

a) Divergentes, si a ≥ 1 b) Convergentes, si |a| < 1 c) Oscilantes, si a ≤ −1

Demostración:
Consideremos
Sn = a + a2 + · · · + an−1 + an y aSn = a2 + a3 + · · · + an + an+1
restando ambas, obtenemos que (1 − a)Sn = a − an+1 y, por tanto:
n+1
a−a
? Si a 6= 1 , tenemos que Sn = 1−a . En cuyo caso

a−a n+1  +∞, si a > 1

a
lı́m Sn = lı́m = 1−a , si |a| < 1
n→∞ n→∞ 1−a 
∃6 , si a ≤ −1

n)
? Si a = 1 , tenemos que Sn = 1 + 1+ · · · +1 = n y, por tanto, lı́m Sn = lı́m n = +∞ .
n→∞ n→∞

Definición 348.- Diremos que dos series tienen el mismo carácter, y lo representaremos por “∼”, si son
simultáneamente convergentes, divergentes u oscilantes.


P
Proposición 349.- Sea an una serie numérica. Se tiene que
n=1

∞ ∞ ∞
P ∞
P
a)
P
an ∼
P
λan , para todo λ ∈ R − {0} b) an ∼ an , para todo k0 ∈ N
n=1 n=1 n=1 n=k0 +1


P
c) Si la serie es convergente (o es divergente), la serie bj formada agrupando términos consecutivos, es
j=1
decir, con bj = anj−1 +1 + anj−1 +2 + · · · + anj , es también convergente (o es también divergente) .

12.2.2 Series convergentes



P ∞
P ∞
P
Proposición 350.- Sean an y bn dos series convergentes, entonces (an + bn ) converge y
n=1 n=1 n=1

P ∞
P ∞
P
(an + bn ) = an + bn .
n=1 n=1 n=1


P
Condición necesaria de convergencia 351.- Si an es convergente entonces lı́m an = 0
n=1 n→∞

Demostración:
Como Sn −→ S y Sn = Sn−1 + an , se tiene que an = Sn − Sn−1 y, por tanto,

lı́m an = lı́m (Sn − Sn−1 ) = lı́m Sn − lı́m Sn−1 = S − S = 0


n→∞ n→∞ n→∞ n→∞

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
182 – Matemáticas 1 : Series numéricas 12.2 Series de números reales


1
P
La serie armónica 352.- La serie armónica, n , diverge.
n=1

Solución:
1
Verifica la condición necesaria, pues lı́m = 0 , pero no converge.
n→∞ n
Supongamos que sı́ converge, es decir, que lı́m Sn = S ∈ R . Entonces, para ε = 14 , existirá un n0 , tal que
n→∞
si n ≥ n0 se verifica que |S − Sn | = n+1 + n+2 + · · · < 14 ; pero esto es absurdo ya que como los términos de
1 1
la sucesión son positivos se tiene que:
1 1 1 1 1 1 1 1 1 n 1
|S −Sn | = + +· · ·+ +· · · > + +· · ·+ > + +· · ·+ = =
n+1 n+2 n+n n+1 n+2 n+n 2n 2n 2n 2n 2

1 1 1
P
y no puede ser menor que 4 si es mayor que
. En consecuencia, 2 n no converge.
 ∞ n=1
1
Además, como Sn+1 = Sn + n+1 , la sucesión Sn n=1 es monótona creciente y no converge, luego no está
acotada superiomente, es decir, Sn −→ +∞ y la serie diverge. 4

12.2.3 Series de términos positivos



P
Diremos que una serie an es de términos positivos si an ≥ 0 , para todo n ∈ N .
n=1


P
Teorema 353.- Una serie de términos positivos an converge si, y sólo si, la sucesión de sumas parciales
 ∞ n=1
Sn n=1 está acotada superiormente .

Observación 354.- El resultado anterior (ası́ como los resultados siguientes sobre series de términos positivos)
son ciertos también para series que sólo sean de términos positivos a partir de un término en adelante, es
decir, que exista n0 ∈ N tal que an ≥ 0 , para todo n ≥ n0 . Para verificarlo, basta tener en cuenta que

P P∞
an ∼ an (apartado (b) de la proposición 349).
n=1 n=n0

P ∞
P
Además, como an ∼ (−1)an (apartado (a) de la proposición 349), para estudiar el carácter de una
n=1 n=1

P
serie an de términos negativos o negativos a partir de un término en adelante, basta estudiar el carácter de
n=1

P
la serie de términos positivos (−1)an .
n=1

12.2.3.1 Criterios de comparación


P ∞
P
Primer criterio de comparación 355.- Sean an y bn series de términos positivos tales que an ≤ bn ,
n=1 n=1
para todo n ∈ N —o a partir de un término en adelante—, entonces:

P ∞
P
a) Si bn converge =⇒ an converge
n=1 n=1


P ∞
P
b) Si an diverge =⇒ bn diverge .
n=1 n=1

∞ ∞
1 1
P P
Ejemplo Estudiar el carácter de las series n+3n y 3n−7 .
n=1 n=1
Solución:
La primera es de términos positivos pues n + 3n > 0 para todo n . Además n + 3n ≥ 3n , para todo n , luego
∞ ∞
1 1 1 1
P P
se tiene que n+3 n ≤ 3n , para todo n . Entonces, como 3n converge, también la serie n+3n converge.
n=1 n=1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
183 – Matemáticas 1 : Series numéricas 12.2 Series de números reales

Para la segunda, 3n − 7 > 0 para n ≥ 3 , luego es de términos positivos a partir de n0 = 3 y 3n − 7 < 3n ,


∞ ∞ ∞
1 1 1 1 1 1
P P P
para todo n ≥ 3, luego se tiene que 3n−7 > 3n , para todo n ≥ 3 . Entonces, como 3n = 3 · n ∼ n
n=3 n=3 n=3
∞ ∞
1 1
P P
y esta diverge, la serie 3n−7 diverge y, por tanto, la serie 3n−7 diverge. 4
n=3 n=1

∞ ∞
P P an
Segundo criterio de comparación 356.- Sean an y bn series de términos positivos con lı́m = L,
n=1 n=1 n→∞ bn
entonces:

P ∞
P
a) Si 0 < L < +∞ =⇒ an ∼ bn
n=1 n=1


P ∞
P
b) Si L = 0 y a) bn converge =⇒ an converge
n=1 n=1


P ∞
P
b) an diverge =⇒ bn diverge
n=1 n=1


P ∞
P
c) Si L = +∞ y a) an converge =⇒ bn converge .
n=1 n=1


P ∞
P
b) bn diverge =⇒ an diverge
n=1 n=1


√1
P
Ejemplo Estudiar el carácter de la serie de términos positivos n
.
n=1
Solución:
1 √ ∞ ∞
n n P 1
P
√1
Como lı́m 1 = lı́m = 0, y diverge, se tiene que diverge. 4
n→∞ √ n→∞ n n=1
n
n=1
n
n

Criterio de la integral 357.- Sea f : [1, +∞) −→ R positiva, monótona decreciente e integrable en cada cerrado
[1, n] , y sean an = f (n) . Entonces

X Z +∞
an converge ⇐⇒ f (x) dx converge
n=1 1

Demostración:
Por ser f monótona decreciente, en cada intervalo [m, m + 1] , se a1

verifica que
am = f (m) ≥ f (x) ≥ f (m + 1) = am+1 ,
y, por tanto, que
a2
Z m+1 Z m+1 Z m+1
a3
am = am dx ≥ f (x) dx ≥ am+1 dx = am+1 a4
a5
m m m
Z n+1
1 2 3 4 5
Luego, Sn ≥ f (x) dx = bn ≥ Sn+1 − a1 ya que
1
Z 2 Z 3 Z n+1
a1 + a2 + · · · + an ≥ f (x) dx + f (x) dx + · · · + f (x) dx > a2 + a3 + · · · + an+1
1 2 n
Z +∞
En consecuencia, lı́m Sn ≥ f (x) dxn ≥ lı́m Sn+1 − a1 , lo que concluye el resultado.
n→∞ 1 n→∞


1
P
Ejemplo 358 Estudiar el carácter de las series nα , según los valores de α > 0 .
n=1
Solución:
Si α > 0 : n1α = f (n) para la función f (x) = x1α , función que es positiva y decreciente en [1, +∞) . Luego

Z +∞
P 1 1
nα ∼ xα dx y la serie converge si α > 1 y diverge si α ≤ 1 . 4
n=1 1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
184 – Matemáticas 1 : Series numéricas 12.2 Series de números reales

12.2.3.2 Criterios de convergencia


Los criterios de comparación anteriores son buenos, pero tienen el inconveniente de necesitar de otra serie
con la que comparar. Los siguientes criterios de convergencia son en ocasiones menos decisorios que los de
comparación, pero más sencillos de usar puesto que sólo usan los propios términos de la serie para obtener los
resultados.

P √
Criterio de la raı́z (o de Cauchy) 359.- Sea an una serie de términos positivos tal que lı́m n an = L.
n=1 n→∞
Entonces:

P
a) si L < 1 =⇒ an converge
n=1


P
b) si L > 1 =⇒ an diverge
n=1

c) si L = 1 el criterio no decide
Demostración:
a) si L < 1 , tomemos k > 0 tal que L < k < 1 , entonces existe n0 ∈ N tal que para todo n ≥ n0 , se verifica
√ ∞ ∞ ∞
que n an ≤ k y por tanto, que an ≤ k n , de donde kn y
P P P
an ≤ an converge ya que está
n=n0 n=n0 n=n0
mayorada que una serie que converge.

b) si L > 1 , entonces existe n0 ∈ N tal que para todo n ≥ n0 , se verifica que n an > 1 , luego an > 1 y la
serie no puede converger ya que an 6→ 0.


n
P
Ejemplo Estudiar el carácter de la serie 2n .
n=1
Solución: √ √
√ p n n n n n 1
Converge, pues: lı́m n an = lı́m n
2n = lı́m√
n n
2
= lı́m 2 = 2 < 1. 4
n→∞ n→∞ n→∞ n→∞

Nota: Si el criterio no decide, es decir que si para una serie es L = 1 , ésta puede ser tanto convergente como
∞ ∞
1 1
P P
divergente. Por ejemplo, la serie n es divergente mientras que n2 es convergente, pero en ambas se
n=1 n=1
cumple L = 1 .

P
Criterio del cociente (o de D‘Alambert) 360.- Sea an una serie de términos positivos tal que
n=1
an+1
lı́m = L . Entonces:
n→∞ an


P
a) si L < 1 =⇒ an converge
n=1


P
b) si L > 1 =⇒ an diverge
n=1

c) si L = 1 el criterio no decide .

1
P
Ejemplo Estudiar el carácter de la serie n! .
n=1
Solución:
Como
1
an+1 (n+1)! n! 1
lı́m = lı́m 1 = lı́m = lı́m = 0 < 1,
n→∞ an n→∞ n→∞ (n + 1)! n→∞ n + 1
n!
la serie converge. 4

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
185 – Matemáticas 1 : Series numéricas 12.2 Series de números reales

∞  
P an+1
Criterio de Raabe 361.- Sea an una serie de términos positivos con lı́m n 1 − an = R . Entonces:
n=1 n→∞


P
a) si R > 1 =⇒ an converge
n=1


P
b) si R < 1 =⇒ an diverge
n=1

c) si R = 1 el criterio no decide .

1
P
Ejemplo.- Estudiar el carácter de la serie n2 .
n=1
Solución:
2
n2 n2
Como aan+1 = 1/(n+1)
1/n2 = (n+1) 2 y lı́m
an+1
= lı́m (n+1) 2 = 1 , el criterio del cociente no decide. Aplicando
n n→∞ an n→∞
Raabe, tenemos que
n2 (n + 1)2 − n2
   
an+1 2n + 1
lı́m n 1 − = lı́m n 1 − 2
= lı́m n 2
= lı́m n
n→∞ an n→∞ (n + 1) n→∞ (n + 1) n→∞ (n + 1)2
2 2
2n + n 2n + n
= lı́m 2
= lı́m 2 = 2 > 1,
n→∞ (n + 1) n→∞ n + 2n + 1

y la serie converge. 4

12.2.4 Series de términos cualesquiera



P ∞
P
Definición 362.- Una serie an se dice absolutamente convergente si, y sólo si, la serie |an | es
n=1 n=1
convergente.

Teorema 363.- Toda serie absolutamente convergente es convergente .


sen n
P
Ejemplo 364 Estudiar el caracter de la serie n2 .
n=1
Solución:
Como la serie no es de términos positivos (ni negativos), no podemos aplicar los criterios de la sección

P sen(n)
anterior. Veamos si converge absolutamente, es decir, estudiemos la serie de términos positivos n2 .
n=1
∞ ∞ ∞
|sen(n)| 1
P 1
P |sen(n)| P sen n
Tenemos que n2 < n2 y como n2 converge, también converge n2 y, en consecuencia, n2
n=1 n=1 n=1
converge. 4

12.2.4.1 Series de Leibnitz


 ∞
Teorema de Leibnitz 365.- Sea an n=1 una sucesión de términos positivos, monótona decreciente y de lı́mite

(−1)n+1 an converge
P
cero. Entonces la serie .
n=1


P
Definición 366.- Una serie an , se dice que es que es alternada si el signo de an es distinto del signo de
n=1
an+1 , para todo n .
P∞
Una serie an , se dice que es que es Leibnitz si es alternada y verifica las condiciones del teorema de
n=1  
Leibnitz. Es decir, si es alternada, verifica la condición necesaria de convergencia lı́m an = 0 y la sucesión
n→∞

{|an |}n=1 es decreciente.


P (−1)n+1
Ejemplo La serie armónica alternada, n es convergente.
n=1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
186 – Matemáticas 1 : Series numéricas 12.3 Ejercicios

Solución:
n+1
Es una serie alternada, lı́m (−1)n = lı́m n1 = 0 y n1 > 1
, luego es una serie de Leibnitz y, en

n→∞ n→∞ n+1
consecuencia, converge. (De hecho, la suma de esta serie es ln 2 .) 4

Nota: Como en el caso de las series de términos positivos, todos los resultados anteriores son aplicables a series
que verifiquen las condiciones a partir de un término en adelante.

12.3 Ejercicios
12.304 Estudiar el carácter de las siguientes sucesiones, de término general

n+1 n+1 n+1 n+1 1


ln n+1

a) an = n − n b) an = n tg n n
√ √ √
c) an = n2 + n + 1 − n2 − n + 1 d) an = n
n
2
1 n n−(−1)n+1
e−n

e) an = 1 + n f) an = n+(−1)n+1

12.305 Estudiar, según los valores de los parámetros, el carácter de las siguientes sucesiones

1
a) an = (k + 1)n b) an = k n ; k ≥ 0 c) an = (−1)n ln

n

 1 β
1
d) an = nln α
; α>0 e) an = nα e n − 1

 en ∞
12.306 Probar que la sucesión n! n=0
es decreciente para n ≥ 2 y deducir de ello que converge.

12.307 Usar la condición necesaria de convergencia y los criterios de comparación, para estudiar el carácter de
las siguientes series
∞ ∞
√ 1 2 1
P P
a) n− 3
b) 3−cos 1
n=1 n=1 n

∞ √ ∞
n2 +1
3e− n+1 1
ln n+1
P P
c) d) n tg n n
n=1 n=1
∞ √ √ ∞  2
n2 +n+1− n2 −n+1 1 n
e−n
P P
e) n f) 1+ n
n=1 n=1

12.308 Estudiar el carácter de las siguientes series


1 1 1 en
P
a) 1·2·3 + 2·3·4 + 3·4·5 + ··· b) n!
n=0
∞ ∞  −n
n! n+1 n+1 n+1
P P 
c) 3·5·7···(2n+1) d) n − n
n=1 n=1
∞ ∞
1
(−1)n lnnn
P P
e) n ln n f)
n=2 n=1
∞ ∞ √
1 1+(−1)n n
(−1)n−1 tg
P P
g) n n
√ h) n+1
n=1 n=1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
187 – Matemáticas 1 : Series numéricas 12.3 Ejercicios

12.309 Estudiar el carácter de las siguientes series, según los valores de los parámetros.

∞ ∞
P x2n+1
P (a+1)n
a) 2n−1 b) √
n
n=1 n=1
∞ ∞
1 k k n!
/ Z−
P   P
c) n (1 − k) 1 − 2 ··· 1 − n d) (a+1)(a+2)···(a+n) , a∈
n=1 n=1
∞ ∞ 1 1
(−1)n+1 nln1 α , α > 0 a(1+ 2 +···+ n ) , a > 0, a 6= e−1
P P
e) f)
n=1 n=1
∞ ∞  1 β
θ
tgn a + , 0 < a < π2

(−1)n+1 nα e n − 1
P P
g) n h)
n=1 n=1
∞  β ∞
n+1 2
(−1)n nα ln n−1
P P
i) , 0<α<β j) αn +α−n , α 6= 0
n=2 n=1


xn xn
P
12.310 Usar la serie n! para encontrar el lı́m , en cada x ∈ R.
n=0 n→∞ n!

12.311 Estúdiese, según los valores de x ∈ R, el carácter de las series


∞ ∞ ∞  n ∞  n+1
P (x2 −1)n P (x2 −4)n P 1 x+2
P (−1)n 2x2
a) 2n+1 b) n+1 c) n 1−x d) 2n 2−3x
n=0 n=0 n=1 n=0


P x
12.312 Dada la serie 2 n
, se pide:
n=0 (1 + x )

a) ¿Para qué valores de x ∈ R la serie converge?


b) Hallar la suma de la serie en los x donde converja.

P ∞
P
12.313 Sean an y bn dos series de términos positivos convergentes.
n=1 n=1


a2n converge.
P
a) Demostrar que
n=1
P∞
b) Demostrar que an bn converge.
n=1
∞ √
P
c) Encontrar una serie de términos positivos convergente para la que la serie an sea convergente
n=1
y otra para la que sea divergente.

P an
d) ¿Qué se puede decir sobre el carácter de la serie bn ?
n=1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
188 – Matemáticas 1 : Series numéricas

Anexo 4: Demostraciones

Series numéricas
Sucesiones de números
Demostración de: Proposición 334 de la página 179

 ∞  ∞  ∞
Proposición 334.- Sean an n=1 , bn n=1 y cn n=1 sucesiones numéricas. Si lı́m abnn = 1 y lı́m bn cn = L ,
n→∞ n→∞
entonces lı́m an · cn = L
n→∞

Demostración:
  
an an 
lı́m an · cn = lı́m · bn · cn = lı́m · lı́m bn · cn = 1 · L = L
n→∞ n→∞ bn n→∞ bn n→∞

Demostración de: Proposición 335 de la página 179

 ∞
Proposición 335.- Sea an n=1 una sucesión. Si existe f : [1, ∞) −→ R tal que f (n) = an , ∀ n ∈ N , y
lı́m f (x) = L , entonces lı́m an = L
x→+∞ n→∞

Demostración:
Si lı́m f (x) = L , entonces para cada ε > 0 existe K > 0 tal que si x > K , se verifica que |f (x) − L| < ε .
x→+∞
En particular, para todo n > K , se verifica que |f (n) − L| < ε y, por tanto, que L = lı́m f (n) = lı́m an .
n→∞ n→∞
El resultado es válido también si L = ±∞.

Demostración de: Proposición 337 de la página 180

 ∞  ∞  ∞
Proposición 337.- Sean an n=1 una sucesión y anj j=1 una subsucesión de an n=1 . Si existe el lı́m an ,
n→∞
entonces existe el lı́m anj y se tiene que
j→∞

lı́m anj = lı́m an .


j→∞ n→∞

Demostración:
En efecto, si lı́m an = L ∈ R , para cualquier ε > 0 existe n0 tal que para todo n ≥ n0 se verifica que
n→∞
|an − L| < ε, en particular, para todo nj ≥ n0 se verifica que |anj − L| < ε, luego lı́m anj = L.
j→∞
Si lı́m an = +∞ , para cualquier K > 0 existe n0 tal que para todo n ≥ n0 se verifica que an > K , en
n→∞
particular, para todo nj ≥ n0 se verifica que anj > K , luego lı́m anj = +∞ .
j→∞
Análogamente para lı́m an = −∞ .
n→∞

Demostración de: Proposición 338 de la página 180

∞ ∞  ∞
Proposición 338.- Si {ani }i=1 y {ank }k=1 son dos subsucesiones de la sucesión numérica an n=1 , tales que
∞ S ∞  ∞
{ani }i=1 {ank }k=1 = an n=1 . Entonces, si lı́m ani = lı́m ank = L se tiene que lı́m an = L .
i→∞ k→∞ n→∞

Demostración:
Si lı́m ani = L, para cada ε > 0 existe n1 tal que si n ≥ n1 se verifica que |ani −L| < ε, y si lı́m ank = L, para
i→∞ k→∞
cada ε > 0 existe n2 tal que si n ≥ n2 se verifica que |ank −L| < ε. Luego tomando n0 = max{n1 , n2 } , se tiene
que para cada n ≥ n0 : ó an = ani , para algún i , luego n = ni ≥ n0 ≥ n1 , de donde |an − L| = |ani − L| < ε
ó an = ank , para algún k , luego n = nk ≥ n0 ≥ n2 , de donde |an − L| = |ank − L| < ε.
Análogamente se hace si L = ±∞ .

Demostración de: Proposición 342 de la página 180

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
189 – Matemáticas 1 : Series numéricas Anexo 4

Proposición 342.- Toda sucesión convergente está acotada.


Demostración:
 ∞
Si an n=1 converge, existe L ∈ R tal que an −→ L, es decir, para cada ε > 0 , existe n0 ∈ N tal que si
n ≥ n0 , entonces |an − L| < ε.
Luego, para todo n ≥ n0 , se verifica que L − ε < an < L + ε y, por tanto, que |an | ≤ max{|L − ε|, |L + ε|}.
En consecuencia, si tomamos

K = max{|a1 |, |a2 |, . . . , |an0 |, |L − ε|, |L + ε|},

se verifica que |an | ≤ K , para todo n ∈ N.

Demostración de: Proposición 344 de la página 180

Proposición 344.- Toda sucesión monótona creciente y acotada superiormente es convergente.


Toda sucesión monótona decreciente y acotada inferiormente es convergente.
Demostración:
 ∞
Sea an n=1 monótona creciente y acotada superiormente. Por estar acotada superiormente, existe L =
sup{an : n ∈ N} ∈ R y, por ser L el superior, para cualquier ε > 0 , existe n0 ∈ N tal que L − ε < an0 ≤ L .
Como la sucesión es monótona creciente, para todo n ≥ n0 , se verifica que an0 ≤ an , luego

L − ε < an0 ≤ an ≤ L < L + ε,

para todo n ≥ n0 , es decir, an −→ L.


Análogamente, para las monótonas decrecientes y acotadas inferiormente.

Series de números reales


Demostración de: Proposición 349 de la página 181


P
Proposición 349.- Sea an una serie numérica. Se tiene que
n=1

∞ ∞ ∞
P ∞
P
a)
P
an ∼
P
λan , para todo λ ∈ R − {0} b) an ∼ an , para todo k0 ∈ N
n=1 n=1 n=1 n=k0 +1


P
c) Si la serie es convergente (o es divergente), la serie bj formada agrupando términos consecutivos, es
j=1
decir, con bj = anj−1 +1 + anj−1 +2 + · · · + anj , es también convergente (o es también divergente)

Demostración:
n
an , y denotaremos por Sn0 la suma parcial n -ésima de la otra serie involucrada en cada apartado.
P
Sea Sn =
i=1

n n n
a) Sn0 = a0n = an = λSn , luego se tiene que lı́m Sn0 = λ lı́m Sn y, por tanto, lı́m Sn0 es
P P P
λan = λ
i=1 i=1 i=1 n→∞ n→∞ n→∞
finito, infinito o no existe si respectivamente lı́m Sn es finito, infinito o no existe, y viceversa.
n→∞

b) Sea k0 ∈ N fijo. Para cada n , se tiene


kX
0 +n kX
0 +n k0
X
Sn0 = aj = aj − aj = Sk0 +n − Sk0 ,
j=k0 +1 j=1 j=1

luego
lı́m Sn0 = lı́m (Sk0 +n − Sk0 ) = −Sk0 + lı́m Sk0 +n .
n→∞ n→∞ n→∞

En consecuencia, lı́m Sn0 es finito, infinito o no existe si respectivamente lı́m Sn es finito, infinito o no
n→∞ n→∞
existe, y viceversa.

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
190 – Matemáticas 1 : Series numéricas Anexo 4

c) Basta tener en cuenta que

S10 = b1 = a1 + a2 + · · · + an1 = Sn1


S20 = b1 + b2 = a1 + · · · + an1 + an1 +1 + · · · + an2 = Sn2
..
.
Sj0 = b1 + · · · + bj = a1 + · · · + an1 + · · · + anj−1 +1 + · · · + anj = Snj ,
 ∞ ∞  ∞  ∞
es decir, que Sj0 j=1 = Snj j=1 es una subsucesión de Sn n=1 . Por tanto, si el lı́mite de Sn n=1


existe y es finito/infinito, el lı́mite de una subsucesión suya existe y toma el mismo valor finito/infinito.

Demostración de: Proposición 350 de la página 181


P ∞
P ∞
P
Proposición 350.- Sean an y bn dos series convergentes, entonces (an + bn ) converge y
n=1 n=1 n=1

P ∞
P ∞
P
(an + bn ) = an + bn
n=1 n=1 n=1

Demostración:
n n
ai y S 0 = lı́m Sn0 = lı́m
P P
Sean S = lı́m Sn = lı́m bi . Entonces
n→∞ n→∞ i=1 n→∞ n→∞ i=1

n
X n
X n
X
Sn00 = (ai + bi ) = ai + bi = Sn + Sn0 ,
i=1 i=1 i=1

de donde,
lı́m Sn00 = lı́m (Sn + Sn0 ) = lı́m Sn + lı́m Sn0 = S + S 0
n→∞ n→∞ n→∞ n→∞

P ∞
P ∞
P ∞
P
y, por tanto, (an + bn ) converge y (an + bn ) = an + bn .
n=1 n=1 n=1 n=1

Demostración de: Teorema 353 de la página 182


P
Teorema 353.- Una serie de términos positivos an converge si, y sólo si, la sucesión de sumas parciales
 ∞ n=1
Sn n=1 está acotada superiormente
Demostración:  ∞
Como an ≥ 0 se tiene que Sn = Sn−1 + an ≥ Sn−1 , luego la sucesión de sumas parciales Sn n=1 es monótona
creciente.
Entonces,
 ∞ P∞
⇐= si Sn n=1 está acotada superiormente, por ser monótona creciente, es convergente, luego an con-
n=1
verge;
 ∞ ∞
P
=⇒ si Sn n=1 no está acotada, por ser monótona creciente, se tiene que Sn −→ +∞ luego an diverge
n=1
a +∞ y, por tanto, no converge.

Demostración de: Primer criterio de comparación 355 de la página 182


P ∞
P
Primer criterio de comparación 355.- Sean an y bn series de términos positivos tales que an ≤ bn ,
n=1 n=1
para todo n ∈ N —o a partir de un término en adelante—, entonces:

P ∞
P
a) Si bn converge =⇒ an converge
n=1 n=1

P ∞
P
b) Si an diverge =⇒ bn diverge
n=1 n=1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
191 – Matemáticas 1 : Series numéricas Anexo 4

Demostración:
n n
bn = Sn0 y, entonces,
P P
Como an ≤ bn , se tiene Sn = an ≤
j=1 j=1

∞ ∞ ∞
Sn0
P  
a) Si bn converge =⇒ n=1
está acotada superiormente =⇒ Sn n=1
está acotada superiormente
n=1

P
=⇒ an converge.
n=1

∞  ∞  ∞
Sn n=1 no está acotada superiormente =⇒ Sn0 n=1 no está acotada superior-
P
b) Si an diverge =⇒
n=1

P
mente =⇒ bn diverge.
n=1

Demostración de: Segundo criterio de comparación 356 de la página 183

∞ ∞
P P an
Segundo criterio de comparación 356.- Sean an y bn series de términos positivos con lı́m = L,
n=1 n=1 n→∞ bn
entonces:

P ∞
P
a) Si 0 < L < +∞ =⇒ an ∼ bn
n=1 n=1


P ∞
P
b) Si L = 0 y a) bn converge =⇒ an converge
n=1 n=1


P ∞
P
b) an diverge =⇒ bn diverge
n=1 n=1


P ∞
P
c) Si L = +∞ y a) an converge =⇒ bn converge
n=1 n=1


P ∞
P
b) bn diverge =⇒ an diverge
n=1 n=1

Demostración:


a) Si 0 < L < +∞ , y tomamos ε = L
, existe n0 ∈ N tal que si n ≥ n0 se tiene que abnn − L < L
. De

2 2
donde
an
− L2 + L < < L
2 +L
bn
y, como bn ≥ 0 , se tiene
L 3L
0≤ 2 bn ≤ an ≤ 2 bn
L 3L
para todo n ≥ n0 . Aplicando el Primer criterio de comparación a los casos 0 ≤ 2 bn ≤ an y 0 ≤ an ≤ 2 bn
se obtiene el resultado.
b) Si L = 0 , tomando ε = 1 , se tiene que existe n0 ∈ N tal que si n ≥ n0 entonces 0 ≤ an < bn , y recaemos
en el Primer criterio.
bn
c) Si L = +∞ , basta intercambiar los papeles de an y bn , pues entonces se tiene que lı́m = 0.
n→∞ an

Demostración de: Criterio del cociente (D‘Alambert) 360 de la página 184


P an+1
Criterio del cociente (D‘Alambert) 360.- Sea an de términos positivos tal que lı́m = L, entonces:
n=1 n→∞ an
∞ ∞
P
b) si L > 1 =⇒ an diverge
P
a) si L < 1 =⇒ an converge
n=1 n=1

c) si L = 1 el criterio no decide

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
192 – Matemáticas 1 : Series numéricas Anexo 4

Demostración:

a) Si L < 1 , tomemos k = L + ε > 0 tal que L < k < 1 , entonces debe existir n0 ∈ N tal que para todo
n ≥ n0 se verifica que aan+1
n
≤ k < 1 y, por tanto, que an+1 ≤ kan , para todo n ≥ n0 . Luego

an0 +1 ≤ kan0
an0 +2 ≤ kan0 +1 ≤ k 2 an0
an0 +3 ≤ kan0 +2 ≤ k 3 an0
an0 +4 ≤ kan0 +3 ≤ k 4 an0
.. ..
. .
an = an0 +(n−n0 ) ≤ kan−1 ≤ k n−n0 an0
.. ..
. .

Sumando miembro a miembro, se obtiene



X ∞
X ∞
X
an ≤ k n−n0 an0 = an0 k −n0 kn ,
n=n0 +1 n=n0 +1 n=n0 +1

∞ ∞
k n converge (|k| = k < 1 ).
P P
de donde an converge, ya que la serie geométrica
n=n0 +1 n=n0 +1
an+1
b) Si L > 1 , entonces ∃n0 ∈ N tal que an > 1 , para todo n ≥ n0 , luego
an < an+1 , para todo n ≥ n0 ,
y la serie diverge ya que an 6→ 0 .

Demostración de: Criterio de Raabe 361 de la página 185

∞  
P an+1
Criterio de Raabe 361.- Sea an una serie de términos positivos con lı́m n 1 − an = R . Entonces:
n=1 n→∞

∞ ∞
P
b) si R < 1 =⇒ an diverge
P
a) si R > 1 =⇒ an converge
n=1 n=1

c) si R = 1 el criterio no decide
Demostración:

a) Si R > 1 , tomamos k > 0 tal que 1 < 1 + k < R , entonces existe n0 ∈ N tal que para todo n ≥ n0 se
tiene que
 
n 1 − aan+1
n
> 1 + k ⇐⇒ n (an − an+1 ) > an (1 + k) ⇐⇒ (n − 1)an − nan+1 > kan .

Luego
(n0 − 1)an0 − n0 an0 +1 > kan0
(n0 )an0 +1 − (n0 + 1)an0 +2 > kan0 +1
(n0 + 1)an0 +2 − (n0 + 2)an0 +3 > kan0 +2
.. ..
. .
(n − 2)an−1 − (n − 1)an > kan−1
(n − 1)an − (n)an+1 > kan
y, sumando todo miembro a miembro,

(n0 − 1)an0 − nan+1 > k(an0 + an0 +1 + · · · + an ) = k(Sn − Sn0 ).

Despejando, Sn < k1 ((n0 − 1)an0 − nan+1 ) + Sn0 < k1 ((n0 − 1)an0 ) + Sn0 = K constante, para todo
 ∞ P∞
n ≥ n0 , luego Sn n=1 está acotada superiormente y an converge.
n=1

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018
193 – Matemáticas 1 : Series numéricas Anexo 4

b) Si R < 1 , entonces existe n0 ∈ N tal que para todo n ≥ n0 se tiene que


 
n 1 − aan+1
n
< 1 ⇐⇒ n (an − an+1 ) < an ⇐⇒ (n − 1)an < nan+1 .
Luego
(n0 − 1)an0 < n0 an0 +1 < (n0 + 1)an0 +2 < · · · < (n − 1)an < (n)an+1 ,
(n0 −1)an0
de donde n < an+1 , para todo n ≥ n0 , y, por tanto,
∞ ∞
X (n0 − 1)an0 X
< an+1 .
n=n
n n=n
0 0


P
Como la serie minorante diverge, la serie an diverge.
n=1

Demostración de: Teorema 363 de la página 185

Teorema 363.- Toda serie absolutamente convergente es convergente


Demostración:
P∞
Si |an | converge, entonces, para cada ε > 0 , existe n0 ∈ N tal que si n ≥ n0 , se verifica que |an | +

n=1
|an+1 | + · · · + |an+p | < ε, para todo p ∈ N . Pero, como


|an + an+1 + · · · + ap+n | ≤ |an | + |an+1 | + · · · + |an+p | = |an | + |an+1 | + · · · + |an+p | < ε


P
la serie an también converge.
n=1

Demostración de: Teorema de Leibnitz 365 de la página 185

 ∞
Teorema de Leibnitz 365.- Sea an n=1 una sucesión de términos positivos, monótona decreciente y de lı́mite

(−1)n+1 an converge
P
cero. Entonces la serie
n=1

Demostración:  ∞ ∞ ∞ ∞
Para demostrarlo, veamos que Sn n=1 = {S2n−1 }n=1 ∪ {S2n }n=1 converge, probando que {S2n−1 }n=1 y

{S2n }n=1 convergen al mismo valor.
En efecto, los términos S2(n+1) y S2(n+1)−1 , par e impar, de la sucesión de sumas parciales se obtienen de
los anteriores términos par e impar con
S2n+2 = S2n + (−1)2n+2 a2n+1 + (−1)2n+3 a2n+2 = S2n + a2n+1 − a2n+2 = S2n + (a2n+1 − a2n+2 )
S2n+1 = S2n−1 + (−1)2n+1 a2n + (−1)2n+2 a2n+1 = S2n−1 − a2n + a2n+1 = S2n−1 − (a2n − a2n+1 )
 ∞
Como an n=1 es decreciente, ak − ak+1 ≥ 0 para todo k , entonces
S2n+2 ≥ S2n , y S2n+1 ≤ S2n−1 , para todo n ≥ 1 ;
∞ ∞
luego {S2n }n=1 es creciente y {S2n−1 }n=1 es decreciente, y se tiene
S2 ≤ S4 ≤ · · · ≤ S2n ≤ S2n+2 ≤ · · · y · · · ≤ S2n+1 ≤ S2n−1 ≤ · · · ≤ S3 ≤ S1 h 12.1 i
Además, como
S2n = S2n−1 + (−1)2n+1 an = S2n−1 − a2n ≤ S2n−1 ,
de h 12.1 i se tiene que
S2 ≤ S2n ≤ S2n−1 ≤ S1
∞ ∞
y, en consecuencia, {S2n }n=1
está acotada superiormente por S1 y {S2n−1 }n=1 está acotada inferiormente por
S2 , luego convergen.
Concluyendo, como existe el lı́m S2n , existe el lı́m S2n−1 , lı́m an = 0 y S2n = S2n−1 − a2n , se tiene que
n→∞ n→∞ n→∞

0 = lı́m a2n = lı́m (S2n−1 − S2n ) = lı́m S2n−1 − lı́m S2n ;


n→∞ n→∞ n→∞ n→∞
 ∞
luego lı́m S2n−1 = lı́m S2n y Sn n=1 converge.
n→∞ n→∞

Prof: José Antonio Abia Vian Grado de Ing. Electrónica Industrial y Automática : Curso 2017–2018

También podría gustarte